CN109375051A - 基于频谱密度衰减的雷电暂态信号识别方法及系统 - Google Patents
基于频谱密度衰减的雷电暂态信号识别方法及系统 Download PDFInfo
- Publication number
- CN109375051A CN109375051A CN201810996900.4A CN201810996900A CN109375051A CN 109375051 A CN109375051 A CN 109375051A CN 201810996900 A CN201810996900 A CN 201810996900A CN 109375051 A CN109375051 A CN 109375051A
- Authority
- CN
- China
- Prior art keywords
- signal
- transient
- wavelet
- lightning
- spectral density
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种基于频谱密度衰减的雷电暂态信号识别方法及系统。现有的雷电暂态信号识别方案仍存在行波波头识别困难、采样率要求高、整定缺乏理论依据等问题。本发明提取直流输电系统暂态信号并进行小波变换,计算小波奇异熵,对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;根据录波数据能量分布系数进行判定,识别普通短路故障信号和雷击故障信号。本发明能很好地进行雷电暂态信号的识别,受故障距离、过渡电阻等因素的影响小。
Description
技术领域
本发明属于电力系统故障识别技术领域,涉及一种基于频谱密度衰减的雷电暂态信号识别方法及系统。
背景技术
特高压直流输电工程通常是远距离输电,输电线路长,要跨越恶劣的地理环境,因此输电线路遭受雷击和发生故障的概率很高。统计表明,UHVDC输电工程中直流输电线路发生故障的概率最高,但是直流线路保护的正确动作率却只有50%;同时,现有线路保护装置误动作的很大一部分原因是遭受雷电干扰等的影响。直流线路故障后采用故障重启功能可恢复线路的正常运行,不必闭锁直流系统。因此,研究并提高UHVDC输电线路保护的性能,及时发现输电线路故障并对雷电等暂态信号进行可靠识别,可以减少直流输电系统不必要闭锁的次数。我国在UHVDC输电线路保护方面仍有很大的研究空间。提高特高压直流输电线路的保护性能,并对雷电等暂态信号进行可靠识别,对于保证电力系统的安全、稳定运行,提升特高压直流输电线路保护的技术水平具有重大意义。
特高压直流输电线路遭受雷击时,雷电流通常是负极性的,以行波的形式从雷击点向线路两端传播,引起的暂态信号中含有大量高频分量。对于行波保护和暂态保护而言,保护装置很可能捕捉到雷电行波,从而造成保护误动。因此,必须能够正确对故障性雷击、雷击干扰和普通短路故障等暂态信号进行可靠识别。国内外学者对特高压直流输电线路上雷电暂态信号的识别进行了大量的研究,虽然在一定程度上克服了现有雷电暂态信号识别方案存在的缺陷,但是仍存在行波波头识别困难、采样率要求高、整定缺乏理论依据等问题。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种基于频谱密度衰减的雷电暂态信号识别方法,以很好地进行雷电暂态信号的识别,减小故障距离、过渡电阻等因素的影响。
为此,本发明采用如下的技术方案:基于频谱密度衰减的雷电暂态信号识别方法,其包括:
提取直流输电系统暂态信号并进行小波变换,计算小波奇异熵,对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;根据录波数据能量分布系数进行判定,识别普通短路故障信号和雷击故障信号;
所述的提取直流输电系统暂态信号:利用保护安装处测得的正、负两极电压数据进行Karenbauer相模变换进行电磁解耦,取线模电压与正极轴线电压差的标幺值进行暂态分析;
所述的计算小波奇异熵及对频谱密度之比进行判定:基于小波变换求取暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和,利用其比值刻画暂态信号在突变时刻前、后频谱密度的衰减程度;
所述根据录波数据能量分布系数进行判定:基于多尺度小波变换,对所选取的暂态电压划分时间段,分别求得不同时间段内不同尺度的小波能量,建立反映暂态信号时频能量分布特征的小波能谱矩阵;定义暂态信号小波变换后高、低频段的能量分布系数,作为暂态信号能谱衰减特征的特征量,构造判据。
本发明首先对雷电的故障机理进行了分析,利用小波分解,结合奇异熵与信息熵对信号进行刻画。在对不同类型的故障信号进行频谱密度分析,提出故障信号与雷电干扰信号识别方案,在能谱衰减特征分析的基础上,提出了将雷电故障信号和普通短路故障信号的识别方法。仿真验证表明,本发明能很好地进行雷电暂态信号的识别,受故障距离、过渡电阻等因素的影响小。
本发明采用小波奇异熵刻画暂态信号的频谱密度,结合不同故障类型下暂态信号在突变时刻前、后两个数据窗内频谱密度衰减程度的差异,可构成保护判据,实现特高压直流输电线路上绕击未故障、反击未故障和故障信号的识别。频谱密度的刻画采用暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和。利用前后数据窗内的频谱密度之比作为判据,经大量仿真与考虑裕度后,设定整定值。本发明可以有效的识别故障信号、绕击干扰信号和反击干扰信号。
考虑暂态信号小波变换后高、低频段的能谱衰减特征可对雷电故障信号和普通短路故障信号进行可靠地识别。定义暂态信号小波变换后高、低频段的能量分布系数。雷电故障信号的高低频能量均较高,能量分布系数较小;普通短路故障时的高频分量较小,低频分量较大,能量分布系数较大。经大量仿真与考虑裕度后,设定整定值,可有效区分普通短路故障信号和雷电故障信号。
作为上述技术方案的补充,所述的提取直流输电系统暂态信号中,进行电磁解耦的公式如下:
取线模电压与正极轴线电压差的标幺值进行暂态分析,即:
式中:u+(t)为正极电压;u-(t)为负极电压;U+为正极轴线电压;um0为解耦后的零模电压;um1为解耦后的线模电压;S-1为Karenbauer相模变换矩阵。
作为上述技术方案的补充,设置采样频率为20kHz,选用db4小波,移动窗参数α=50,步长δ=1进行小波奇异熵的计算:
取
式中:和分别为检测到暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和,按上式计算的k值表明暂态信号在突变时刻前、后两个数据窗内频谱密度的衰减程度,作为故障判据的特征量。
作为上述技术方案的补充,暂态信号识别判据设定为如下式所示:
k>kset1,k<kset2,
式中,kset1、kset2均为设定值;当满足k>kset1时,识别为绕击干扰信号;满足k<kset2时,识别为反击干扰信号;否则,识别为故障信号。
作为上述技术方案的补充,kset1为5.5,kset2为2.5。
作为上述技术方案的补充,对选取的暂态电压u(t)进行小波变换分析,在时域上将信号划分成i个时间段,第j尺度上第i个时间段内的小波能量表示如下式:
式中:i1、iN分别为第i个时间段起始与结束序列点;dj(k)为第j尺度小波变换系数;为第j尺度上第i个时间段上的小波能量。
建立反映暂态信号时频能量分布特征的小波能谱矩阵E,如下式所示:
作为上述技术方案的补充,选取5ms内的暂态电压u(t)进行6尺度小波变换,在时域上划分成5个时间段,即每1ms为一个时间段。
作为上述技术方案的补充,定义暂态信号小波变换后高、低频段的能量分布系数如下式所示:
式中:E1、E2、E5、E6分别为第1、2、5、6尺度的小波变换能量;γ为高、低频段的能量分布系数。
作为上述技术方案的补充,以γ值作为暂态信号能谱衰减特征的特征量,构造判据如下式:
γ>γset,
式中,γset为暂态信号能谱衰减特征的设定量;当满足上述判据时,识别为普通短路故障信号;否则,识别为雷电故障信号。
本发明的另一技术方案是提供一种基于频谱密度衰减的雷电暂态信号识别系统,其包括:
数据采集及处理模块:提取行波到达后的各级采集数据,进行电压分量相模变换和标幺化;
小波奇异熵计算模块:对暂态信号进行小波变换并计算小波奇异熵;
暂态信号识别模块:对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;
故障信号判定模块:对录波数据能量分布系数进行判定,识别普通短路故障信号和雷电故障信号。
本发明具有的有益效果是:本发明能很好地进行雷电暂态信号的识别,受故障距离、过渡电阻等因素的影响小,适用于特高压直流输电系统。
附图说明
图1为本发明实施例中±800kV特高压直流输电系统仿真模型示意图;
图2为本发明实施例中绕击故障时两极电压波形图(图2a为正极,图2b为负极);
图3为本发明实施例1中绕击故障时的频谱密度图;
图4为本发明实施例1中短路故障时两极电压波形图(图4a为正极,图4b为负极);
图5为本发明实施例1中短路故障时的频谱密度图;
图6为本发明实施例1中绕击未故障时两极电压波形图(图6a为正极,图6b为负极);
图7为本发明实施例1中绕击未故障时的频谱密度图;
图8为本发明实施例1中反击未故障时两极电压波形图(图8a为正极,图8b为负极);
图9为本发明实施例1中反击未故障时的频谱密度图;
图10为本发明实施例1中雷电绕击故障、雷电反击故障、普通短路接地故障的暂态电压信号能谱图;
图11为本发明本发明实施例中雷电暂态信号识别方法的原理框图。
图1中,ACF为交流滤波器,DCF为直流滤波器,f1为正极线路区内故障,f2为负极线路区内故障,f3为线路极极故障,f4为正极整流站电抗器外侧故障,f5为负极逆变站电抗器外侧故障。
具体实施方式
下面结合说明书附图和实施例进一步说明本发明。
实施例1
本实施例提出一种基于频谱密度衰减的雷电暂态信号识别方法,其流程图如图11所示。
通过保护安装处采集到的行波到达后的正、负两极电压数据,再通过光纤通信设备将信号汇集。采用Karenbauer相模变换进行电磁解耦,消除正、负两极电压数据的影响。取线模电压与正极轴线电压差的标幺值进行暂态分析,得到频谱密度与小波变换后的能量分布系数,进而识别雷击干扰、雷击故障和普通短路故障。
本发明提供的基于频谱密度衰减的雷电暂态信号识别方法的基本原理为:
1、雷电故障暂态特性分析
以如图1所示±800kV特高压直流输电系统仿真模型为例,介绍雷电机理分析。具体实施方案中,主要利用保护安装处测得的正、负两极电压数据进行Karenbauer相模变换进行电磁解耦。
取线模电压与正极轴线电压差的标幺值进行暂态分析,即:
式中:u+(t)为正极电压;u-(t)为负极电压;U+为正极轴线电压,取为800kV;um0为解耦后的零模电压;um1为解耦后的线模电压;S-1为Karenbauer相模变换矩阵。
2、频谱密度特征分析
直流输电线路发生雷击故障时,绝缘子闪络,形成故障电流入地通道,保护安装处的故障极电压出现电压幅值骤降。以绕击故障为例进行分析,绕击故障时正、负极电压波形如图2。雷击造成故障时的暂态信号在突变时刻前、后两个数据窗内频谱密度的衰减较大。
设置采样频率为20kHz,选用db4小波,移动窗参数α=50,步长δ=1进行小波奇异熵值的计算,取
式中:和分别为检测到暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和。按式(2)计算的k值可以表明暂态信号在突变时刻前、后两个数据窗内频谱密度的衰减程度,作为本发明故障判据的特征量。
发生绕击干扰时,暂态频谱密度突变至1附近,而后由于不存在故障电流对地通道,频谱密度衰减很慢,维持在1左右一段时间,因此后数据窗内的频谱密度值较高,故绕击干扰信号按式(2)计算的k值较大。而反击干扰时根据式(1)计算出的暂态电压u(t)高频分量被抵消,频谱密度不会突变,因此,后数据窗内的频谱密度值也较低,故反击干扰信号按式(2)计算的k值较低。
则雷电暂态信号识别判据可设定为如下式(3)和式(4)示。
k>kset1, (3)
k<kset2, (4)
当满足判据(3)时,识别为绕击干扰信号;满足判据(4)时,识别为反击干扰信号;否则,识别为故障信号。根据以上分析并结合大量仿真结果,考虑一定的裕度后,可整定kset1为5.5,kset2为2.5。
3、信号能谱衰减特征分析
考虑到不同暂态信号在各频段内能量的分布不同,雷击故障时高低、频分量均较多,而普通短路故障时高频分量含量较少,低频分量含量较多。因此,采用多尺度小波变换,可以全面地揭示暂态信号的能谱衰减特征,对雷电故障信号和普通接地短路故障信号进行可靠区分。
考虑暂态信号在时域上的波动性,对所选取的暂态电压u(t)划分时间段,分别求得不同时间段内不同尺度的小波能量。对选取的暂态电压u(t)进行小波变换分析,在时域上将信号划分成i个时间段,因此第j尺度上第i个时间段内的小波能量可表示如下式(5)示。
式中:i1、iN分别为第i个时间段起始与结束序列点;
dj(k)为第j尺度小波变换系数;
为第j尺度上第i个时间段上的小波能量。
因此,可以建立反映暂态信号时频能量分布特征的小波能谱矩阵E,如下式(6)示。
本发明选取5ms内的暂态电压u(t)进行6尺度小波变换,在时域上划分成5个时间段,即每1ms为一个时间段。建立雷电绕击故障信号、雷电反击故障信号和普通接地短路故障信号的小波能谱矩阵E,作出的能谱图如图10。
定义暂态信号小波变换后高、低频段的能量分布系数如下式(7)示。
式中:E1、E2、E5、E6分别为第1、2、5、6尺度的小波变换能量;
γ为高、低频段的能量分布系数。
根据以上分析,雷电故障信号的高低频能量均较高,因此按式(7)计算的γ值较小;而普通短路故障时的高频分量E1和E2较小,低频分量E5和E6较大,因此计算的γ值将比较大。因此以γ值作为暂态信号能谱衰减特征的特征量,可构造判据如下式(8)示:
γ>γset, (8)
当满足判据(8)时,识别为普通短路故障信号;否则,识别为雷电故障信号。对多种故障情况下的暂态信号进行仿真分析,本发明取γset为40。
实施例2
本实施例提供一种基于频谱密度衰减的雷电暂态信号识别系统,包括:
数据采集及处理模块:提取行波到达后的各级采集数据,进行电压分量相模变换和标幺化;
小波奇异熵计算模块:对暂态信号进行小波变换并计算小波奇异熵;
暂态信号识别模块:对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;
故障信号判定模块:对录波数据能量分布系数进行判定,识别普通短路故障信号和雷电故障信号。
应用例
为验证本发明所述雷电暂态信号识别方案的有效性和适用性,以图1所建立的仿真模型为基础,在PSCAD/EMTDC中对雷电故障和雷电干扰情况进行了仿真分析,仿真设置采样频率为20kHz,验证结果如下表所示。
表1绕击故障仿真结果
表2反击故障仿真结果
表3短路故障仿真结果
表4绕击未故障仿真结果
表5反击未故障仿真结果
结果表明在不同的故障距离、雷电流幅值和过渡电阻的情况下,本发明所述暂态信号识别方案均能将雷电故障信号、雷电未故障信号和普通接地短路故障信号进行准确识别。
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 (10)
1.基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,包括:
提取直流输电系统暂态信号并进行小波变换,计算小波奇异熵,对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;根据录波数据能量分布系数进行判定,识别普通短路故障信号和雷击故障信号;
所述的提取直流输电系统暂态信号:利用保护安装处测得的正、负两极电压数据进行Karenbauer相模变换进行电磁解耦,取线模电压与正极轴线电压差的标幺值进行暂态分析;
所述的计算小波奇异熵及对频谱密度之比进行判定:基于小波变换求取暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和,利用其比值刻画暂态信号在突变时刻前、后频谱密度的衰减程度;
所述根据录波数据能量分布系数进行判定:基于多尺度小波变换,对所选取的暂态电压划分时间段,分别求得不同时间段内不同尺度的小波能量,建立反映暂态信号时频能量分布特征的小波能谱矩阵;定义暂态信号小波变换后高、低频段的能量分布系数,作为暂态信号能谱衰减特征的特征量,构造判据。
2.根据权利要求1所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,所述的提取直流输电系统暂态信号中,进行电磁解耦的公式如下:
取线模电压与正极轴线电压差的标幺值进行暂态分析,即:
式中:u+(t)为正极电压;u-(t)为负极电压;U+为正极轴线电压;um0为解耦后的零模电压;um1为解耦后的线模电压;S-1为Karenbauer相模变换矩阵。
3.根据权利要求1或2所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,设置采样频率为20kHz,选用db4小波,移动窗参数α=50,步长δ=1进行小波奇异熵的计算:
取
式中:和分别为检测到暂态信号突变时刻前、后一个数据窗内的小波奇异熵之和,按上式计算的k值表明暂态信号在突变时刻前、后两个数据窗内频谱密度的衰减程度,作为故障判据的特征量。
4.根据权利要求3所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,暂态信号识别判据设定为如下式所示:
k>kset1,k<kset2,
式中,kset1、kset2均为设定值;当满足k>kset1时,识别为绕击干扰信号;满足k<kset2时,识别为反击干扰信号;否则,识别为故障信号。
5.根据权利要求4所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,kset1为5.5,kset2为2.5。
6.根据权利要求4所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,对选取的暂态电压u(t)进行小波变换分析,在时域上将信号划分成i个时间段,第j尺度上第i个时间段内的小波能量表示如下式:
式中:i1、iN分别为第i个时间段起始与结束序列点;dj(k)为第j尺度小波变换系数;为第j尺度上第i个时间段上的小波能量。
建立反映暂态信号时频能量分布特征的小波能谱矩阵E,如下式所示:
7.根据权利要求6所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,选取5ms内的暂态电压u(t)进行6尺度小波变换,在时域上划分成5个时间段,即每1ms为一个时间段。
8.根据权利要求7所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,定义暂态信号小波变换后高、低频段的能量分布系数如下式所示:
式中:E1、E2、E5、E6分别为第1、2、5、6尺度的小波变换能量;γ为高、低频段的能量分布系数。
9.根据权利要求8所述的基于频谱密度衰减的雷电暂态信号识别方法,其特征在于,以γ值作为暂态信号能谱衰减特征的特征量,构造判据如下式:
γ>γset,
式中,γset为暂态信号能谱衰减特征的设定量;当满足上述判据时,识别为普通短路故障信号;否则,识别为雷电故障信号。
10.基于频谱密度衰减的雷电暂态信号识别系统,其特征在于,包括:
数据采集及处理模块:提取行波到达后的各级采集数据,进行电压分量相模变换和标幺化;
小波奇异熵计算模块:对暂态信号进行小波变换并计算小波奇异熵;
暂态信号识别模块:对频谱密度之比进行判定,识别故障信号、绕击干扰信号和反击干扰信号;
故障信号判定模块:对录波数据能量分布系数进行判定,识别普通短路故障信号和雷电故障信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810996900.4A CN109375051B (zh) | 2018-08-29 | 2018-08-29 | 基于频谱密度衰减的雷电暂态信号识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810996900.4A CN109375051B (zh) | 2018-08-29 | 2018-08-29 | 基于频谱密度衰减的雷电暂态信号识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109375051A true CN109375051A (zh) | 2019-02-22 |
CN109375051B CN109375051B (zh) | 2021-03-12 |
Family
ID=65404961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810996900.4A Active CN109375051B (zh) | 2018-08-29 | 2018-08-29 | 基于频谱密度衰减的雷电暂态信号识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109375051B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413590A (zh) * | 2020-04-24 | 2020-07-14 | 国家电网有限公司 | 一种基于opgw的输电线路故障与非故障闪络信号辨识方法 |
CN111639554A (zh) * | 2020-05-15 | 2020-09-08 | 神华包神铁路集团有限责任公司 | 牵引供电系统雷击识别方法、装置和设备 |
CN111766477A (zh) * | 2020-08-04 | 2020-10-13 | 国网江苏省电力有限公司扬州供电分公司 | 直流无断路器配电网线路故障快速检测与识别方法及装置 |
CN111896837A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
CN111985412A (zh) * | 2020-08-21 | 2020-11-24 | 西安交通大学 | 一种高压直流输电线路雷击干扰识别方法 |
CN112881855A (zh) * | 2021-01-11 | 2021-06-01 | 许昌许继软件技术有限公司 | 基于广义s变换的高压直流输电线路雷击干扰识别方法 |
CN114152837A (zh) * | 2020-09-08 | 2022-03-08 | 南京南瑞继保电气有限公司 | 一种多尺度小波变换下的波头识别方法及装置 |
CN115422982A (zh) * | 2022-11-04 | 2022-12-02 | 国网天津市电力公司电力科学研究院 | 一种高频暂态信号提取方法、系统、存储介质及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5202812A (en) * | 1988-09-21 | 1993-04-13 | Ngk Insulators, Ltd. | Apparatus for detecting faults on power transmission lines |
CN103529332A (zh) * | 2013-10-28 | 2014-01-22 | 昆明理工大学 | 一种基于电压相关度和小波变换暂态能量分布特性的特高压直流输电线路雷击干扰识别方法 |
CN106405339A (zh) * | 2016-11-11 | 2017-02-15 | 中国南方电网有限责任公司 | 基于高低频小波特征关联的输电线路故障原因辨识方法 |
CN106443335A (zh) * | 2016-09-20 | 2017-02-22 | 广西电网有限责任公司钦州供电局 | 雷击故障识别方法及系统 |
CN107255743A (zh) * | 2017-05-03 | 2017-10-17 | 昆明理工大学 | 一种基于能谱相似度的特高压直流输电线路雷击故障识别方法 |
-
2018
- 2018-08-29 CN CN201810996900.4A patent/CN109375051B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5202812A (en) * | 1988-09-21 | 1993-04-13 | Ngk Insulators, Ltd. | Apparatus for detecting faults on power transmission lines |
CN103529332A (zh) * | 2013-10-28 | 2014-01-22 | 昆明理工大学 | 一种基于电压相关度和小波变换暂态能量分布特性的特高压直流输电线路雷击干扰识别方法 |
CN106443335A (zh) * | 2016-09-20 | 2017-02-22 | 广西电网有限责任公司钦州供电局 | 雷击故障识别方法及系统 |
CN106405339A (zh) * | 2016-11-11 | 2017-02-15 | 中国南方电网有限责任公司 | 基于高低频小波特征关联的输电线路故障原因辨识方法 |
CN107255743A (zh) * | 2017-05-03 | 2017-10-17 | 昆明理工大学 | 一种基于能谱相似度的特高压直流输电线路雷击故障识别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896837A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
CN111896837B (zh) * | 2019-05-05 | 2024-04-16 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
CN111413590A (zh) * | 2020-04-24 | 2020-07-14 | 国家电网有限公司 | 一种基于opgw的输电线路故障与非故障闪络信号辨识方法 |
CN111413590B (zh) * | 2020-04-24 | 2022-06-28 | 国家电网有限公司 | 一种基于opgw的输电线路故障与非故障闪络信号辨识方法 |
CN111639554A (zh) * | 2020-05-15 | 2020-09-08 | 神华包神铁路集团有限责任公司 | 牵引供电系统雷击识别方法、装置和设备 |
CN111766477B (zh) * | 2020-08-04 | 2022-06-28 | 国网江苏省电力有限公司扬州供电分公司 | 直流无断路器配电网线路故障快速检测与识别方法及装置 |
CN111766477A (zh) * | 2020-08-04 | 2020-10-13 | 国网江苏省电力有限公司扬州供电分公司 | 直流无断路器配电网线路故障快速检测与识别方法及装置 |
CN111985412B (zh) * | 2020-08-21 | 2022-08-05 | 西安交通大学 | 一种高压直流输电线路雷击干扰识别方法 |
CN111985412A (zh) * | 2020-08-21 | 2020-11-24 | 西安交通大学 | 一种高压直流输电线路雷击干扰识别方法 |
CN114152837A (zh) * | 2020-09-08 | 2022-03-08 | 南京南瑞继保电气有限公司 | 一种多尺度小波变换下的波头识别方法及装置 |
CN112881855A (zh) * | 2021-01-11 | 2021-06-01 | 许昌许继软件技术有限公司 | 基于广义s变换的高压直流输电线路雷击干扰识别方法 |
CN112881855B (zh) * | 2021-01-11 | 2024-02-06 | 许昌许继软件技术有限公司 | 基于广义s变换的高压直流输电线路雷击干扰识别方法 |
CN115422982A (zh) * | 2022-11-04 | 2022-12-02 | 国网天津市电力公司电力科学研究院 | 一种高频暂态信号提取方法、系统、存储介质及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109375051B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375051A (zh) | 基于频谱密度衰减的雷电暂态信号识别方法及系统 | |
CN109307824B (zh) | 一种基于聚类的配电网单相接地故障区段定位方法 | |
Suonan et al. | A novel fault-location method for HVDC transmission lines | |
CN108181547A (zh) | 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 | |
CN102135571B (zh) | 超高压/特高压多回路输电线路零序阻抗抗干扰测量方法 | |
CN103675602B (zh) | 一种输电线路雷击闪络与未闪络的判别方法 | |
CN100592441C (zh) | 特高压输电线路用电子式电流互感器及其电晕损失测量装置 | |
CN103323741B (zh) | 一种针对强故障的基于故障电压初始行波幅值比较的d型线缆混合线路故障区段判别的方法 | |
CN106093700B (zh) | 一种基于电压行波原理的故障录波装置及测距方法 | |
CN110247420B (zh) | 一种hvdc输电线路故障智能识别方法 | |
CN101915888B (zh) | ±800kV直流输电线路雷击干扰的可拓融合识别方法 | |
CN103941163A (zh) | 利用模糊k均值聚类的谐振接地系统故障选线方法 | |
CN108896869A (zh) | 一种基于s变换的高压直流输电线路雷击干扰识别方法 | |
CN104297635A (zh) | 基于原子稀疏分解与极限学习机的配电网故障选线方法 | |
CN105092997A (zh) | 一种特高压输电线路雷电绕击与反击的识别方法 | |
CN112881855B (zh) | 基于广义s变换的高压直流输电线路雷击干扰识别方法 | |
CN102623968A (zh) | 基于特征谐波的高压直流输电线路保护方法及其系统 | |
CN105606955B (zh) | 一种基于数值微分与经验模态分解的故障线路判别方法 | |
CN111157843B (zh) | 一种基于时频域行波信息的配电网选线方法 | |
CN202929117U (zh) | 输电线路正序阻抗参数测量装置 | |
CN103823158B (zh) | 采用不变矩的谐振接地系统故障选线方法 | |
CN110927539B (zh) | 一种单端暂态能量谱相似性的配电网故障区段定位方法 | |
CN115616330B (zh) | 一种基于波形相似度的输电线路多重雷识别方法及系统 | |
CN103558484A (zh) | 一种变电站电缆受雷击干扰检测装置及方法 | |
CN115952664A (zh) | 一种雷击接地故障条件下故障测距的录波数据预处理方法 |
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 |