CN107677904A - 一种电压暂降成因辨识方法及系统 - Google Patents

一种电压暂降成因辨识方法及系统 Download PDF

Info

Publication number
CN107677904A
CN107677904A CN201710860200.8A CN201710860200A CN107677904A CN 107677904 A CN107677904 A CN 107677904A CN 201710860200 A CN201710860200 A CN 201710860200A CN 107677904 A CN107677904 A CN 107677904A
Authority
CN
China
Prior art keywords
voltage dip
formation
origin cause
phase
voltage
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
CN201710860200.8A
Other languages
English (en)
Inventor
周刚
谢善益
杨强
陈冠缘
徐思尧
范颖
肖斐
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.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid 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 Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201710860200.8A priority Critical patent/CN107677904A/zh
Publication of CN107677904A publication Critical patent/CN107677904A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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

Abstract

本发明公开了一种电压暂降成因辨识方法及系统,用于解决现有技术中在通过S变换方法进行对电压暂降特征的提取及对电压暂降成因进行辨识时,需要计算谐波以及其他复杂指标,且计算量较大以及存在信息冗余,导致了对电压暂降成因进行辨识的整个过程复杂、缓慢并且辨识准确率不够高的技术问题。本发明包括:采集电压暂降信号;利用小波域相子分析方法提取电压暂降信号的相位信息;根据相位信息计算电压暂降成因指标,电压暂降成因指标包括相位跳变值;根据电压暂降成因指标构建并训练支持向量机模型,支持向量机模型用于进行电压暂降成因的辨识。

Description

一种电压暂降成因辨识方法及系统
技术领域
[0001] 本发明涉及电能质量分析技术领域,尤其涉及一种电压暂降成因辨识方法及系 统。
背景技术
[0002] 电压暂降一般是指供电电压的方均根值突然下降到额定电压的10%〜90%,且持 续时间不超过IOms的现象。近年来随着可调速电机、精密控制设备等敏感设备的大量使用, 电压暂降造成的损失甚至可以与停电事故相提并论。为了尽量减小电压暂降所带来的损 失,需要对电压暂降成因进行辨识,以便于运行人员及时确定干扰源并有针对性的提出电 压暂降的治理方案。
[0003] 而准确有效的提取电压暂降的特征对于电压暂降成因的辨识具有重要意义。目前 研究多从三相电压不平衡度、暂降电压突变程度、谐波及小波熵等方面对电压暂降成因进 行辨识,大多需要计算谐波以及其他复杂指标,且进行辨识所得到的结果准确率不高。电压 暂降特征的提取方法有很多,最经典的算法为方均根值检测方法,该方法通过计算电压信 号每个周波(半周波)的方均根值,再与阈值比对来确定暂降发生时刻。但由于需要至少半 个周波的数据,检测结果会与实际情况产生一定的延迟。除此之外,还包括有短时傅里叶变 换、小波变换以及S变换等方法。现有研究表明,S变换方法在提取电压暂降特征中的表现要 优于短时傅里叶变换算法,因此,目前多采取S变换方法进行电压暂降特征的提取。然而,S 变换方法计算量较大以及存在信息冗余的问题。
[0004] 综上,现有技术中在通过S变换方法进行对电压暂降特征的提取及对电压暂降成 因进行辨识时,需要计算谐波以及其他复杂指标,且计算量较大以及存在信息冗余,导致了 对电压暂降成因进行辨识的整个过程复杂、缓慢并且辨识准确率不够高。
发明内容
[0005] 本发明提供了一种电压暂降成因辨识方法及系统,解决了现有技术中在通过S变 换方法进行对电压暂降特征的提取及对电压暂降成因进行辨识时,需要计算谐波以及其他 复杂指标,且计算量较大以及存在信息冗余,导致了对电压暂降成因进行辨识的整个过程 复杂、缓慢并且辨识准确率不够高的技术问题。
[0006] 本发明提供的一种电压暂降成因辨识方法,包括:
[0007] 采集电压暂降信号;
[0008] 利用小波域相子分析方法提取电压暂降信号的相位信息;
[0009] 根据相位信息计算电压暂降成因指标,电压暂降成因指标包括相位跳变值;
[0010] 根据电压暂降成因指标构建并训练支持向量机模型,支持向量机模型用于进行电 压暂降成因的辨识。
[0011] 优选地,利用小波域相子分析方法提取电压暂降信号的相位信息包括:
[0012] 利用极大重叠离散小波变换作为小波域相子的产生方法,获取近似系数和细节系 数,并根据近似系数和细节系数获得电压暂降信号的小波域相子;
[0013] 通过对小波域相子进行分析获得电压暂降信号的相位信息。
[0014] 优选地,电压暂降成因指标还包括:
[0015] 电压幅值跳变值、故障识别系数、三相波形相似系数和二次谐波电压含量值;
[0016] 故障识别系数为电压暂降过程中缓变信号所占的比例。
[0017] 优选地,根据电压暂降成因指标构建并训练支持向量机模型,支持向量机模型用 于进行电压暂降成因的辨识具体包括:
[0018] 根据电压暂降成因指标及对应的电压暂降成因构建并训练多分类支持向量机模 型,多分类支持向量机模型用于进行电压暂降成因的辨识;
[0019] 电压暂降成因包括单相短路、两相短路、两相接地、三相接地、电动机启动和变压 器投运。
[0020] 本发明提供的电压暂降成因辨识方法,还包括:
[0021] 根据相位信息的变化情况获取电压暂降的持续时间。
[0022] 本发明实施例提供的一种电压暂降成因辨识系统包括:
[0023] 提取模块,用于利用小波域相子分析方法提取电压暂降信号的相位信息;
[0024] 计算模块,用于根据相位信息计算电压暂降成因指标,电压暂降成因指标包括相 位跳变值;
[0025] 构建模块,用于根据电压暂降成因指标构建并训练支持向量机模型,支持向量机 模型用于进行电压暂降成因的辨识。
[0026] 优选地,提取模块包括:
[0027] 小波域相子产生子模块,用于利用极大重叠离散小波变换作为小波域相子的产生 方法,获取近似系数和细节系数,并根据近似系数和细节系数获得电压暂降信号的小波域 相子;
[0028] 分析子模块,用于通过对小波域相子进行分析获得电压暂降信号的相位信息。
[0029] 优选地,电压暂降成因指标还包括:
[0030] 电压幅值跳变值、故障识别系数、三相波形相似系数和二次谐波电压含量值;
[0031] 故障识别系数为电压暂降过程中缓变信号所占的比例。
[0032] 优选地,构建模块具体包括:
[0033] 构建子模块,用于根据电压暂降成因指标及对应的电压暂降成因构建并训练多分 类支持向量机模型,多分类支持向量机模型用于进行电压暂降成因的辨识;
[0034] 电压暂降成因包括单相短路、两相短路、两相接地、三相接地、电动机启动和变压 器投运。
[0035] 本发明提供的电压暂降成因辨识系统,还包括:
[0036] 持续时间获取模块,用于根据相位信息的变化情况获取电压暂降的持续时间。
[0037] 从以上技术方案可以看出,本发明具有以下优点:
[0038] 本发明中将通过滤波器采集到的电压暂降信号利用小波域相子分析方法准确地 提取出电压暂降信号中发生电压暂降的过程中每个时刻的相位信息,然后根据相位信息计 算对应的电压暂降成因指标,如相位跳变值等;最后在不同的电压暂降成因下,采集大样本 的电压暂降信号并获取到对应的电压暂降成因指标,并由大样本量的电压暂降成因指标构 建并训练用于进行电压暂降成因辨识的支持向量机模型。本发明中在对电压暂降成因进行 辨识的过程中引入了电压暂降的相位跳变特征,提高了本发明对于电压暂降成因的辨识准 确率,并且省去了计算谐波以及其他复杂指标的过程,使得电压暂降成因辨识的过程简单、 高效且准确;此外,本发明中基于小波域相子进行对电压暂降的幅值特征和相位特征的提 取,相较于计算量较大且存在信息冗余的S变换方法,具有简单、快速和信息非冗余的特点, 且能准确完整提取电压暂降的相位特征信息。
附图说明
[0039] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本 发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可 以根据这些附图获得其它的附图。
[0040] 图1为本发明实施例提供的一种电压暂降成因辨识方法的流程示意图。
[0041] 图2为本发明实施例提供的一种电压暂降成因辨识方法的另一个实施例的流程示 意图。
[0042] 图3为本发明实施例提供的无电压暂降的原始信号波形图。
[0043] 图4为本发明实施例提供的发生电压暂降的原始信号波形图。
[0044] 图5为采用S变换方法采集得到的信号波形图。
[0045] 图6为采用小波域相子方法和S变换方法对信号相位跳变值进行提取的对比示意 图。
[0046] 图7为采用小波域相子方法和S变换方法对信号幅值跳变值进行提取的对比示意 图。
[0047] 图8为线路短路故障引起的电压暂降幅值特征示意图。
[0048] 图9为大型感应电机启动引起的电压暂降幅值特征示意图。
[0049] 图10为大容量变压器投运引起的电压暂降幅值特征示意图。
[0050] 图11为本发明实施例提供的一个辐射型系统结构示意图。
[0051] 图12为本发明实施例提供的一种电压暂降成因辨识系统结构示意图。
具体实施方式
[0052] 本发明实施例提供了一种电压暂降成因辨识方法及系统,用于解决现有技术中在 通过S变换方法进行对电压暂降特征的提取及对电压暂降成因进行辨识时,需要计算谐波 以及其他复杂指标,且计算量较大以及存在信息冗余,导致了对电压暂降成因进行辨识的 整个过程复杂、缓慢并且辨识准确率不够高的技术问题。
[0053] 为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明 实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述 的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域 普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护 的范围。
[0054] 实施例一:
[0055] 请参阅图1,为本发明实施例提供的一种电压暂降成因辨识方法的流程示意图。
[0056] 本发明实施例提供的一种电压暂降成因辨识方法包括:
[0057] S101、采集电压暂降信号。
[0058] 首先,通过尺度滤波器采集电压暂降时刻的信号,并将采集到的电压暂降信号通 过尺度滤波器的显示模块进行显示。
[0059] S102、利用小波域相子分析方法提取电压暂降信号的相位信息。
[0060] 通过小波域相子分析方法对电压暂降信号进行分析,可以获取得到发生电压暂降 的时间段里的信号的电压幅值信息和相位信息,并且能够准确地分析得到电压暂降信号的 起始时刻和结束时刻。可以理解的是,可以根据电压幅值信息和相位信息中电压幅值的变 化情况或相位信息的变化情况分析得到电压暂降的持续时间。即将电压幅值与具体某一阈 值进行比较,可以计算得到电压阈值低于某一阈值直至电压幅值恢复至某一阈值之上的持 续时间,该持续时间即为电压暂降信号的持续时间。需要说明的是,相较于S变换方法,小波 域相子方法不仅能够获得电压暂降的相位信息,还能获取到准确的无延时的电压暂降信号 的起始时刻和结束时刻,为电压暂降成因的分析提供了更为准确的依据。
[0061] S103、根据相位信息计算电压暂降成因指标,电压暂降成因指标包括相位跳变值。
[0062] 根据已获取到的电压暂降过程中每个时刻的相位信息可以计算获得电压暂降过 程的相位跳变值,并将相位跳变值作为一个电压暂降成因指标。需要说明的是,除了将相位 跳变值作为一个电压暂降成因指标之外,还可以将电压幅值跳变值、电压暂降持续时间及 电压不平衡度等作为电压暂降成因指标进行电压暂降成因的辨识,以便于提高电压暂降成 因辨识的准确率。
[0063] Sl 04、根据电压暂降成因指标构建并训练支持向量机模型,支持向量机模型用于 进行电压暂降成因的辨识。
[0064] 在不同的电压暂降成因下,采集大样本的电压暂降信号并获取到对应的电压暂降 成因指标,并根据大样本量的电压暂降成因指标及其对应的电压暂降成因构建、训练得到 用于进行电压暂降成因辨识的支持向量机模型。得到支撑向量机模型之后,在实际应用中 需要对电压暂降成因进行判断的时候,只需要将采集得到的电压暂降信号根据上述方法进 行分析得到对应的电压暂降成因指标,并将该电压暂降成因指标输入至支持向量机模型 中,即可获取到对应的电压暂降成因,便于工程人员快速识别电压暂降成因并有针对性地 提出治理措施。
[0065] 以上为对本发明实施例提供的一种电压暂降成因辨识方法的一个实施例进行的 描述,以下将对本发明实施例提供的一种电压暂降成因辨识方法的另一个实施例进行详细 的描述。
[0066] 实施例二:
[0067] 请参阅图2,为本发明实施例提供的一种电压暂降成因辨识方法的另一个实施例 的流程示意图。
[0068] 本发明实施例提供的一种电压暂降成因辨识方法包括:
[0069] S201、采集电压暂降信号。
[0070] S202、利用极大重叠离散小波变换作为小波域相子的产生方法,获取近似系数和 细节系数,并根据近似系数和细节系数获得电压暂降信号的小波域相子。
[0071] 极大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)是离散小波变换(Discrete wavelettransform,DWT)的一种改进形式。MODWT由于可 以包含所有可能初始位置的加权平均,因此可以消除初始位置选择造成的结果偏差。MODWT 作为小波域相子的产生方法与常规DWT相比,其尺度滤波器和小波滤波器有如下关系:
Figure CN107677904AD00081
[0074] 对于非抽取型小波变换,近似系数可以表示为
[0075]
Figure CN107677904AD00082
[0076] 其中,L为滤波器系数h的长度。
[0077] 对于正弦波信号X⑹来说,其可以表示为下式:
Figure CN107677904AD00083
[0080] 其中,θ〇为初始相位,ω为角频率
Figure CN107677904AD00084
为相邻两采样点间的相位差,TS为离散 时间间隔。
[0081] 基于MODWT所得到的近似系数和细节系数可以表示为:
Figure CN107677904AD00085
[0084] 做辅助函数:
Figure CN107677904AD00086
[0087]其中,
Figure CN107677904AD00087
[0089] Kw为正交化参数,其作用为进行正交化,正交化是将属于相同本征值的没有相互 正交的波函数重新线性组合为新的相互正交的波函数的过程。
[0090]
Figure CN107677904AD00088
[0091] 根据式(10)和(11),可以得到小波域相子,具体如下式:
[0092]
Figure CN107677904AD00089
[0093] 其中,Z (η)为小波域相子。
[0094] 基于MODWT所得到的近似系数s (η)和细节系数w (η)中包含被分析信号的所有信 息。其中近似系数s (η)主要包含了被分析信号的低频特性,而高频信息则包含在细节系数w (η)中。对于电力系统工频信号来说,其基频信号的所有信息都蕴含在近似系数中,因此通 过对由近似系数得到的小波域相子分析可以提取出信号的基波信息。
[0095] S203、通过对小波域相子进行分析获得电压暂降信号的相位信息。
[0096] 通过对小波域相子Z (η)分析可以看出,可以由其幅值匕计算出所分析的电压暂降 信号的幅值特征,而通过其相角Φη则可以计算出所分析的电压暂降信号的相角特征。具体 的,计算公式如下所示:
Figure CN107677904AD00091
[0099] S204、根据相位信息计算电压暂降成因指标,电压暂降成因指标包括相位跳变值。
[0100] S205、根据电压暂降成因指标及对应的电压暂降成因构建并训练多分类支持向量 机模型,多分类支持向量机模型用于进行电压暂降成因的辨识;电压暂降成因包括单相短 路、两相短路、两相接地、三相接地、电动机启动和变压器投运。
[0101] 由不同原因产生的电压暂降具有不同的特征,从幅值跳变特征和相位跳变特征入 手,提取特征指标,对电压暂降成因进行辨识,能够在很大程度上提高电压暂降成因的辨识 准确率。通过分析信号基波幅值和相位跳变的对称性,可以区分出不对称短路故障和三相 短路故障、以及感应电机启动和变压器投运。同时,三相短路故障、以及感应电机启动和变 压器投运之间也可以通过幅值和相位跳变的大小进行区分。当电压暂降的成因都源于同一 位置的时候,上述结论可以对暂降源进行快速有效辨识。但考虑到暂降源位置未知,不同位 置的暂降源造成的电压暂降幅值特征有可能相等,因此还需要考虑构建其他指标进行区 分。感应电机启动过程为机械转矩和电气转矩共同控制的过程,若启动过程发生电压暂降, 电气转矩降低,决定了电机启动造成的电压暂降缓慢恢复特性。变压器投运主要受励磁涌 流影响,由于铁芯饱和的非线性,决定了变压器投运期间要注入谐波。因此,可以通过引入 恢复特性和谐波特性对电压暂降的成因进行有效区分。
[0102] 因此,可构建以下电压暂降成因辨识特征指标:
[0103] 电压幅值跳变值Δ uh,电压幅值跳变值根据小波域相子分析得到的电压幅值获取 得到;
[0104] 相位跳变值Δ (Dh,相位跳变值根据小波域相子分析得到的相位信息获取得到;
[0105] 故障识别系数Rfd;
[0106]
Figure CN107677904AD00092
[0107] 式中:N为幅值模极大值个数为第i个模极大值。故障识别系数表示电压暂降过 程中缓变信号所占的比例,故障识别系数越小说明故障可能性越大。
[0108] 三相波形相似系数:
Figure CN107677904AD00093
[0111] 式中:Ma、Mb、Mc为A、B、C三相的幅值变化;R为三相波形相似系数。
[0112] 二次谐波电压含量:
[0113]
Figure CN107677904AD00094
[0114] 式中:U2为二次谐波电压幅值为基波电压幅值,HRU2为二次谐波电压含量。
[0115] 为了便于理解,以下将以具体实验分析对本发明实施例提供的电压暂降成因辨识 方法进行详细的描述。
[0116] 实验1为利用小波域相子分析方法提取电压暂降信号的小波域相子幅值和相位信 息:
[0117] 如图3、图4所示,图3为本发明实施例提供的无电压暂降的原始信号波形图;图4为 本发明实施例提供的发生电压暂降的原始信号波形图。其中,X⑴=5sin(c〇t),采样率为 1000Hz,在Is时刻发生幅值为相角跳变为0.4JT的电压暂降事件,持续时间Is。
[0118] 由图3、图4可知,对于原始信号,由小波域相子分析方法算得的被分析信号相位和 幅值都没有发生突变,当发生电压暂降后,由小波域相子算得的被分析信号相位跳变为 1.256^(1,幅值跳变为-2。同时,由于近似系数所在频带为[0,匕/4],因此8(11)中也包含与 暂态相关的高频信息。由小波域相子幅值和相角曲线,可以得到电压暂降发生时刻为1.001 〜2.001s,验证了基于小波域相子的方法可以有效提取电压暂降的特征。
[0119] 实验 2:
[0120] 如图4 一图7所示,分别采用小波域相子方法和S变换方法分别对信号幅值跳变特 征和相位跳变特征进行提取。图5为采用S变换方法采集得到的信号波形图。图6为采用小波 域相子方法和S变换方法对信号相位跳变值进行提取的对比示意图。图7为采用小波域相子 方法和S变换方法对信号幅值跳变值进行提取的对比示意图。其中,被测试信号为5sin (100 Jit),在275ms时发生幅值为3、相位跳变为-0.4Vrad的电压暂降,采样周期为6.4kHz。由图6 和图7可知,针对电压暂降信号,S变换提取过程中会产生时延,会对电压暂降特征的实时提 取产生一定的影响。相对而言,小波域相子方法具有快速、无冗余等特点,能快速、准确提取 电压暂降特征,在工程上具有重要的应用价值。
[0121] 在电力系统中,引起电压暂降的主要原因包括线路短路故障、大型感应电机启动、 大容量变压器投入等,根本原因在于线路短时电流增大引起邻近线路电压短时下降。
[0122] 如图8所示,图8为线路短路故障引起的电压暂降幅值特征示意图。由图8可知,自 上到下依次为单相接地故障、两相短路故障、两相接地短路故障和三相短路故障。其暂降程 度主要与故障类型、故障位置有关。典型特征为:电压暂降幅值较低;持续时间与保护动作 时间有关;不对称故障引起的电压暂降也是不对称的;发生和回复的波形陡;有可能产生相 位跳变。
[0123] 如图9所示,图9为大型感应电机启动引起的电压暂降幅值特征示意图。由图9可 知,大型感应电机启动时,启动电流约为额定电流的5〜6倍,一般需要几秒钟到几分钟时间 降到额定电流。典型特征为:三相对称;暂降幅值一般较高;发生的波形陡;恢复过程没有突 变;持续时间与电机特性有关。
[0124] 如图10所示,图10为大容量变压器投运引起的电压暂降幅值特征示意图。由于铁 芯的磁饱和特性,大容量变压器投运时会产生8〜10倍额定电流的励磁涌流。典型特征为: 三相不对称;暂降幅值一般较高;发生的波形陡;恢复过程没有突变;存在谐波分量,尤以2 次谐波为主。
[0125] 为了便于理解,以下将以一具体应用场景进行详细说明。
[0126] 如图11所示,图11为本发明实施例提供的一个辐射型系统结构示意图。该辐射型 系统包含I IOkV输电、IOkV配电和0.4kV用电系统,其中变压器Tl和T2采用Y/Yg型,T3和T4采 用Y/Y接线,考虑变压器的铁芯饱和特性,F为短路故障点,M为测量点,頂表示感应电机,K表 示三相开关,系统的采样频率为3200Hz。
[0127] 随机改变系统中的负荷大小、线路长度、故障时间、接地电阻等参数,产生600个不 同种类的训练样本,然后采用同样的方法产生600个测试样本。表1列举了部分训练样本。其 中,LG、LU LLG、LLL、頂、TM分别代表单相短路故障、两相短路故障、两相短路接地故障、三相 短路故障、感应电动机启动和变压器投运。
[0128] 表1部分测试样本数据
[0129]
Figure CN107677904AD00111
[0130] 表2部分测试样本数据(续)
[0131]
Figure CN107677904AD00112
[0132] 将训练样本通过分析处理后得到的电压暂降成因指标采用算法构造多分类支持 向量机进行处理。
[0133] 表3测试结果对比
[0134]
Figure CN107677904AD00121
[0135] 采用600个测试样本进行测试,结果如表3所示。由表3可以看出,本方法能够正确 辨识出大部分成因,辨识正确率为99.50%。
[0136] 实施例三:
[0137] 请参阅图12,为本发明实施例提供的一种电压暂降成因辨识系统结构示意图。
[0138] 本发明提供的一种电压暂降成因辨识系统,包括:
[0139] 采集模块301,用于采集电压暂降信号;
[0140] 提取模块302,用于利用小波域相子分析方法提取电压暂降信号的相位信息;
[0M1]计算模块303,用于根据相位信息计算电压暂降成因指标,电压暂降成因指标包括 相位跳变值;
[0142] 构建模块304,用于根据电压暂降成因指标构建并训练支持向量机模型,支持向量 机模型用于进行电压暂降成因的辨识。
[0143] 进一步地,提取模块302包括:
[0144] 小波域相子产生子模块3021,用于利用极大重叠离散小波变换作为小波域相子的 产生方法,获取近似系数和细节系数,并根据近似系数和细节系数获得电压暂降信号的小 波域相子;
[0145] 分析子模块3022,用于通过对小波域相子进行分析获得电压暂降信号的相位信 息。
[0146] 进一步地,电压暂降成因指标还包括:
[0147] 电压幅值跳变值、故障识别系数、三相波形相似系数和二次谐波电压含量值;
[0148] 故障识别系数为电压暂降过程中缓变信号所占的比例。
[0149] 进一步地,构建模块304具体包括:
[0150] 构建子模块3041,用于根据电压暂降成因指标及对应的电压暂降成因构建并训练 多分类支持向量机模型,多分类支持向量机模型用于进行电压暂降成因的辨识;
[0151] 电压暂降成因包括单相短路、两相短路、两相接地、三相接地、电动机启动和变压 器投运。
[0152] 本发明提供的电压暂降成因辨识系统,还包括:
[0153] 持续时间获取模块305,用于根据相位信息的变化情况获取电压暂降的持续时间。
[0154]以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前 述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前 述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些 修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1. 一种电压暂降成因辨识方法,其特征在于,包括: 采集电压暂降信号; 利用小波域相子分析方法提取所述电压暂降信号的相位信息; 根据所述相位信息计算电压暂降成因指标,所述电压暂降成因指标包括相位跳变值; 根据所述电压暂降成因指标构建并训练支持向量机模型,所述支持向量机模型用于进 行电压暂降成因的辨识。
2. 根据权利要求1所述的电压暂降成因辨识方法,其特征在于,所述利用小波域相子分 析方法提取所述电压暂降信号的相位信息包括: 利用极大重叠离散小波变换作为小波域相子的产生方法,获取近似系数和细节系数, 并根据所述近似系数和所述细节系数获得所述电压暂降信号的小波域相子; 通过对所述小波域相子进行分析获得所述电压暂降信号的相位信息。
3. 根据权利要求1所述的电压暂降成因辨识方法,其特征在于,所述电压暂降成因指标 还包括: 电压幅值跳变值、故障识别系数、三相波形相似系数和二次谐波电压含量值; 所述故障识别系数为电压暂降过程中缓变信号所占的比例。
4. 根据权利要求3所述的电压暂降成因辨识方法,其特征在于,所述根据所述电压暂降 成因指标构建并训练支持向量机模型,所述支持向量机模型用于进行电压暂降成因的辨识 具体包括: 根据所述电压暂降成因指标及对应的电压暂降成因构建并训练多分类支持向量机模 型,所述多分类支持向量机模型用于进行电压暂降成因的辨识; 所述电压暂降成因包括单相短路、两相短路、两相接地、三相接地、电动机启动和变压 器投运。
5. 根据权利要求1所述的电压暂降成因辨识方法,其特征在于,还包括: 根据所述相位信息的变化情况获取电压暂降的持续时间。
6. —种电压暂降成因辨识系统,其特征在于,包括: 采集模块,用于采集电压暂降信号; 提取模块,用于利用小波域相子分析方法提取所述电压暂降信号的相位信息; 计算模块,用于根据所述相位信息计算电压暂降成因指标,所述电压暂降成因指标包 括相位跳变值; 构建模块,用于根据所述电压暂降成因指标构建并训练支持向量机模型,所述支持向 量机模型用于进行电压暂降成因的辨识。
7. 根据权利要求6所述的电压暂降成因辨识系统,其特征在于,所述提取模块包括: 小波域相子产生子模块,用于利用极大重叠离散小波变换作为小波域相子的产生方 法,获取近似系数和细节系数,并根据所述近似系数和所述细节系数获得所述电压暂降信 号的小波域相子; 分析子模块,用于通过对所述小波域相子进行分析获得所述电压暂降信号的相位信 息。
8. 根据权利要求6所述的电压暂降成因辨识系统,其特征在于,所述电压暂降成因指标 还包括: 电压幅值跳变值、故障识别系数、三相波形相似系数和二次谐波电压含量值; 所述故障识别系数为电压暂降过程中缓变信号所占的比例。
9. 根据权利要求8所述的电压暂降成因辨识系统,其特征在于,所述构建模块具体包 括: 构建子模块,用于根据所述电压暂降成因指标及对应的电压暂降成因构建并训练多分 类支持向量机模型,所述多分类支持向量机模型用于进行电压暂降成因的辨识; 所述电压暂降成因包括单相短路、两相短路、两相接地、三相接地、电动机启动和变压 器投运。
10. 根据权利要求6所述的电压暂降成因辨识系统,其特征在于,还包括: 持续时间获取模块,用于根据所述相位信息的变化情况获取电压暂降的持续时间。
CN201710860200.8A 2017-09-21 2017-09-21 一种电压暂降成因辨识方法及系统 Pending CN107677904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710860200.8A CN107677904A (zh) 2017-09-21 2017-09-21 一种电压暂降成因辨识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710860200.8A CN107677904A (zh) 2017-09-21 2017-09-21 一种电压暂降成因辨识方法及系统

Publications (1)

Publication Number Publication Date
CN107677904A true CN107677904A (zh) 2018-02-09

Family

ID=61137604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710860200.8A Pending CN107677904A (zh) 2017-09-21 2017-09-21 一种电压暂降成因辨识方法及系统

Country Status (1)

Country Link
CN (1) CN107677904A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800660A (zh) * 2018-12-27 2019-05-24 国网江苏省电力有限公司电力科学研究院 一种基于大数据聚类的电压暂降源识别方法和系统
CN109828181A (zh) * 2019-01-09 2019-05-31 上海电力学院 一种基于modwt的变压器绕组轻微故障检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578050A (zh) * 2013-11-14 2014-02-12 国家电网公司 一种电压暂降原因的识别方法
CN104374988A (zh) * 2014-11-19 2015-02-25 华北电力大学 一种考虑相位跳变的电压暂降分类方法
CN105699848A (zh) * 2016-03-18 2016-06-22 国网福建省电力有限公司 一种考虑相位跳变的电力系统电压暂降水平评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578050A (zh) * 2013-11-14 2014-02-12 国家电网公司 一种电压暂降原因的识别方法
CN104374988A (zh) * 2014-11-19 2015-02-25 华北电力大学 一种考虑相位跳变的电压暂降分类方法
CN105699848A (zh) * 2016-03-18 2016-06-22 国网福建省电力有限公司 一种考虑相位跳变的电力系统电压暂降水平评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800660A (zh) * 2018-12-27 2019-05-24 国网江苏省电力有限公司电力科学研究院 一种基于大数据聚类的电压暂降源识别方法和系统
CN109828181A (zh) * 2019-01-09 2019-05-31 上海电力学院 一种基于modwt的变压器绕组轻微故障检测方法

Similar Documents

Publication Publication Date Title
Brahma et al. Real-time identification of dynamic events in power systems using PMU data, and potential applications—models, promises, and challenges
CN103675605B (zh) 一种基于故障信号暂态相关分析的配电网小电流接地故障选线方法
Mahamedi et al. A novel approach to detect symmetrical faults occurring during power swings by using frequency components of instantaneous three-phase active power
Gautam et al. Detection of high impedance fault in power distribution systems using mathematical morphology
Bollen et al. Different methods for classification of three-phase unbalanced voltage dips due to faults
Senroy Generator coherency using the Hilbert–Huang transform
Deng et al. Fault location in loop distribution network using SVM technology
CN101546906B (zh) 利用s变换能量相对熵的配电网故障选线方法
CN102854437B (zh) 应用时频原子分解理论的小电流接地系统故障选线方法
Bo et al. A new approach to phase selection using fault generated high frequency noise and neural networks
Baoming et al. An equivalent instantaneous inductance-based technique for discrimination between inrush current and internal faults in power transformers
Devi et al. Detection of stator incipient faults and identification of faulty phase in three-phase induction motor–simulation and experimental verification
CN101806832B (zh) 一种低频率信号的频率测量方法
CN104991161B (zh) 双馈风力发电机定子绕组匝间短路建模及特征提取方法
Yang et al. An online technique for condition monitoring the induction generators used in wind and marine turbines
CN101404408B (zh) 利用相对能量的配网缆-线混合线路故障选线方法
Lu et al. A morphological scheme for inrush identification in transformer protection
CN105259471B (zh) 一种基于随机共振和暂态电流信号的三维故障选线方法
Eldin et al. A novel algorithm for discrimination between inrush current and internal faults in power transformer differential protection based on discrete wavelet transform
CN104391229B (zh) 一种基于s变换的输电线路故障快速选相方法
Chen et al. Virtual instrumentation and educational platform for time-varying harmonic and interharmonic detection
CN101188354B (zh) 小电流接地系统故障选线的测后模拟方法
CN103245832B (zh) 基于快速s变换的谐波时频特性参数估计方法及分析仪
CN104977502A (zh) 一种特高压直流输电线路区内外故障识别方法
Zhao et al. A dynamic on-line parameter identification and full-scale system experimental verification for large synchronous machines

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209