CN109709441A - 一种小电流接地选线方法及装置 - Google Patents

一种小电流接地选线方法及装置 Download PDF

Info

Publication number
CN109709441A
CN109709441A CN201811333353.8A CN201811333353A CN109709441A CN 109709441 A CN109709441 A CN 109709441A CN 201811333353 A CN201811333353 A CN 201811333353A CN 109709441 A CN109709441 A CN 109709441A
Authority
CN
China
Prior art keywords
current
route
fault
nth
wave
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
Application number
CN201811333353.8A
Other languages
English (en)
Other versions
CN109709441B (zh
Inventor
黄利军
李献伟
周宁
冯光
张彦龙
张敬安
谢卫华
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.)
State Grid Corp of China SGCC
Xuji Group Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Xuji Group Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
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 State Grid Corp of China SGCC, Xuji Group Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201811333353.8A priority Critical patent/CN109709441B/zh
Publication of CN109709441A publication Critical patent/CN109709441A/zh
Application granted granted Critical
Publication of CN109709441B publication Critical patent/CN109709441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

本发明涉及一种小电流接地选线方法及装置,包括:当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值;经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失;若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压电流峰值,对采集到的数据进行预处理得到每条线路对应的故障指数,将每条线路对应的故障指数输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路。本发明可以准确地将每条线路进行故障与非故障归类,明显提高了选线准确率,有效解决了传统依靠单一的选线方法可靠性和准确率不高的问题。

Description

一种小电流接地选线方法及装置
技术领域
本发明涉及一种小电流接地选线方法及装置,属于电力系统配电网技术领域。
背景技术
在我国,小电流接地主要应用于6~66kv中低压配电网中,主要包括中性点不接地、中性点经消弧线圈接地和中性点经高电阻接地。小电流接地选线困难,一方面是由于该接地方式本身固有特点,主要表现在:故障信号微弱、产生电弧使信号不稳定、容易产生弧光接地过电压和谐振过电压、无法检测高阻故障;另一方面是由于相关硬件跟不上,主要表现在:电流互感器精度不够、选线装置整定值不合理维护不到位等。
目前,现有的选线方法有零序电流幅值法、零序有功功率法、零序无功功率法、五次谐波法、首半波法、小波分析法、行波法等。由于各个单一选线方式具有其自身的优缺点和局限性,要达到一定选线准确率对测量仪器精度要求也比较高。但是由于大多测量设备精度不高,很难做到高准确率选线,且出现故障容易造成供电中断的情况。因此,小电流接地选线一直是国内外一个技术难题。
发明内容
本发明的目的是提供一种小电流接地选线方法及装置,用于解决小电流接地选线准确率较低的问题。
为解决上述技术问题,本发明提供了一种小电流接地选线方法,步骤如下:
当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值;
经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失;
若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压电流峰值,对采集到的数据进行预处理得到每条线路对应的故障指数,将每条线路对应的故障指数输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路;
其中,逻辑回归模型的构建过程包括:
针对m条线路,采集N组发生故障时的有功电流、五次谐波电流以及暂态首半波内的电压峰值和电流峰值,m≥2,N≥2;
对采集到的N组数据进行预处理,得到N组中每条线路对应的故障指数,并根据故障指数组成训练集Xtrain
将每组中正常线路的状态表示为0,故障电路的状态表示为1,组成训练集Ytrain
根据训练集Xtrain和Ytrain,对逻辑回归模型进行训练,得到训练好的逻辑回归模型。
本发明还提供了一种小电流接地选线装置,包括处理器和存储器,所述处理器用于处理所述存储器中的指令以实现如下方法:
当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值;
经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失;
若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压电流峰值,对采集到的数据进行预处理得到每条线路对应的故障指数,将每条线路对应的故障指数输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路;
其中,逻辑回归模型的构建过程包括:
针对m条线路,采集N组发生故障时的有功电流、五次谐波电流以及暂态首半波内的电压峰值和电流峰值,m≥2,N≥2;
对采集到的N组数据进行预处理,得到N组中每条线路对应的故障指数,并根据故障指数组成训练集Xtrain
将每组中正常线路的状态表示为0,故障电路的状态表示为1,组成训练集Ytrain
根据训练集Xtrain和Ytrain,对逻辑回归模型进行训练,得到训练好的逻辑回归模型。
本发明的有益效果是:通过结合零序有功分量法、五次谐波法和首半波法的优点,对逻辑回归模型进行训练,得到训练好的逻辑回归模型,当需要对故障选线时,通过将采集到的各线路的零序电流、五次谐波电流和暂态首半波电压电流峰值输入到训练好的逻辑回归模型中,可以准确地将每条线路进行故障与非故障归类,明显提高了选线准确率,有效解决了传统依靠单一的选线方法可靠性和准确率不高的问题。
作为方法和装置的进一步改进,为了提高选线的准确性,对采集到的数据进行预处理得到每条线路对应的故障指数的步骤包括:
设采集的各条线路的有功电流数据中绝对值最大的为H,则第n条线路的零序电流有功分量法故障指数akn=Ikn/H,其中,Ikn为第n条线路的有功电流;
设采集的各条线路的五次谐波电流数据中绝对值最大的为G,则第n条线路的五次谐波法故障指数bjn=Ijn/G,其中,Ijn为第n条线路的五次谐波电流;
设采集的各条线路的暂态首半波内电压峰值与电流峰值的比值数据中绝对值最大的设为HG,则第n条线路故障指数chn=(Uhn/Ihn)/HG,其中,Uhn为第n条线路的暂态首半波内的电压峰值,Ihn为第n条线路的暂态首半波内的电流峰值。
作为方法和装置的进一步改进,为了实现对故障电流中的无功分量进行全补偿,将调容式消弧线圈连接到中性点接地的消弧线圈的二次侧对故障电流中的无功分量进行全补偿。
作为方法和装置的进一步改进,为了实现对故障电流中的有功分量进行全补偿,采用有源电力电子装置对故障电流中的有功分量进行全补偿。
作为方法和装置的进一步改进,为了便于查看补偿电流的大小,还包括对补偿电流的大小进行仪表显示。
附图说明
图1是本发明逻辑回归模型构建方法的流程图;
图2是本发明小电流接地选线方法的流程图;
图3是本发明小电流接地选线方法对测试集的测试结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例对本发明进行进一步详细说明。
小电流接地选线方法实施例:
本实施例提供了一种逻辑回归模型构建方法,该构建方法根据零序电流有功分量法、五次谐波法和首半波法构造逻辑回归模型(logistic回归模型),采用融合选线技术对接地故障进行选线,其对应的流程图如图1所示,具体构建步骤如下:
1)针对m条线路,采集N组发生故障时的有功电流Ikn,五次谐波电流Ijn以及暂态首半波内的电压峰值Uhn和电流峰值Ihn,其中,n=1,2,3…m,m≥2,N≥2。
2)对采集到的数据进行预处理,得到N组每条线路对应的三个故障指数。
例如,可以采用Python编写程序对采集到的数据进行预处理,预处理过程包括:
同一组采集的m条线路的有功电流即零序电流数据,绝对值最大的设为H,则第n条线路的故障指数akn=Ikn/H,其中Ikn与H符号相反时比值为负;
同一组采集的m条线路的五次谐波电流数据,绝对值最大的设为G,则第n条线路的故障指数bjn=Ijn/G,其中Ijn与G符号相反时比值为负;
同一组采集的m条线路的暂态首半波内电压峰值与电流峰值的比值数据,绝对值最大的设为HG,则第n条线路故障指数chn=(Uhn/Ihn)/HG,其中Uhn与Ihn符号相反时比值为负。
3)根据N组m条线路的三个故障指数,组成训练集Xtrain;将正常线路的状态表示为0,故障线路的状态表示为1,组成训练集Ytrain
其中,Xtrain=[[ak1 bj1 ch1][ak2 bj2 ch2]…[akm bjm chm]],Ytrain=[y1 y2 … ym],[akn bjn chn]表示某一组中的第n条线路的三个故障指数组成的数组,yn表示某一组中的第n条线路的状态,yn=0或1,n=1,2,3…m。
4)根据训练集Xtrain和Ytrain,选择log函数作为损失函数,使用梯度下降法求得使损失函数最小的参数θ,对逻辑回归模型进行训练,最终得到训练好的逻辑回归模型。
逻辑回归也可以称为对数几率回归,可以用在分类问题上。具体的,对逻辑回归模型进行训练的步骤如下:
对于一个二分类问题,输出为y∈{0,1},线性回归模型产生的预测值的数学表达式为:
z=θ0*a+θ1*b+θ2*c=θTX
其中,z表示线性回归模型产生的预测值,[a b c]表示某一组中的某一条线路的三个故障指数组成的数组,X=[a b c]T,θ0、θ1和θ2分别表示故障指数a、b和c对应的参数,θT=[θ0 θ 1θ2]。
逻辑回归方程(sigmoid函数)的数学表达式为:
将线性回归的结果映射到了sigmoid函数中,设定hθ(X)<0.5时当前数据属于非故障类,即有线路状态y=0;hθ(X)>0.5时当前数据属于故障类,即有线路状态y=1。
使用极大似然估计的方法求解损失函数,则概率函数的数学表达式为:
P(y|X;θ)=(hθ(X))y*(1-hθ(X))1-y
由于样本数据独立,所以它们的联合分布可以表示为各边际分布的乘积,即有:
对联合分布函数L(θ)的等式两边取对数,则对数似然函数为:
采用梯度下降法求得使l(θ)取最大值时的θ,令:
此时损失函数J(θ)=-l(θ)取得最小值,实现了对逻辑回归模型的训练。
在上述构建的逻辑回归模型的基础上,本实施例还提供了一种小电流接地选线方法,该选线方法主要应用于中性点经消弧线圈接地的配网系统,其控制流程图如图2所示。在线路发生永久故障时,通过采集每条线路的零序电流、五次谐波电流和暂态首半波电压电流,并输入到根据零序电流有功分量法、五次谐波法和首半波法构造的逻辑回归模型中,进而选择出故障线路。其中,该小电流接地选线方法具体包括以下内容:
(1)初始化阶段:调节配网系统中性点接地的消弧线圈,使线路在正常运行状态下处于过补偿状态。
(2)故障电流全补偿阶段:当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值。
其中,可以采用现有技术中的有功补充设备和无功补充设备来对故障电流进行全补偿。例如,在本实施例中,将调容式消弧线圈连接到中性点接地的消弧线圈的二次侧来辅助精细补偿无功电流分量,通过有源电力电子装置来补偿故障电流中的有功分量。为了便于观察,具体补偿电流的大小可以通过仪表进行显示。通过对故障电流进行全补偿,使故障电流降到几乎为零,有效避免了电弧产生损坏设备。同时,可以有效解决瞬时性故障,短暂维持正常供电,避免供电中断,提高了供电可靠性。这里的故障电流设定阈值用于表征故障电流接近为零,可根据具体情况来设置其数值大小。
(3)接地故障选线阶段:经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失。
其中,设定时间为故障处理的时间,可根据实际情况设置该设定时间的长短,例如,可以将设定时间设置为2s。经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿。
(4)若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压和电流峰值,进行预处理后输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路。
如果故障消失,说明该故障为暂时性故障,则返回初始化阶段。若故障依然存在,说明该故障为永久性故障,即非瞬时故障,此时则采集各条线路的零序电流、五次谐波电流和暂态首半波电压和电流峰值,并使用Python编写程序对这些数据进行预处理后输入到训练好的逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路。为了便于了解故障线路,将选线结果通过仪表进行显示。
另外,为了提高选线结果的准确性,在故障线路经核实后,将此次判断出结果的各线路数据作为训练数据,充实逻辑回归模型训练集,重新训练逻辑回归模型,形成闭环反馈,不断学习,提高选线准确率。
在本实施例中,逻辑回归模型经过50000条训练集训练后,测试10000次数据选线结果的准确率,并用受试者工作特性ROC曲线衡量逻辑回归模型拟合程度,得到的选线准确率为99%,测试结果如图3所示。通过ROC曲线,可以看出逻辑回归模型综合性能良好。
上述小电流接地选线方法通过对故障电流进行全补偿,瞬时故障可以立即消除,永久故障则采用融合选线技术进行选线以隔离故障区段,保证不间断供电,融合选线技术结合零序有功分量法、五次谐波法和首半波法的优点,通过逻辑回归模型训练,可以准确地将每条线路进行故障与非故障归类,明显提高了选线准确率,有效解决了传统依靠单一的选线方法可靠性和准确率不高的问题。
小电流接地选线装置实施例:
本实施例提供了一种小电流接地选线装置,包括处理器和存储器,该处理器用于处理存储在存储器中的指令,以实现上述的小电流接地选线方法。其中,该指令可以在PC机、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上运行。
该小电流接地选线方法已经在上述的小电流接地选线方法实施例中进行了详细介绍,对于本领域内的技术人员,可以根据该小电流接地选线方法生成对应的计算机程序指令,进而得到小电流接地选线装置,此处不再赘述。
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,以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解,本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在本发明的权利要求保护范围之内。

Claims (10)

1.一种小电流接地选线方法,其特征在于,步骤如下:
当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值;
经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失;
若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压电流峰值,对采集到的数据进行预处理得到每条线路对应的故障指数,将每条线路对应的故障指数输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路;
其中,逻辑回归模型的构建过程包括:
针对m条线路,采集N组发生故障时的有功电流、五次谐波电流以及暂态首半波内的电压峰值和电流峰值,m≥2,N≥2;
对采集到的N组数据进行预处理,得到N组中每条线路对应的故障指数,并根据故障指数组成训练集Xtrain
将每组中正常线路的状态表示为0,故障电路的状态表示为1,组成训练集Ytrain
根据训练集Xtrain和Ytrain,对逻辑回归模型进行训练,得到训练好的逻辑回归模型。
2.根据权利要求1所述的小电流接地选线方法,其特征在于,对采集到的数据进行预处理得到每条线路对应的故障指数的步骤包括:
设采集的各条线路的有功电流数据中绝对值最大的为H,则第n条线路的零序电流有功分量法故障指数akn=Ikn/H,其中,Ikn为第n条线路的有功电流;
设采集的各条线路的五次谐波电流数据中绝对值最大的为G,则第n条线路的五次谐波法故障指数bjn=Ijn/G,其中,Ijn为第n条线路的五次谐波电流;
设采集的各条线路的暂态首半波内电压峰值与电流峰值的比值数据中绝对值最大的设为HG,则第n条线路故障指数chn=(Uhn/Ihn)/HG,其中,Uhn为第n条线路的暂态首半波内的电压峰值,Ihn为第n条线路的暂态首半波内的电流峰值。
3.根据权利要求1或2所述的小电流接地选线方法,其特征在于,将调容式消弧线圈连接到中性点接地的消弧线圈的二次侧对故障电流中的无功分量进行全补偿。
4.根据权利要求1或2所述的小电流接地选线方法,其特征在于,采用有源电力电子装置对故障电流中的有功分量进行全补偿。
5.根据权利要求1或2所述的小电流接地选线方法,其特征在于,还包括对补偿电流的大小进行仪表显示。
6.一种小电流接地选线装置,其特征在于,包括处理器和存储器,所述处理器用于处理所述存储器中的指令以实现如下方法:
当检测到线路发生接地故障时,对故障电流中的有功分量和无功分量进行补偿,使故障电流降低至故障电流设定阈值;
经过设定时间后,停止对故障电流中的有功分量和无功分量进行补偿,并判断接地故障是否消失;
若接地故障没有消失,则采集各条线路的零序电流、五次谐波电流和暂态首半波电压电流峰值,对采集到的数据进行预处理得到每条线路对应的故障指数,将每条线路对应的故障指数输入到逻辑回归模型中对故障线路进行判断,从而得到故障线路和非故障线路;
其中,逻辑回归模型的构建过程包括:
针对m条线路,采集N组发生故障时的有功电流、五次谐波电流以及暂态首半波内的电压峰值和电流峰值,m≥2,N≥2;
对采集到的N组数据进行预处理,得到N组中每条线路对应的故障指数,并根据故障指数组成训练集Xtrain
将每组中正常线路的状态表示为0,故障电路的状态表示为1,组成训练集Ytrain
根据训练集Xtrain和Ytrain,对逻辑回归模型进行训练,得到训练好的逻辑回归模型。
7.根据权利要求6所述的小电流接地选线装置,其特征在于,对采集到的数据进行预处理得到每条线路对应的故障指数的步骤包括:
设采集的各条线路的有功电流数据中绝对值最大的为H,则第n条线路的零序电流有功分量法故障指数akn=Ikn/H,其中,Ikn为第n条线路的有功电流;
设采集的各条线路的五次谐波电流数据中绝对值最大的为G,则第n条线路的五次谐波法故障指数bjn=Ijn/G,其中,Ijn为第n条线路的五次谐波电流;
设采集的各条线路的暂态首半波内电压峰值与电流峰值的比值数据中绝对值最大的设为HG,则第n条线路故障指数chn=(Uhn/Ihn)/HG,其中,Uhn为第n条线路的暂态首半波内的电压峰值,Ihn为第n条线路的暂态首半波内的电流峰值。
8.根据权利要求6或7所述的小电流接地选线装置,其特征在于,将调容式消弧线圈连接到中性点接地的消弧线圈的二次侧对故障电流中的无功分量进行全补偿。
9.根据权利要求6或7所述的小电流接地选线装置,其特征在于,采用有源电力电子装置对故障电流中的有功分量进行全补偿。
10.根据权利要求6或7所述的小电流接地选线装置,其特征在于,还包括对补偿电流的大小进行仪表显示。
CN201811333353.8A 2018-11-09 2018-11-09 一种小电流接地选线方法及装置 Active CN109709441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811333353.8A CN109709441B (zh) 2018-11-09 2018-11-09 一种小电流接地选线方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811333353.8A CN109709441B (zh) 2018-11-09 2018-11-09 一种小电流接地选线方法及装置

Publications (2)

Publication Number Publication Date
CN109709441A true CN109709441A (zh) 2019-05-03
CN109709441B CN109709441B (zh) 2020-12-11

Family

ID=66254205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811333353.8A Active CN109709441B (zh) 2018-11-09 2018-11-09 一种小电流接地选线方法及装置

Country Status (1)

Country Link
CN (1) CN109709441B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537831A (zh) * 2020-04-01 2020-08-14 华中科技大学鄂州工业技术研究院 一种配电网线路故障定位方法及装置
CN111796166A (zh) * 2020-08-27 2020-10-20 广东电网有限责任公司电力调度控制中心 一种配电网单相高阻接地故障选线方法、系统以及设备
CN113092934A (zh) * 2021-03-23 2021-07-09 武汉大学 基于聚类和lstm的单相接地故障判定方法及系统
CN113625121A (zh) * 2021-08-19 2021-11-09 广东电网有限责任公司 一种小电流接地故障定位方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140084877A1 (en) * 2011-06-10 2014-03-27 Jean-Philippe Hasler Compensation System For Medium Or High Voltage Applications
CN105425109A (zh) * 2015-11-27 2016-03-23 天津大学 一种能够提高准确率的小电流接地系统单相接地选线方法
CN107144762A (zh) * 2017-04-20 2017-09-08 广西电网有限责任公司电力科学研究院 一种基于小电流接地选线装置的配电网接地故障定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140084877A1 (en) * 2011-06-10 2014-03-27 Jean-Philippe Hasler Compensation System For Medium Or High Voltage Applications
CN105425109A (zh) * 2015-11-27 2016-03-23 天津大学 一种能够提高准确率的小电流接地系统单相接地选线方法
CN107144762A (zh) * 2017-04-20 2017-09-08 广西电网有限责任公司电力科学研究院 一种基于小电流接地选线装置的配电网接地故障定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏浩辉 等: "基于Logistic回归模型的超高压输电线路雷击跳闸识别", 《广东电力》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537831A (zh) * 2020-04-01 2020-08-14 华中科技大学鄂州工业技术研究院 一种配电网线路故障定位方法及装置
CN111537831B (zh) * 2020-04-01 2022-06-24 华中科技大学鄂州工业技术研究院 一种配电网线路故障定位方法及装置
CN111796166A (zh) * 2020-08-27 2020-10-20 广东电网有限责任公司电力调度控制中心 一种配电网单相高阻接地故障选线方法、系统以及设备
CN111796166B (zh) * 2020-08-27 2022-02-15 广东电网有限责任公司电力调度控制中心 一种配电网单相高阻接地故障选线方法、系统以及设备
CN113092934A (zh) * 2021-03-23 2021-07-09 武汉大学 基于聚类和lstm的单相接地故障判定方法及系统
CN113092934B (zh) * 2021-03-23 2022-05-13 武汉大学 基于聚类和lstm的单相接地故障判定方法及系统
CN113625121A (zh) * 2021-08-19 2021-11-09 广东电网有限责任公司 一种小电流接地故障定位方法及相关装置

Also Published As

Publication number Publication date
CN109709441B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN109709441A (zh) 一种小电流接地选线方法及装置
CN100386637C (zh) 小接地电流电网单相接地故障选线方法及其选线系统
CN101719663B (zh) 基于零序电流有功分量的接地选线方法、装置及应用系统
CN103728538B (zh) 一种小电流接地系统的接地故障选线方法
CN110441641A (zh) 一种基于零序直流分量的小电流接地选线方法和系统
CN103293446A (zh) 基于消弧线圈的小电流接地故障选线方法
CN103701303B (zh) 具有可测性功能的开关电源及测试方法
CN111537830A (zh) 一种基于云边架构和小波神经网络的配电网故障诊断方法
CN106646130B (zh) 一种基于电流极性比较的主动配电网故障定位方法及系统
CN106468752B (zh) 集成故障定位的固态断路器rcd缓冲电路及故障定位方法
CN107086664B (zh) 一种变电站出口压板状态监测装置及方法
CN203276027U (zh) 电力供应安稳装置的数字动态闭环测试系统
CN104635123B (zh) 对电动汽车的高压线束的绝缘性能进行测量的装置和方法
CN105067962A (zh) 一种小电流接地选线装置
CN106980069A (zh) 基于暂态电流投影系数差值比较的高阻接地故障定位方法
CN111103484A (zh) 一种基于混合功率反馈扰动的孤岛检测方法、装置和系统
CN2729740Y (zh) 一种新型配电网接地故障检测装置
CN109031044A (zh) 一种调度端变电站小电流单相接地自动选线方法
CN107294049A (zh) 一种电路短路电流快速预测及保护方法及系统
CN108896852A (zh) 一种公共接入点短路容量在线测量方法及系统
CN107831378A (zh) 一种检验消弧线圈补偿效果的装置及方法
CN104931848B (zh) 一种基于广域测量信息的电力系统线路故障判别方法
CN109839570A (zh) 一种多端交直流混合配电网直流高阻故障检测方法和装置
CN109507530A (zh) 电压暂降故障源追溯方法、系统及存储介质
Brosinsky et al. HVAC/HVDC Control Center-Test and Demonstrator System

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