CN109061390B - 一种区域行波故障定位方法及系统 - Google Patents
一种区域行波故障定位方法及系统 Download PDFInfo
- Publication number
- CN109061390B CN109061390B CN201811040702.7A CN201811040702A CN109061390B CN 109061390 B CN109061390 B CN 109061390B CN 201811040702 A CN201811040702 A CN 201811040702A CN 109061390 B CN109061390 B CN 109061390B
- Authority
- CN
- China
- Prior art keywords
- traveling wave
- wave signal
- imf
- determining
- mean
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 119
- 230000008569 process Effects 0.000 claims description 74
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明提供了一种区域行波故障定位方法及系统,方法包括:采用积分中值定理确定行波信号的极值点,并确定行波信号的均值曲线;对所述行波信号进行分解,确定行波信号的本征模函数imf分量;确定imf分量的模极大值并定位发生行波故障的时刻。本发明采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行样条拟合求得均值曲线,有效抑制了现有经验模态分解方法中因过冲和欠冲效应导致行波信号波头标定误差大的问题,能够对区域行波故障进行准确定位;另采用EMMD方法分解行波信号的行波故障定位,避免了传统双端测距在一端失效的情况下不能给出故障测距结果的问题,大大提高了行波测距装置的可靠性和准确性。
Description
技术领域
本发明属于电力自动化技术领域,具体涉及一种区域行波故障定位方法及系统。
背景技术
目前,随着能源互联网的不断发展,电网各运营单位对行波测距装置的运行与管理越来越重视,为了方便管理,各地已经开始开展从传统的站间通信升级为省级互联,根据行波的传输特点,省级互联为实现网络化测距提供了良好的数据平台。行波测距装置联网不仅可以发现某个测距装置发生GPS、采样、通信等故障,还可以在一端数据异常时,利用相邻线路或相邻站行波数据进行二次有效测距,图2为区域行波故障定位示意图,故障行波在到达母线后会产生波的折反射,在图2中,故障行波在到达故障线路Line1两端的M和N变电站后继续向下一级的P、Q变电站进行传播,非故障线路Line2~Line5上均可以检测到该故障行波,利用该到达行波可以继续采用双端测距基本公式,得出故障点距离。因此,区域行波定位原理是建立在双端测距基础上,在故障线路的一侧或两侧的测距终端出现未启动、数据丢失以及GPS异常等故障时,可采用相邻线路上的各启动录波数据进行二次匹配双端测距,确定故障位置。
基于小波变换的行波测距技术已经成熟应用,现场应用的小波尺度一般为固定尺度,通过人工短路试验或经验波速等方法设定波速。当采用网络行波即非故障线路上的故障行波进行测距时,由于各相邻线路上的透射波高频分量经母线以及母线上各出线的衰减效应,幅值降低,波头会变的平缓,削弱高频分量,固定尺度有时不能自适应这种变化特征频带的行波信号,导致波头计算误差较大。
发明内容
针对现有技术中计算误差大的缺陷,本发明提出了一种能够实现准确定位的区域行波故障定位方法及系统。
为实现上述发明目的,本发明采取如下技术方案实现:
一种区域行波故障定位方法,包括如下步骤:
采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新确定行波信号的均值曲线;
根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
优选地,所述采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线,包括:
确定待分析行波信号的全部极值点,并按时间顺序进行排序;
采用积分中值定理确定排序后两两相邻极值点间的局部均值,将所述局部均值作为新的极值点;
对所述新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
对所述新的极值点处的局部均值进行拟合,得到均值曲线。
优选地,采用极值域均值模式分解法,根据行波信号x(t)及其对应的均值曲线对所述行波信号进行分解,确定行波信号的本征模函数imf分量,包括:
首次分解过程中,判断首次分解过程中的行波信号是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号与其对应均值曲线的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imf(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
优选地,所述采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线之前,还包括:
对行波信号添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+。
优选地,所述根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻,包括:
按下式分别对所有imf分量进行集总平均计算:
将集总平均计算结果中最大的imf分量的幅值作为模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻;
式中,imfi为集总平均值;i为对所述行波信号进行分解的次数;N为添加正负符号的白噪声次数的最大值;为添加正符号白噪声的imf分量;/>为添加负符号白噪声的imf分量。
基于同一发明构思,本发明还提出一种区域行波故障定位系统,该系统包括:
曲线拟合模块,用于采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
分解模块,用于根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新通过曲线拟合模块确定行波信号的均值曲线;
故障时刻定位模块,用于根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
优选地,所述曲线拟合模块包括:
第一确定子模块,用于确定待分析行波信号的全部极值点,并按时间顺序进行排序;
第二确定子模块,用于通过积分中值定理确定排序后两两相邻极值点间的局部均值,将所述局部均值作为新的极值点;
计算子模块,用于对所述新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
拟合子模块,用于对所述新的极值点处的局部均值进行拟合,得到均值曲线。
优选地,所述系统还包括:
白噪声添加模块,用于对行波信号x(t)添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+。
与最接近的现有技术比,本发明提供的技术方案具有以下有益效果:
本发明提供的技术方案中,由于采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行样条拟合求得均值曲线,有效抑制了现有经验模态分解方法中因过冲和欠冲效应导致行波信号波头标定误差大的问题,能够对区域行波故障进行准确定位;
本发明提供的技术方案中,采用极值域均值模式分解(EMMD)方法分解行波信号的行波故障定位,可以避免传统双端测距在一端失效的情况下,不能给出故障测距结果,大大提高了行波测距装置的可靠性和准确性,同时为现场装置的故障诊断提供了依据;
本发明提供的技术方案中,通过先加入正负符号互补噪声,再使用极值域均值模式分解(EMMD)方法分解行波信号的方式,可以有效抑制行波信号分解过程中的模态混叠,并降低了直接加入白噪声方式的计算量。
附图说明
图1为本发明实施例一的方法流程图;
图2为现有技术中网络行波传播示意图;
图3是本发明实施例二的方法流程示意图;
图4为本发明实施例二和实施例三中加入互补噪声的EMMD分解流程图;
图5为本发明实施例三中现场一实际故障线路的网络拓扑结构图;
图6为本发明实施例三中非故障线路燕海I线燕南站录波数据;
图7为本发明实施例三中燕海I线燕南站录波数据EMD和EMMD分解波形比较图;
图8为本发明实施例三中燕海I线燕南站录波数据的固定尺度小波变换分解波形。
具体实施方式
下面结合附图对本发明做进一步详细说明。为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
实施例1
本例中提出了一种区域行波故障定位方法,如图1所示,包括如下步骤:
步骤S11、采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
步骤S12、根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则通过步骤S11重新确定行波信号的均值曲线;
步骤S13、根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
步骤S11之前,还可以包括:
步骤S10、采集各变电站的故障行波数据,并按照下式进行相模转换得到各行波信号:
式中:i0、i1、i2为解耦后的电流模分量,由于零模分量i0要流经大地,信号色散及衰减较为严重,且波速不稳定。本例在测距中选用线模分量i1作为信号分析对象。
步骤S11可以采用如下步骤:
步骤S111、确定待分析行波信号的全部极值点,并按时间顺序进行排序;
时间顺序可以采用从先到后或者从后到先进行排序;
步骤S112、采用积分中值定理确定排序后两两相邻极值点间的局部均值,将局部均值作为新的极值点;
步骤S113、对新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
步骤S114、对新的极值点处的局部均值进行拟合,得到均值曲线;
步骤S112中,可以按下式的积分中值定理,求出极值点间的局部均值,并作为新的极值点序列e(ti),其中i=1,2,…,k:
步骤S113中,可以通过下述步骤得到极值点处的局部均值:
根据下式,计算两相邻极值点间所有的数据的局部均值mi,其中i=1,2,…,k。对应离散信号x(t),ti和ti+1间数据的均值由下式计算:
基于两极值点间的数据一般是均匀变化的,取tξ=(ti+ti+1)/2,同理ti+1、ti+2间的数据平均值mi+1由下式计算:
这样,mi就代表了第i个极值点和第i+1个极值点间数据的局部平均值,mi+1就代表了第i+1个极值点和第i+2个极值点间数据的局部平均值。对mi和mi+1加权平均求i+1处极值点的局部均值mt+i,即:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1 (5)
其中,ti代表第i个极值点。对局部均值mt+i用三次样条插值方法即可得数据的均值曲线m1(t)。
步骤S114中,对新的极值点处的局部均值进行拟合的方法可以采用三次样条插值法或其他本领域技术人员公知的样条拟合法。
步骤S12可以采用极值域均值模式分解法(EMMD)对行波信号进行分解,包括:
首次分解过程中,判断首次分解过程中的行波信号是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号与其对应均值曲线的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imf(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
例如,实际应用中可以采用EMMD对行波信号进行三次分解,由于行波故障定位主要依赖于行波信号中的高频分量,因此本例利用EMMD只分解出前三个imf分量,即imf1(t)、imf2(t)、imf3(t),具体分解步骤如下:
对所分析的行波信号x(t)按4节方法获取到其均值曲线m1(t);
(1)按下式确定首次分解的行波信号:
h1(t)=x(t)-m1(t)
(2)
式中,x(t)为初始行波信号,m1(t)为通过步骤S11确定的初始行波信号的均值曲线;
(2)判断h1(t)是否满足IMF约束条件;若满足,则将h1(t)作为首次分解的imf分量imf1(t);否则通过步骤S11确定h1(t)的均值曲线mh1(t),更新行波信号h1(t),即令h1(t)=h1(t)-mh1(t),并判断更新后的h1(t)是否满足IMF约束条件,直至满足IMF约束条件或者达到预设迭代次数,则将最终更新后的行波信号h1(t)记为首次分解的imf分量imf1(value,t);
考虑时效性,本例中可以对迭代次数进行约束,即迭代次数可以≤10;
(3)二次分解过程中,令r1(t)=x(t)-imf1(t),并将r1(t)作为二次分解的行波信号重复进行步骤(2)的过程,求出二次分解的imf分量imf2(value,t);依照步骤(3)求出三次分解的imf分量imf3(value,t)。
其中,IMF约束条件包括:
1)在整个数据中,极值点的数量与过零点的数量相同或相差一个;
2)在任一极值点,被该极值点的局部最大值和局部最小值定义的包络均值为零。
步骤S13可以采用如下步骤:
将所有imf分量的幅值中的最大值作为imf分量的模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻。
步骤S13之后,还包括通过发生行波故障的时刻进一步定位行波故障点,具体步骤如下:
对模极大值对应的时刻进行归一化处理,确定行波到达故障线路两端点的时间;
根据行波到达故障线路两端点的时间,通过双端法定位行波故障点。
本例中还可以采用以下方法进行区域行波故障定位:对所有故障录波文件分解出的imfmax分量时刻t进行归一化,即折算到故障线路的两端,然后利用双端计算公式,完成故障定位。其中双端测距计算方法,如附图2所示,假设故障点位于变电站M、N之间的Line1线路上,距离M侧变电站为L1,距离N侧变电站为L2,行波到达M、N的时间分别为t1、t2,得到双端计算公式为:或/>
基于同一发明构思,本实施例还提出了一种区域行波故障定位系统,具体可以包括:
曲线拟合模块,用于采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
分解模块,用于根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新通过曲线拟合模块确定行波信号的均值曲线;
故障时刻定位模块,用于根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
其中,曲线拟合模块可以包括:
第一确定子模块,用于确定待分析行波信号的全部极值点,并按时间顺序进行排序;
第二确定子模块,用于通过积分中值定理确定排序后两两相邻极值点间的局部均值,将所述局部均值作为新的极值点;
计算子模块,用于对所述新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
拟合子模块,用于对所述新的极值点处的局部均值进行拟合,得到均值曲线。
其中,计算子模块,具体可以用于:
按下式计算新的极值点间的均值:
其中,mi为极值点ti和ti+1间的均值;ti为第i个极值点;ti+1为第i+1个极值点,x(t)为行波信号;
按下式对所述新的极值点间的均值进行加权平均,得到极值点处的局部均值:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1
其中,m(ti+1)为极值点处的局部均值;ti+2为第i+2个极值点;h(ti)和h(ti+1)分别为mi和mi+1的权重。
其中,分解模块,具体可以用于:
首次分解过程中,判断首次分解过程中的行波信号是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号与其对应均值曲线的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imf(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
其中,所述IMF约束条件可以包括:
在整个数据中,极值点的数量与过零点的数量相同或相差一个;和
在任一极值点,被该极值点的局部最大值和局部最小值定义的包络均值为零。
其中,故障时刻定位模块,具体可以用于:
将所有imf分量的幅值中的最大值作为imf分量的模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻。
该系统,还可以包括故障点定位模块,具体可以用于:
对模极大值对应的时刻进行归一化处理,确定行波到达故障线路两端点的时间;
根据行波到达故障线路两端点的时间,通过双端法定位行波故障点。
本实施例中的方法和系统,有效抑制了现有经验模态分解方法中因过冲和欠冲效应导致行波信号波头标定误差大的问题,为网络行波故障测距提供了一种有效的行波波头精确标定方法,在故障线路一端或两端的数据异常或丢失时,依然可以实时计算出故障点的精确位置。
此外,本实施例中采用极值域均值模式分解方法,在理论上不受不定原理制约,在信号自适应上优于小波变换,适用于输电线路网络行波的分析。
实施例2
为进一步消除EMMD模式分解中的模态混叠,提出了一种互补集总经验模态分解方法(CEEMD)。本例中的方法与实施例1中各步骤基本相同,唯有不同之处在于:
在实施例步骤11之前先通过对各线模分量(即行波信号)x(t)分别添加正、负符号的白噪声,得到x(t)-和x(t)+;
最后将imf分量进行集总平均,使imf分量中的噪声抵消掉后再进行故障定位。
本例中提出的另一种区域行波故障定位方法如图3所示,可以包括如下步骤:
步骤S21、对行波信号添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+,L为添加正负符号白噪声的次数;
步骤S22、采用积分中值定理确定行波信号xL(t)-和xL(t)+的极值点,并对极值点处的局部均值进行拟合确定行波信号xL(t)-和xL(t)+的均值曲线;
步骤S23、根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则通过步骤S22重新确定行波信号的均值曲线;
步骤S24、根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
步骤S21之前,还可以包括:
步骤S20、采集各变电站的故障行波数据,并按照下式进行相模转换得到各行波信号:
式中:i0、i1、i2为解耦后的电流模分量,由于零模分量i0要流经大地,信号色散及衰减较为严重,且波速不稳定。本例在测距中选用线模分量i1作为信号分析对象。
步骤S22可以采用如下步骤:
步骤S221、确定待分析行波信号xL(t)-和xL(t)+的全部极值点,并按时间顺序进行排序;
时间顺序可以采用从先到后或者从后到先进行排序;
步骤S222、采用积分中值定理确定排序后两两相邻极值点间的局部均值,将局部均值作为新的极值点;
步骤S223、对新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
步骤S224、对新的极值点处的局部均值进行拟合,得到均值曲线m(t)-和m(t)+;
步骤S222中,可以按下式的积分中值定理,求出极值点间的局部均值,并作为新的极值点序列e(ti),其中i=1,2,…,k:
步骤S223中,可以通过下述步骤得到极值点处的局部均值:
根据下式,计算两相邻极值点间所有的数据的局部均值mi,其中i=1,2,…,k。对应离散信号x(t),ti和ti+1间数据的均值由下式计算:
基于两极值点间的数据一般是均匀变化的,取tξ=(ti+ti+1)/2,同理ti+1、ti+2间的数据平均值mi+1由下式计算:
这样,mi就代表了第i个极值点和第i+1个极值点间数据的局部平均值,mi+1就代表了第i+1个极值点和第i+2个极值点间数据的局部平均值。对mi和mi+1加权平均求i+1处极值点的局部均值mt+i,即:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1 (5)
其中,ti代表第i个极值点。对局部均值mt+i用三次样条插值方法即可得数据的均值曲线m1(t)-和m1(t)+。
步骤S224中,对新的极值点处的局部均值进行拟合的方法可以采用三次样条插值法或其他本领域技术人员公知的样条拟合法。
步骤S23可以采用极值域均值模式分解法(EMMD)对行波信号进行分解,如图4所示,包括:
首次分解过程中,判断首次分解过程中的行波信号x1(t)-和x1(t)+是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号x1(t)-和x1(t)+与其对应均值曲线m1(t)-和m1(t)+的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量imf1(t)-和imf1(t)+;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值imfi-1(t)-和imfi-1(t)+,i为分解总次数;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量imfi(t)-和imfi(t)+;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imfi(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
以分解三次为例进行具体说明:
根据均值曲线m1(t)-和m1(t)+,确定一次迭代的imf1分量h1(t)-和h1(t)+;
将所述h1(t)-和h1(t)+作为输入信号进行迭代运算,直到满足IMF的约束条件,将迭代运算的结果记为imf1(t)-和imf1(t)+;
将行波信号x(t)-和x(t)+与imf1(t)-和imf1(t)+的差值作为新的x(t)-和x(t)+,依次求出imf2(t)-、imf2(t)+和imf3(t)-、imf3(t)+;
其中,imf1(t)-、imf1(t)+、imf2(t)-、imf2(t)+、imf3(t)-和imf3(t)+为所述本征模函数imf分量;h1(t)-=x(t)--m1(t)-、h1(t)+=x(t)+-m1(t)+,h1(t)-和h1(t)+为一次迭代的imf1分量;x(t)-和x(t)+为初始行波信号;m1(t)-和m1(t)+为初始行波信号的均值曲线。
其中,IMF约束条件包括:
1)在整个数据中,极值点的数量与过零点的数量相同或相差一个;
2)在任一极值点,被该极值点的局部最大值和局部最小值定义的包络均值为零。
步骤S24可以采用如下步骤:
按下式分别对所有imf分量进行集总平均计算:
将集总平均计算结果中最大的imf分量的幅值作为模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻;
式中,imfi为集总平均值;i为对所述行波信号进行分解的次数;N为添加正负符号的白噪声次数的最大值;为添加正符号白噪声的imf分量;/>为添加负符号白噪声的imf分量。
步骤S24之后,还包括通过发生行波故障的时刻进一步定位行波故障点,具体步骤如下:
对模极大值对应的时刻进行归一化处理,确定行波到达故障线路两端点的时间;
根据行波到达故障线路两端点的时间,通过双端法定位行波故障点。
本例中还可以采用以下方法进行区域行波故障定位:对所有故障录波文件分解出的imfmax分量时刻t进行归一化,即折算到故障线路的两端,然后利用双端计算公式,完成故障定位。其中双端测距计算方法,如附图2所示,假设故障点位于变电站M、N之间的Line1线路上,距离M侧变电站为L1,距离N侧变电站为L2,行波到达M、N的时间分别为t1、t2,得到双端计算公式为:或/>
基于同一发明构思,本例中还提出了一种区域行波故障定位系统,包括:
白噪声添加模块,用于对行波信号x(t)添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+。
曲线拟合模块,用于采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
分解模块,用于根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新通过曲线拟合模块确定行波信号的均值曲线;
故障时刻定位模块,用于根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻。
其中,曲线拟合模块可以包括:
第一确定子模块,用于确定待分析行波信号xL(t)-和xL(t)+的全部极值点,并按时间顺序进行排序;
第二确定子模块,用于通过积分中值定理确定排序后两两相邻极值点间的局部均值,将局部均值作为新的极值点;
计算子模块,用于对新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
拟合子模块,用于对新的极值点处的局部均值进行拟合,得到均值曲线m(t)-和m(t)+。
其中,计算子模块,具体可以用于:
按下式计算新的极值点间的均值:
其中,mi为极值点ti和ti+1间的均值;ti为第i个极值点;ti+1为第i+1个极值点,x(t)为行波信号;
按下式对所述新的极值点间的均值进行加权平均,得到极值点处的局部均值:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1
其中,m(ti+1)为极值点处的局部均值;ti+2为第i+2个极值点;h(ti)和h(ti+1)分别为mi和mi+1的权重。
其中,分解模块,具体可以用于:
首次分解过程中,判断首次分解过程中的行波信号x1(t)-和x1(t)+是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号x1(t)-和x1(t)+与其对应均值曲线m1(t)-和m1(t)+的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量imf1(t)-和imf1(t)+;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值imfi-1(t)-和imfi-1(t)+,i为分解总次数;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量imfi(t)-和imfi(t)+;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imfi(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
其中,所述IMF约束条件可以包括:
在整个数据中,极值点的数量与过零点的数量相同或相差一个;和
在任一极值点,被该极值点的局部最大值和局部最小值定义的包络均值为零。
其中,故障时刻定位模块,具体可以用于:
按下式分别对所有imf分量进行集总平均计算:
将集总平均计算结果中最大的imf分量的幅值作为模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻;
式中,imfi为集总平均值;i为对所述行波信号进行分解的次数;N为添加正负符号的白噪声次数的最大值;为添加正符号白噪声的imf分量;/>为添加负符号白噪声的imf分量。
该系统,还可以包括故障点定位模块,具体可以用于:
对模极大值对应的时刻进行归一化处理,确定行波到达故障线路两端点的时间;
根据行波到达故障线路两端点的时间,通过双端法定位行波故障点。
本例中的方法和系统除了具有实施例1的效果以外,还可以有效抑制模态混叠,并在计算量上降低了集总平均次数,可以大大加快信号的处理速度。
实施例3
实施例4、图5为辽宁省燕建线发生的一次C相短路故障,故障点位于距离燕南站46.675km,在故障期间除燕建线正常启动录波外,其它相邻的多条非故障线路也均检测到行波并启动了录波,燕建线及相邻线路拓扑结构图如图4所示。以非故障线路中的燕海I线燕南站端故障行波录波波形(图6所示)作为实例1,其它相邻站或相邻非故障线路的处理方法与实例1相同,将实例1波形按照图3所示流程进行分解,具体如下:
步骤1,对行波信号x(t)添加20次正、负符号的白噪声,得到xL(t)-和xL(t)+,其中所添加的互补白噪声幅度为信号x(t)0.1的标准差,L为1~20;
步骤2,对xL(t)-和xL(t)+采用极值域均值分解(EMMD)方法分解,得到imfiL(t)+、imfiL(t)-,
步骤1中的x(t)可以是对图6中的三相电流波形进行相模转换,提取线模分量,记为x(t)。
i为1~3,并按式N=20进行集总平均计算,得到imfmax分量,本实例中,max=1,即imf1分量对应模极值最大的imf分量,其波形如图7所示。
图7为EMMD分解后的imf1分量波形图以及直接进行EMD分解的imf1波形图。图5中的波形采用的采样频率为625kHz,即1个采样点的误差会对应1.6μs的时间误差,若波速采用294m/μs,相当于对应470.4m距离误差。由图7可知,极值域均值模式分解(EMMD)的模极值点位置为采样点12821,幅值为25.25,EMD分解的模极值点位置为12824,幅值为16.55,图5中实际行波波头位置为12821,与极值域均值分解结果一致。而EMD分解的结果相差3个采样点,对应距离误差为1.4km。图8为对燕海I线燕南站录波数据进行固定尺度小波变换,变换后的模极值点与实际波头位置相差520个采样点,对应距离误差为244km,证明固定尺度的小波变换在处理网络行波故障测距时,容易产生错误的结果。
对图5中所有启动的录波文件,按照实例1的处理方法,分别计算出各录波文件中的波头时刻t(i),并折算到到达燕南站或建平站的时刻t'(i)。对燕南站和建平站两侧所有的t'(i)取其平均值,代入双端计算公式,最终确定故障点位置。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种区域行波故障定位方法,其特征在于,包括:
采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新确定行波信号的均值曲线;
根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻;
所述采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线,包括:
确定待分析行波信号的全部极值点,并按时间顺序进行排序;
采用积分中值定理确定排序后两两相邻极值点间的局部均值,将所述局部均值作为新的极值点;
对所述新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
对所述新的极值点处的局部均值进行拟合,得到均值曲线;
所述对所述新的极值点间的均值进行加权平均,得到极值点处的局部均值,包括:
按下式计算新的极值点间的均值:
其中,mi为极值点ti和ti+1间的均值;ti为第i个极值点;ti+1为第i+1个极值点,x(t)为行波信号;
按下式对所述新的极值点间的均值进行加权平均,得到极值点处的局部均值:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1
其中,m(ti+1)为极值点处的局部均值;ti+2为第i+2个极值点;h(ti)和h(ti+1)分别为mi和mi+1的权重。
2.如权利要求1所述的方法,其特征在于,采用极值域均值模式分解法,根据行波信号x(t)及其对应的均值曲线对所述行波信号进行分解,确定行波信号的本征模函数imf分量,包括:
首次分解过程中,判断首次分解过程中的行波信号是否满足IMF约束条件;所述首次分解过程中的行波信号为初始行波信号与其对应均值曲线的差值;
若满足IMF约束条件,则将所述首次分解过程中的行波信号作为首次分解的imf分量;否则,确定首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
非首次分解过程中,判断非首次分解过程中的行波信号是否满足IMF约束条件;所述非首次分解过程中的行波信号为初始行波信号与之前分解过程得到的所有imf分量的差值;
若满足IMF约束条件,则将所述非首次分解过程中的行波信号作为本次分解过程的imf分量;否则,确定非首次分解过程中行波信号的均值曲线,并将该行波信号与其对应均值曲线的差值作为新的行波信号,判断新的行波信号是否满足IMF约束条件,直至满足IMF约束条件为止;
当达到预设的分解次数后,得到所有imf分量imf(value,t),所述value为imf分量的幅值,t为幅值对应的时刻。
3.如权利要求2所述的方法,其特征在于,所述IMF约束条件包括:
在整个数据中,极值点的数量与过零点的数量相同或相差一个;和
在任一极值点,被该极值点的局部最大值和局部最小值定义的包络均值为零。
4.如权利要求1所述的方法,其特征在于,所述根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻,包括:
将所有imf分量的幅值中的最大值作为imf分量的模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻。
5.如权利要求1或4所述的方法,其特征在于,所述定位发生行波故障的时刻之后,还包括:
对模极大值对应的时刻进行归一化处理,确定行波到达故障线路两端点的时间;
根据行波到达故障线路两端点的时间,通过双端法定位行波故障点。
6.如权利要求1所述的方法,其特征在于,所述采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线之前,还包括:
对行波信号添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+。
7.如权利要求6所述的方法,其特征在于,所述根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻,包括:
按下式分别对所有imf分量进行集总平均计算:
将集总平均计算结果中最大的imf分量的幅值作为模极大值;
记录模极大值及其对应的时刻;
所述模极大值对应的时刻即为发生行波故障的时刻;
式中,imfi为集总平均值;i为对所述行波信号进行分解的次数;N为添加正负符号的白噪声次数的最大值;为添加正符号白噪声的imf分量;/>为添加负符号白噪声的imf分量。
8.一种区域行波故障定位系统,其特征在于,包括:
曲线拟合模块,用于采用积分中值定理确定行波信号的极值点,并对极值点处的局部均值进行拟合确定行波信号的均值曲线;
分解模块,用于根据行波信号的均值曲线对所述行波信号进行分解,直至满足约束条件,则确定行波信号的本征模函数imf分量;否则重新通过曲线拟合模块确定行波信号的均值曲线;
故障时刻定位模块,用于根据所述imf分量,确定imf分量的模极大值并定位发生行波故障的时刻;
所述曲线拟合模块包括:
第一确定子模块,用于确定待分析行波信号的全部极值点,并按时间顺序进行排序;
第二确定子模块,用于通过积分中值定理确定排序后两两相邻极值点间的局部均值,将所述局部均值作为新的极值点;
计算子模块,用于对所述新的极值点间的均值进行加权平均计算,得到新的极值点处的局部均值;
拟合子模块,用于对所述新的极值点处的局部均值进行拟合,得到均值曲线;
所述计算子模块,具体用于:
按下式计算新的极值点间的均值:
其中,mi为极值点ti和ti+1间的均值;ti为第i个极值点;ti+1为第i+1个极值点,x(t)为行波信号;
按下式对所述新的极值点间的均值进行加权平均,得到极值点处的局部均值:
m(ti+1)=h(ti)×mi+h(ti+1)×mi+1
其中,m(ti+1)为极值点处的局部均值;ti+2为第i+2个极值点;h(ti)和h(ti+1)分别为mi和mi+1的权重。
9.如权利要求8所述的系统,其特征在于,所述系统还包括:
白噪声添加模块,用于对行波信号x(t)添加正、负符号白噪声,得到添加正、负符号白噪声后的行波信号xL(t)-和xL(t)+。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811040702.7A CN109061390B (zh) | 2018-09-07 | 2018-09-07 | 一种区域行波故障定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811040702.7A CN109061390B (zh) | 2018-09-07 | 2018-09-07 | 一种区域行波故障定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061390A CN109061390A (zh) | 2018-12-21 |
CN109061390B true CN109061390B (zh) | 2023-12-15 |
Family
ID=64760704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811040702.7A Active CN109061390B (zh) | 2018-09-07 | 2018-09-07 | 一种区域行波故障定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061390B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110703012B (zh) * | 2019-09-26 | 2021-10-15 | 国电南瑞科技股份有限公司 | 一种输电线路分布式故障诊断方法 |
CN112083263B (zh) * | 2020-07-24 | 2023-05-26 | 国网河北省电力有限公司电力科学研究院 | 一种基于行波原理的多源数据融合的高压电缆线路故障在线定位装置及定位方法 |
CN112415328A (zh) * | 2020-10-26 | 2021-02-26 | 中国南方电网有限责任公司 | 基于三次b样条小波及插值算法的故障定位方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101291055A (zh) * | 2008-06-18 | 2008-10-22 | 昆明理工大学 | 一种输电线路故障行波初始波头到达时刻精确标定方法 |
CN104597376A (zh) * | 2015-01-07 | 2015-05-06 | 西安理工大学 | 一种考虑实测波速的高压直流输电线路故障测距方法 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN105116281A (zh) * | 2015-06-30 | 2015-12-02 | 昆明理工大学 | 一种基于模式识别的两段线缆混合直流输电线路故障区段识别方法 |
CN107167702A (zh) * | 2017-05-04 | 2017-09-15 | 国网福建省电力有限公司 | 一种配电网馈线故障类型识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150081235A1 (en) * | 2013-09-16 | 2015-03-19 | Schweitzer Engineering Laboratories, Inc. | Fault location using traveling waves by calculating traveling wave arrival time |
-
2018
- 2018-09-07 CN CN201811040702.7A patent/CN109061390B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101291055A (zh) * | 2008-06-18 | 2008-10-22 | 昆明理工大学 | 一种输电线路故障行波初始波头到达时刻精确标定方法 |
CN104597376A (zh) * | 2015-01-07 | 2015-05-06 | 西安理工大学 | 一种考虑实测波速的高压直流输电线路故障测距方法 |
CN104848885A (zh) * | 2015-06-04 | 2015-08-19 | 北京金控自动化技术有限公司 | 一种对设备未来故障时间点进行预测的方法 |
CN105116281A (zh) * | 2015-06-30 | 2015-12-02 | 昆明理工大学 | 一种基于模式识别的两段线缆混合直流输电线路故障区段识别方法 |
CN107167702A (zh) * | 2017-05-04 | 2017-09-15 | 国网福建省电力有限公司 | 一种配电网馈线故障类型识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
Fault location in VSC-HVDC section for grid integrated offshore wind farm by EMD;Rehana Perveen 等;《2016 18th Mediterranean Electrotechnical Conference》;第1-5页 * |
几种局域波分解方法的比较研究;盖强 等;《系统工程与电子技术》;第24卷(第2期);第57-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109061390A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061390B (zh) | 一种区域行波故障定位方法及系统 | |
CN110927521A (zh) | 一种单端行波故障定位方法及装置 | |
JP7133442B2 (ja) | 落雷電流波形推定方法および落雷電流波形推定装置 | |
CN111157852A (zh) | 一种基于小波和脉冲衰减的电力电缆故障定位系统及方法 | |
CN116090526A (zh) | 一种基于内嵌物理信息神经网络的结构振动噪声反演方法 | |
CN114079503A (zh) | 一种ceemdan-小波阈值去噪方法、装置、设备及光时域反射仪 | |
CN110161375B (zh) | 一种基于分布电阻参数的高压直流输电线路计算模型 | |
CN113884818B (zh) | 一种基于lstm的配电网故障行波到达时间精确估算方法 | |
JP2012237650A (ja) | 単独観測点処理における震央距離推定方法 | |
CN110244121B (zh) | 一种基于电能质量统计数据的谐波责任估算方法 | |
CN116559584A (zh) | 一种自适应电压暂降波形分解方法及系统 | |
CN102468807A (zh) | 一种机械故障信号消噪方法 | |
CN103390117B (zh) | 一种电力负荷动特性的特征提取方法 | |
CN115313329A (zh) | 一种用于快速行波保护的频带范围选取方法及相关装置 | |
CN116559579A (zh) | 基于改进的VMD和Teager能量算子故障定位方法 | |
CN110470956A (zh) | 一种电力设备局部放电超声定位方法 | |
CN113847923A (zh) | 预估到达时间的计算方法、装置、电子设备和可读存储介质 | |
Akdag et al. | Transmission line fault location: Simulation of real faults using wavelet transform based travelling wave methods | |
CN117872039B (zh) | 一种基于改进rbf网络的线路故障测距方法及系统 | |
CN114285007B (zh) | 一种纵联保护方法、系统、存储介质及计算设备 | |
CN115423221B (zh) | 一种设施运行趋势预测方法 | |
CN113343560B (zh) | 一种直流支撑电容的电容值预测方法及装置 | |
CN113392813B (zh) | 精确识别振动信号主频的方法及系统 | |
CN116718868A (zh) | 一种基于护层电流信号频域能量谱的电缆缺陷定位方法 | |
Bensaid et al. | A comprehensive overview of the ADALINE method applied to rapid voltage sags detection in multi-motors drive systems |
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 |