CN105866627B - 一种适用于电力电子系统的故障信号检测方法 - Google Patents
一种适用于电力电子系统的故障信号检测方法 Download PDFInfo
- Publication number
- CN105866627B CN105866627B CN201610213012.1A CN201610213012A CN105866627B CN 105866627 B CN105866627 B CN 105866627B CN 201610213012 A CN201610213012 A CN 201610213012A CN 105866627 B CN105866627 B CN 105866627B
- Authority
- CN
- China
- Prior art keywords
- signal
- fault
- frequency
- pass filter
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Abstract
本发明涉及一种适用于电力电子系统的故障信号检测方法。通过对原始信号的采样，后经滤波器组分割频域进行处理，得模极大值判决稳态信号与故障信号；对于稳态信号采用平顶窗多项式系数补偿频谱泄露；而故障信号中的模极大值点处可作为故障发生的起止点，进而以时间差来判决故障发生。本发明根据设定的故障判别方法，以频域计算为主，时域计算作为参考的方法，在进行S‑熵扰动信号能量特征提取时，可以在频域计算结果不准的结果下，通过时域计算得到的时间差进行结果补偿，保证算法尽可能的精准性。
Description
技术领域
本发明涉及一种电力电子技术领域的故障信号检测方法，适用于电力电子系统中故障信号的暂态检测与识别，具体为一种适用于电力电子系统的故障信号检测方法。
背景技术
传统应用于电力系统中的电力电子设备，因其调节方式和自身结构的特殊性导致在传输线路发生故障时，极易使其控制失衡造成停电事故。如，直流线路的故障电流具有上升速度快、峰值大的特点，极易损坏换流器件和设备绝缘，且输电系统无法通过自身调节实现故障自清除。因此，对交、直流输电线路故障处理和保护提出了更高要求。对于交流线路产生的单线接地、双相短路等故障，不仅需要一种快速准确的方法对故障进行检测，也需要相应措措施对发生的故障类型加以识别区分，并对处理结果进行进一步甄别判断，以减少故障对换流器件、输电线路和系统的损害。
基于柔性直流输电线路的故障特征，可分为交流故障和直流故障两大类。其中交流故障包括：单线接地、两线短路、三线接地等。直流故障包括：断线故障、单极接地故障和双极短路故障等。如何从换流器侧识别区分此类故障，根据故障波形的暂升、暂降中断等判断定位，检测预警成为当下关注的重点。
与本发明最为接近的专利文献有：[1]多端柔性直流输电系统的直流线路单端故障定位方法（申请号：201110350571.4），通过提供一种多端柔性直流输电系统的直流线路单端故障定位方法，从多端柔性直流输电系统的直流线路侧分流器获取故障暂态电流量，测量故障暂态电流量，通过频谱分析提取特征频率信号，计算特征频率值大小，从而测量故障距离。[2]一种电网故障检测方法及系统（申请号：201510318621.9），目的在于提供一种电网故障检测方法及系统，以有效提高现有的电力线路故障排查的效率。[3]一种柔性直流输电系统直流单极接地故障判断方法（申请号：201510218127.5），公开了一种柔性直流输电系统直流单极接地故障判断方法，获取直流侧正、负直流母线对地电压。依据直流单极接地故障发展过程中电压的变化特性，选择正负直流母线对地电压作为直流单极接地故障辨识参数。以上基于电力系统的故障检测方法将直流输电线路故障检测作为重点研究对象。但均未对故障类型进行合理区分，其因故障引起的各类电能质量问题未作考虑。
该方法主要用于检测电力电子系统中故障信号特征，一定程度上可以帮助电力工作者检测系统中存在的各类故障问题(如，直流故障、交流故障等)。
目前，已知信号检测方法，如快速傅里叶变换、小波变换、人工神经网络、模糊逻辑等，通常离线仿真模式(MATLAB、EMTDC、PSCAD等)进行电信号的谐波、间谐波、电压暂升、暂降、中断等的识别与分类。相对于一个完整的输电系统，因其传输距离及电力电子元器件的复杂性与多样性，尚不能完全、有效、实时的检测各类故障引起的电能质量问题。尚需解决的问题如下：
1、故障与负载变化引起的电压波动、过电流现象不能很好加以区分。
2、如何根据故障信号特征来判断系统中引起的故障类型，根据信号特征量利用S-熵进行特征提取，根据熵值大小区别暂态信号各类变化特征。如易发生电压暂降的情况有系统故障、变压器切换、容量大的感应电动机启动等。
3、根据故障点处的模极大值点的差值，计算电力系统发生故障故障的时间，进而判断瞬时、暂态、短时变化等。
发明内容
本发明的目的在于提供一种适用于电力电子系统的故障信号检测方法，能够提高故障信号特征提取的准确性。
为实现上述目的，本发明的技术方案是：一种适用于电力电子系统的故障信号检测方法，包括如下步骤，
步骤S1：配置AD73360信号采样卡，该采样卡采用多通道模拟输入可编程16位∑-∆ AD73360处理器；
步骤S2：通过AD73360信号采样卡采样原始信号，并通过小波变换滤波器组进行处理，所述小波变换滤波器组由低通滤波器和高通滤波器组成，该过程具体为：将采样的原始信号通过低通滤波器和高通滤波器进行平滑和细节分解得出其概貌信号与细节信号，即求出第一层小波变换，而后，对第一层小波变换后的低频部分继续通过高通滤波器和低通滤波器进行分解，以此类推，进行K层分解，其中K为大于1的自然数；
步骤S3：经过步骤S2的K层分解后的信号，若存在模极大值，则判定存在故障信号，并转步骤S5；否则，判定为稳态信号，并将输出的稳态信号送入FiFO缓存，并转步骤S4；
步骤S4：对步骤S3中送入FiFO缓存后的稳态信号进行FFT谐波运算，具体即：
将缓存后的稳态信号经FFT处理后的频谱经平顶窗系数进行系数补偿，经平顶窗补偿后频谱：
其中，为稳态信号经FFT变换后的最大幅值，、为相邻频点，m为频域系数，
选取平顶窗系数：=0.26526，=0.5，=0.23474，系数经归一化、二进制转换后如下式：
令：
则可化简得公式如下：
；
步骤S5：对故障信号进行特征值能量信号提取：采用S-熵方法对故障信号进行特征值能量信号提取，如下式所示：
式中，j表示第j层细节信号，k表示细节信号第j层的第k个节点信号；
通过与预置阈值比较即可进行故障信号的种类区分。
在本发明一实施例中，所述步骤S2中，小波变换滤波器组的具体构造过程如下：
根据多分辨分析理论，尺度函数的二尺度方程和小波函数的二尺度方程满足
其中，g(k)为高通滤波器系数，h(k)为低通滤波器系数；
由于需对采样的原始信号进行K层分解，各层的高、低通滤波器系数均相一致。
在本发明一实施例中，所述步骤S2中，分解层数K的确定方式如下：
为检测和提取电能质量故障信号，必须确定合理的分解层数并正确划分信号的频带，频带划分的原则如下：尽量使信号的基频位于最低子频带的中心，以限制基频分量对其它子频带的影响，故障信号的采样频率为时，采用Mallat算法可得实际频带划分数目Pz可由下式向最近的整数取整获得：
式中，P为理论频带划分数目；为最高子频带的中心频率；
根据上式即可获得实际频带划分数目Pz，由此得知分解层数K=Pz-1。
相较于现有技术，本发明具有以下有益效果：本发明根据设定的故障判别方法，以频域计算为主，时域计算作为参考的方法，在进行S-熵扰动信号能量特征提取时，可以在频域计算结果不准的结果下，通过时域计算得到的时间差进行结果补偿，保证算法尽可能的精准性。
附图说明
图1为本发明图1为AD73360寄存器配置流程图。
图2为离散信号的Mallat算法分解过程及信号频谱。
图3为本发明的电力电子系统的故障信号检测方法的系统流程图。
图4为故障信号经S-熵特征提取后的特征值。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明的一种适用于电力电子系统的故障信号检测方法，包括如下步骤，
步骤S1：配置AD73360信号采样卡，该采样卡采用多通道模拟输入可编程16位∑-∆ AD73360处理器；
步骤S2：通过AD73360信号采样卡采样原始信号，并通过小波变换滤波器组进行处理，所述小波变换滤波器组由低通滤波器和高通滤波器组成，该过程具体为：将采样的原始信号通过低通滤波器和高通滤波器进行平滑和细节分解得出其概貌信号与细节信号，即求出第一层小波变换，而后，对第一层小波变换后的低频部分继续通过高通滤波器和低通滤波器进行分解，以此类推，进行K层分解，其中K为大于1的自然数；
步骤S3：经过步骤S2的K层分解后的信号，若存在模极大值，则判定存在故障信号，并转步骤S5；否则，判定为稳态信号，并将输出的稳态信号送入FiFO缓存，并转步骤S4；
步骤S4：对步骤S3中送入FiFO缓存后的稳态信号进行FFT谐波运算，具体即：
将缓存后的稳态信号经FFT处理后的频谱经平顶窗系数进行系数补偿，经平顶窗补偿后频谱：
其中，为稳态信号经FFT变换后的最大幅值，、为相邻频点，m为频域系数，
选取平顶窗系数：=0.26526，=0.5，=0.23474，系数经归一化、二进制转换后如下式：
令：
则可化简得公式如下：
；
步骤S5：对故障信号进行特征值能量信号提取：采用S-熵方法对故障信号进行特征值能量信号提取，如下式所示：
式中，j表示第j层细节信号，k表示细节信号第j层的第k个节点信号；
通过与预置阈值比较即可进行故障信号的种类区分。
在本发明一实施例中，所述步骤S2中，小波变换滤波器组的具体构造过程如下：
根据多分辨分析理论，尺度函数的二尺度方程和小波函数的二尺度方程满足
其中，g(k)为高通滤波器系数，h(k)为低通滤波器系数；
由于需对采样的原始信号进行K层分解，各层的高、低通滤波器系数均相一致。
在本发明一实施例中，所述步骤S2中，分解层数K的确定方式如下：
为检测和提取电能质量故障信号，必须确定合理的分解层数并正确划分信号的频带，频带划分的原则如下：尽量使信号的基频位于最低子频带的中心，以限制基频分量对其它子频带的影响，故障信号的采样频率为时，采用Mallat算法可得实际频带划分数目Pz可由下式向最近的整数取整获得：
式中，P为理论频带划分数目；为最高子频带的中心频率；
根据上式即可获得实际频带划分数目Pz，由此得知分解层数K=Pz-1。
为使得本领域技术人员更加了解本发明技术方案，以下进行具体讲述。
本发明的一种适用于电力电子系统的故障信号检测方法，其具体步骤如下：
步骤一、本设计采用工业电力测量的多通道模拟输入可编程16位∑-∆ AD73360处理器。采样率与输入信号增益可程控设置(本设计采样率为64kHz，增益0dB)，6路单端输入的模拟信号同时采样。寄存器配置流程图，详见图1所示。
其中，采用SPI串行通信协议将FPGA作为从设备，AD73360作为主设备。
步骤二、
将原始信号经AD73360信号采集卡采样后输送至小波变换滤波器组中。
其中，应用在信号消噪与处理等领域的离散小波变换其原理是将连续小波变换中的尺度参数和平移参数离散化后得出，实现算法多为Mallat算法。根据多分辨分析理论，尺度函数Φ(t)的二尺度方程和小波函数Ψ(t)的二尺度方程满足式(1)和式(2)：
（1）
（2）
其构造过程实际为低通、高通滤波器的设计。将输入采集后信号经过高通滤波器系数g(k)与低通滤波器系数h(k)，即可实现对信号的分解。
滤波器组的基本思想是将采集信号通过一个低通滤波器(LP)和一个高通滤波器(HP)进行平滑和细节分解得出其概貌信号与细节信号，即求出第一层小波变换。然后对第一层变换后的低频部分继续通过高、低滤波器进行分解。一般地，依据所要检测的突变信号频率的大小，将信号的基频位于最低频带的中心处，选取适当分解层数。
各层高、低通滤波器系数G(ω)、H(ω)是一样的，因为滤波器是根据归一频率来设计的。且归一频率满足：归一频率=真实频率×采样间隔，即各级滤波器的一致性原则。第一层滤波器H(ω)的真实频带是0~π/2T_s(T_s是输入的采样间隔)，其归一频率则是0~π/2。第二层H(ω)的真实频带是0~π/4T_s(二抽取后2T_s是输入的采样间隔)，但是归一频率也是0~π/2。根据得到的第一层和第二层高频系数确定突变点的位置，从而判断VSC-HVDC系统故障类型及产生原因等。图2为离散信号的Mallat算法分解过程及信号频谱。采用Daubechies滤波器中的DB5小波对突变信号进行分析，其高频分解系数在故障处具有模极大值。DB5系数如下式（3）、（4）所示：
Lo_D=[1,-3,-2,20,-8,-62,35,185,155,41] （3）
Hi_D=[-41,155,-185,35,62,-8,-20,-2,3,1] （4）
步骤三、
经过第K层分解后的原始信号。若发现存在模极大值，那么判定为存在故障信号；如果不存在模极大值，那么送入FiFO缓存后进行FFT谐波运算，此处为处理稳态信号过程。
分解层数的说明：
为检测和提取电能质量故障信号，必须确定合理的分解层数并正确划分信号的频带。频带划分的原则如下：尽量使信号的基频位于最低子频带的中心，以限制基频分量对其它子频带的影响。故障信号的采样频率为时，Mallat算法的实际频带划分数目Pz可由公式(5)向最近的整数取整获得：
(5)
式中，P为理论频带划分数目；最高子频带的中心频率；
本发明中电能质量信号的基频为50Hz，采样频率为8kHz(AD73360采集频率)。由式（5）求得的实际子频带数目Pz=6，即应对信号进行5层多分辨分析，因此其频带范围依次为0~100Hz、100~200Hz、200~400 Hz、400~800Hz、800~1600Hz和1600~3200Hz。当系统频率在50Hz左右波动时，基频会落在最低子频带0~100Hz的中心附近。
步骤四、
FFT进行谐波运算详细过程说明如下：
原始信号经FFT处理后的频谱经平顶窗系数进行系数补偿，旨在讨论电信号的幅度特性(M)的补偿问题，从而防止频谱泄露。
众所周知，N个采样点(采样点为2的幂次方形式方便计算)经基-4 FFT之后，可得到N个频域结果。设定电信号峰值若为A，FIFO采样频率为Fs=2.048kHz，电信号频率F=50Hz。FFT的结果为复数(a+bi)，频率点的模值(An)就是该频率值下的幅度特性。其模值计算公式为式(6)，相角即为该信号在该点的相位(Pn)如式（7）所示：
（6）
（7）
其幅度特性与信号峰值之间满足公式(8)：
（8）
某点n所表示的频率为公式(9)：
（9）
上式可以看出，Fn所能分辨到的频率为Fs/N(本实验频率分辨率为1Hz)。许多窗函数(矩形窗等)应用时域乘积来处理频谱泄露问题，本文应用矩形窗对电信号进行截取经FFT变换后应用平顶窗多项式系数乘以X(m)。其中X(m)为该信号经FFT变换后的最大幅值，m为为频域系数。由公式(10)可得经平顶窗补偿后频谱Xft(m)：
（10）
选取SFT3F系数(平顶窗函数)如下：h0=0.26526，h1=0.5，h2=0.23474。系数经归一化、二进制转换后如式(11)所示：
(11)
为降低FPGA计算复杂度，将公式(12)带入公式(10)
(12)
其中X(m±1)、X(m±2)为X(m)相邻频点。化简后得公式(13)
(13)
如图3所述。由公式(8)得，幅度特性与信号峰值之间满足公式(14)，最终得到电信号幅值及频率：
， (14)
步骤五、
对于故障信号的特征值能量信号的提取：
采用S-熵方法如式(15)所示：
(15)
将细节信号第j层的第k个节点信号经仿真后结果如图4所示。通过与预置阈值比较大小来区分信号种类。
步骤六、
关于阈值分类大小：
1)将每周期电流信号前波峰与后波峰提取作比较。若，则说明电路中无故障发生。否则跳至第2)步。
2)如果经过S-熵特征信号的能量提取最大值，当(为小波系数一个故障判别阈值)，则无故障发生。否则跳至第3)步。
3)若，则无故障发生。否则跳至第4)步。
4)如果，则无故障发生。否则跳至第5)步。
5)当以上结果都不成立时，则判断有故障发生。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种适用于电力电子系统的故障信号检测方法，其特征在于：包括如下步骤，
步骤S1：配置AD73360信号采样卡，该采样卡采用多通道模拟输入可编程16位∑-ΔAD73360处理器；
步骤S2：通过AD73360信号采样卡采样原始信号，并通过小波变换滤波器组进行处理，所述小波变换滤波器组由低通滤波器和高通滤波器组成，该过程具体为：将采样的原始信号通过低通滤波器和高通滤波器进行平滑和细节分解得出其概貌信号与细节信号，即求出第一层小波变换，而后，对第一层小波变换后的低频部分继续通过高通滤波器和低通滤波器进行分解，以此类推，进行K层分解，其中K为大于1的自然数；
步骤S3：经过步骤S2的K层分解后的信号，若存在模极大值，则判定存在故障信号，并转步骤S5；否则，判定为稳态信号，并将输出的稳态信号送入FiFO缓存，并转步骤S4；
步骤S4：对步骤S3中送入FiFO缓存后的稳态信号进行FFT谐波运算，具体即：
将缓存后的稳态信号经FFT处理后的频谱经平顶窗系数进行系数补偿，经平顶窗补偿后频谱Xft(m)：
其中，X(m)为稳态信号经FFT变换后的最大幅值，X(m±1)、X(m±2)为X(m)相邻频点，m为频域系数，
选取平顶窗系数：h0＝0.26526，h1＝0.5，h2＝0.23474，系数经归一化、二进制转换后如下式：
g0＝1.0(10)
令：
c＝X(m)
p＝X(m-1)+X(m+1)
q＝X(m-2)+X(m+2)
r＝q-p
则可化简得Xft(m)公式如下：
步骤S5：对故障信号进行特征值能量信号提取：采用S-熵方法对故障信号进行特征值能量信号提取，如下式所示：
式中，j表示第j层细节信号，k表示细节信号第j层的第k个节点信号；
通过与预置阈值比较即可进行故障信号的种类区分；
所述步骤S2中，小波变换滤波器组的具体构造过程如下：
根据多分辨分析理论，尺度函数Φ(t)的二尺度方程和小波函数Ψ(t)的二尺度方程满足
其中，g(k)为高通滤波器系数，h(k)为低通滤波器系数；
由于需对采样的原始信号进行K层分解，各层的高、低通滤波器系数均相一致；
所述步骤S2中，分解层数K的确定方式如下：
为检测和提取电能质量故障信号，必须确定合理的分解层数并正确划分信号的频带，频带划分的原则如下：尽量使信号的基频ff位于最低子频带的中心，以限制基频分量对其它子频带的影响，故障信号的采样频率为fs时，采用Mallat算法可得实际频带划分数目Pz可由下式向最近的整数取整获得：
式中，P为理论频带划分数目；为最高子频带的中心频率；
根据上式即可获得实际频带划分数目Pz，由此得知分解层数K＝Pz-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610213012.1A CN105866627B (zh) | 2016-04-08 | 2016-04-08 | 一种适用于电力电子系统的故障信号检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610213012.1A CN105866627B (zh) | 2016-04-08 | 2016-04-08 | 一种适用于电力电子系统的故障信号检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105866627A CN105866627A (zh) | 2016-08-17 |
| CN105866627B true CN105866627B (zh) | 2018-07-20 |
Family
ID=56636274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610213012.1A Active CN105866627B (zh) | 2016-04-08 | 2016-04-08 | 一种适用于电力电子系统的故障信号检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105866627B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106546872B (zh) * | 2016-09-26 | 2019-03-05 | 上海朋邦实业有限公司 | 输电线路故障监测方法 |
| CN107064738A (zh) * | 2017-03-28 | 2017-08-18 | 国网山东省电力公司青岛供电公司 | 电力电子系统故障检测方法及装置 |
| CN110068758B (zh) * | 2019-04-22 | 2021-08-03 | 南方电网科学研究院有限责任公司 | 柔性直流换流阀监测诊断系统 |
| CN111913077B (zh) * | 2020-08-19 | 2023-05-09 | 剑科云智(深圳)科技有限公司 | 一种配电网的智能故障定位系统 |
| CN112485522B (zh) * | 2020-12-09 | 2023-05-16 | 国网四川省电力公司电力科学研究院 | 基于电能数据感知的平顶窗函数同步相量测量方法及装置 |
| CN115291021B (zh) * | 2022-08-16 | 2023-04-21 | 山东和兑智能科技有限公司 | 高压套管状态的高精度参数分析方法与系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7212008B1 (en) * | 2005-11-03 | 2007-05-01 | Barsumian Bruce R | Surveillance device detection utilizing non linear junction detection and reflectometry |
| CN101701996A (zh) * | 2009-11-26 | 2010-05-05 | 华南理工大学 | 一种高压直流系统换相失败的判别方法及装置 |
| CN102508121A (zh) * | 2011-11-08 | 2012-06-20 | 西安交通大学 | 多端柔性直流输电系统的直流线路单端故障定位方法 |
| CN102520317A (zh) * | 2011-12-15 | 2012-06-27 | 四川大学 | 基于小波香侬熵标准化特征矢量的换相失败故障检测方法 |
| CN103018629A (zh) * | 2012-11-23 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种基于马拉算法的电力系统故障录波数据分析方法 |
| CN104820157A (zh) * | 2015-04-30 | 2015-08-05 | 国家电网公司 | 一种柔性直流输电系统直流单极接地故障判断方法 |
| CN105004967A (zh) * | 2015-06-11 | 2015-10-28 | 国网山东省电力公司泰安供电公司 | 一种电网故障检测方法及系统 |
| CN105445611A (zh) * | 2014-05-30 | 2016-03-30 | 西门子公司 | 故障电弧的检测方法和检测装置 |
-
2016
- 2016-04-08 CN CN201610213012.1A patent/CN105866627B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7212008B1 (en) * | 2005-11-03 | 2007-05-01 | Barsumian Bruce R | Surveillance device detection utilizing non linear junction detection and reflectometry |
| CN101701996A (zh) * | 2009-11-26 | 2010-05-05 | 华南理工大学 | 一种高压直流系统换相失败的判别方法及装置 |
| CN102508121A (zh) * | 2011-11-08 | 2012-06-20 | 西安交通大学 | 多端柔性直流输电系统的直流线路单端故障定位方法 |
| CN102520317A (zh) * | 2011-12-15 | 2012-06-27 | 四川大学 | 基于小波香侬熵标准化特征矢量的换相失败故障检测方法 |
| CN103018629A (zh) * | 2012-11-23 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种基于马拉算法的电力系统故障录波数据分析方法 |
| CN105445611A (zh) * | 2014-05-30 | 2016-03-30 | 西门子公司 | 故障电弧的检测方法和检测装置 |
| CN104820157A (zh) * | 2015-04-30 | 2015-08-05 | 国家电网公司 | 一种柔性直流输电系统直流单极接地故障判断方法 |
| CN105004967A (zh) * | 2015-06-11 | 2015-10-28 | 国网山东省电力公司泰安供电公司 | 一种电网故障检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105866627A (zh) | 2016-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105866627B (zh) | 一种适用于电力电子系统的故障信号检测方法 | |
| Cunha et al. | A new wavelet selection method for partial discharge denoising | |
| Latran et al. | A novel wavelet transform based voltage sag/swell detection algorithm | |
| Lin et al. | Discrete wavelet transform-based triggering method for single-phase earth fault in power distribution systems | |
| Shim et al. | Detection of PD utilizing digital signal processing methods. Part 3: Open-loop noise reduction | |
| Elkalashy et al. | DWT-based detection and transient power direction-based location of high-impedance faults due to leaning trees in unearthed MV networks | |
| Song et al. | Second generation wavelet transform for data denoising in PD measurement | |
| Mishra et al. | A critical fault detection analysis & fault time in a UPFC transmission line | |
| CN105510760B (zh) | 一种基于小波分析的短路故障数据检测方法 | |
| Dwivedi et al. | A wavelet based approach for classification and location of faults in distribution systems | |
| Dash et al. | Time–frequency transform approach for protection of parallel transmission lines | |
| Akorede et al. | Wavelet transform based algorithm for high-impedance faults detection in distribution feeders | |
| Probert et al. | Detection and classification of high frequency transients using wavelet analysis | |
| Roy | Fault identification and determination of its location in a HVDC system based on feature extraction and artificial neural network | |
| Adewole et al. | Fault detection and classification in a distribution network integrated with distributed generators | |
| Roy et al. | Application of Signal Processing Tools and Artificial Neural Network in Diagnosis of Power System Faults | |
| Gangwar et al. | Detection and classification of faults on transmission line using time-frequency approach of current transients | |
| Zhang et al. | Application of signal processing techniques to on-line partial discharge detection in cables | |
| Rao et al. | Pattern recognition approach for fault identification in power transmission lines | |
| Zhang et al. | Small-current grounding fault location method based on transient main resonance frequency analysis | |
| Srividya et al. | Identifying Classifying Of Power Quality Disturbances Using Short Time Fourier Transform And S-Transform | |
| Amarís et al. | Computation of voltage sag initiation with Fourier based algorithm, Kalman filter and wavelets | |
| Džakmić et al. | Combined Fourier transform and Mexican hat wavelet for fault detection in distribution networks | |
| Soleymani et al. | Fault diagnosis of transmission system based on Wavelet Transform and Neural network | |
| Joga et al. | Harmonic source identification in Microgrid using wavelet time frequency analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 350003 No. 54 road 54 Fuzhou, Fujian Co-patentee after: STATE GRID CORPORATION OF CHINA Patentee after: STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd. Co-patentee after: STATE GRID FUJIAN ELECTRIC POWER Research Institute Address before: 350003 No. 54 road 54 Fuzhou, Fujian Co-patentee before: State Grid Corporation of China Patentee before: STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd. Co-patentee before: STATE GRID FUJIAN ELECTRIC POWER Research Institute |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181108 Address after: 350003 No. 54 road 54 Fuzhou, Fujian Co-patentee after: STATE GRID CORPORATION OF CHINA Patentee after: STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd. Co-patentee after: STATE GRID FUJIAN ELECTRIC POWER Research Institute Co-patentee after: STATE GRID FUJIAN ECONOMIC Research Institute Address before: 350003 No. 54 road 54 Fuzhou, Fujian Co-patentee before: STATE GRID CORPORATION OF CHINA Patentee before: STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd. Co-patentee before: STATE GRID FUJIAN ELECTRIC POWER Research Institute |