CN106932641B - 一种基于改进hht变换的电网故障诊断方法 - Google Patents

一种基于改进hht变换的电网故障诊断方法 Download PDF

Info

Publication number
CN106932641B
CN106932641B CN201610926050.1A CN201610926050A CN106932641B CN 106932641 B CN106932641 B CN 106932641B CN 201610926050 A CN201610926050 A CN 201610926050A CN 106932641 B CN106932641 B CN 106932641B
Authority
CN
China
Prior art keywords
hht
envelope
fault
extreme point
degree
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
Application number
CN201610926050.1A
Other languages
English (en)
Other versions
CN106932641A (zh
Inventor
蒋海峰
赵斌炎
黄萌
吴捷
满灿
邱建宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201610926050.1A priority Critical patent/CN106932641B/zh
Publication of CN106932641A publication Critical patent/CN106932641A/zh
Application granted granted Critical
Publication of CN106932641B publication Critical patent/CN106932641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • 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
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Locating Faults (AREA)

Abstract

本发明公开了一种基于改进HHT变换的电网故障诊断方法，包括以下步骤：步骤1、利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集；步骤2、利用故障录波器提取相关线路的电流信号即电流波形数据；步骤3、对所提取的电流信号进行改进的经验模态分解；步骤4、对分解后的IMF进行希尔伯特变换，计算得到相应的瞬时幅值和瞬时频率形成时频图和时谱图；步骤5、计算故障电流的HHT故障度和HHT频率畸变度，根据故障度与畸变度确定故障线路。本发明能够有效避免形成包络时正常电流与故障电流之间产生的过包络，并缓解可能产生的欠包络，从而减小包络形成对EMD分解与希尔伯特变换产生的影响，提高电网故障诊断的准确性。

Description

一种基于改进HHT变换的电网故障诊断方法
技术领域
本发明属于电力系统安全处理技术领域，特别是一种基于改进HHT变换的电网故障诊断方法。
背景技术
目前在电网故障诊断领域，主要方法是在分析保护动作和断路器跳闸等开关量信息的基础上利用人工智能技术进行诊断，从而得到故障诊断结果。但是实际电网运行中，各种不确定因素会一定程度上使基于开关量信息的诊断方法不能正确的识别故障，诊断结果的准确度不高。而在电网发生故障后，故障信息有明显的层次性，首先反映的是电网中各节点电压、支路电流等电气量的变化，之后是保护装置依据电气量信息对故障的判断生成的保护动作信息，因此利用电气量能够更准确快速的做出诊断。
利用HHT变换对故障电流的分析，一般先采用经验模态分解(EMD)对故障电流信号进行模态分解，然后对分解所得的固有模态函数(IMF)进行希尔伯特变换得到时频谱图，再对故障前后的瞬时频率与瞬时幅值进行分析，依据故障前后各IMF的瞬时幅值变化和故障后的高频分量的瞬时频率来诊断线路故障。但三次样条插值法形成的包络存在过包络与欠包络问题会对后续的EMD分解和谱分析产生影响，而在电网短路故障时正常电流与故障电流有很大的幅值差极易产生过包络与欠包络现象。
发明内容
本发明的目的在于提供一种基于改进HHT变换的电网故障诊断方法，以解决故障电流与正常电流幅值差较大时产生的过包络并在一定程度上缓解欠包络，改善EMD分解结果提高谱分析的准确性，进而提高诊断的准确性。
实现本发明目的的技术解决方案为：一种基于改进HHT变换的电网故障诊断方法，包括以下步骤：
步骤1、利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集；
步骤2、利用故障录波器提取相关线路的电流信号即电流波形数据；
步骤3、对所提取的电流信号进行改进的经验模态分解：
(3.1)初始化信号r0，令信号r0等于原始信号，j＝0；
(3.2)初始化信号h0等于rj，令k＝0；
(3.3)取信号hk极值点计算三次样条插值，并由包络判定准则对各极点进行可能出现过包络或欠包络的判断；
(3.4)对满足包络判定准则的极值点进行正反向三点细分判断，若为正向细分取极值点前两点与该极值点进行正向局部细分，若为反向细分取极值点后两点与该极点进行反向局部细分；
(3.5)对细分后的极值点进行三次样条插值法形成上下包络，取上下包络的均值，将均值减去后得到信号hk+1，令k＝k+1，由IMF筛选停止准则进行判断：若不满足则返回步骤(3.3)；若满足则将hk作为IMF从原始信号中提取，并进入步骤(3.6)；
(3.6)将提取的IMF信号从原始信号rj中减去得到信号rj+1，令j＝j+1，判断rj是否满足EMD停止准则：若不满足则返回步骤(3.2)，若满足则将前面得到的各阶IMF分量输出；
步骤4、对分解后的IMF进行希尔伯特变换，计算得到相应的瞬时幅值和瞬时频率形成时频图和时谱图；
步骤5、计算故障电流的HHT故障度和HHT频率畸变度，根据故障度与畸变度确定故障线路。
进一步地，步骤1所述利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集，其中对于断路器警报信息丢失时的处理方式为：将只有一端断路器断开并未形成断电区域的线路，视为断路器警报信息丢失，将该断路器归为故障元件。
进一步地，步骤(3.3)中所述包络判定准则为：
其中[xi,yi]是第i个极值点，mi是第i个由极值点进行三次样条抽样法得到的一阶导数，s是极值点[xi,yi]与极值点[xi+1,yi+1]间的包络判据。
进一步地，步骤(3.4)所述正反向三点细分判断，公式如下：
其中，yi-1、yi、yi+1、yi+2分别为第i-1、i、i+1、i+2个极点纵坐标。
进一步地，步骤(3.4)所述对满足包络判定准则的极值点进行正反向三点细分判断，若为正向细分取极值点前两点与该极值点进行正向局部细分，所用正向公式为：
若为反向细分取极值点后两点与该极点进行反向局部细分，所用反向公式为：
其中m＝0时为极小值点序列，m＝1时为极大值点序列，当正向细分时为与之间的新插值点，当反向细分时为与之间的新插值点，a为比例系数，且取值范围为
进一步地，步骤5中所述计算故障电流的HHT故障度和HHT频率畸变度，其中：
HHT故障度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波和故障前一个周波的二阶IMF采样点瞬时幅值和取比值，再对各线路取得的瞬时幅值和比值进行归一化处理形成各线路的HHT故障度；
HHT频率畸变度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波的一阶IMF采样点瞬时频率取均值，再对各线路采样点瞬时频率均值进行归一化处理形成各线路的HHT频率畸变度。
本发明与现有技术相比，其显著优点为：(1)本发明能够解决HHT变换分析故障电流中易出现的过包络，并缓解极易出现的欠包络现象，提高故障诊断的准确性；(2)利用电气量信息进行诊断，诊断结果更为可靠。
附图说明
图1为本发明的基于改进HHT变换电网故障诊断方法流程图，其中(a)为总流程图，(b)为(a)中的改进经验模态分解流程图。
图2为本发明的具体实施例中IEEE10机39节点电网系统图。
图3为具体实施例中故障电流使用三次样条插值法得到的包络图。
图4为具体实施例中故障电流使用局部细分三次样条插值法得到的包络图。
图5为具体实施例中故障线路与非故障线路的瞬时幅值对比图。
图6为具体实施例中故障线路与非故障线路故障后第一个周波的瞬时频率对比图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细描述。
本发明方法通过三点细分法对HHT变换经验模态分解(EMD)中包络形成的过程进行改进，充分利用三点细分法较小支撑宽度、良好的连续性和严格保凸性等特性，对经验模态分解过程中插值点的形成进行局部细分，有效避免了电网短路故障电流使用经验模态分解时产生的过包络现象并能够在一定程度上抑制欠包络现象。结合图1，本发明基于改进HHT变换的电网故障诊断方法，如图1(a)所示，包括以下步骤：
步骤1、利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集；
其中对于断路器警报信息丢失时的处理方式为：将只有一端断路器断开并未形成断电区域的线路，视为断路器警报信息丢失，将该断路器归为故障元件。
步骤2、利用故障录波器提取相关线路的电流信号即电流波形数据。
步骤3、对所提取的电流信号进行改进的经验模态分解，如图1(b)所示，具体为：
(3.1)初始化信号r0，令信号r0等于原始信号，j＝0；
(3.2)初始化信号h0等于rj，令k＝0；
(3.3)取信号hk极值点计算三次样条插值，并由包络判定准则对各极点进行可能出现过包络或欠包络的判断；所述包络判定准则为：
其中[xi,yi]是第i个极值点，mi是第i个由极值点进行三次样条抽样法得到的一阶导数，s是极值点[xi,yi]与极值点[xi+1,yi+1]间的包络判据。
(3.4)对满足包络判定准则的极值点进行正反向三点细分判断，公式如下：
其中，yi-1、yi、yi+1、yi+2分别为第i-1、i、i+1、i+2个极点纵坐标；
若为正向细分取极值点前两点与该极值点进行正向局部细分，所用正向公式为：
若为反向细分取极值点后两点与该极点进行反向局部细分，所用反向公式为：
其中m＝0时为极小值点序列，m＝1时为极大值点序列，当正向细分时为与之间的新插值点，当反向细分时为与之间的新插值点，a为比例系数，且取值范围为
(3.5)对细分后的极值点进行三次样条插值法形成上下包络，取上下包络的均值，将均值减去后得到信号hk+1，令k＝k+1，由IMF筛选停止准则进行判断：若不满足则返回步骤(3.3)；若满足则将hk作为IMF从原始信号中提取，并进入步骤(3.6)；
(3.6)将提取的IMF信号从原始信号rj中减去得到信号rj+1，令j＝j+1，判断rj是否满足EMD停止准则：若不满足则返回步骤(3.2)，若满足则将前面得到的各阶IMF分量输出。
步骤4、对分解后的IMF进行希尔伯特变换，计算得到相应的瞬时幅值和瞬时频率形成时频图和时谱图。
步骤5、计算故障电流的HHT故障度和HHT频率畸变度，根据故障度与畸变度确定故障线路，其中：
HHT故障度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波和故障前一个周波的二阶IMF采样点瞬时幅值和取比值，再对各线路取得的瞬时幅值和比值进行归一化处理形成各线路的HHT故障度；
HHT频率畸变度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波的一阶IMF采样点瞬时频率取均值，再对各线路采样点瞬时频率均值进行归一化处理形成各线路的HHT频率畸变度。
本发明给出了包络判定准则，依据准则与短路故障电流的波形特点对插值点进行正反向局部细分，在故障电流与正常工作电流相差较大时，能够有效避免形成包络时正常电流与故障电流之间产生的过包络，并在一定程度上缓解可能产生的欠包络，从而减小包络形成对EMD分解与希尔伯特变换产生的影响，提高电网故障诊断的准确性。下面结合实施例对本发明做进一步详细的描述：
实施例
结合图2，利用Simulink搭建IEEE10机39节点模型来模拟电网故障。故障为线路L4-14在33ms处发生单相短路故障，故障持续时间33ms。线路L4-14主保护动作，跳开靠近母线14侧的断路器，但靠近母线4侧断路器拒动，线路L3-4跳开靠近母线3侧断路器，线路L4-5跳开母线5侧断路器。
首先，利用广度优先搜索法根据断路器警报信息与网络拓扑得到故障元件集{L4-14,L3-4,L4-5}，然后提取相关线路电流信号，信号采样间隔为50μs。
将故障电流信号采用经验模态分解时形成的包络与改进的经验模态分解时形成的包络进行比较。
经验模态分解：取信号的极值点对极值点进行三次样条插值法行成包络在信号中减去包络均值，对剩余信息进行IMF停止准则判断，若不满足则剩余信息继续上述减去包络均值的过程，若满足准则将剩余信息作为IMF分量从原始信号中提取出来，反复进行上述提取IMF分量过程，直到满足EMD分解停止准则。
本发明改进方法：在上述经验模态分解过程的三次样条插值之前进行包络准则判断，满足包络准则进行局部细分，不满足则直接进行三次样条插值。
如图3、图4所示，由经验模态分解形成的上下包络在故障电流与正常运行电流之间有过包络与严重的欠包络现象，而改进的经验模态分解不存在过包络现象，并能够缓解欠包络现象。
对故障线路与非故障线路故障前后的瞬时幅值变化率进行比较，并对两者故障后平均瞬时频率进行比较。
A)故障线路与非故障线路第一阶IMF的瞬时幅值如图5所示，由图中可看出故障线路瞬时幅值在故障前后的变化比非故障线路的变化更大。瞬时幅值变化率可以由以下公式计算：
A％＝(ΣAafter/ΣAbefore)×100％
其中Abefore为故障前一个周波采样点的前两阶瞬时幅值和，Aafter为故障后一个周波采样点的前两阶瞬时幅值和。线路L4-14、L3-4、L4-5瞬时幅值变化率如下所示：
A％L4-14＝511.68％ A％L3-4＝198.51％ A％L4-5＝198.95％
由此可以看出故障线路瞬时幅值变化率相对于非故障线路较大。
B)故障线路与非故障线路第一阶IMF在故障后第一个周波的瞬时频率如图6所示，由图中可看出故障后故障线路瞬时高频含量明显比非故障线路瞬时高频含量多。平均瞬时频率可以由以下公式计算：
其中N为一个周波的采样数，本实例采样间隔为50μs，系统频率为60HZ得到N为334。线路L4-14、L3-4、L4-5平均瞬时频率如下所示：
fL4-14＝782HZ fL3-4＝78HZ fL4-5＝65HZ
由上所述得到的瞬时幅值变化率和平均瞬时频率进行归一化处理得到HHT故障度与HHT频率畸变度如下表所示：
由HHT故障度与HHT频率畸变度可以判断出L4-14为故障线路。
因此，本专利能够在故障电流与正常电流相差较大时解决经验模态分解出现的过包络现象，并缓解欠包络现象；利用故障电流的瞬时频率与瞬时幅值，得到故障线路和非故障线路的HHT故障度和HHT频率畸变度，由此诊断出故障线路。

Claims (4)

1.一种基于改进HHT变换的电网故障诊断方法，其特征在于，包括以下步骤：
步骤1、利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集；
步骤2、利用故障录波器提取相关线路的电流信号即电流波形数据；
步骤3、对所提取的电流信号进行改进的经验模态分解：
(3.1)初始化信号r0，令信号r0等于原始信号，j＝0；
(3.2)初始化信号h0等于rj，令k＝0；
(3.3)取信号hk极值点计算三次样条插值，并由包络判定准则对各极点进行可能出现过包络或欠包络的判断；
(3.4)对满足包络判定准则的极值点进行正反向三点细分判断，若为正向细分取极值点前两点与该极值点进行正向局部细分，若为反向细分取极值点后两点与该极点进行反向局部细分；
所述正反向三点细分判断，公式如下：
其中，yi-1、yi、yi+1、yi+2分别为第i-1、i、i+1、i+2个极点纵坐标；
所述对满足包络判定准则的极值点进行正反向三点细分判断，若为正向细分取极值点前两点与该极值点进行正向局部细分，所用正向公式为：
若为反向细分取极值点后两点与该极点进行反向局部细分，所用反向公式为：
其中m＝0时为极小值点序列，m＝1时为极大值点序列，当正向细分时为与之间的新插值点，当反向细分时为与之间的新插值点，a为比例系数，且取值范围为
(3.5)对细分后的极值点进行三次样条插值法形成上下包络，取上下包络的均值，将均值减去后得到信号hk+1，令k＝k+1，由IMF筛选停止准则进行判断：若不满足则返回步骤(3.3)；若满足则将hk作为IMF从原始信号中提取，并进入步骤(3.6)；
(3.6)将提取的IMF信号从原始信号rj中减去得到信号rj+1，令j＝j+1，判断rj是否满足EMD停止准则：若不满足则返回步骤(3.2)，若满足则将前面得到的各阶IMF分量输出；
步骤4、对分解后的IMF进行希尔伯特变换，计算得到相应的瞬时幅值和瞬时频率形成时频图和时谱图；
步骤5、计算故障电流的HHT故障度和HHT频率畸变度，根据故障度与畸变度确定故障线路。
2.根据权利要求1所述的基于改进HHT变换的电网故障诊断方法，其特征在于，步骤1所述利用静态电网拓扑数据与断路器警报信息进行广度优先搜索，形成可能故障元件集，其中对于断路器警报信息丢失时的处理方式为：将只有一端断路器断开并未形成断电区域的线路，视为断路器警报信息丢失，将该断路器归为故障元件。
3.根据权利要求1所述的基于改进HHT变换的电网故障诊断方法，其特征在于，步骤(3.3)中所述包络判定准则为：
其中[xi,yi]是第i个极值点，mi是第i个由极值点进行三次样条抽样法得到的一阶导数，s是极值点[xi,yi]与极值点[xi+1,yi+1]间的包络判据。
4.根据权利要求1所述的基于改进HHT变换的电网故障诊断方法，其特征在于，步骤5中所述计算故障电流的HHT故障度和HHT频率畸变度，其中：
HHT故障度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波和故障前一个周波的二阶IMF采样点瞬时幅值和取比值，再对各线路取得的瞬时幅值和比值进行归一化处理形成各线路的HHT故障度；
HHT频率畸变度为，故障元件集中各个可疑故障线路的电流信号经过改进的HHT变换后，对各线路故障后一个周波的一阶IMF采样点瞬时频率取均值，再对各线路采样点瞬时频率均值进行归一化处理形成各线路的HHT频率畸变度。
CN201610926050.1A 2016-10-24 2016-10-24 一种基于改进hht变换的电网故障诊断方法 Active CN106932641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610926050.1A CN106932641B (zh) 2016-10-24 2016-10-24 一种基于改进hht变换的电网故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610926050.1A CN106932641B (zh) 2016-10-24 2016-10-24 一种基于改进hht变换的电网故障诊断方法

Publications (2)

Publication Number Publication Date
CN106932641A CN106932641A (zh) 2017-07-07
CN106932641B true CN106932641B (zh) 2019-10-18

Family

ID=59444003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610926050.1A Active CN106932641B (zh) 2016-10-24 2016-10-24 一种基于改进hht变换的电网故障诊断方法

Country Status (1)

Country Link
CN (1) CN106932641B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108134604B (zh) * 2017-12-15 2021-01-15 西安交通大学 一种基于直接法求解瞬时频率的毛刺定位与消除方法
CN110223195A (zh) * 2019-05-22 2019-09-10 上海交通大学 基于卷积神经网络的配电网故障检测方法
CN110609210B (zh) * 2019-09-25 2020-09-25 广东电网有限责任公司 一种基于多源数据融合的电网故障诊断告警方法
CN113534006B (zh) * 2021-07-11 2022-12-27 太原理工大学 基于ceemd与自相关阈值去噪的单相接地故障选线法
CN113655344B (zh) * 2021-09-23 2023-08-29 广东电网有限责任公司惠州供电局 一种配电网故障识别方法、装置、终端及介质
CN114689991A (zh) * 2022-03-24 2022-07-01 浙江华云清洁能源有限公司 一种高压电缆故障时间的确定方法、系统及相关组件

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104914351A (zh) * 2014-03-11 2015-09-16 国家电网公司 一种基于最优波速的区域电网故障定位方法
CN105954651A (zh) * 2016-07-13 2016-09-21 西华大学 一种基于配电网络故障定位的ftu配置方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9217775B2 (en) * 2010-06-07 2015-12-22 Abb Research Ltd. Systems and methods for characterizing fault clearing devices

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104914351A (zh) * 2014-03-11 2015-09-16 国家电网公司 一种基于最优波速的区域电网故障定位方法
CN105954651A (zh) * 2016-07-13 2016-09-21 西华大学 一种基于配电网络故障定位的ftu配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
希尔伯特－ 黄变换在微电网故障定位中的应用;何慧云 等;《南阳理工学院学报》;20160331;第8卷(第2期);第22-26页 *

Also Published As

Publication number Publication date
CN106932641A (zh) 2017-07-07

Similar Documents

Publication Publication Date Title
CN106932641B (zh) 一种基于改进hht变换的电网故障诊断方法
Santos et al. High-impedance fault identification on distribution networks
Bo et al. A new approach to phase selection using fault generated high frequency noise and neural networks
Khodadadi et al. A noncommunication adaptive single-pole autoreclosure scheme based on the ACUSUM algorithm
CN109298287B (zh) 基于故障指示器数据的小电流接地配网故障类型识别方法
Mishra et al. FDOST-based fault classification scheme for fixed series compensated transmission system
Gautam et al. Overview of mathematical morphology in power systems—A tutorial approach
CN104237731B (zh) 基于eemd与能量法的谐振接地配电网单相接地故障选线方法
CN104808109B (zh) 基于录波数据的高压输电线路故障识别方法和系统
CN103018627A (zh) 非有效接地系统故障类型自适应接地选线方法
CN107765139A (zh) 一种高准确率的谐振接地系统单相接地故障选线方法
CN104614638A (zh) 小电流系统接地选线方法
Baloch et al. Fault protection in microgrid using wavelet multiresolution analysis and data mining
CN105914714A (zh) 基于电流波形识别的防止断路器失灵保护误动的方法
Zhang et al. Morphology singular entropy-based phase selector using short data window for transmission lines
Suonan et al. A novel single-phase adaptive reclosure scheme for transmission lines with shunt reactors
Lin et al. A dual-window transient energy ratio-based adaptive single-phase reclosure criterion for EHV transmission line
CN103427405A (zh) 基于高阶累积量的输电线路差动保护方法
Santos et al. An efficient fault diagnostic approach for active distribution networks considering adaptive detection thresholds
Mundra et al. Taylor series based protection starting element for STATCOM compensated transmission line
Menezes et al. Islanding detection based on artificial neural network and S-transform for distributed generators
Lopes et al. A transient based approach to diagnose high impedance faults on smart distribution networks
Yu et al. A non-unit transmission line protection scheme for MMC-HVDC grids based on a novel distance criterion
Bo et al. Transient based protection-A new concept in power system protection
Musa Faulted‐phase identification scheme for series‐compensated transmission lines during the power swing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant