CN108828387A - 一种mmc子模块开路故障一体化诊断方法 - Google Patents
一种mmc子模块开路故障一体化诊断方法 Download PDFInfo
- Publication number
- CN108828387A CN108828387A CN201810593678.3A CN201810593678A CN108828387A CN 108828387 A CN108828387 A CN 108828387A CN 201810593678 A CN201810593678 A CN 201810593678A CN 108828387 A CN108828387 A CN 108828387A
- Authority
- CN
- China
- Prior art keywords
- submodule
- mmc
- open
- circuit fault
- capacitor 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.)
- Granted
Links
Classifications
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Abstract
本发明公开了一种MMC子模块开路故障一体化诊断方法,基于MMC在开路故障下的子模块电容电压分布特性,将故障诊断等效为异常值分析。进一步地,考虑到MMC中包含大量子模块,本发明采用分位数分析进行电容电压异常值分析,进而实现单/多子模块开路故障的一体化检测定位;由于本发明中所使用的子模块电容电压值已存在于现有MMC控制系统中,因此不需要额外的硬件资源。此外,由于本发明中故障诊断基于数据分析完成,并不依赖于MMC解析模型,本发明对系统参数的不确定性不敏感,具有较强的鲁棒性。
Description
技术领域
本发明属于柔性直流输配电技术领域,具体涉及一种MMC子模块开路故障一体化诊断方法。
背景技术
模块化多电平换流器(ModularMultilevel Converter,MMC)自2002年问世以来,以模块化程度高、输出波形质量好、阶跃电压低、器件开关频率低等特点,日益成为高压直流(HighVoltage Direct Current,HVDC)输电系统中最具发展前景的换流器拓扑结构之一。MMC的上述优点来源于其子模块级联的结构,然而 MMC中所包含的大量级联子模块同时也构成了大量的潜在故障点,这对MMC 的运行可靠性带来了极大的挑战。MMC所使用的子模块通常由开关元件与无源元件共同构成,和无源元件相比,开关元件更脆弱也更易损坏,是MMC中故障率最高的部件;子模块开关元件故障将影响子模块输出特性,并进一步影响 MMC工作特性。因此,子模块开关元件故障的有效诊断对提升MMC运行可靠性将带来很大的帮助。
子模块开关元件故障可分为开路故障和短路故障:短路故障由于其时间尺度短、破坏能力强的特点,通常由开关元件驱动进行诊断;和短路故障相比,开路故障特性更为多样,诊断难度也更大,MMC子模块开路故障的诊断方法包括硬件法和软件法:硬件法通过加入额外检测电路进行故障检测与定位,这不仅会增加系统构建成本,也会增加MMC系统潜在故障点的数量;软件法可进一步分为模型分析法与数据分析法,模型分析法中需事先依据MMC解析模型构建参考值,在此基础上,通过实际值与参考值的比较进行故障检测与定位;由于涉及系统信息,模型分析法对系统参数不确定性敏感,诊断性能受到很大限制;和模型分析法不同,数据分析法中的故障检测与定位基于统计或数据挖掘进行;由于不依赖于系统模型,数据分析法对系统参数不确定性有很强的鲁棒性,是一种理想的MMC子模块开路故障诊断方法。
MMC子模块开路故障诊断包括故障检测与故障定位两个目标,故障检测用于判定MMC运行状态(正常/故障),故障定位用于识别子模块开路故障点。现有的MMC子模块开路故障诊断方法通常采用不同策略完成故障检测与故障定位,该分立式的结构不仅增加了配置难度,也影响了诊断效率。
发明内容
鉴于上述,本发明提供了一种MMC子模块开路故障一体化诊断方法,该方法不需要额外硬件资源,对系统参数不确定性不敏感,可实现单/多子模块开路故障的同步检测与定位。
一种MMC子模块开路故障一体化诊断方法,即根据子模块故障率对MMC 各桥臂子模块电容电压进行分位数分析,进而基于分位数分析结果实现子模块开路故障的检测和定位。
进一步地,对于MMC的任一桥臂,首先将当前时刻该桥臂中所有子模块的电容电压值按升序排列,并提取队列中的分位数;然后根据分位数计算确定子模块电容电压门限值uc_uplim;最后使当前时刻该桥臂中各子模块的电容电压值逐一与子模块电容电压门限值uc_uplim进行比较,根据比较结果判定该桥臂是否存在开路故障。
进一步地,将当前时刻桥臂中所有子模块的电容电压值按升序排列后,提取队列中的p分位数Bp与q分位数Bq,进而根据分位数Bp和Bq计算确定子模块电容电压门限值uc_uplim;其中,p为给定的子模块故障率,q=1-p。
进一步地,根据分位数Bp和Bq通过以下公式计算确定子模块电容电压门限值uc_uplim;
uc_uplim=Bq+K(Bq-Bp)
其中:K为大于1的比例系数。
进一步地,使当前时刻桥臂中各子模块的电容电压值逐一与子模块电容电压门限值uc_uplim进行比较,若存在某一子模块电容电压值大于uc_uplim,则判定该子模块电容电压值为异常值;若该子模块电容电压值连续多个时刻被判定为异常值,则诊断认定MMC出现子模块开路故障,且该子模块为开路故障点。
进一步地,若当前时刻MMC各桥臂均不存在有电容电压值为异常值的子模块,则诊断判定当前MMC工作状态正常。
本发明基于MMC在开路故障下的子模块电容电压分布特性,将故障诊断等效为异常值分析。进一步地,考虑到MMC中包含大量子模块,本发明采用分位数分析进行电容电压异常值分析,进而实现单/多子模块开路故障的一体化检测定位;由于本发明中所使用的子模块电容电压值已存在于现有MMC控制系统中,因此不需要额外的硬件资源。此外,由于本发明中故障诊断基于数据分析完成,并不依赖于MMC解析模型,本发明对系统参数的不确定性不敏感,具有较强的鲁棒性。
附图说明
图1为单端三相模块化多电平换流器的拓扑结构图。
图2为半桥子模块的结构示意图。
图3为本发明计及子模块故障分位数分析方法的流程图。
图4为本发明子模块开路故障一体化诊断方法的流程示意图。
图5(a)为S1开路情况下多电平换流器A相上桥臂的子模块电容电压波形图。
图5(b)为S1开路情况下多电平换流器A相上桥臂的诊断结果示意图。
图6(a)为S2开路情况下多电平换流器A相上桥臂的子模块电容电压波形图。
图6(b)为S2开路情况下多电平换流器A相上桥臂的诊断结果示意图。
图7(a)为S1和S2开路情况下多电平换流器A相上桥臂的子模块电容电压波形图。
图7(b)为S1和S2开路情况下多电平换流器B相下桥臂的子模块电容电压波形图。
图7(c)为S1和S2开路情况下多电平换流器A相上桥臂的诊断结果示意图。
图7(d)为S1和S2开路情况下多电平换流器B相下桥臂的诊断结果示意图。
图8(a)为系统参数不确定且S1和S2开路情况下多电平换流器A相上桥臂的子模块电容电压波形图。
图8(b)为系统参数不确定且S1和S2开路情况下多电平换流器B相下桥臂的子模块电容电压波形图。
图8(c)为系统参数不确定且S1和S2开路情况下多电平换流器A相上桥臂的诊断结果示意图。
图8(d)为系统参数不确定且S1和S2开路情况下多电平换流器B相下桥臂的诊断结果示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示,单端三相模块化多电平换流器(MMC)的基本单元为子模块 (Sub-Module,SM),NSM个子模块级联与一个桥臂电感串联构成一个桥臂,上下两个桥臂串联构成一个相单元。三相MMC换流器含有三个相单元,6个桥臂, 6NSM个子模块。直流侧母线电压为Udc,交流侧三相相电压分别为ua、ub和uc, O点为零电位参考点。
本实施方式中MMC采用如图2所示的MMC半桥子模块结构,该子模块结构包括两个IGBT管S1、S2(连反并二极管D1、D2)和一个直流电容。本实施方式的子模块结构存在两种运行模式:投入模式和切除模式。表1是正常运行状态下MMC半桥子模块结构的开关状态表,正常运行状态下MMC内各子模块电容电压在电容电压平衡算法的控制下保持平衡。
表1
模式 | S1 | S2 | iSM | 状态 | 说明 |
1 | 1 | 0 | + | 投入 | 电流流过D1给电容充电 |
2 | 0 | 1 | + | 切除 | 电流流过S2将电容旁路 |
3 | 1 | 0 | - | 投入 | 电流流过S1给电容放电 |
4 | 0 | 1 | - | 切除 | 电流流过D2将电容旁路 |
根据故障点的不同,子模块开路故障可分为S1开路故障和S2开路故障,S1开路故障下的开关状态如表2所示。和正常状态相比,S1故障下的半桥子模块无法放电,因此故障子模块电容电压在放电周期内将逐渐偏离正常子模块电容电压,最终故障子模块电容电压将高于正常子模块电容电压。
表2
模式 | S1 | S2 | iSM | 状态 | 说明 |
1 | 1 | 0 | + | 投入 | 电流流过D1给电容充电 |
2 | 0 | 1 | + | 切除 | 电流流过S2将电容旁路 |
3 | 1 | 0 | - | 切除 | 电流流过D2将电容旁路 |
4 | 0 | 1 | - | 切除 | 电流流过D2将电容旁路 |
S2开路故障下的开关状态如表3所示;和正常状态相比,S2故障下的半桥子模块在iSM为正的情况下无法切除,将一直处于充电状态。由于故障子模块比正常子模块有更长的充电周期,故障子模块电容电压在充电周期内将逐渐偏离正常子模块电容电压,最终故障子模块电容电压将高于正常子模块电容电压。
表3
模式 | S1 | S2 | iSM | 状态 | 说明 |
1 | 1 | 0 | + | 投入 | 电流流过D1给电容充电 |
2 | 0 | 1 | + | 投入 | 电流流过D1给电容充电 |
3 | 1 | 0 | - | 投入 | 电流流过S1给电容放电 |
4 | 0 | 1 | - | 切除 | 电流流过D2将电容旁路 |
综上所述,正常状态下,各桥臂内子模块电容电压保持平衡;子模块开路故障下,故障子模块电容电压在一定时期内将显著高于正常子模块电容电压。因此,子模块电容电压在正常/故障状态下分布状态的不同可用于子模块开路故障的诊断。
基于上述分析,本发明将桥臂子模块电容电压序列中是否出现异常值作为子模块开路故障诊断的依据。在统计中,异常值指样本中明显偏离多数观测值的测定值;由于子模块开路故障下,故障子模块电容电压在一定时期内显著高于正常子模块电容电压,故障子模块电容电压将构成相应桥臂子模块电容电压样本中的异常值。考虑到MMC中包含大量子模块,本发明中异常值分析基于分位数分析进行,分位数分析是一种基于统计的异常值分析方法,在样本数量大的情况下,具有很好的异常值辨识性能。为得到更可靠的分析结果,本发明提出了基于子模块故障率的分位数分析方法,具体流程如图3所示,包括如下步骤:
(1)在每一诊断时刻,将待分析子模块电容电压样本排序形成升序序列 uc[NSM]。
(2)根据子模块电容电压升序序列uc[NSM],按下式分别计算p分位数 Bp(i=p)与(1-p)分位数B1-p(i=1-p),其中p为子模块故障率,Xint和Xfloat分别为X 的整数和小数部分。
(3)根据p分位数Bp与(1-p)分位数B1-p,按下式计算子模块电容电压的正常区间上限值uc_uplim:
uc_uplim=B1-p+K(B1-p-Bp)
其中:K为比例系数,本实施方式中K设定为3。
(4)根据正常区间上限值uc_uplim,比较样本内各子模块电容电压值与正常区间上限值uc_uplim:若子模块电容电压值大于uc_uplim,且该状态持续n个诊断周期,则该值被判定为异常值;反之,该值被判定为正常值。
基于上述分位数分析方法,本发明提出的子模块故障一体化诊断方法流程如图4所示:
(1)在每一诊断时刻,以桥臂为单位,对子模块电容电压样本进行分位数分析。
(2)基于上述所得分位数分析结果,若所有桥臂均不包含异常值,则判定 MMC工作状态正常;若某一/若干桥臂中出现异常值,则判定MMC出现子模块开路故障,且异常值对应子模块为开路故障点。
以下我们在Matlab/Simulink上搭建61电平三相MMC仿真平台,仿真的主要参数如表4所示,分位数分析中子模块故障率q设为0.2,异常值诊断周期限制n设为5。为每一个子模块分配一个故障指示标志Error_flag,若子模块状态正常,相应的Error_flag值为0;若检测到子模块故障,相应的Error_flag置一。
表4
图5(a)为S1开路故障下的子模块电容电压波形,1.5s时在A相上桥臂(Arm AP)的子模块1内触发S1开路故障。故障触发后,故障子模块电容电压在放电周期开始后显著高于正常子模块电容电压及正常区间上限值uc_uplim。图5(b)为S1开路故障的诊断结果,故障子模块对应的Error_flag在1.5077s置一,故障被成功检测定位。
图6(a)为S2开路故障下的子模块电容电压波形,1.5s时在A相上桥臂(Arm AP)的子模块1内触发S1开路故障;故障触发后,故障子模块电容电压逐渐偏离正常子模块电容电压,并最终显著高于正常子模块电容电压及正常区间上限值 uc_uplim。图6(b)为S2开路故障的诊断结果,故障子模块对应的Error_flag在1.5018s 置一,故障被成功检测定位。
图7(a)~图7(b)分别为多子模块开路故障下桥臂AP和桥臂BN的子模块电容电压波形,1.5s时在A相上桥臂(ArmAP)的子模块1内触发S2开路故障,在 B相下桥臂(Arm BN)的子模块4内触发S1开路故障,故障子模块电容电压均在故障触发一定时间后超过正常区间上限值uc_uplim。图7(c)~图7(d)分别为多子模块开路故障下桥臂AP和桥臂BN的诊断结果。A相上桥臂子模块1的Error_flag 在1.5018s置一,B相下桥臂子模块4的Error_flag在1.5046s置一,故障均被成功检测定位。
图8(a)~图8(b)分别为参数不确定时多子模块开路故障下桥臂AP和桥臂BN 的子模块电容电压波形,为模拟参数不确定状态,将桥臂电感值增加20%,将子模块电容值减少20%;1.5s时在A相上桥臂(ArmAP)的子模块1内触发S2开路故障,在B相下桥臂(Arm BN)的子模块4内触发S1开路故障,故障子模块电容电压均在故障触发一定时间后超过正常区间上限值uc_uplim。图8(c)~图8(d)分别为参数不确定时多子模块开路故障下桥臂AP和桥臂BN的诊断结果,A相上桥臂子模块1的Error_flag在1.5022s置一,B相下桥臂子模块4的Error_flag 在1.505s置一,故障均被成功检测定位。
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (6)
1.一种MMC子模块开路故障一体化诊断方法,其特征在于:根据子模块故障率对MMC各桥臂子模块电容电压进行分位数分析,进而基于分位数分析结果实现子模块开路故障的检测和定位。
2.根据权利要求1所述的MMC子模块开路故障一体化诊断方法,其特征在于:对于MMC的任一桥臂,首先将当前时刻该桥臂中所有子模块的电容电压值按升序排列,并提取队列中的分位数;然后根据分位数计算确定子模块电容电压门限值uc_uplim;最后使当前时刻该桥臂中各子模块的电容电压值逐一与子模块电容电压门限值uc_uplim进行比较,根据比较结果判定该桥臂是否存在开路故障。
3.根据权利要求2所述的MMC子模块开路故障一体化诊断方法,其特征在于:将当前时刻桥臂中所有子模块的电容电压值按升序排列后,提取队列中的p分位数Bp与q分位数Bq,进而根据分位数Bp和Bq计算确定子模块电容电压门限值uc_uplim;其中,p为给定的子模块故障率,q=1-p。
4.根据权利要求3所述的MMC子模块开路故障一体化诊断方法,其特征在于:根据分位数Bp和Bq通过以下公式计算确定子模块电容电压门限值uc_uplim;
uc_uplim=Bq+K(Bq-Bp)
其中:K为大于1的比例系数。
5.根据权利要求2所述的MMC子模块开路故障一体化诊断方法,其特征在于:使当前时刻桥臂中各子模块的电容电压值逐一与子模块电容电压门限值uc_uplim进行比较,若存在某一子模块电容电压值大于uc_uplim,则判定该子模块电容电压值为异常值;若该子模块电容电压值连续多个时刻被判定为异常值,则诊断认定MMC出现子模块开路故障,且该子模块为开路故障点。
6.根据权利要求5所述的MMC子模块开路故障一体化诊断方法,其特征在于:若当前时刻MMC各桥臂均不存在有电容电压值为异常值的子模块,则诊断判定当前MMC工作状态正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810593678.3A CN108828387B (zh) | 2018-06-11 | 2018-06-11 | 一种mmc子模块开路故障一体化诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810593678.3A CN108828387B (zh) | 2018-06-11 | 2018-06-11 | 一种mmc子模块开路故障一体化诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828387A true CN108828387A (zh) | 2018-11-16 |
CN108828387B CN108828387B (zh) | 2020-01-24 |
Family
ID=64144970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810593678.3A Active CN108828387B (zh) | 2018-06-11 | 2018-06-11 | 一种mmc子模块开路故障一体化诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828387B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456217A (zh) * | 2019-08-08 | 2019-11-15 | 辽宁工程技术大学 | 一种基于wpd-foa-lssvm双模型的mmc故障定位方法 |
CN110988742A (zh) * | 2019-10-31 | 2020-04-10 | 东南大学 | 基于四分位数的模块化多电平换流器开路故障诊断方法 |
CN111707973A (zh) * | 2020-06-04 | 2020-09-25 | 东南大学 | 基于格拉布斯准则的模块化多电平换流器开路故障诊断方法 |
CN112348071A (zh) * | 2020-10-30 | 2021-02-09 | 浙江大学 | 一种模块化多电平换流器子模块开关管开路故障诊断方法 |
CN113341345A (zh) * | 2021-06-04 | 2021-09-03 | 浙江大学 | 一种基于特征提取和随机森林的mmc开关管开路故障诊断方法 |
CN113447733A (zh) * | 2020-03-24 | 2021-09-28 | 北京金风科创风电设备有限公司 | 风力发电机组变桨系统超级电容的故障检测设备和方法 |
CN115308640A (zh) * | 2022-08-17 | 2022-11-08 | 东南大学 | 一种基于数据挖掘的mmc子模块开路故障定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235219A (zh) * | 2013-04-17 | 2013-08-07 | 华北电力大学 | 一种模块化多电平换流器的子模块故障诊断方法 |
CN106443164A (zh) * | 2016-08-25 | 2017-02-22 | 中国电力科学研究院 | 一种电能分类计量过程中暂态与稳态事件的监测方法 |
CN107589335A (zh) * | 2017-09-21 | 2018-01-16 | 南京航空航天大学 | 一种mmc子模块功率管开路故障的诊断方法 |
-
2018
- 2018-06-11 CN CN201810593678.3A patent/CN108828387B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235219A (zh) * | 2013-04-17 | 2013-08-07 | 华北电力大学 | 一种模块化多电平换流器的子模块故障诊断方法 |
CN106443164A (zh) * | 2016-08-25 | 2017-02-22 | 中国电力科学研究院 | 一种电能分类计量过程中暂态与稳态事件的监测方法 |
CN107589335A (zh) * | 2017-09-21 | 2018-01-16 | 南京航空航天大学 | 一种mmc子模块功率管开路故障的诊断方法 |
Non-Patent Citations (2)
Title |
---|
HOUSHANG SALIMIAN等: "Open-Circuit Fault Detection and Localization in Modular Multilevel Converter", 《THE 6TH INTERNATIONAL POWER ELECTRONICS DRIVE SYSTEMS AND TECHNOLOGIES CONFERENCE》 * |
MUSTAFA SEN等: "Open Circuit Fault Detection and Localization in Modular Multilevel Converter", 《2016 IEEE》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456217A (zh) * | 2019-08-08 | 2019-11-15 | 辽宁工程技术大学 | 一种基于wpd-foa-lssvm双模型的mmc故障定位方法 |
CN110456217B (zh) * | 2019-08-08 | 2021-06-01 | 辽宁工程技术大学 | 一种基于wpd-foa-lssvm双模型的mmc故障定位方法 |
CN110988742A (zh) * | 2019-10-31 | 2020-04-10 | 东南大学 | 基于四分位数的模块化多电平换流器开路故障诊断方法 |
CN113447733A (zh) * | 2020-03-24 | 2021-09-28 | 北京金风科创风电设备有限公司 | 风力发电机组变桨系统超级电容的故障检测设备和方法 |
CN111707973A (zh) * | 2020-06-04 | 2020-09-25 | 东南大学 | 基于格拉布斯准则的模块化多电平换流器开路故障诊断方法 |
CN112348071A (zh) * | 2020-10-30 | 2021-02-09 | 浙江大学 | 一种模块化多电平换流器子模块开关管开路故障诊断方法 |
CN112348071B (zh) * | 2020-10-30 | 2022-05-17 | 浙江大学 | 一种模块化多电平换流器子模块开关管开路故障诊断方法 |
CN113341345A (zh) * | 2021-06-04 | 2021-09-03 | 浙江大学 | 一种基于特征提取和随机森林的mmc开关管开路故障诊断方法 |
CN115308640A (zh) * | 2022-08-17 | 2022-11-08 | 东南大学 | 一种基于数据挖掘的mmc子模块开路故障定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108828387B (zh) | 2020-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828387A (zh) | 一种mmc子模块开路故障一体化诊断方法 | |
CN108872842B (zh) | 一种mmc子模块开路故障诊断方法 | |
CN106682303B (zh) | 一种基于经验模态分解和决策树rvm的三电平逆变器故障诊断方法 | |
CN106443297B (zh) | 光伏二极管箝位型三电平逆变器的决策树svm故障诊断方法 | |
CN107202947B (zh) | 一种高效率的晶闸管换流阀组件测试系统及测试方法 | |
CN111245002B (zh) | 基于mmc的双极柔性直流电网短路和接地故障电流预测方法 | |
CN106990325B (zh) | 基于突变逻辑阵的配网小电流接地故障判定方法 | |
CN105894172A (zh) | 一种基于营配融合的联合停电研判方法 | |
CN104931857A (zh) | 一种基于d-s证据理论的配电网故障定位方法 | |
CN102969888A (zh) | 基于rtds的mmc自定义子模块的设计方法 | |
CN110187209A (zh) | 模块化多电平变换器子模块故障检测方法、系统及介质 | |
CN110376471A (zh) | 一种基于电压残差的级联h桥变换器故障诊断方法 | |
CN107037322A (zh) | 基于稳态特征的配电网小电流接地故障定位方法 | |
CN107677931A (zh) | 一种基于直流电流波形曲率变化差异的故障快速识别方法 | |
CN103986238A (zh) | 基于概率加权二分图法的智能变电站故障诊断方法 | |
CN113341345A (zh) | 一种基于特征提取和随机森林的mmc开关管开路故障诊断方法 | |
CN105119510A (zh) | 混合型级联多电平换流器的电容电压平衡方法与系统 | |
CN103824234A (zh) | 一种基于分块和层级结构的配电系统可靠性评估方法 | |
CN105243230B (zh) | 一种计及卸荷电路的直驱风电场的等值建模方法 | |
CN102636706B (zh) | 一种电网中参数误差支路的辨识方法 | |
CN105046011A (zh) | 基于分布式电网拓扑计算的电气设备状态快速分析方法 | |
CN106532692A (zh) | 一种地区电网计及备自投的静态安全分析方法及装置 | |
CN104569785A (zh) | 一种逆变电路故障诊断方法 | |
CN111157842B (zh) | 一种基于电网拓扑的配电线路配变停电故障研判方法 | |
CN112415330A (zh) | 一种基于广域信息的电网故障智能辨识方法及系统 |
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 |