CN106054028A - 一种基于时域特征和小波分析的电缆故障自动测距方法 - Google Patents
一种基于时域特征和小波分析的电缆故障自动测距方法 Download PDFInfo
- Publication number
- CN106054028A CN106054028A CN201610613067.1A CN201610613067A CN106054028A CN 106054028 A CN106054028 A CN 106054028A CN 201610613067 A CN201610613067 A CN 201610613067A CN 106054028 A CN106054028 A CN 106054028A
- Authority
- CN
- China
- Prior art keywords
- point
- characteristic point
- signal
- fault
- echo
- 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.)
- Granted
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
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- 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
-
- 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
- G01R31/11—Locating faults in cables, transmission lines, or networks using pulse reflection methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种基于时域特征和小波分析的电缆故障自动测距方法,属于电缆故障诊断探测技术领域。该方法包括信号采集器,用于对信号进行数据采样;信号处理器,用于缓存数据,并对数据进行处理,其特征是,方法步骤如下:本发明首先采用自适应形态滤波算法对采集的电缆故障行波原始信号进行消噪预处理;考虑到冲闪法得到的波形回波部分具有周期性特点,本发明再采用基于故障行波的时域特征,结合微分和小波分析的算法来确定相邻两个回波的起始点,最后计算出故障距离,实现电缆故障的自动测距。
Description
技术领域
本发明涉及一种基于时域特征和小波分析的电缆故障自动测距方法,属于电缆故障诊断探测技术领域。
背景技术
随着中国城市化建设步伐的加快,越来越多的架空线路已被地下电缆所取代,随之而来的电缆故障也会不断增加。如果不能及时地确定地下故障点位置并对其修复,就会造成巨大的经济损失。因此,如何快速准确地进行地下电缆故障测距对电网的正常运行具有重要意义。
故障行波信号中往往包含着故障点的各种信息,尤其是信号的突变点或奇异点处会包含着重要的信息。如何识别故障行波信号反射波的起始位置是电缆故障自动测距的关键。识别反射波起始点的常用方法有极大值法、相关系数法、曲线拟合法以及小波分析法等。目前学者对基于小波分析的奇异性检测方法研究的最多,其原理是根据故障行波起始点与信号奇异点存在一一对应的关系,通过对故障行波信号进行小波变换,以模极大值为依据检测出故障行波信号奇异点,找到故障反射行波起始点位置,最后根据行波法测距原理计算出电缆故障距离。
目前,市场上的电缆故障测距仪需要依靠操作人员根据显示的波形进行手动卡位,然后仪器自动计算出故障距离,无法做到集高速采集、数据处理、波形显示以及自动卡位四者于一体,从而实现电缆故障的自动测距;部分高校以及科研院所的学者在研究电缆故障测距算法时主要将PC机作为主控机,运用常用软件(比如Matlab,Labview等)对采集到的数据进行算法研究实现故障测距,这种方式不能满足户外现场的实时测试要求;同时产品化硬件成本高,且算法的计算量大且不易移植。
中国专利号92106797.6公开了“一种电力电缆故障自动测距方法及装置”通过设计电缆故障信号的超高速数据采集电路,由微处理器读出数据显示出波形,然后由操作人员手动卡位,微处理器根据光标位置计算出故障距离。该专利着重于装置的设计,缺少对采集数据处理方法的阐述,并且测距结果依赖手动卡位,没有实现真正的自动测距。
中国专利号201110388072.4公开了一种“电力电缆故障的多踪行波测距方法”通过同时采集施加高压击穿后电力电缆的故障相和完好相的行波反射信号,将两相行波波形同时显示,以方便设备使用人员快速判断出故障位置,该方法也没有实现自动测距,并且在故障距离较远的情况下人为判断易造成较大的误差。
中国专利号201010235507.7公开了“一种基于小波差分算法的电缆故障测距方法”通过信号预处理、小波包熵故障区域判别、故障点确定以及处理结果同步输出四大步骤实现电缆故障测距,数据处理计算量很大,硬件设计主要包括PCI6221数据采集卡以及PC机,该设计成本较高,并且整个算法不易移植到嵌入式设备中。
发明内容
本发明的目的在提供一种基于时域特征和小波分析的电缆故障自动测距方法,解决现有产品存在的不足之处,适用于多种故障现场,提高了电缆故障定位的实时性和准确度。
本发明目的通过以下技术方案实现:
一种基于时域特征和小波分析的电缆故障自动测距方法,包括信号采集器,用于对信号进行数据采样;信号处理器,用于缓存数据,并对数据进行处理,其特征是,方法步骤如下:
(一)信号采集器对信号波形进行采样,并将数据缓存至信号处理器;
(二)采用自适应形态滤波算法对采集的故障行波信号进行消噪处理;
(三)运用最值法求得特征点a和b(1)的位置,根据相对位置关系识别出特征点b(i+1);
(四)利用小波分解特征点b(i)到特征点b(i+1)之间的信号并重构第5层信号识别出特征点位置Pd(i);
(五)根据特征点b(i)到特征点d(i)之间信号的一阶微分信号的特点识别出特征点位置Pc(i);
(六)根据相邻两个回波起始点的位置Pd(i)和Pc(i+1),以及采样频率和脉冲在电缆中的传播速度计算出故障距离。
作为优选,步骤(二)中的消噪处理步骤如下:
对采集的故障行波信号s(t)采用自适应形态滤波,滤波后的信号y(t)为:
公式中,Foc为数学形态学中的开闭运算,Fco为数学形态学中的闭开运算。
作为优选,步骤(三)中的识别步骤如下:
(1)分析去噪后故障行波的时域特征,在行波波形中定义四个特征点分别为:a,b,c,d;每个回波中都包含特征点b,c和d,而特征点a只存在于第一个回波之前;定义以下变量名:Pa表示特征点a在回波中的位置;b(i),c(i)和d(i)分别表示第i个回波的特征点b,c和d;Pb(i),Pc(i)和Pd(i)分别表示特征点b(i),c(i)和d(i)在回波中的位置;
(2)特征点a和b(1)的识别,a点和b(1)点分别是故障行波波形中的最大值点与最小值点,采用求最值点法能够快速准确地识别出特征点a和b(1);
(3)特征点b(i+1)的识别;
作为优选,步骤(3)的识别方法如下:首先计算出近似回波周期然后标定不同故障距离下回波波谷b(i+1)点的位置Pb(i+1),再按照公式计算出回波中b(i+1)点相对于b(i)点的位置RPb(i+1);回波中b(i+1)点的相对位置RPb(i+1)的值在最小值1.158与最大值1.364之间变化,为避免漏检,适当放大RPb(i+1)值的变化范围,在RPb(i+1)值为1.125~1.385内搜索出最小值点来定位特征点b(i+1)。
作为优选,步骤(四)的识别方法如下:利用db4小波对故障行波中的b(i)点和b(i+1)点之间的信号进行5层分解,重构的d5层信号在点到点之间的最大值点对应了去噪后故障行波中的特征点d(i)。
作为优选,步骤(五)的识别方法如下:从时域上可以看出特征点c的位置在b点与d点之间,分析b和d之间的一阶微分信号可确定特征点c的位置在对应一阶微分信号特征点d位置之前的第一个过零点的位置的附近,在过零点附近寻找局部极小值来精确定位c点。
作为优选,步骤(六)的计算方法如下:
选择Pd(i)和Pc(i+1)作为相邻两个回波起始点的位置,再根据采样率以及波速经验值便可求得故障距离L,计算公式如下:
公式中,f为采样频率,v为脉冲在电缆中的传播速度。
作为优选,其特征是,步骤(一)中使用高速AD芯片对信号进行采样,采样频率最高达到200MHz,FPGA控制AD芯片的工作状态并将数据缓存,ARM通过与FPGA通信读取数据包并对数据进行处理,最后实现自动测距,由于数据量大,所以ARM通过外部SRAM作数据缓存,
与现有技术相比,本发明具有以下优点:
(1)本发明提出的自动测距算法能够较为方便地移植至市场上已有的仪器中,数据处理工作只需都交给ARM完成,基本不需要增加额外的硬件设计,在不提高产品成本的前提下实现仪器的自动测距。
(2)提出了完整的电缆故障自动测距算法。利用冲闪法采集到的信号脉冲噪声成分较多,而自适应形态滤波算法滤除脉冲噪声效果则比较明显,因此本发明首先采用自适应形态滤波算法对采集的故障行波信号进行消噪处理,增强了去噪效果。考虑到冲闪法得到波形的回波部分具有周期性特点,本发明采用基于故障行波时域特征,结合微分和小波分析的算法来确定相邻两个回波的起始点,然后计算出故障距离,实现电缆故障的自动测距。
(3)通过脉冲反射法测距,适用于多种故障现场的故障类型。
(4)对原始行波信号进行预处理,然后利用基于故障行波时域特征,结合微分和小波分析的算法对特征点进行提取,根据相关特征点计算出故障距离实现自动测距,使得测距更准确。
(5)算法计算量相对较小,使得故障测距实时性更高。
附图说明
图1是实施例一的信号采集和数据处理系统示意图。
图2是实施例一算法流程图。
图3是实施例一冲闪法典型波形图。
图4是实施例二原始波形去噪前后比较图。
图5是实施例二中特征点b(2)的位置确定图。
图6是本实施例二中b(1)和b(2)之间波形的d5层信号图。
具体实施方式
以下结合具体实施例来说明本发明,下列实施例仅用于说明本发明的技术方案,并不限定本发明的保护范围。
实施例一:
电缆故障自动测距系统先通过对电缆反射信号的采集和处理,再通过故障行波特征点识别算法实现故障的自动测距。
数据采集和处理基于shannon采样定理,使用高速AD芯片对信号进行采样,采样频率最高能达到200MHz,FPGA控制AD芯片的工作状态并将数据缓存,ARM通过与FPGA通信读取数据包并对数据进行处理,最后实现自动测距,由于数据量大,所以ARM通过外部SRAM作数据缓存。具体的设计方案如图1所示。
故障自动测距算法的实现:高速采样得到的脉冲信号中不可避免地包含了大量噪声,当噪声很大时可能会淹没正常测试需要的反射脉冲信号,使关键的反射脉冲起始点变得不够清晰,给故障定位带来很多的干扰,因此确定反射波起始点之前必须对信号进行消噪处理,处理结果的优劣对测试精度有关键性的影响。
本发明首先运用自适应形态滤波算法对原始信号进行处理,然后利用基于故障行波时域特征,结合微分和小波分析的算法,确定相邻两个回波的起始点位置并计算出故障距离,实现故障的自动测距,整个算法流程如图2所示,具体步骤如下:
(一)信号采集器对信号波形进行采样,并将数据缓存至信号处理器;
(二)采用自适应形态滤波算法对采集的故障行波信号进行消噪处理;
(三)运用最值法求得特征点a和b(1)的位置,根据相对位置关系识别出特征点b(i+1);
(四)利用小波分解特征点b(i)到特征点b(i+1)之间的信号并重构第5层信号识别出特征点位置Pd(i);
(五)根据特征点b(i)到特征点d(i)之间信号的一阶微分信号的特点识别出特征点位置Pc(i);
(六)根据相邻两个回波起始点的位置Pd(i)和Pc(i+1),以及采样频率和脉冲在电缆中的传播速度计算出故障距离。
算法的具体实现过程如下:
1.分析去噪后冲闪法波形的时域特征。由于回波起始点的特征不是很明显导致其无法直接识别,因此需要依据其他明显的特征点来缩小识别范围,实现对回波起始点位置的确定。典型的冲闪法波形如图3所示,定义四个特征点分别为:a,b,c,d。每个回波中都包含特征点b,c和d,而特征点a只存在于第一个回波之前。定义以下变量名:Pa表示特征点a在回波中的位置;b(i),c(i)和d(i)分别表示第i个回波的特征点b,c和d;Pb(i),Pc(i)和Pd(i)分别表示特征点b(i),c(i)和d(i)在回波中的位置。
2.特征点a和b(1)的识别:a点和b(1)点分别是冲闪法故障波形中的最大值点与最小值点,因此采用求最值点法就能够快速准确地识别出特征点a和b(1)。
3.特征点b(i+1)的识别(i>0):故障行波波形中回波部分具有周期性的特征,经过对不同高阻故障距离的冲闪法波形的研究,最终发现a点到b(1)点的时间差与回波周期值比较接近的规律。因此,我们可以将其作为近似周期值,根据近似周期值对b(i+1)点进行定位。首先计算出近似回波周期然后标定不同故障距离下回波波谷b(i+1)点的位置Pb(i+1),再按照公式计算出回波中b(i+1)点相对于b(i)点的位置RPb(i+1)。研究发现回波中b(i+1)点的相对位置RPb(i+1)的值在最小值1.158与最大值1.364之间变化,为避免漏检,适当放大RPb(i+1)值的变化范围,在RPb(i+1)值为1.125~1.385内搜索出最小值点来定位特征点b(i+1)。
4.特征点d的识别:利用db4小波对故障行波中的b(i)点和b(i+1)点之间的信号进行5层分解,研究发现重构的d5层信号在点到点之间的最大值点对应了去噪后故障行波中的特征点d(i)。
5.特征点c的识别:从时域上可以看出特征点c的位置在b点与d点之间,分析b和d之间的一阶微分信号可确定特征点c的位置在对应一阶微分信号特征点d位置之前的第一个过零点的位置的附近,在过零点附近寻找局部极小值来精确定位c点。
6.最后,由于考虑到实际情况中存在电感的影响,因此选择Pd(i)和Pc(i+1)作为相邻两个回波起始点的位置,再根据采样率以及波速经验值便可求得故障距离L,计算公式如下:
式中,f为采样频率,v为脉冲在电缆中的传播速度。
本发明实施例的关键在于:
(1)本实施例提出了一种基于高速采样、数据处理、波形显示以及故障点距离自动识别算法四者于一体的设计方法,可以满足户外电缆故障现场的实时测量;
(2)本实施例提出采用自适应形态滤波方法,对仪器采样得到的原始数据进行预处理,然后运用基于故障行波时域特征,结合微分和小波分析的算法对去噪信号进行故障点提取,整个设计方案可以将波形采集、预处理、故障点识别和结果输出集于一体,实现电缆故障的测距,可以提高电缆故障测距的实时性。
(3)本实施例在电缆故障点的识别方法中,采用基于故障行波时域特征,结合微分和小波分析的算法来确定相邻两个回波的起始点,然后计算出故障距离,实现电缆故障的自动测距。
实施例二:
故障自动测距算法的实验结果:
实验对象是交联聚乙烯电缆,电压等级为10kV的三相电缆,其中A相在95米处存在高阻故障,对应的脉冲在电缆中的传播速度经验值为172m/μs,信号采样频率为150MHz,运用冲闪法对A相电缆进行故障测距,使用本发明提出的数据采集方案得到的原始波形如图4(a)所示。对故障行波信号运用自适应形态滤波算法消噪处理后的波形分别如4(b)
根据基于故障行波时域特征,结合微分和小波分析的算法步骤,首先运用最值法求出特征点a和b(1)在回波中的位置分别为233和398;然后根据RPb(i+1)值的范围在信号点583到626之间搜索出最小值点来定位特征点b(2)在回波中的位置为596,如图5所示;接下来,利用db4小波函数对b(1)到b(2)之间的信号进行5层分解,求出重构的d5层信号中的最大值位置169,即特征点d(1)相对b(1)点的位置为169,因此特征点d(1)在回波中的位置为567,如图6所示;最后,求出b(1)到d(1)之间的一阶微分信号中离d(1)最近的过零点位置为552,即Pc(1)的值为552。同样的方法可以求得Pc(2)值为733,分别使用手定标注和识别算法对特征点位置确定的结果如表1所示。
根据公式得到故障距离为:
故障自动测距算法首先采用自适应形态滤波算法,滤除故障行波信号中的噪声,然后运用基于故障行波时域特征,结合微分和小波分析的算法得到相邻两个回波的起始点位置并计算出故障距离,实验所得的故障距离与实际值十分接近,误差在1%以内。
表1手动标定和算法识别特征点位置的结果
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所作的举例说明。凡依据本发明专利构思所述的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于时域特征和小波分析的电缆故障自动测距方法,包括信号采集器,用于对信号进行数据采样;信号处理器,用于缓存数据,并对数据进行处理,其特征是,方法步骤如下:
(一)信号采集器对信号波形进行采样,并将数据缓存至信号处理器;
(二)采用自适应形态滤波算法对采集的故障行波信号进行消噪处理;
(三)运用最值法求得特征点a和b(1)的位置,根据相对位置关系识别出特征点b(i+1);
(四)利用小波分解特征点b(i)到特征点b(i+1)之间的信号并重构第5层信号识别出特征点位置Pd(i);
(五)根据特征点b(i)到特征点d(i)之间信号的一阶微分信号的特点识别出特征点位置Pc(i);
(六)根据相邻两个回波起始点的位置Pd(i)和Pc(i+1),以及采样频率和脉冲在电缆中的传播速度计算出故障距离。
2.根据权利要求1所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(二)中的消噪处理步骤如下:对采集的故障行波信号s(t)采用自适应形态滤波,滤波后的信号y(t)为:
公式中,Foc为数学形态学中的开闭运算,Fco为数学形态学中的闭开运算。
3.根据权利要求1所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(三)中的识别步骤如下:
(1)分析去噪后故障行波的时域特征,在行波波形中定义四个特征点分别为:a,b,c,d;每个回波中都包含特征点b,c和d,而特征点a只存在于第一个回波之前;定义以下变量名:Pa表示特征点a在回波中的位置;b(i),c(i)和d(i)分别表示第i个回波的特征点b,c和d;Pb(i),Pc(i)和Pd(i)分别表示特征点b(i),c(i)和d(i)在回波中的位置;
(2)特征点a和b(1)的识别,a点和b(1)点分别是冲闪法故障行波中的最大值点与最小值点,采用求最值点法能够快速准确地识别出特征点a和b(1);
(3)特征点b(i+1)的识别。
4.根据权利要求3所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(3)的识别方法如下:首先计算出近似回波周期然后标定不同故障距离下回波波谷b(i+1)点的位置Pb(i+1),再按照公式计算出回波中b(i+1)点相对于b(i)点的位置RPb(i+1);回波中b(i+1)点的相对位置RPb(i+1)的值在最小值1.158与最大值1.364之间变化,为避免漏检,适当放大RPb(i+1)值的变化范围,在RPb(i+1)值为1.125~1.385内搜索出最小值点来定位特征点b(i+1)。
5.根据权利要求3或4所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(四)的识别方法如下:利用db4小波对故障行波中的b(i)点和b(i+1)点之间的信号进行5层分解,重构的d5层信号在点到点之间的最大值点对应了去噪后故障行波中的特征点d(i)。
6.根据权利要求3或4所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征,步骤(五)的识别方法如下:从时域上可以看出特征点c的位置在b点与d点之间,分析b和d之间的一阶微分信号可确定特征点c的位置在对应一阶微分信号特征点d位置之前的第一个过零点的位置的附近,在过零点附近寻找局部极小值来精确定位c点。
7.根据权利要求3或4所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(六)的计算方法如下:
选择Pd(i)和Pc(i+1)作为相邻两个回波起始点的位置,再根据采样率以及波速经验值便可求得故障距离L,计算公式如下:
公式中,f为采样频率,v为脉冲在电缆中的传播速度。
8.根据权利要求1-4任意一项所述的基于时域特征和小波分析的电缆故障自动测距方法,其特征是,步骤(一)中使用高速AD芯片对信号进行采样,采样频率最高达到200MHz,FPGA控制AD芯片的工作状态并将数据缓存,ARM通过与FPGA通信读取数据包并对数据进行处理,最后实现自动测距,由于数据量大,所以ARM通过外部SRAM作数据缓存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610613067.1A CN106054028B (zh) | 2016-07-29 | 2016-07-29 | 一种基于时域特征和小波分析的电缆故障自动测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610613067.1A CN106054028B (zh) | 2016-07-29 | 2016-07-29 | 一种基于时域特征和小波分析的电缆故障自动测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106054028A true CN106054028A (zh) | 2016-10-26 |
CN106054028B CN106054028B (zh) | 2018-12-21 |
Family
ID=57196921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610613067.1A Active CN106054028B (zh) | 2016-07-29 | 2016-07-29 | 一种基于时域特征和小波分析的电缆故障自动测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106054028B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275114A (zh) * | 2019-07-22 | 2019-09-24 | 山东正晨科技股份有限公司 | 基于组合滤波算法的蓄电池内阻在线监测方法 |
CN112924810A (zh) * | 2021-01-27 | 2021-06-08 | 国网山东省电力公司淄博供电公司 | 一种基于高频信号识别的电力电缆故障诊断方法及系统 |
CN114217164A (zh) * | 2021-11-19 | 2022-03-22 | 山东大学 | 一种基于放电波形智能识别的电缆故障测距方法及系统 |
CN115754598A (zh) * | 2022-11-10 | 2023-03-07 | 海南电网有限责任公司乐东供电局 | 基于相关滤波的电缆故障查找方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020068215A (ko) * | 2001-02-20 | 2002-08-27 | 학교법인 성균관대학 | 웨이브렛변환을 이용한 고저항 지락사고의 검출방법 및이에 의한 고장거리 측정방법 |
CN101666848A (zh) * | 2009-10-15 | 2010-03-10 | 北京四方继保自动化股份有限公司 | 基于行波的故障定位方法 |
CN101907437A (zh) * | 2010-07-23 | 2010-12-08 | 西安科技大学 | 一种基于小波差分算法的电缆故障测距方法 |
CN101923139A (zh) * | 2010-04-19 | 2010-12-22 | 昆明理工大学 | 一种输电线路单端行波故障测距智能方法 |
CN102707201A (zh) * | 2012-06-27 | 2012-10-03 | 东华理工大学 | 一种辨别高速铁路牵引网故障性质类型的方法 |
CN103018636A (zh) * | 2012-12-14 | 2013-04-03 | 昆明理工大学 | 一种利用故障特征频带和tt变换的电缆单端行波测距方法 |
US20140015539A1 (en) * | 2009-09-30 | 2014-01-16 | Korea Electric Power Corporation | System and method for detecting a location of fault in a cable |
CN103954884A (zh) * | 2014-04-21 | 2014-07-30 | 昆明理工大学 | 一种基于形态谱分析和形态学峰谷检测可拓融合的配网故障选线方法 |
-
2016
- 2016-07-29 CN CN201610613067.1A patent/CN106054028B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020068215A (ko) * | 2001-02-20 | 2002-08-27 | 학교법인 성균관대학 | 웨이브렛변환을 이용한 고저항 지락사고의 검출방법 및이에 의한 고장거리 측정방법 |
US20140015539A1 (en) * | 2009-09-30 | 2014-01-16 | Korea Electric Power Corporation | System and method for detecting a location of fault in a cable |
CN101666848A (zh) * | 2009-10-15 | 2010-03-10 | 北京四方继保自动化股份有限公司 | 基于行波的故障定位方法 |
CN101923139A (zh) * | 2010-04-19 | 2010-12-22 | 昆明理工大学 | 一种输电线路单端行波故障测距智能方法 |
CN101907437A (zh) * | 2010-07-23 | 2010-12-08 | 西安科技大学 | 一种基于小波差分算法的电缆故障测距方法 |
CN102707201A (zh) * | 2012-06-27 | 2012-10-03 | 东华理工大学 | 一种辨别高速铁路牵引网故障性质类型的方法 |
CN103018636A (zh) * | 2012-12-14 | 2013-04-03 | 昆明理工大学 | 一种利用故障特征频带和tt变换的电缆单端行波测距方法 |
CN103954884A (zh) * | 2014-04-21 | 2014-07-30 | 昆明理工大学 | 一种基于形态谱分析和形态学峰谷检测可拓融合的配网故障选线方法 |
Non-Patent Citations (1)
Title |
---|
马秉宇 等: "基于小波包及自适应形态滤波的故障行波研究", 《杭州电子科技大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275114A (zh) * | 2019-07-22 | 2019-09-24 | 山东正晨科技股份有限公司 | 基于组合滤波算法的蓄电池内阻在线监测方法 |
CN110275114B (zh) * | 2019-07-22 | 2021-06-25 | 山东正晨科技股份有限公司 | 基于组合滤波算法的蓄电池内阻在线监测方法 |
CN112924810A (zh) * | 2021-01-27 | 2021-06-08 | 国网山东省电力公司淄博供电公司 | 一种基于高频信号识别的电力电缆故障诊断方法及系统 |
CN114217164A (zh) * | 2021-11-19 | 2022-03-22 | 山东大学 | 一种基于放电波形智能识别的电缆故障测距方法及系统 |
CN115754598A (zh) * | 2022-11-10 | 2023-03-07 | 海南电网有限责任公司乐东供电局 | 基于相关滤波的电缆故障查找方法和装置 |
CN115754598B (zh) * | 2022-11-10 | 2024-04-16 | 海南电网有限责任公司乐东供电局 | 基于相关滤波的电缆故障查找方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106054028B (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101907437B (zh) | 一种基于小波差分算法的电缆故障测距方法 | |
CN104665849B (zh) | 一种基于多生理信号多模型交互的高铁调度员应激检测方法 | |
CN106054028A (zh) | 一种基于时域特征和小波分析的电缆故障自动测距方法 | |
CN102606891B (zh) | 漏水检测仪及检测系统、及检测方法 | |
CN104268883B (zh) | 一种基于边缘检测的时频谱曲线提取方法 | |
CN109782274B (zh) | 一种基于探地雷达信号时频统计特征的水损害识别方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CN104714075B (zh) | 一种电网电压闪变包络参数提取方法 | |
CN105445624A (zh) | 结合小波变换及曲线拟合的电缆故障定位方法 | |
CN106841403A (zh) | 一种基于神经网络的声学玻璃缺陷检测方法 | |
CN106405230A (zh) | 频率测量方法和装置 | |
CN105212922A (zh) | 面向fpga实现心电信号r波自动检测的方法及系统 | |
CN104730424A (zh) | 基于自相关-小波模极大值分析的电缆局部放电定位方法 | |
CN105445801B (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
CN106291700A (zh) | 基于同步挤压变换的地震加权平均瞬时频率提取方法 | |
CN111582160A (zh) | 基于分布式光纤传感系统的车辆轨迹提取方法及装置 | |
CN105118511A (zh) | 一种雷声识别方法 | |
CN109827081A (zh) | 一种基于声学主动检测的埋地排水管道堵塞故障及管道三通件诊断方法 | |
CN106680873B (zh) | 一种自动衡量地震数据谐波噪声强弱的振幅谱比值方法 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN109696609A (zh) | 一种新型弓网受流质量的获取方法及其获取系统 | |
Wang et al. | Exchanged ridge demodulation of time-scale manifold for enhanced fault diagnosis of rotating machinery | |
CN106073800A (zh) | 基于绝对差值和提取的动态光谱数据处理方法及其装置 | |
CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN102988041A (zh) | 心磁信号噪声抑制中的信号选择性平均方法 |
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 |