CN108596086A - 一种基于电压振幅的高压输电线快速准确故障分类系统 - Google Patents

一种基于电压振幅的高压输电线快速准确故障分类系统 Download PDF

Info

Publication number
CN108596086A
CN108596086A CN201810367926.2A CN201810367926A CN108596086A CN 108596086 A CN108596086 A CN 108596086A CN 201810367926 A CN201810367926 A CN 201810367926A CN 108596086 A CN108596086 A CN 108596086A
Authority
CN
China
Prior art keywords
voltage
module
failure modes
transmission line
precisely
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
CN201810367926.2A
Other languages
English (en)
Inventor
费春国
霍洪双
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.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
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 Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN201810367926.2A priority Critical patent/CN108596086A/zh
Publication of CN108596086A publication Critical patent/CN108596086A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Signal Processing (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

一种基于电压振幅的高压输电线快速准确故障分类系统。其包括电压采集模块、电压处理模块和故障分类模块：电压采集模块安装在高压输电线上，与电压处理模块之间通过无干扰线相连接；电压处理模块与故障分类模块之间通过无干扰线相连接。电压处理模块包括电压滤波模块和电压截取模块。本发明提供的基于电压振幅的高压输电线快速准确故障分类系统的优点是：当高压输电线路发生故障时，不需要任何特征提取算法对故障信息进行特征提取，仅通过采集到的三相故障电压信号振幅，经过简单的滤波与截取，就可实现快速的故障分类，有助于故障的快速排除，节省恢复供电时间，从技术上保证电网的安全、稳定和经济运行。

Description

一种基于电压振幅的高压输电线快速准确故障分类系统
技术领域
本发明属于高压输电线路故障分类技术领域，特别是涉及一种基于电压信号振幅的高压输电线快速准确故障分类系统。
背景技术
输电线路是电力系统的重要组成部分，担负着输送电能的重任，但由于其电压等级高，输电容量大，跨区域较长，加之受恶劣环境和天气的影响较大，极易发生故障。一旦发生故障，电力系统稳定性将遭到破坏，电力供应中断，从而影响供电质量。因此，快速准确地进行故障分类，加快故障线路检修和恢复供电速度，减少停电造成的经济损失和社会影响，对电力系统可靠运行有着重要意义。
近年来，许多国内外学者提出了多种智能方法用于高压输电线的故障分类识别。智能分类方法一般包括信号提取、信号处理和故障识别三部分。目前，大部分的研究集中在对特征提取算法和智能分类算法进行多种组合来实现故障分类。但是，由于现有的特征提取算法都要经过数学上复杂的变换与计算，进而造成故障分类识别速度过慢，同时，故障分类所使用的特征是经过特征提取算法进行转化后的特征，从而也大大降低了故障分类的精度，因而，在提高输电线故障分类识别的速度和精度方面，受到了越来越多学者的关注。
发明内容
为了解决上述问题，本发明的目的在于提供一种基于电压振幅的高压输电线快速准确故障分类系统。
为了达到上述目的，本发明提供的基于电压振幅的高压输电线快速准确故障分类系统包括：电压采集模块、电压处理模块和故障分类模块：其中，电压采集模块安装在高压输电线上，与电压处理模块之间通过无干扰线相连接；电压处理模块与故障分类模块之间通过无干扰线相连接。
所述的电压采集模块为电压信号采集传感器，采用普通信号采集器或高速信号采集器，用于实时采集高压输电线上的三相故障电压信号；电压处理模块为电压信号整形处理电路，包括电压滤波模块和电压截取模块，电压滤波模块与电压采集模块之间通过无干扰线相连接；电压滤波模块与电压截取模块之间通过无干扰线相连接，电压截取模块与故障分类模块之间通过无干扰线相连接，用于对上述采集到的三相故障电压信号进行整形滤波；故障分类模块为智能故障分类器，采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台，并采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对三相故障电压信号进行训练，在训练结束后，根据实时采集到的三相故障电压信号实时确定故障类型。
所述的电压滤波模块采用能够实现带通滤波和低通滤波的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
所述的电压截取模块采用能够实现对信号进行指定区间的数据截取的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
本发明提供的基于电压振幅的高压输电线快速准确故障分类系统的优点是：当高压输电线路发生故障时，不需要任何特征提取算法对电压故障信号进行特征提取，仅通过采集到的三相电压故障信号振幅，经过简单的滤波与截取，输入到智能分类器中，实现快速的故障分类识别，这样有助于故障的快速排除，节省恢复供电时间，从技术上保证电网的安全、稳定和经济运行。
附图说明
图1为本发明提供的基于电压振幅的高压输电线快速准确故障分类系统的整体架构示意图。
图2为本发明提供的基于电压振幅的高压输电线快速准确故障分类系统具体示意图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于电压振幅的高压输电线快速准确故障分类系统进行详细说明。
如图1、图2所示，本发明提供的基于电压振幅的高压输电线快速准确故障分类系统包括：电压采集模块1、电压处理模块2和故障分类模块3：其中，电压采集模块1安装在高压输电线上，与电压处理模块2之间通过无干扰线相连接；电压处理模块2与故障分类模块3之间通过无干扰线相连接。
所述的电压采集模块1为电压信号采集传感器，采用普通信号采集器或高速信号采集器，用于实时采集高压输电线上的三相故障电压信号；电压处理模块2为电压信号整形处理电路，包括电压滤波模块21和电压截取模块22，电压滤波模块21与电压采集模块1之间通过无干扰线相连接；电压滤波模块21与电压截取模块22之间通过无干扰线相连接，电压截取模块22与故障分类模块3之间通过无干扰线相连接，用于对上述采集到的三相故障电压信号进行整形滤波；故障分类模块3为智能故障分类器，采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台，并采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对三相故障电压信号进行训练，在训练结束后，根据实时采集到的三相故障电压信号实时确定故障类型。
所述的电压滤波模块21采用能够实现带通滤波和低通滤波的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
所述的电压截取模块22采用能够实现对信号进行指定区间的数据截取的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
现将本发明提供的基于电压振幅的高压输电线快速准确故障分类系统的工作原理阐述如下：
当高压输电线路发生故障时，电压采集模块1迅速采集三相故障电压信号，然后传送给电压滤波模块21，由电压滤波模块21滤除其中的噪声信号，得到有效的故障电压信号振幅。之后电压滤波模块21再将有效的故障电压信号传送给电压截取模块22，由电压截取模块22进行半周波故障电压信号的截取，然后将截取的半周波故障电压信号输入到故障分类模块3，故障分类模块3采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统，利用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对半周波故障电压信号进行训练，训练结束后，根据故障电压振幅快速准确地识别出故障类型。
在上述故障分类过程中，不采用任何的特征提取算法对故障信息进行故障特征提取，而是直接使用故障后半周期故障电压信号振幅作为故障信号特征。由于减少了这一步，因此使得故障分类的速度大大提高。同时，因为故障信息特征更为直接，使得故障分类的准确度也进一步提高。

Claims (4)

1.一种基于电压振幅的高压输电线快速准确故障分类系统，其特征在于：所述的系统包括：电压采集模块(1)、电压处理模块(2)和故障分类模块(3)：其中，电压采集模块(1)安装在高压输电线上，与电压处理模块(2)之间通过无干扰线相连接；电压处理模块(2)与故障分类模块(3)之间通过无干扰线相连接。
2.根据权利要求1所述的基于电压振幅的高压输电线快速准确故障分类系统，其特征在于：所述的电压采集模块(1)为电压信号采集传感器，采用普通信号采集器或高速信号采集器，用于实时采集高压输电线上的三相故障电压信号；电压处理模块(2)为电压信号整形处理电路，包括电压滤波模块(21)和电压截取模块(22)，电压滤波模块(21)与电压采集模块(1)之间通过无干扰线相连接；电压滤波模块(21)与电压截取模块(22)之间通过无干扰线相连接，电压截取模块(22)与故障分类模块(3)之间通过无干扰线相连接，用于对上述采集到的三相故障电压信号进行整形滤波；故障分类模块(3)为智能故障分类器，采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台，并采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对三相故障电压信号进行训练，在训练结束后，根据实时采集到的三相故障电压信号实时确定故障类型。
3.根据权利要求1所述的基于电压振幅的高压输电线快速准确故障分类系统，其特征在于：所述的电压滤波模块(21)采用能够实现带通滤波和低通滤波的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
4.根据权利要求1所述的基于电压振幅的高压输电线快速准确故障分类系统，其特征在于：所述的电压截取模块(22)采用能够实现对信号进行指定区间的数据截取的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。
CN201810367926.2A 2018-04-23 2018-04-23 一种基于电压振幅的高压输电线快速准确故障分类系统 Pending CN108596086A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810367926.2A CN108596086A (zh) 2018-04-23 2018-04-23 一种基于电压振幅的高压输电线快速准确故障分类系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810367926.2A CN108596086A (zh) 2018-04-23 2018-04-23 一种基于电压振幅的高压输电线快速准确故障分类系统

Publications (1)

Publication Number Publication Date
CN108596086A true CN108596086A (zh) 2018-09-28

Family

ID=63614051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810367926.2A Pending CN108596086A (zh) 2018-04-23 2018-04-23 一种基于电压振幅的高压输电线快速准确故障分类系统

Country Status (1)

Country Link
CN (1) CN108596086A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975910A (zh) * 2010-09-07 2011-02-16 昆明理工大学 一种特高压直流输电线路故障智能分类与测距方法
CN103091603A (zh) * 2013-01-14 2013-05-08 华北电力大学 一种输电线路故障智能分类和定位方法
CN106855604A (zh) * 2017-01-17 2017-06-16 中国民航大学 一种基于信号振幅的高压输电线快速准确故障定位系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975910A (zh) * 2010-09-07 2011-02-16 昆明理工大学 一种特高压直流输电线路故障智能分类与测距方法
CN103091603A (zh) * 2013-01-14 2013-05-08 华北电力大学 一种输电线路故障智能分类和定位方法
CN106855604A (zh) * 2017-01-17 2017-06-16 中国民航大学 一种基于信号振幅的高压输电线快速准确故障定位系统

Similar Documents

Publication Publication Date Title
CN109146705B (zh) 一种用电特征指标降维与极限学习机算法进行窃电检测的方法
CN114323647A (zh) 通过轴承噪声检测进行故障诊断的方法及系统
CN107391598B (zh) 一种威胁情报自动生成方法及系统
Wang et al. A fast abnormal data cleaning algorithm for performance evaluation of wind turbine
CN107701378B (zh) 一种风力发电机故障预警方法
CN103323749A (zh) 多分类器信息融合的局部放电诊断方法
CN106837707B (zh) 一种基于故障模型触发的自动故障诊断系统
CN108198408B (zh) 一种基于用电信息采集系统的自适应反窃电监控方法及系统
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
CN104994334A (zh) 基于实时视频的变电站自动监控方法
CN106656669B (zh) 一种基于阈值自适应设置的设备参数异常检测系统及方法
CN106855597B (zh) 一种非侵入式电能质量干扰源在线自适应监测系统及方法
CN103488800A (zh) 一种基于svm的用电异常检测方法
Xue et al. Adaptive ultra-short-term wind power prediction based on risk assessment
CN111695493A (zh) 一种输电线路隐患的检测方法及系统
CN104899995A (zh) 一种输电线路防外力破坏监控系统
CN104931836A (zh) 电网监控与预警系统
CN117390546A (zh) 一种面向即时反窃电检测的多模数据库融合存算模型
CN102467556A (zh) 一种电能质量智能信息系统及方法
CN202700832U (zh) 一种生产过程中的残次品的动态识别装置
CN114839462A (zh) 一种智能反窃电监察方法和系统
CN108596086A (zh) 一种基于电压振幅的高压输电线快速准确故障分类系统
Yao et al. AdaBoost-CNN: a hybrid method for electricity theft detection
CN109284341A (zh) 一种能效监测大数据分析系统及方法
CN112595926A (zh) 一种地区电网检修计划智能辨识及辅助编制的技术研究

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180928