CN108828402A - 一种高压电缆故障诊断的方法 - Google Patents
一种高压电缆故障诊断的方法 Download PDFInfo
- Publication number
- CN108828402A CN108828402A CN201810386822.6A CN201810386822A CN108828402A CN 108828402 A CN108828402 A CN 108828402A CN 201810386822 A CN201810386822 A CN 201810386822A CN 108828402 A CN108828402 A CN 108828402A
- Authority
- CN
- China
- Prior art keywords
- dictionary
- fault type
- tension cable
- sample
- fault
- 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
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- 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
- G01R31/088—Aspects of digital computing
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及高压电缆故障诊断领域,具体涉及一种高压电缆故障诊断的方法,包括以下:用主成分分析法,获取高压电缆样本故障类别特征信息,构建故障类型特征字典,根据高压电缆原始样本字典和故障类型特征字典共同构建扩展字典;然后利用稀疏表示方法计算扩展字典中各类样本对测试样本的逼近残差,根据逼近残差的大小判断故障类型。本发明提出利用字典扩展和稀疏表示等方法分析电缆故障信息的故障诊断方法,能够准确地判断出高压电缆故障类型,极大的缩短检修时间,提高电力系统的供电可靠性。
Description
技术领域
本发明涉及高压电缆故障诊断领域,具体涉及一种高压电缆故障诊断的方法。
背景技术
随着城市化进程的加快推进,高压电缆被广泛使用。高压电缆在运行过程中可能发生绝缘老化、接地、短路等各种故障,进而影响电力系统的可靠运行。因此,为了提高供电可靠性,维护电力系统的安全稳定运行,需要一种能够对各种故障进行准确判断的方法,帮助检修人员进行准确的故障诊断并对症下药,排除电缆故障。这样有利于减少检修工作量和时间,提高供电可靠性。
发明内容
针对上述存在的技术缺陷,本发明提供一种对高压电缆故障诊断的方法。本发明利用主成分分析法,分析电缆故障信息,能够准确地判断出高压电缆故障类型。
本发明的技术方案是;一种高压电缆故障诊断的方法,包括以下步骤:
S1:运用主成分分析法,获取高压电缆样本故障类别特征信息,构建故障类型特征字典,根据高压电缆原始样本字典和故障类型特征字典共同构建扩展字典;
S2:基于扩展字典,利用稀疏表示方法计算各类样本对测试样本的逼近残差;
S3:判断故障类型;若测试样本与某一故障类型样本的逼近残差最小,则诊断出电缆故障类型为该类样本对应的故障类型。
进一步,步骤S1中所述的运用主成分分析法构建故障类型特征字典包括如下步骤:
S11:获得包含高压电缆故障类型的训练样本
m为故障特征量维数,ni为故障类型i的样本数;
S12:运用主成分分析法提取高压电缆故障类型i的特征向量
式中:m为特征指标数量,li为故障类型i的主元个数;
S13:将故障类型特征字典P与原始样本字典D进行联合构成扩展字典
D'=[D1,…,Dc,P1,…,Pc]∈Rm×(n+L)
式中:n=n1+n2+…+nC,L=l1+l2+…+lC。
进一步,步骤S2中所述的利用稀疏表示方法计算各类样本对测试样本的逼近残差包括如下步骤:
S21:利用扩展字典中样本任意两个列向量之间xi和xj的平均欧氏距
离:
式中M=n+L是扩展字典的列数;
S22:计算测试样本y与扩展字典中列向量xi之间的高斯核距离:
di(xi,y)=exp(-||xi-y||2/2σ2);
S23:计算扩展字典各列向量的权重系数为
则加权扩展字典可表示为
S24:测试样本y可由扩展字典WD’稀疏表示为:
式中:z为稀疏系数向量,ε为允许误差;
S25:计算扩展字典中各故障类别对测试样本的逼近残差:
式中:ri(y)表示测试样本相对高压电缆故障类型i的逼近残差,δi表示稀疏系数向量z在第i类别故障的系数不为0,其它类别对应的系数为0的函数。
本发明的有益效果是;本发明提出利用字典扩展和稀疏表示等方法分析电缆故障信息的故障诊断方法,能够准确地判断出高压电缆故障类型,极大的缩短检修时间,提高电力系统的供电可靠性。
附图说明
图1为本发明的原理框图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
实施例1:
如图1所示,一种高压电缆故障诊断的方法,包括以下步骤:
S1:运用主成分分析法,获取高压电缆样本故障类别特征信息,构建故障类型特征字典,根据高压电缆原始样本字典和故障类型特征字典共同构建扩展字典;
S2:基于扩展字典,利用稀疏表示方法计算各类样本对测试样本的逼近残差;
S3:判断故障类型;若测试样本与某一故障类型样本的逼近残差最小,则诊断出电缆故障类型为该类样本对应的故障类型。
具体的,步骤S1中所述的运用主成分分析法构建故障类型特征字典包括如下步骤:
S11:获得包含高压电缆故障类型的训练样本
m为故障特征量维数,ni为故障类型i的样本数;
S12:运用主成分分析法提取高压电缆故障类型i的特征向量
式中:m为特征指标数量,li为故障类型i的主元个数;
S13:将故障类型特征字典P与原始样本字典D进行联合构成扩展字典
D'=[D1,…,Dc,P1,…,Pc]∈Rm×(n+L)
式中:n=n1+n2+…+nC,L=l1+l2+…+lC。
具体的,步骤S2中所述的利用稀疏表示方法计算各类样本对测试样本的逼近残差包括如下步骤:
S21:利用扩展字典中样本任意两个列向量之间xi和xj的平均欧氏距
离:
式中M=n+L是扩展字典的列数;
S22:计算测试样本y与扩展字典中列向量xi之间的高斯核距离:
di(xi,y)=exp(-||xi-y||2/2σ2);
S23:计算扩展字典各列向量的权重系数为
则加权扩展字典可表示为
S24:测试样本y可由扩展字典WD’稀疏表示为:
式中:z为稀疏系数向量,ε为允许误差;
S25:计算扩展字典中各故障类别对测试样本的逼近残差:
式中:ri(y)表示测试样本相对高压电缆故障类型i的逼近残差,δi表示稀疏系数向量z在第i类别故障的系数不为0,其它类别对应的系数为0的函数。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种高压电缆故障诊断的方法,其特征在于,包括以下步骤:
S1:运用主成分分析法,获取高压电缆样本故障类别特征信息,构建故障类型特征字典,根据高压电缆原始样本字典和故障类型特征字典共同构建扩展字典;
S2:基于扩展字典,利用稀疏表示方法计算各类样本对测试样本的逼近残差;
S3:判断故障类型;若测试样本与某一故障类型样本的逼近残差最小,则诊断出电缆故障类型为该类样本对应的故障类型。
2.根据权利要求1所述的一种高压电缆故障诊断的方法,其特征在于,步骤S1中所述的运用主成分分析法构建故障类型特征字典包括如下步骤:
S11:获得包含高压电缆故障类型的训练样本
m为故障特征量维数,ni为故障类型i的样本数;
S12:运用主成分分析法提取高压电缆故障类型i的特征向量
式中:m为特征指标数量,li为故障类型i的主元个数;
S13:将故障类型特征字典P与原始样本字典D进行联合构成扩展字典
D'=[D1,…,Dc,P1,…,Pc]∈Rm×(n+L)
式中:n=n1+n2+…+nC,L=l1+l2+…+lC。
3.根据权利要求2所述的一种高压电缆故障诊断的方法,其特征在于,步骤S2中所述的利用稀疏表示方法计算各类样本对测试样本的逼近残差包括如下步骤:
S21:利用扩展字典中样本任意两个列向量之间xi和xj的平均欧氏距离:
式中M=n+L是扩展字典的列数;
S22:计算测试样本y与扩展字典中列向量xi之间的高斯核距离:
di(xi,y)=exp(-||xi-y||2/2σ2);
S23:计算扩展字典各列向量的权重系数为
则加权扩展字典可表示为
S24:测试样本y可由扩展字典WD’稀疏表示为:
式中:z为稀疏系数向量,ε为允许误差;
S25:计算扩展字典中各故障类别对测试样本的逼近残差:
式中:ri(y)表示测试样本相对高压电缆故障类型i的逼近残差,δi表示稀疏系数向量z在第i类别故障的系数不为0,其它类别对应的系数为0的函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810386822.6A CN108828402A (zh) | 2018-04-26 | 2018-04-26 | 一种高压电缆故障诊断的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810386822.6A CN108828402A (zh) | 2018-04-26 | 2018-04-26 | 一种高压电缆故障诊断的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108828402A true CN108828402A (zh) | 2018-11-16 |
Family
ID=64155681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810386822.6A Pending CN108828402A (zh) | 2018-04-26 | 2018-04-26 | 一种高压电缆故障诊断的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828402A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613372A (zh) * | 2018-12-26 | 2019-04-12 | 国网陕西省电力公司电力科学研究院 | 一种基于多元电网数据库的电网故障诊断方法 |
CN110530638A (zh) * | 2019-07-31 | 2019-12-03 | 西安交通大学 | 基于数字孪生的航空发动机主轴承损伤检测与诊断方法 |
CN110631827A (zh) * | 2019-08-27 | 2019-12-31 | 安徽大学 | 一种基于改进协同表示分类的齿轮箱故障诊断方法 |
CN112098850A (zh) * | 2020-09-21 | 2020-12-18 | 山东工商学院 | 基于sdo算法的锂离子电池电压故障诊断方法及系统 |
CN115128402A (zh) * | 2022-07-22 | 2022-09-30 | 国网山东省电力公司郯城县供电公司 | 一种基于数据驱动的配电网故障类型识别方法及系统 |
CN115356596A (zh) * | 2022-10-19 | 2022-11-18 | 广东电网有限责任公司佛山供电局 | 基于空间向量转换的架空线路故障诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915436A (zh) * | 2012-10-25 | 2013-02-06 | 北京邮电大学 | 基于类内变化字典和训练图像的稀疏表示人脸识别方法 |
CN104809463A (zh) * | 2015-05-13 | 2015-07-29 | 大连理工大学 | 一种基于密集尺度不变特征转换字典学习的高精度火灾火焰检测方法 |
CN106503612A (zh) * | 2016-09-12 | 2017-03-15 | 国网浙江省电力公司舟山供电公司 | 基于压缩感知理论的直流电缆局部放电信号模式识别方法及系统 |
CN107111311A (zh) * | 2014-09-10 | 2017-08-29 | 西门子能源公司 | 利用稀疏编码方法的燃气涡轮机传感器故障检测 |
-
2018
- 2018-04-26 CN CN201810386822.6A patent/CN108828402A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915436A (zh) * | 2012-10-25 | 2013-02-06 | 北京邮电大学 | 基于类内变化字典和训练图像的稀疏表示人脸识别方法 |
CN107111311A (zh) * | 2014-09-10 | 2017-08-29 | 西门子能源公司 | 利用稀疏编码方法的燃气涡轮机传感器故障检测 |
CN104809463A (zh) * | 2015-05-13 | 2015-07-29 | 大连理工大学 | 一种基于密集尺度不变特征转换字典学习的高精度火灾火焰检测方法 |
CN106503612A (zh) * | 2016-09-12 | 2017-03-15 | 国网浙江省电力公司舟山供电公司 | 基于压缩感知理论的直流电缆局部放电信号模式识别方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613372A (zh) * | 2018-12-26 | 2019-04-12 | 国网陕西省电力公司电力科学研究院 | 一种基于多元电网数据库的电网故障诊断方法 |
CN109613372B (zh) * | 2018-12-26 | 2021-11-19 | 国网陕西省电力公司电力科学研究院 | 一种基于多元电网数据库的电网故障诊断方法 |
CN110530638A (zh) * | 2019-07-31 | 2019-12-03 | 西安交通大学 | 基于数字孪生的航空发动机主轴承损伤检测与诊断方法 |
CN110530638B (zh) * | 2019-07-31 | 2020-10-27 | 西安交通大学 | 基于数字孪生的航空发动机主轴承损伤检测与诊断方法 |
CN110631827A (zh) * | 2019-08-27 | 2019-12-31 | 安徽大学 | 一种基于改进协同表示分类的齿轮箱故障诊断方法 |
CN110631827B (zh) * | 2019-08-27 | 2021-08-10 | 安徽大学 | 一种基于改进协同表示分类的齿轮箱故障诊断方法 |
CN112098850A (zh) * | 2020-09-21 | 2020-12-18 | 山东工商学院 | 基于sdo算法的锂离子电池电压故障诊断方法及系统 |
CN112098850B (zh) * | 2020-09-21 | 2024-03-08 | 山东工商学院 | 基于sdo算法的锂离子电池电压故障诊断方法及系统 |
CN115128402A (zh) * | 2022-07-22 | 2022-09-30 | 国网山东省电力公司郯城县供电公司 | 一种基于数据驱动的配电网故障类型识别方法及系统 |
CN115356596A (zh) * | 2022-10-19 | 2022-11-18 | 广东电网有限责任公司佛山供电局 | 基于空间向量转换的架空线路故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828402A (zh) | 一种高压电缆故障诊断的方法 | |
CN106199305B (zh) | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 | |
CN105512962B (zh) | 一种气体绝缘组合电器绝缘状态综合评估方法 | |
CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
CN109102171A (zh) | 一种基于大数据的变电站设备状态智能化评价系统及方法 | |
CN110095744A (zh) | 一种电子式互感器误差预测方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN108957385B (zh) | 一种电能计量设备自动化检定线异常表位确认方法及装置 | |
CN108680811A (zh) | 一种变压器故障状态评估方法 | |
CN102495318A (zh) | 一种电容型设备故障诊断方法 | |
CN112149569B (zh) | 变压器基于模糊c均值聚类算法的声纹故障诊断方法 | |
CN110133444A (zh) | 一种基于正序电压变化量的故障定位方法、装置及系统 | |
CN108304567A (zh) | 高压变压器工况模式识别与数据分类方法及系统 | |
CN109828168A (zh) | 基于核密度估计的变换器故障诊断方法 | |
CN108876788A (zh) | 基于多尺度重构误差融合的绝缘子显著性检测方法 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN110532629A (zh) | 一种多模态退化过程的剩余寿命预测方法 | |
CN103412230B (zh) | 一种高压容性设备绝缘故障检测方法 | |
CN104181205A (zh) | 复合材料损伤识别方法及系统 | |
CN108875796A (zh) | 基于线性判别分析和支持向量机的光伏阵列故障诊断方法 | |
CN108710036A (zh) | 一种基于智能变电站状态估计的采样环节状态评估方法 | |
CN107330264A (zh) | 一种桥梁监测数据可靠性的验证方法 | |
Ghaedi et al. | Modified WLS three-phase state estimation formulation for fault analysis considering measurement and parameter errors | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |