CN107294494A - 光伏系统直流侧电弧故障检测装置及其检测方法 - Google Patents

光伏系统直流侧电弧故障检测装置及其检测方法 Download PDF

Info

Publication number
CN107294494A
CN107294494A CN201710535193.4A CN201710535193A CN107294494A CN 107294494 A CN107294494 A CN 107294494A CN 201710535193 A CN201710535193 A CN 201710535193A CN 107294494 A CN107294494 A CN 107294494A
Authority
CN
China
Prior art keywords
signal
arc
photovoltaic
fault
algorithm
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.)
Pending
Application number
CN201710535193.4A
Other languages
English (en)
Inventor
徐文新
柴立超
吴春华
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.)
SHANGHAI ROCKCORE ELECTRONIC TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI ROCKCORE ELECTRONIC TECHNOLOGY Co Ltd
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 SHANGHAI ROCKCORE ELECTRONIC TECHNOLOGY Co Ltd filed Critical SHANGHAI ROCKCORE ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201710535193.4A priority Critical patent/CN107294494A/zh
Publication of CN107294494A publication Critical patent/CN107294494A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02SGENERATION OF ELECTRIC POWER BY CONVERSION OF INFRA-RED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S50/00Monitoring or testing of PV systems, e.g. load balancing or fault identification
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy

Abstract

本发明提供了光伏系统直流侧电弧故障检测装置及其检测方法,通过采样光伏系统直流母线电流信号,利用集合经验模态分解(EEMD)算法对算法进行分解,并提取能够表征故障电弧特性的前三层IMF时间序列作为故障电弧的特征分量;利用模糊熵算法将时间序列IMF熵值化,建立故障特征向量E1、E2、E3;再利用模糊C均值聚类算法求取正常工作时数据以及故障电弧数据的聚类中心V1、V2,根据信号与不同聚类中心的欧式距离进行故障电弧检测;本发明同时提供了一种光伏系统电弧故障检测装置,包括采样单元、数据处理单元、控制单元,很大程度上降低了光伏系统直流侧故障电弧对系统造成的危害。

Description

光伏系统直流侧电弧故障检测装置及其检测方法
技术领域:
[0001] 本发明属于光伏并网故障检测领域,特别涉及光伏系统直流侧电弧故障检测装置 及其检测方法。
背景技术:
[0002] 随着光伏发电的快速发展,一些严重的问题也突显出来,其中光伏组件老化带来 的电气系统安全问题尤为突出。经研究发现光伏系统火灾事故大多与直流故障电弧有关。 光伏系统存在复杂的结构和大量的连接设备,直流端电压可以达到1000V以上,一旦产生电 弧故障,极有可能瞬间点燃周围的可燃物或者光伏组件从而造成火灾事故。为解决此类安 全问题,美国国家电气规范NEC(National Electrical Code)第690.11号文件要求光伏并 网系统直流母线大于80V应配备故障电弧检测装置与断路器。
[0003] 光伏系统直流侧故障电弧的检测不仅因为光伏阵列结构复杂,发生故障电弧位置 难以预测给故障检测以及电路保护带来困难,还要面对外界环境的干扰以及逆变器MPPT算 法和孤岛检测算法、电力电子装置的运行干扰、类弧负载的工作干扰等内部工况。因此,需 要一种多维判据的故障电弧准确检测方法,为光伏系统的正常运行提供保障。
[0004] 按电弧发生位置不同,可将电弧类型分为串联、并联及接地电弧,如图1所示:其中 a为组串内串联电弧,b、d为组内并联电弧,c为组间并联电弧。其中接地电弧可视为一种特 殊的并联电弧,且比较容易被检测到。
[0005] 目前针对光伏系统的故障电弧检测并没有得到深入的研究,也没有考虑到光伏系 统的复杂性结构及易受到外界干扰的特性,造成在某些情况下的误判和漏判。譬如,光伏系 统在面对噪声干扰、天气变化等复杂外界环境时,其中便存在云层刚过时或者飞行物掠过 时给光伏系统发电带来的波动性,若在此时发生故障电弧,单一判据的电弧检测方法可能 会发生误判、漏判。
发明内容
[0006] 本发明提供了光伏系统直流侧电弧故障检测装置及其检测方法,目的在于解决在 光伏系统中发生直流电弧故障时准确检测到故障电弧的问题。
[0007] 光伏阵列故障电弧检测方法,包括如下步骤:
[0008] (1)在光伏系统运行过程中采用电流互感器对光伏阵列输出端直流母线进行电流 米样。
[0009] (2)对上述的电流采样信号经过硬件滤波电路进行高通滤波,滤除20kHz以下的信 号分量,获得电流采样高频信号;
[0010] ⑶对上述的电流采样高频信号,经过ADC采样芯片将模拟信号转为数字信号送入 DSP数字信号处理器后进行代入电弧故障检测算法进行电弧故障检测,其中ADC采样芯片采 样率为180kHz。
[0011] ⑷利用集合经验模态分解(ensemble empirical mode decomposition,EEMD)算 法对上述电流采样高频信号进行分解,得到若干本征模态分量(i n t r i n s i c mo d e function,IMF);
[0012] (5)利用表征信号复杂度的模糊熵算法将各时间序列MF量化,选择能够区分电弧 故障的高频局部分量頂F1、頂F2、頂F3的模糊熵Ei、E2、E3作为特征向量;
[0013] (6)多次采集光伏系统在正常状态下以及故障电弧状态下的直流侧母线电流信 号,并通过上述步骤进行处理,提取正常以及故障电弧的特征向量。
[0014] (7)利用模糊C均值聚类算法(fuzzy C means clustering,FCM)将多次采集的电 流信号并通过EEMD与模糊熵算法提取的正常与故障电弧特征向量进行聚类处理,并得出正 常与故障电弧的聚类中心V1、V2,如图4所示。
[0015] (8)在进行电弧故障检测时,每次采集到的光伏系统直流母线电流信号进行处理 后,提取特征向量归一化后,计算与正常状态与故障电弧状态聚类中心V1、V2的距离进行故 障电弧辨识即可。
[0015] (9)若检测光伏阵列存在故障电弧,则通过DSP发出故障进行故障报警;若不存在 故障电弧,则重复步骤8。
[0016] 本发明的有益效果为:
[0017] 本发明提出了一种基于集合经验模态分解(EEMD)和模糊C均值聚类(FCM)的组合 故障检测方法来检测故障电弧信号,能够更加准确的检测光伏阵列是否发生电弧故障,防 止误判漏判。
附图说明
[0018] 图1为本发明光伏系统直流侧故障电弧检测框图;
[0019] 图2为本发明光伏系统直流侧故障电弧检测流程图;
[0020] 图3为正常状态及故障电弧状态直母线电流EEMD分解前四层结果;
[0021] 图4为光伏系统直流侧故障电弧识别结果; 具体实施方法
[0022] 为了更为具体的描述本发明,兹以优选实施例,并配合附图作详细说明如下:
[0023] 图2为光伏阵列故障电弧检测方法,包括如下步骤:
[0024] (1)在光伏系统运行过程中采用电流互感器对光伏阵列输出端直流母线进行电流 米样。
[0025] (2)对上述的电流采样信号经过硬件滤波电路进行高通滤波,滤除20kHz以下的信 号分量,获得电流采样高频信号;
[0026] (3)对上述的电流采样高频信号,经过ADC采样芯片将模拟信号转为数字信号送入 DSP数字信号处理器后进行代入电弧故障检测算法进行电弧故障检测,其中ADC采样芯片采 样率为180kHz。
[0027] ⑷通过EEMD算法对上述电流高频信号进行分解;
[0028] EEMD的分解过程如下:
[0029] 1)在原时间序列X (t)中加入均方根较小的高斯白噪声序列η⑴,表示为:
[0030] Xe ⑴=x (t) +η ⑴ (1)
[0031] 2)对重构后的时间序列Xe⑴,利用EMD算法进行分解为若干MF分量,找到其所有 极大值和极小值,利用三次样条插值法构造信号的上下包络线U⑴、V (t),分别求出上下包 络线的均值、原始信号与包络线均值的差值:
Figure CN107294494AD00061
[0034] 3)判断h (t)是否满足IMF的两个条件:极值点的数量与过零点的数量相等或相差 一个;信号的上下包络线的均值为零。若满足,则得到一个MF分量C1⑴,否则重复以上步 骤;
[0035] 4)剩余分量r⑴为原始信号Xe⑴减去C1⑴,判断r⑴是否满足终止条件:分解达 到设定的层数此处设定为3或者r⑴为单调函数。若不满足则用r (t)代替Xf3⑴重复以上步 骤;
[0036] 针对EMD在信号分解结束得到若干IMF分量与剩余分量之和为:
Figure CN107294494AD00062
[0038] 5)计算m组加入均方根相等的不同白噪声序列后的EMD分解后的本征模态分量頂F (i j),i表示EMD算法分解的层数i<3; j表示第j次EMD算法分解,jSm;
[0039] 6)对m次EMD分解结果计算均值,并将得到的结果作为最终的分解结果输出,即
Figure CN107294494AD00063
,如图3所示。
[0040] ⑷利用表征信号复杂度的模糊熵算法将各时间序列MF量化,选择能够区分电弧 故障的高频局部分量頂F1、頂F2、頂F3的模糊熵Ei、E2、E3作为特征向量;
[0041] IMF的模糊熵值计算过程如下:
[0042] 1)对于一个N点序列{u⑴:1彡i<N},引入非负整数m,重构得至Ijm维的向量:
Figure CN107294494AD00064
[0045] 2)引入指数函数来定义向量的相似度:
[0046] Dij = U (dij,n,r) = exp [-(dij/r) n] (7)
[0047] 式中,dij为向量Xi与Xj对应元素之差绝对值的最大值;n和r为模糊函数u的边界宽 度和梯度,η取2, r取0.2;
[0048] 3)定义函数:
Figure CN107294494AD00065
[0050] 4)定义模糊熵:
Figure CN107294494AD00066
[0052] 当N为有限值时,定义模糊熵为:
[0053] E (m, n, r, N) = In Φ m (n, r) -In Φ m+1 (n, r) (10)
[0054] 则EEMD分解的三层頂F本征分量的模糊熵值形成了信号在所选取故障电弧特征频 段中的一种自动划分。
[0055] (5)多次采集光伏系统在正常状态下以及故障电弧状态下的直流侧母线电流信 号,并通过上述步骤进行处理,提取正常以及故障电弧的特征向量。
[0056] (6)利用模糊C均值聚类算法(fuzzy C means clustering,FCM)将多次采集的电 流信号并通过EEMD与模糊熵算法提取的正常与故障电弧特征向量进行聚类处理,并得出正 常与故障电弧的聚类中心V1、V2,如图4所示。
[0057] (7)在进行电弧故障检测时,每次采集到的光伏系统直流母线电流信号进行处理 后,提取特征向量归一化后,计算与正常状态与故障电弧状态聚类中心V1、V2的距离进行故 障电弧辨识即可。
[0058] 基于模糊C均值聚类算法计算聚类中心的步骤如下:
[0059] 通过分别采样20组正常与电弧故障状态下直流母线电流高频信号进行模糊熵特 征向量提取,获得数据样本X= {xj: K j<20},设定聚类中心C= [C1,C2]T和隶属度矩阵A = [aij] 2X20,则必须满足条件为:
Figure CN107294494AD00071
[0061] 式中,m>l为影响隶属度矩阵的指数权重,一般m= 2; dij为第j个数据点对第i个聚 类中心的欧式距离;
[0062] 对于这样的一个最小化问题,通常是利用得到局部最优点的必要条件,进行轮换 寻优。如下式所示:
Figure CN107294494AD00072
[0065] 如图1所示光伏系统故障电弧检测装置,包括采样单元、数据处理单元。
[0066] 采样单元包含有电流互感器、硬件滤波电路、ADC采样电路;电流互感器采样光伏 阵列直流母线的的电流信号,电流信号经过硬件滤波电路高通滤波后,利用A/D转换模块进 行模数转换,得到对应的电流采样信号的数字信号。
[0067] 数据处理单元为DSP数字处理器,其内部具有电弧检测模块,故障电弧检测模块接 收电流采样信号对应的数字信号,经综合计算判断光伏阵列是否产生故障电弧。
[0068] 上述过程虽然详细说明了本发明的具体实施方式,但并非对本发明保护范围的限 制,所述领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付 出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1. 光伏系统直流侧电弧故障检测装置,其特征在于,包括一个数字信号处理器(I)、一 个电流互感器(2)采样光伏阵列(5)输出端的直流母线电流信号,经过硬件滤波电路(3)滤 除低频信号,再经过ADC采样(4)将模拟信号转变为数字信号,输入所述数字信号处理器(1) 进行电弧故障检测,若检测到所述光伏阵列(5)存在故障电弧,由故障报警器(6)进行故障 报警。
2. 根据权利要求1所述的光伏系统直流侧电弧故障检测装置,其特征在于,所述的硬件 滤波电路⑶进行高通滤波,滤除20kHz以下的信号分量。
3. 根据权利要求1所述的光伏系统直流侧电弧故障检测装置,其特征在于,所述的ADC 采样(4)的采样频率为180kHz。
4. 一种用于根据权利要求1所述的光伏系统直流侧电弧故障检测装置的检测方法,其 特征在于,所述的数字信号处理器(1)根据输入的电流信号进行电弧检测,其过程如下: 步骤(1)对所述的电流采样高频信号X (t),采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)算法对信号进行分解,得到本征模态分量 (intrinsic mode function,IMF),各本征模态分量IMF (1,2,...,n)分量在频域里将信号 从高频到低频自动划分,且每个本征模态分量MF只含有一个主频成分; 步骤(2)利用模糊熵算法提取各本征模态分量IMF分量的能量熵,选取局部分量本征模 态分量頂F1、頂F2、頂F3的模糊熵Ei、E2、E3作为特征向量; 步骤(3)利用模糊C均值聚类算法计算得到的归一化特征向量与计算好的聚类中心的 欧式距离进行故障辨识; 步骤⑷若步骤(3)检测到故障电弧信号,则由所述故障报警器(6)进行故障报警;若步 骤⑶没有检测到故障电弧信号,则重复步骤⑴到步骤(3)。
5. 根据权利要求4所述的光伏系统直流侧电弧故障检测方法,其特征在于,所述的步骤 (1)中集合经验模态分解(EEMD)算法为经验模态分解(empirical mode decomposition, EMD)算法的优化,其分解步骤如下: 步骤(1-1)在原时间序列X⑴中加入高斯白噪声序列η⑴,表示为Xf3⑴=X⑴+η⑴; 步骤(1-2)对重构后的时间序列Xe⑴利用经验模态分解EMD算法分解为若干个本征模 态分量IMF分量,找出信号Xe3 (t)的所有极大值和极小值,利用三次样条插值法构造信号的 上下包络线u (t)、v⑴,求出上下包络线的均值为m (t) =U (t) -V⑴/2,原始信号与包络线 均值的差值为h (t) =X (t)-m⑴;判断h⑴是否满足本征模态分量IMF的两个条件:①极值 点的数量与过零点的数量相等或相差一个,②信号的上下包络线的均值为零,若同时满足, 则得到一个本征模态分量頂F分量C1⑴,否则重复以上步骤;剩余分量r⑴为原始信号Xe (t)减去Cl (t),判断r (t)是否满足终止条件,其终止条件为达到设定的分解层数为3层或者 r⑴为单调函数,若不满足则用r⑴代替Xe⑴重复以上步骤;针对经验模态分解EMD在信 号分解结束得到若干本征模态分量IMF分量与剩余分量之和为
Figure CN107294494AC00021
;此处i取 值为3,即算法只分解到第三层,这样既能提高程序运行效率又足够提取故障特征频段; 步骤(1-3)计算m组加入均方根相等的不同白噪声序列后的经验模态分解EMD分解后的 本征模态分量本征模态分量IMF (ij),i表示经验模态分解EMD算法分解的层数i<3; j表示 第j次经验模态分解EMD算法分解,j <m,m= 10; 步骤(1-4)对m次经验模态分解EMD分解结果计算均值,并将得到的结果输出,即
Figure CN107294494AC00031
6. 根据权利要求4所述的光伏系统直流侧电弧故障检测方法,其特征在于,所述的步骤 (2) 中模糊熵计算方法如下: 步骤(2-1)对于一个N个数据点的序列{u⑴:1彡i彡N},引入非负整数m,重构得到m维 的向量
Figure CN107294494AC00032
其中u〇(i)为:
Figure CN107294494AC00033
步骤(2-2)引入指数函数来定义向量父1与父」的相似度办」=11((^,11,1')=61口[-((^八· )n],式中,dij为向量Xi与Xj对应元素之差绝对值的最大值;η和r为模糊函数u的边界宽度和 梯度,η取2,r取0.2; 步骤(2-3)定义函数:
Figure CN107294494AC00034
步骤(2-4)定义模糊熵:
Figure CN107294494AC00035
,则集合经验模态分解 (EEMD)算法分解的三层本征模态分量IMF本征分量的模糊熵值形成了信号在所选取故障电 弧特征频段中的一种自动划分。
7. 根据权利要求4所述的光伏系统直流侧电弧故障检测方法,其特征在于,所述的步骤 (3) 中基于模糊C均值聚类算法计算聚类中心的方法如下: 通过分别采样20组正常与电弧故障状态下直流母线电流高频信号进行模糊熵特征向 量提取,获得数据样本X= ,设定聚类中心C= [C1,C2]T和隶属度矩阵A = [aij] 2X20,则必须满足条件为:
Figure CN107294494AC00036
Figure CN107294494AC00037
式中,m>l为影响隶属度矩阵的指数权重,一般m = 2;c^为第j个数据点对第i个聚类中 心的欧式距离; » 对于这样的一个最小化问题,利用下ΐ 得到局 部最优点的必要条件,进行轮换寻优。
CN201710535193.4A 2017-07-03 2017-07-03 光伏系统直流侧电弧故障检测装置及其检测方法 Pending CN107294494A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710535193.4A CN107294494A (zh) 2017-07-03 2017-07-03 光伏系统直流侧电弧故障检测装置及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710535193.4A CN107294494A (zh) 2017-07-03 2017-07-03 光伏系统直流侧电弧故障检测装置及其检测方法

Publications (1)

Publication Number Publication Date
CN107294494A true CN107294494A (zh) 2017-10-24

Family

ID=60098414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710535193.4A Pending CN107294494A (zh) 2017-07-03 2017-07-03 光伏系统直流侧电弧故障检测装置及其检测方法

Country Status (1)

Country Link
CN (1) CN107294494A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109560770A (zh) * 2018-10-29 2019-04-02 西安交通大学 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法
CN109975673A (zh) * 2019-04-23 2019-07-05 辽宁工程技术大学 一种光伏微电网直流侧故障电弧识别方法
CN110146269A (zh) * 2019-05-28 2019-08-20 河海大学 基于eemd的多尺度模糊熵的oltc故障诊断方法
CN110793438A (zh) * 2019-10-25 2020-02-14 南京航空航天大学 基于模糊熵和人工鱼群算法的低速冲击位置辨识方法
CN111276983A (zh) * 2019-12-27 2020-06-12 西华大学 一种基于模糊自适应完备经验模态分解算法的光伏平抑方法及其系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109560770A (zh) * 2018-10-29 2019-04-02 西安交通大学 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法
CN109560770B (zh) * 2018-10-29 2020-03-13 西安交通大学 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法
WO2020087752A1 (zh) * 2018-10-29 2020-05-07 西安交通大学 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法
CN109975673A (zh) * 2019-04-23 2019-07-05 辽宁工程技术大学 一种光伏微电网直流侧故障电弧识别方法
CN109975673B (zh) * 2019-04-23 2021-03-16 辽宁工程技术大学 一种光伏微电网直流侧故障电弧识别方法
CN110146269A (zh) * 2019-05-28 2019-08-20 河海大学 基于eemd的多尺度模糊熵的oltc故障诊断方法
CN110793438A (zh) * 2019-10-25 2020-02-14 南京航空航天大学 基于模糊熵和人工鱼群算法的低速冲击位置辨识方法
CN111276983A (zh) * 2019-12-27 2020-06-12 西华大学 一种基于模糊自适应完备经验模态分解算法的光伏平抑方法及其系统

Similar Documents

Publication Publication Date Title
CN107294494A (zh) 光伏系统直流侧电弧故障检测装置及其检测方法
Yi et al. Line-to-line fault detection for photovoltaic arrays based on multiresolution signal decomposition and two-stage support vector machine
Dhimish et al. Comparing Mamdani Sugeno fuzzy logic and RBF ANN network for PV fault detection
CN207135065U (zh) 光伏系统直流侧电弧故障检测装置
CN1047887C (zh) 电力变压器的差动保护装置
CN102170124B (zh) 一种电能质量稳态指标预警方法
CN107329040A (zh) 一种基于暂态录波数据的配电自动化主站系统单相接地故障定位方法
Kapoor Six phase transmission line boundary protection using wavelet transform
US10790779B2 (en) Systems and methods for determining arc events using wavelet decomposition and support vector machines
Hu et al. Hierarchical fault diagnosis for power systems based on equivalent-input-disturbance approach
Liu et al. A dilation and erosion-based clustering approach for fault diagnosis of photovoltaic arrays
Manohar et al. Enhancing resilience of PV-fed microgrid by improved relaying and differentiating between inverter faults and distribution line faults
Fatama et al. A Multi Feature Based Islanding Classification Technique for Distributed Generation Systems
CN111505434A (zh) 一种低压配电表箱线路、表箱故障隐患识别方法
CN109802441B (zh) 光伏逆变系统的直流电弧故障检测方法、装置及系统
CN108493909B (zh) 基于电压跌落的配网故障的检测方法
CN107181460B (zh) 一种光伏系统电弧故障检测方法
Rangari et al. A hybrid wavelet singular entropy and fuzzy system based fault detection and classification on distribution line with distributed generation
Guo et al. Non-communication protection scheme for power transmission system based on transient currents, HHT and SVM
US9103865B2 (en) Methods for locating ground faults and insulation degradation condition in energy conversion systems
Ashok et al. Fault diagnosis scheme for cross-country faults in dual-circuit line with emphasis on high-impedance fault syndrome
CN111313833A (zh) 一种组串式光伏系统直流侧串联电弧故障的检测方法
Ray et al. Fault detection in an IEEE 14-bus power system with DG penetration using wavelet transform
CN111999591A (zh) 一种配电网一次设备异常状态的识别方法
Jana et al. Transmission line fault detection and classification using wavelet analysis

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