CN108181547B - 基于时间序列压缩的动态时间弯曲距离故障区段定位方法 - Google Patents

基于时间序列压缩的动态时间弯曲距离故障区段定位方法 Download PDF

Info

Publication number
CN108181547B
CN108181547B CN201711383351.5A CN201711383351A CN108181547B CN 108181547 B CN108181547 B CN 108181547B CN 201711383351 A CN201711383351 A CN 201711383351A CN 108181547 B CN108181547 B CN 108181547B
Authority
CN
China
Prior art keywords
fault
time
distance
sequence
current
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
CN201711383351.5A
Other languages
English (en)
Other versions
CN108181547A (zh
Inventor
罗勋华
张维
郭上华
许冲冲
谭卫斌
魏浩铭
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.)
State Grid Beijing Electric Power Co Ltd
Zhuhai XJ Electric Co Ltd
Original Assignee
State Grid Beijing Electric Power Co Ltd
Zhuhai XJ Electric 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 State Grid Beijing Electric Power Co Ltd, Zhuhai XJ Electric Co Ltd filed Critical State Grid Beijing Electric Power Co Ltd
Priority to CN201711383351.5A priority Critical patent/CN108181547B/zh
Publication of CN108181547A publication Critical patent/CN108181547A/zh
Application granted granted Critical
Publication of CN108181547B publication Critical patent/CN108181547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/081Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Locating Faults (AREA)

Abstract

本发明的技术方案包括一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法,该方法包括:对馈线终端设备采集到的故障录波数据进行预先处理,预先处理包括提取录波数据的初始值和极值以及录波数据变化,得到录波数据新的时间序列;将时间序列发送至主站,使用主站采用动态时间弯曲距离算法求取两相邻馈线终端设备零模电流的相似性,从而判出故障区段。本发明的有益效果为:数据量相比原时间序列至少减少了一半以上,大大减少了通信成本;对于高频信号,动态时间弯曲距离算法在抗同步误差能力和信号幅值反应能力上较强于相关系数法;所提方法鲁棒性较强且不需要严格时间同步。

Description

基于时间序列压缩的动态时间弯曲距离故障区段定位方法
技术领域
本发明涉及一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法,属于计算机电力故障定位领域。
背景技术
我国中压配电网大多采用中性点非有效接地运行方式,当发生单相接地故障时,系统无法形成有效短路回路,因而接地电流较小、故障电气量微弱、故障特征提取困难。而配电网带故障运行将会引起正常相电压升高,造成绝缘薄弱环节击穿,进而发展成为相间或多点故障,降低系统供电可靠性。传统依靠站内人工试拉和现场巡线排查的解决方法不仅耗费人力物力,还容易扩大停电范围。为了适应智能电网发展的需要,需要进一步研究具备单相接地故障定位功能的配电自动化系统。
主要分为就地型和集中型两种模式。就地型馈线自动化以电压时间型、电压电流型为代表的产品和运行经验都已比较成熟。它主要依靠重合器与变电站出现开关相配合,通过多次分合闸来实现故障定位与隔离,再通过转供电实现非故障区段恢复供电。但多次分合闸容易导致非故障区段供电闪动,而且其对定值管理水平要求较高,造成维护困难。主站型馈线自动化主要基于对小电流接地故障简化模型进行分析,选择出能反应故障区段信息的故障特征量,通过沿线安装的FTU上送至主站,由主站直接判出故障区段,可以达到快速切除故障和恢复供电的目的。其中,基于故障后零序稳态电气量的故障选线方法受接地运行方式的影响,稳态零序电流幅值和零序功率方向易受干扰。随着信号处理算法的成熟和硬件平台的发展,基于信号暂态特征量的故障定位方法备受关注。通过求取相邻检测点之间暂态零模电流相关系数确定故障区段,只需检测零模电流但需要各检测点严格时间同步;利用故障暂态电压、电流特征频段内的无功功率方向确定故障区段不需要各检测点时间精确同步,但需要利用零序电压信号,而馈线终端大多只配套安装线电压互感器;鉴于此,有人提出利用暂态线电压和零模电流计算故障方向,再根据故障区段两侧方向参数极性相反的特点定位故障区段,但现场一般只能直接获取到两个线电压。除使用零模分量外,利用三相电流中的每两相电流突变量相关系数实现接地故障定位,但需要先选择合适的带通录波器滤去合适的高次谐波;通过比较三相电流中由接地故障产生的故障电流暂态分量的相关系数判别故障区段,但单相接地故障电流非常小容易受负荷电流的影响。利用小波分析选取特征频段,再根据特征频段类零序电压于零序电流的乘积的极性实现故障选线;没有考虑故障点下游区段可能存在特征频带选取困难的情况。也有学者将计算机优化算法引入故障区段判别,如矩阵优化算法、Pareto进化算法,其实用性还有待验证。
针对基于暂态零模电流相关系数法的配电网故障区段定位方法存在数据处理量大且需要时间同步问题,提出一种基于时间序列压缩的动态时间弯曲距离的小电流接地故障区段定位方法。
发明内容
针对基于暂态零模电流相关系数法的配电网故障区段定位方法存在数据处理量大且需要时间同步问题,本发明提出一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法。先对终端控制单元(FTU)采集的故障录波数据预先处理,只提取故障发生后一个工频周波内的初始值、极值以及两极值点之间数据变化差值最大的两点,再将新的时间序列上传至主站,最后由主站采用动态时间弯曲距离算法求取两相邻FTU零模电流的相似性来进行故障区段定位。通过算法对比分析可得,在抗同步误差能力和信号幅值反应能力上,DTW算法较强于相关系数法;在直流分量表达能力上,两算法效果基本一致。此外,数据压缩后的新时间序列在DTW距离上的相似度表达能力基本与原时间序列相同,但数据处理量减少了至少一半以上。本发明能在不同故障角、接地电阻、故障位置下都能准确判出故障区段。
本发明的技术方案包括一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,该方法包括:A.对馈线终端设备采集到的故障录波数据进行预先处理,预先处理包括提取录波数据的初始值和极值以及录波数据变化,得到录波数据新的时间序列;B.将时间序列发送至主站,使用主站采用动态时间弯曲距离算法求取两相邻馈线终端设备零模电流的相似性,从而判出故障区段。
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其中的步骤A还包括:馈线终端设备采集故障录波包括采用线电压突变量启动算法,判断是否出现故障,若出现判断出故障为单相接地故障后,则使用馈线终端设备执行故障录波,其中的录波包括取故障后一周波零序电流的初始时间序列。
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其中特征在于:馈线终端设备采集得到的故障录波包括4个周波,以及故障发生后8个周波内的零序电流信息量。
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其中特征在于:所述录波数据变化为两极值点之间数据变化差值最大的两点。
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其中的步骤A包括:S41,对于简单信号,设置信号x1及x2,其中x1=sin(2πft),x2=sin(2πft+α),其中t=[0,0.0001,…,0.002],其中f为模拟小电流接地故障中的高频信号,f=1000Hz,其中α用于用来模拟同步误差,α取值范围为0~π;S42,构建时间序列x1=sin(2πft)和x2=Asin(2πft)+K,其中t=[0,0.0001,…,0.002],A=[1,2,…,20],K=[-2,-1.75,…,2],f=1000Hz;S43,执行数据处理,得到新的数据序列。
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其中步骤B还包括:S61,对与两个时间序列x与y长度分别为m和n,从元素(x1,y1)开始,它们之间当前格点累加距离
Figure GDA0002262091040000031
其中d(xi,yi)=|xi-yi表示当前格点两元素之间的距离,当前格点累加至的最后一个序列(xm,yn)时,所得到的累加距离Dtw(m,n)为两序列的动态时间弯曲距离;S62,求出两时间序列的动态弯曲距离后在进行归一化处理,其中归一化处理公式为
Figure GDA0002262091040000032
根据所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,该方法还包括:使用主站结合线路拓扑结构,使用说是不步骤S61及S62计算公式计算出相邻区段零模电流的DTW距离,选出DTW距离最大的区段即为故障区段。
本发明的有益效果为:所提方法不需要电压信息,仅需上送各监测点零模电流故障后一个周波内的初始值、极值以及两极值点之间数据变化最大的两点,数据量相比原时间序列至少减少了一半以上,大大减少了通信成本;对于高频信号,动态时间弯曲距离算法在抗同步误差能力和信号幅值反应能力上较强于相关系数法;且数据压缩后的新时间序列在DTW距离上的相似度表达能力上基本与原时间序列一致,从而所提方法鲁棒性较强且不需要严格时间同步。
附图说明
图1所示为现有技术的单相接地故障简化模型图;
图2a,2b分别所示为现有技术的故障点上游区段模电流波形和频谱图;
图3a,3b分别所示为故障点下游区段零模电流波形和频谱图;
图4所示为根据本发明实施方式的流程图;
图5a,5b分别为本发明实施方式的不同算法抗时间同步误差比较图;
图6a,6b分别为本发明实施方式的不同算法和时间序列幅值反应能力比较图;
图7a,7b分别为本发明实施方式的不同算法直流反应能力比较图;
图8为本发明实施方式的配电网仿真系统结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。本发明的基于时间序列压缩的动态时间弯曲距离故障区段定位方法适用于馈线终端设备故障定位。
图1所示为现有技术的单相接地故障简化模型图。配电网单相接地故障暂态电流主要是由健全相电压突然上升引起线路分布电容充电产生的充电电流,且暂态电流的最大值与稳态值的比值近似等于系统谐振频率与工频之比,因此利用电流暂态量能很好的反应故障线路特征变化量,且不受消弧线圈的影响。为分析故障暂态特性,可以采用如图1所示的暂态等值电路来简化故障模型。图中,Lk为消弧线圈补偿电感,Lx为等效线模电感之和,Rf为接地电阻;i0s和i0x分别为故障点上下游零模电流;R0s、R0x分别为故障点上下游等效零序电阻;L0s、L0x分别为故障点上下游等效零序电感;C0s、C0x分别为故障点上下游等效对地零序电容;u0f和uf分别为故障点零模电压和发生故障前运行电压。
根据故障简化模型,可以看出对于零模网络而言,流过故障点的零模电流i0f主要由附加电源uf产生,并且一部分流向线路下游i0x,一部分流向线路上游i0s。而故障点上游零模网络主要由故障点到母线区间线路以及所有健全线路共同组成,故障点下游零模仅由故障点到线路末端区间产生,因此故障点上游等效线路长度远大于故障点下游线路长度,从而故障点上下游零模网络参数差异很大。
近似认为故障点两侧暂态过程相互独立,两侧暂态电流主谐振频率随着线路长度的增加而逐渐变小,一般情况下故障点下游暂态电流谐振频率较高于故障点上游。此外,故障点上游的暂态零模电流主要为所有健全线路零模电流之和,幅值较大;故障点下游的暂态零模电流为故障点至线路末端对地电容电流,幅值较小。因此,故障区段两端暂态零模电流的频率和幅值特征差异明显。而健全区段两端暂态零模电流差主要为该区段的对地电容电流,几乎可以忽略。
图2a,2b分别所示为现有技术的故障点上游区段模电流波形和频谱图。该图为典型单相接地故障下故障线路上下游各监测点零模电流的波形及其相应傅里叶频谱分析图。针对已有利用相关系数法求取相邻监测点零模电流相似度的方法抗同步误差能力差,要求两相比较的数据长度一致,而且需要上传故障后一个周波所有数据至主站,通信成本和数据处理压力较大。基于此,提出一种基于时间序列压缩的动态弯曲距离的小电流接地故障区段定位方法。
图3a,3b分别所示为故障点下游区段零模电流波形和频谱图。典型单相接地故障下故障线路上下游各监测点零模电流的波形及其相应傅里叶频谱分析图。针对已有利用相关系数法求取相邻监测点零模电流相似度的方法抗同步误差能力差,要求两相比较的数据长度一致,而且需要上传故障后一个周波所有数据至主站,通信成本和数据处理压力较大。基于此,提出一种基于时间序列压缩的动态弯曲距离的小电流接地故障区段定位方法。
本发明的技术方案公开了动态时间弯曲算法的原理,其特征如下:动态时间弯曲距离用于比较两个序列的相似性,目前主要被用于时间序列数据挖掘方面,属于大数据集聚类算法的范畴。以往相关系数法往往需要两信号时间序列长度各点一一对应,当两时间序列在时间轴上发生偏移时,相关系数值变化很大。特别是对于两幅值和频率都相同的正弦信号序列,当相者相位差90°时,相似系数为0。而动态弯曲距离允许两序列在时间轴上的偏移,而且不要求两序列长度一致。对与两个时间序列x与y长度分别为m和n,从元素(x1,y1)开始,它们之间当前格点累加距离Dtw(i,j)为公式(1):
Figure GDA0002262091040000051
其中d(xi,yi)=|xi-yi|表示当前格点两元素之间的距离,当前格点累加至的最后一个序列(xm,yn)时,所得到的累加距离Dtw(m,n)为两序列的动态时间弯曲距离;求出两时间序列的动态弯曲距离后在进行归一化处理,其中归一化处理公式为公式(2):
Figure GDA0002262091040000052
表1显示了两序列动态时间弯曲距离的累积计算过程。
Figure GDA0002262091040000053
表1序列x<2 4 8 6>和y<4 5 7 6 4 8>之间动态弯曲距离的计算过程
动态弯曲距离算法可以动态调整两序列不同时间点元素之间的对应关系,并使该对应下的对应距离总和最小。从中可以得出对于完全相同的两个波形,动态时间弯曲距离为0,而对于相似度非常低的两时间序列的动态时间弯曲距离接近于1。
图4所示为根据本发明实施方式的流程图。
总体包括:对馈线终端设备采集到的故障录波数据进行预先处理,预先处理包括提取录波数据的初始值和极值以及录波数据变化,得到录波数据新的时间序列;将时间序列发送至主站,使用主站采用动态时间弯曲距离算法求取两相邻馈线终端设备零模电流的相似性,从而判出故障区段。
其具体包括:
(1)取零序电流录波通道故障后一个工频周波的录波数据作为初始时间序列数组A[N],其中N为时间序列长度,其中的FTU为馈线终端设备。
(2)找出时间序列A[N]中初始值以及所有的极大值、极小值,并将初始值和极值所对应的索引存放在另一数组中exv[n]。
(3)定义新的时间序列数组B[N'],先将时间序列的初始值存入B[N'],再判断A[exv[1]]与A[exv[2]]之间的元素个数,当个数小于等于2时,将之间所有元素都依次存入数组B[N']中。
(4)当元素A[exv[1]]与A[exv[2]]之间的元素个数大于2时,找出之间元素变化差值最大的两个点存入新数组B[N']中。
(5)以此类推,直到将原时间序列A[N]中初始值、所有的极值点以及两极值点之间数据变化差值最大的两点存入新的时间序列B[N'],再由FTU将B[N']上传至主站。
(6)主站结合线路拓扑结构,利用公式(1)和(2)计算出相邻区段零模电流的DTW距离。选出DTW距离最大的区段即为故障区段。
图5a,5b分别为本发明实施方式的不同算法抗时间同误差比较图。其中5a为相关系数法抗同步能力,5b为DTW算法抗同步能力。图5b中处于上面的线为新序列,下面的线为原序列。基于暂态零序电流相关性的方法均需要FTU向主站上传故障录波数据,再由主站集中进行故障定位与隔离处理。且采样频率越高,沿线装设的FTU越多,所需要传送的数据量越大。而基于时间序列压缩的动态弯曲距离算法只需要上传各FTU处零模电流的初始值、极值以及两极值点之间数据变化差值最大的两点。以图2和图3中4个FTU处为例,当采样频率为10000Hz时,可以得到故障后一工频周波原始数据长度为200,而经过数据处理压缩后需上传数据点数分别为73、77、67、68,从中可以看出,数据通信量大大减少。
当数据通信数量减少后,需要考虑动态时间弯曲距离算法的抗同步误差能力是否受到影响。以给定简单信号为例:对于简单信号,设置信号x1及x2,其中x1=sin(2πft),x2=sin(2πft+α),其中t=[0,0.0001,…,0.002],其中f为模拟小电流接地故障中的高频信号,f=1000Hz,其中α用于用来模拟同步误差,α取值范围为0~π;
图6a,6b分别为本发明实施方式的不同算法和时间序列幅值反应能力比较图。其给给出了K=0时,x1与x2的相关系数随x2幅值A变化曲线,从中可以看出相关系数一直保持为1,并不能反映同频率信号的幅值不同,而图2和图3频谱分析图表明故障点上下游零模电流含有相同频率分量。从图6b可以分析出x1与x2的DTW距离随着x2幅值变化明显,且数据处理后新序列与原时间序列DTW计算结果完全相同。
图7a,7b分别为本发明实施方式的不同算法直流反应能力比较图。图7a和图7b给出了A=1时,x1与x2的相关系数随x2直流分量K变化曲线,从中可以看出相关系数法与DTW算法都能较好的反应出信号中的直流分量,且数据处理后新序列与原时间序列DTW计算结果基本一致。配电网单相接地故障一般发生在故障相电压幅值最大附近,此时会有较明显的暂态零序电流信号,且故障点上游零模电流主频分量幅值明显高于故障点下游零模电流主频分量幅值。但当外界强力干扰使得故障也可能发生在电压过零点附近时,此时暂态信号微弱,但故障点上游线路零序电流出现较大的直流偏移分量,而故障点下游以及健全线路不会出现直流分量。因此需要探究改进时间序列动态弯曲距离对正弦序列不同幅值以及直流分量的灵敏度。构造两个简单时间序列:x1=sin(2πft)和x2=Asin(2πft)+K,其中t=[0,0.0001,…,0.02],A=[1,2,…,20],K=[-2,-1.75,…,2],f=1000Hz。
图6a给出了K=0时,x1与x2的相关系数随x2幅值A变化曲线,从中可以看出相关系数一直保持为1,并不能反映同频率信号的幅值不同,而图2和图3频谱分析图表明故障点上下游零模电流含有相同频率分量。从图6b可以分析出x1与x2的DTW距离随着x2幅值变化明显,且数据处理后新序列与原时间序列DTW计算结果完全相同。图7a和图7b给出了A=1时,x1与x2的相关系数随x2直流分量K变化曲线,从中可以看出相关系数法与DTW算法都能较好的反应出信号中的直流分量,且数据处理后新序列与原时间序列DTW计算结果基本一致。
图8为本发明实施方式的配电网仿真系统结构图。在ATP/EMTP环境下搭建配电网单相接地仿真模型,10kv配电线路进行仿真验证。架空线路选用频域相关的JMarti模型,利用仿真平台自带子程序Line Check计算出工频下线路参数为:正序阻抗Z1=0.3199+j0.2895Ω/km;正序对地导纳b1=j3.584μs/km;零序阻抗Z0=0.4571+j1.8067Ω/km;零序对地导纳b0=j1.3673μs/km。每条线路等效负荷阻抗统一为ZL=400+j20Ω。四条馈线长度分别为L1=10m,L2=10m,L3=8km,L4=20km。消弧线圈按过补偿10%计算,对应电感值L=14.7H。带有测量装置的成套配电控制终端FTU1~FTU5将馈线线路分为5个区段。考虑到目前变电站内一般配备了选线装置,本发明只给出了故障线路的仿真结果,所有仿真都设置为A相接地故障,沿线FTU采样频率设定为10000Hz。当设定仿真系统发生单相接地故障时间为t=0.3s,故障区段为F2~F3段时,表2给出了在不同接地电阻下相邻FTU采集的零模电流采样数据在时间序列压缩下的动态时间弯曲距离计算值,从中可以看出计算结果几乎不受过渡电阻的影响。当设定故障电阻为100Ω,故障区段为F2~F3段时,表3则给出了不同故障角下各相邻FTU采集的零模电流的在时间序列压缩下的动态时间弯曲距离计算值,从中可以看出即使当故障角为0时,即在几乎没有暂态信号的情况下,该算法依靠直流分量仍然能准确判出故障区段。
Figure GDA0002262091040000071
表2谐振系统在不同接地电阻下的动态时间弯曲计算值
Figure GDA0002262091040000081
表3谐振系统在不同电压故障相角下动态时间弯曲计算值
Figure GDA0002262091040000082
表4谐振系统在不同故障区间下的动态时间弯曲计算值
当设定单相接地故障时间为t=0.296s时,故障电阻为200Ω时,表4给出了不同故障区段发生故障下各相邻FTU采集的零模电流的在时间序列压缩下的动态时间弯曲距离计算值,从中可以看出故障区段计算值远高于健全区段。
从仿真结果表2~表4中还可以得出,对于不同故障相角、接地电阻以及不同区段发生单相接地故障时,故障点两侧零模电流压缩时间序列的动态时间弯曲距离总能取到甄别度较大的最大值,选择阈值0.4即可准确判断出故障区段。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (6)

1.一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,该方法包括:
A.对馈线终端设备采集到的故障录波数据进行预先处理,预先处理包括提取录波数据的初始值和极值以及录波数据变化,得到录波数据新的时间序列;其中,所述录波数据变化为两极值点之间数据变化差值最大的两点;
B.将时间序列发送至主站,使用主站采用动态时间弯曲距离算法求取两相邻馈线终端设备零模电流的相似性,从而判出故障区段。
2.根据权利要求1所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,所述的步骤A还包括:
馈线终端设备采集故障录波包括采用线电压突变量启动算法,判断是否出现故障,若出现判断出故障为单相接地故障后,则使用馈线终端设备执行故障录波,其中的录波包括取故障后一周波零序电流的初始时间序列。
3.根据权利要求2所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于:馈线终端设备采集得到的故障录波包括故障发生后8个周波内的零序电流信息量。
4.根据权利要求1所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,所述的步骤A包括:
S41,对于简单信号,设置信号x1及x2,其中x1=sin(2πft),x2=sin(2πft+α),其中t=[0,0.0001,…,0.002],其中f为模拟小电流接地故障中的高频信号,f=1000Hz,其中α用于模拟同步误差,α取值范围为0~π;
S42,构建时间序列x1=sin(2πft)和x2=Asin(2πft)+K,其中t=[0,0.0001,…,0.002],A=[1,2,…,20],K=[-2,-1.75,…,2],f=1000Hz;
S43,执行数据处理,得到新的数据序列。
5.根据权利要求1所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,所述步骤B还包括:
S61,对与两个时间序列x与y长度分别为m和n,从元素(x1,y1)开始,它们之间当前格点累加距离Dtw(i,j)为
Figure FDA0002262091030000011
其中d(xi,yi)=|xi-yi|表示当前格点两元素之间的距离,当前格点累加至的最后一个序列(xm,yn)时,所得到的累加距离Dtw(m,n)为两序列的动态时间弯曲距离;
S62,求出两时间序列的动态弯曲距离后在进行归一化处理,其中归一化处理公式为
Figure FDA0002262091030000021
6.根据权利要求5所述的基于时间序列压缩的动态时间弯曲距离故障区段定位方法,其特征在于,该方法还包括:
使用主站结合线路拓扑结构,使用所述步骤S61及S62中的计算公式计算出相邻区段零模电流的DTW距离,选出DTW距离最大的区段即为故障区段。
CN201711383351.5A 2017-12-20 2017-12-20 基于时间序列压缩的动态时间弯曲距离故障区段定位方法 Active CN108181547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711383351.5A CN108181547B (zh) 2017-12-20 2017-12-20 基于时间序列压缩的动态时间弯曲距离故障区段定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711383351.5A CN108181547B (zh) 2017-12-20 2017-12-20 基于时间序列压缩的动态时间弯曲距离故障区段定位方法

Publications (2)

Publication Number Publication Date
CN108181547A CN108181547A (zh) 2018-06-19
CN108181547B true CN108181547B (zh) 2020-05-12

Family

ID=62546537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711383351.5A Active CN108181547B (zh) 2017-12-20 2017-12-20 基于时间序列压缩的动态时间弯曲距离故障区段定位方法

Country Status (1)

Country Link
CN (1) CN108181547B (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562820B (zh) * 2018-05-04 2020-06-02 国网甘肃省电力公司电力科学研究院 小电流接地系统单相接地故障选线方法及装置
CN108983044B (zh) * 2018-08-06 2021-02-19 北京恒源利通电力技术有限公司 基于rf无线通讯的架空线路三相电流同步录波方法
CN109061400A (zh) * 2018-10-30 2018-12-21 国网江苏省电力有限公司电力科学研究院 一种基于暂态电流频段特征的单相接地故障定位方法及其装置
US11132248B2 (en) * 2018-11-29 2021-09-28 Nec Corporation Automated information technology system failure recommendation and mitigation
CN109596929B (zh) * 2019-01-31 2020-11-10 国家电网有限公司 一种考虑时钟不同步影响的电压曲线相似性判断方法
CN110632457A (zh) * 2019-09-25 2019-12-31 广西电网有限责任公司河池供电局 一种基于暂态行波时间序列相关系数的配电网故障定位方法
CN111220879A (zh) * 2020-01-19 2020-06-02 重庆大学 一种小电流接地系统单相接地故障区段定位的方法
CN111426908B (zh) * 2020-03-31 2022-07-08 国电南瑞科技股份有限公司 小电流接地系统单相接地故障保护方法、装置及系统
CN112054482B (zh) * 2020-08-06 2022-05-06 三峡大学 基于dtw算法的换流变压器零序差动保护防误动方法
CN112083283B (zh) * 2020-09-07 2021-05-25 昆明理工大学 一种基于故障分量频带分布差异的配电网故障区段定位方法
CN112130027A (zh) * 2020-09-22 2020-12-25 三峡大学 基于直流动态时间弯曲距离的主动配电网故障定位方法
CN112379213B (zh) * 2020-10-27 2023-08-22 深圳供电局有限公司 一种故障检测方法及系统
CN112505474B (zh) * 2020-10-30 2022-09-23 国网山东省电力公司聊城供电公司 一种基于相电流增量的故障定位方法、装置
CN112462195A (zh) * 2020-11-10 2021-03-09 深圳供电局有限公司 一种基于故障特征值的小电流故障定位方法
CN112557986B (zh) * 2020-12-07 2022-09-13 国网青海省电力公司电力科学研究院 一种故障录波采样精度校核的方法、装置及计算机设备
CN112782523B (zh) * 2020-12-23 2022-12-02 南京工程学院 基于动态模式匹配距离的配电网单相接地故障选线方法
CN113075500A (zh) * 2021-03-22 2021-07-06 广西电网有限责任公司河池供电局 基于滑动窗口的相似度单相接地故障定位方法及应用
CN114779016B (zh) * 2022-05-07 2023-04-07 四川大学 一种基于改进dtw的重复性瞬时故障识别方法
CN115081933B (zh) * 2022-07-20 2023-01-10 广东电网有限责任公司佛山供电局 一种基于改进谱聚类的低压用户拓扑构建方法和系统
CN116132485B (zh) * 2023-04-04 2023-08-11 广州极联智能科技有限公司 一种智能化项目快捷调试部署方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104297626A (zh) * 2013-07-16 2015-01-21 通用电气公司 基于压缩传感技术的故障定位装置及方法
CN105631475A (zh) * 2015-12-25 2016-06-01 石成富 一种基于时间序列的计算机数据挖掘聚类方法
KR101675214B1 (ko) * 2015-01-13 2016-11-11 전남대학교산학협력단 전자기기에서의 동작 인식 시스템 및 방법
CN106199338A (zh) * 2016-07-20 2016-12-07 东南大学 一种短路故障型电压暂降源的辨识方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104297626A (zh) * 2013-07-16 2015-01-21 通用电气公司 基于压缩传感技术的故障定位装置及方法
KR101675214B1 (ko) * 2015-01-13 2016-11-11 전남대학교산학협력단 전자기기에서의 동작 인식 시스템 및 방법
CN105631475A (zh) * 2015-12-25 2016-06-01 石成富 一种基于时间序列的计算机数据挖掘聚类方法
CN106199338A (zh) * 2016-07-20 2016-12-07 东南大学 一种短路故障型电压暂降源的辨识方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于分段时间弯曲距离的时间序列挖掘;肖辉等;《计算机研究与发展》;20050116;第952-957页 *
基于动态时间弯曲距离的小电流接地故障区段定位方法;刘鹏辉等;《电网技术》;20160331;第72-77页 *

Also Published As

Publication number Publication date
CN108181547A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN108181547B (zh) 基于时间序列压缩的动态时间弯曲距离故障区段定位方法
WO2022160776A1 (zh) 一种基于继电保护在线监视与分析系统的故障分析方法
Lotfifard et al. Voltage sag data utilization for distribution fault location
CN110596533B (zh) 一种配电网单相接地故障区段定位方法及系统
CN103329451B (zh) 用于故障检测和位置确定的装置和方法
Kezunovic Smart fault location for smart grids
CN103713237B (zh) 一种电力系统输电线路短路故障诊断方法
CN108957244B (zh) 一种配网主站单相接地故障选线定位方法
CN106990324B (zh) 一种配电网接地故障检测定位方法
CN108562820B (zh) 小电流接地系统单相接地故障选线方法及装置
CN103941163A (zh) 利用模糊k均值聚类的谐振接地系统故障选线方法
CN107045093B (zh) 基于快速s变换的小电流单相接地故障选线方法
CN105684252A (zh) 检测并联电抗器补偿传输线中故障清除的方法和设备
Aslan An alternative approach to fault location on power distribution feeders with embedded remote-end power generation using artificial neural networks
CN102106052A (zh) 电力传输线路中故障识别的方法和装置
CN110118913A (zh) 一种消弧线圈分散补偿配电网接地故障选线方法
CN107632225A (zh) 一种小电流系统接地故障定位方法
CN103267927A (zh) 一种利用工频分量小波系数直线拟合检测的小电流接地系统故障选线方法
CN104614638A (zh) 小电流系统接地选线方法
CN104360227A (zh) 基于行波法和暂态主频法的变电站电缆出线故障监测方法
CN103344911B (zh) 一种高压直流开关开断全过程状态辨识方法
CN110007198A (zh) 一种新型的单相接地故障启动方法
Li et al. A fault pattern and convolutional neural network based single-phase earth fault identification method for distribution network
CN102565599A (zh) 一种基于分形维数的交流输电线路区内外故障判别方法
CN110456218B (zh) 基于中值电阻投切前后工频增量系数的快速故障选线方法

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