CN109768769A - 一种光伏系统故障电弧识别方法及装置 - Google Patents
一种光伏系统故障电弧识别方法及装置 Download PDFInfo
- Publication number
- CN109768769A CN109768769A CN201910243974.5A CN201910243974A CN109768769A CN 109768769 A CN109768769 A CN 109768769A CN 201910243974 A CN201910243974 A CN 201910243974A CN 109768769 A CN109768769 A CN 109768769A
- Authority
- CN
- China
- Prior art keywords
- signal
- time window
- current
- current signal
- electric arc
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本申请公开了一种光伏系统故障电弧识别方法及装置。本申请提出的光伏系统故障电弧识别方法,通过对大量时间窗对连续的电流信号进行提取检测,适当延长电弧检测范围,能够对故障电弧和短暂出现的类弧状态进行有效区分,降低了故障电弧的误判率,提高了光伏系统运行的稳定性,解决了现有的故障电弧检测方法在光伏系统在启动,功率变化的过程中容易将短期的电流波动误判为故障电弧,导致断路器误动率高的技术问题。
Description
技术领域
本申请涉及电气检测领域,尤其涉及一种光伏系统故障电弧识别方法及装置。
背景技术
随着绿色能源的开发技术逐年成熟,光能作为一种清洁、可再生能源,在我国得到了广泛应用,然而直流故障电弧——在光伏发电系统中常见的安全隐患,由其产生的持续高温电离气体会引发故障电弧周围组件的燃烧,进一步引发火灾,造成光伏发电系统工作效率下降,带来人身和财产安全威胁。
现有的故障电弧检测方法包括有时域和频域检测法。然而,由于光伏系统在启动,功率变化的过程中,短周期内的电流变化和发生故障电弧时的特点类似,容易将短期的电流波动误判为故障电弧,导致断路器误动率高的技术问题。
发明内容
本申请提供了一种光伏系统故障电弧识别方法及装置,用于解决现有的故障电弧检测方法在光伏系统在启动,功率变化的过程中容易将短期的电流波动误判为故障电弧,导致断路器误动率高的技术问题。
有鉴于此,本申请第一方面提供了一种光伏系统故障电弧识别方法,包括:
S1:对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号;
S2:对所述第一电流信号进行预处理,得到第二电流信号,其中,所述预处理包括:高频信号滤除和直流分量滤除;
S3:根据预置的突变阈值与所述第二电流信号的比对结果,判断所述第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新所述第一电流信号,然后返回步骤S2;
S4:从当前的所述时间窗开始,构建连续时间窗,从所述电流采样信号中提取出所述连续时间窗内的电流信号,得到第三电流信号,其中,所述连续时间窗由90至110个所述时间窗构成;
S5:对所述第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
S6:根据各个所述特征频率分量,分别判断所述连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若所述存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
优选地,所述步骤S6具体包括:
S61:以各个所述特征频率分量作为判断的指标,对所述连续时间窗中各个所述时间窗内的电流信号进行比较并统计越限指标的数量,若所述越限指标的数量大于越限指标阈值,则判定当前的所述时间窗内存在故障电弧;
S62:判断所述连续时间窗内的时间窗是否全部完成比对,若是,则执行步骤S63,若否,则返回步骤S61;
S63:统计存在故障电弧的时间窗数量,若所述时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若所述时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
优选地,所述步骤S2具体包括:
S21:通过形态滤波方式对所述第一电流信号进行高频信号滤除,得到电流降噪信号;
S22:通过平均电流差分法,对所述电流降噪信号进行直流电流分量滤除,得到第二电流信号。
优选地,所述步骤S5具体包括:
S51:对所述第三电流信号进行PWV变换,得到所述第三电流信号对应的时频矩阵,再对所述时频矩阵进行时域积分,得到15个特征频率分量,其中,所述PWV变换具体为:
式中,ω表示归一化频率,x(t)表示所述第三电流信号中任意一个平方可积的采样点信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数。
优选地,所述步骤S1具体包括:
S11:根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号。
本申请第二方面提供了一种光伏系统故障电弧识别装置,包括:
信号采集单元,用于对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号;
信号预处理单元,用于对所述第一电流信号进行预处理,得到第二电流信号,其中,所述预处理包括:高频信号滤除和直流分量滤除;
突变点判定单元,用于根据预置的突变阈值与所述第二电流信号的比对结果,判断所述第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新所述第一电流信号,再触发信号预处理单元;
二次信号提取单元,用于从当前的所述时间窗开始,构建连续时间窗,从所述电流采样信号中提取出所述连续时间窗内的电流信号,得到第三电流信号,其中,所述连续时间窗由90至110个所述时间窗构成;
指标参数生成单元,用于对所述第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
结果输出单元,用于根据各个所述特征频率分量,分别判断所述连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若所述存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
优选地,所述结果输出单元具体包括:
时间窗单元电弧判定子单元,用于以各个所述特征频率分量作为判断的指标,对所述连续时间窗中各个所述时间窗内的电流信号进行比较并统计越限指标的数量,若所述越限指标的数量大于越限指标阈值,则判定当前的所述时间窗内存在故障电弧;
循环判定子单元,用于判断所述连续时间窗内的时间窗是否全部完成比对,若是,则执行结果输出子单元,若否,则返回时间窗单元电弧判定子单元;
结果输出子单元,用于统计存在故障电弧的时间窗数量,若所述时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若所述时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
优选地,所述信号预处理单元具体包括:
高频信号滤除子单元,用于通过形态滤波方式对所述第一电流信号进行高频信号滤除,得到电流降噪信号;
直流分量滤除子单元,用于通过平均电流差分法,对所述电流降噪信号进行直流电流分量滤除,得到第二电流信号。
优选地,所述指标参数生成单元具体用于:
对所述第三电流信号进行PWV变换,得到所述第三电流信号对应的时频矩阵,再对所述时频矩阵进行时域积分,得到15个特征频率分量,其中,所述PWV变换具体为:
式中,ω表示归一化频率,x(t)表示所述第三电流信号中任意一个平方可积的采样点信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数。
优选地,所述信号采集单元具体用于:
根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号。
从以上技术方案可以看出,本申请具有以下优点:
本申请第一方面提供了一种光伏系统故障电弧识别方法,包括:S1:对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号;S2:对所述第一电流信号进行预处理,得到第二电流信号,其中,所述预处理包括:高频信号滤除和直流分量滤除;S3:根据预置的突变阈值与所述第二电流信号的比对结果,判断所述第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新所述第一电流信号,然后返回步骤S2;S4:从当前的所述时间窗开始,构建连续时间窗,从所述电流采样信号中提取出所述连续时间窗内的电流信号,得到第三电流信号,其中,所述连续时间窗由90至110个所述时间窗构成;S5:对所述第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;S6:根据各个所述特征频率分量,分别判断所述连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若所述存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
本申请提出的光伏系统故障电弧识别方法,通过对大量时间窗对连续的电流信号进行提取检测,适当延长电弧检测范围,能够对故障电弧和短暂出现的类弧状态进行有效区分,降低了故障电弧的误判率,提高了光伏系统运行的稳定性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种光伏系统故障电弧识别方法的第一个实施例的流程示意图;
图2为本申请提供的一种光伏系统故障电弧识别方法的第二个实施例的流程示意图;
图3为本申请提供的一种光伏系统故障电弧识别装置的结构示意图;
图4为本申请的检测方法应用于光伏系统工作下的故障电弧电流信号;
图5为本申请的识别方法将故障电弧电流波形经过形态滤波和实时平均电流差分法滤除直流分量后的电流信号;
图6为本申请的识别方法所构造15个故障电弧指示器之一的例图;
图7为本申请的识别方法在故障电弧发生后的判断输出信号;
图8为本申请的识别方法应用于向系统移除电池板下所测的电流信号;
图9为本申请的识别方法应用于向系统移除电池板下的判断输出信号。
具体实施方式
本申请实施例提供了一种光伏系统故障电弧识别方法及装置,用于解决现有的故障电弧检测方法在光伏系统在启动,功率变化的过程中容易将短期的电流波动误判为故障电弧,导致断路器误动率高的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参阅图1,本申请第一方面提供了一种光伏系统故障电弧识别方法,包括:
步骤101:对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对电流采样信号进行截取,得到第一电流信号;
需要说明的是,在实施本申请提供的故障电弧识别方法时,首先,以设定的频率f对直流源输出的电流信号进行采样,获取到初始的电流采样信号,然后按照设定的时间窗Ts对电流进行截取,得到第一电流信号I1;
步骤102:对第一电流信号进行预处理,得到第二电流信号,其中,预处理包括:高频信号滤除和直流分量滤除;
需要说明的是,接着将所得的第一电流信号I1先后进行高频信号滤除预处理和直流分量滤除预处理,得到第二电流信号I2。
步骤103:根据预置的突变阈值与第二电流信号的比对结果,判断第二电流信号是否存在突变点,若是,则执行步骤104,若否,则按照预置的时间步长移动时间窗,并更新第一电流信号,然后返回步骤102;
需要说明的是,再接着按照设定的突变阈值Ith1对所得电流是否有突变点进行判断,若存在突变点则转至步骤104;否则,按照预置的时间步长移动时间窗,并将第一电流信号更新为时间窗移动后的窗内信号,然后返回步骤102。
步骤104:从当前的时间窗开始,构建连续时间窗,从电流采样信号中提取出连续时间窗内的电流信号,得到第三电流信号,其中,连续时间窗由90至110个时间窗构成;
需要说明的是,当匹配到第二电流信号中存在突变点后,对第二电流信号对应的突变时间窗为起始的连续时间窗内的电流信号进行提取,得到第三电流信号。
其中,连续时间窗包含有90至110个前述的时间窗。
步骤105:对第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
需要说明的是,对步骤104中得到的第三电流信号进行PWV变换(伪魏格纳-威利变换),并对镜PWV变换后所得的时频矩阵进行时域积分,得到15个故障电弧特征频率分量。
步骤106:根据各个特征频率分量,分别判断连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
需要说明的是,根据各个特征频率分量,分别判断连续时间窗中各个时间窗内的电流信号是否存在故障电弧。
具体的,本实施例在判断故障电弧是否存在时,通过将所得特征频率分量序列与对应的阈值矩阵进行比较,若13个以上的特征频率分量大于所设定的阈值,则判断当前时间窗内发生了故障电弧;否则判断当前时间窗处于正常态。
当对所有时间窗进行了故障电弧的判定后,则统计存在故障电弧状态的时间窗数量,若发生故障电弧的时间窗数量超过全部时间窗的半数,则触发故障电弧消除信号,控制相应脱扣器动作切断电路;否则不进行脱扣器动作。
本申请实施例通过一定数量的时间窗对连续的电流信号进行提取检测,适当延长电弧检测范围,能够对故障电弧和短暂出现的类弧状态进行有效区分,降低了故障电弧的误判率,提高了光伏系统运行的稳定性。
以上为本申请提供的光伏系统故障电弧识别方法的第一个实施例的详细说明,下面为本申请提供的光伏系统故障电弧识别方法的第二个实施例的详细说明。
请参阅图2,本实施例提供了一种光伏系统故障电弧识别方法,包括:
步骤201:根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对电流采样信号进行截取,得到第一电流信号。
需要说明的是,需要说明的是,在实施本申请提供的故障电弧识别方法时,首先,以设定的频率f=200kHz对直流源输出的电流信号进行采样,获取到初始的电流采样信号,然后按照设定的时间窗Ts=6.4ms对电流进行截取,得到第一电流信号I1。
其中,本实施例选择f=200kHz、Ts=6.4ms的频率和时间窗对电流信号进行采样,是综合考虑了既能精确反映故障电弧发生特征的时间长度,又满足快速检测故障电弧的时间要求的优选参数组合,仅用于参考,并非唯一值。
步骤202:通过形态滤波方式对第一电流信号进行高频信号滤除,得到电流降噪信号。
需要说明的是,在得到了第一电流信号I1后,接着对采集的第一电流信号I1原始信号进行形态滤波,消除故障电弧特征量提取过程中其他高频噪声信号带来的干扰,其一维离散情况下的多值形态变换,对抑制信号中的峰值(正脉冲)噪声、底谷(负脉冲)噪声以及白噪声,有很好的滤波效果。在进行腐蚀、膨胀、形态开、形态闭等运算后,获得滤除高频信号后的降噪电流,再通过实时平均电流差分法滤除所获电流的直流分量,得到第二电流信号I2。
具体地,本实施例的形态滤波方法为:
1)对电流信号I1腐蚀、膨胀运算:
式中符号和分别表示腐蚀和膨胀运算,f(n)和g(m)分别为定义在F={0,1,……,N-1}和G={0,1,……,M-1}上的离散函数,且N>>M,f(n)为输入序列,g(m)为结构元素;
2)基于腐蚀膨胀操作运算,完成对电流信号I1进行形态开和形态闭运算:
式中,°和·分别表示形态开和形态闭运算。
步骤203:通过平均电流差分法,对电流降噪信号进行直流电流分量滤除,得到第二电流信号。
需要说明的是,本实施的平均电流差分滤波方法为:
式中,N为时间窗Ts内的采样点数。
在求得每个时间窗Ts内的电流直流分量,即信号的平均值Imean后,将经过形态滤波后的电流减去直流分量后得到电流信号I2。
步骤204:根据预置的突变阈值与第二电流信号的比对结果,判断第二电流信号是否存在突变点,若是,则执行步骤205,若否,则按照预置的时间步长移动时间窗,并更新第一电流信号,然后返回步骤202。
需要说明的是,再接着,按照设定的突变阈值Ith1对所得电流是否有突变点进行判断,若存在突变点则转至步骤205;否则,按照预置的时间步长移动时间窗,并将第一电流信号更新为时间窗移动后的窗内信号,然后返回步骤202。
步骤205:从当前的时间窗开始,构建连续时间窗,从电流采样信号中提取出连续时间窗内的电流信号,得到第三电流信号。
需要说明的是,当匹配到第二电流信号I2中存在突变点后,对第二电流信号对应的突变时间窗为起始的连续时间窗内的电流信号进行提取,得到第三电流信号I3。
其中,连续时间窗可以由90至110个时间窗构成,而本实施例的优选数值为100个,对100个时间窗内的电流信号可以避免少数时间窗可能带来的误判。
步骤206:对第三电流信号I3进行PWV变换,得到第三电流信号对应的时频矩阵,再对时频矩阵进行时域积分,得到15个特征频率分量。
需要说明的是,本实施例的伪魏格纳-威利变换方法为:
式中,ω表示归一化频率,x(t)表示第三电流信号I3中的任一可测的、平方可积的采样点的电流信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数,在探测到电流突变后,对其后100个时间窗的电流信号分别作伪魏格纳-威利变换。其中,窗函数取海明窗,海明窗表达式为:
式中:N为采样点数。
且本实施例的进行了时域积分所得的15个特征频率分量表示为Ip1(i),i=1,2,…,15,频率维度选取范围为62.5~82.375kHz。
步骤207:以各个特征频率分量作为判断的指标,对连续时间窗中各个时间窗内的电流信号进行比较并统计越限指标的数量,若越限指标的数量大于越限指标阈值,则判定当前的时间窗内存在故障电弧。
需要说明的是,根据各个特征频率分量,分别判断连续时间窗中各个时间窗内的电流信号是否存在故障电弧。
具体的,本实施例基于构造得到15个故障电弧特征频率分量判断是否存在故障电弧具体方法为:提取各窗中62.5-82.375kHz范围内选取15个特征频率分量Ip1(i),其中,i=0,1,……,15。取采样起始时的前100个时间窗内各特征频率分量时域积分后幅值取均值,以此作为参考值Iref(i),其中,i=0,1,……,15,并将所有时间窗内各频率分量幅值Ip1(i)与Iref(i)做比值得Ip2(i),如果比值大于1.3,则故障窗数count加1
步骤208:判断连续时间窗内的时间窗是否全部完成比对,若是,则执行步骤209,若否,则返回步骤207。
步骤209:统计存在故障电弧的时间窗数量,若时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
需要说明的是,当对所有时间窗进行了故障电弧的判定后,则统计存在故障电弧状态的时间窗数量,若发生故障电弧的时间窗数量超过全部时间窗的半数,即如果count>50,即100个窗内有50个以上窗存在故障特征,则认为在第100窗的末时刻处于故障电弧状态,则触发故障电弧消除信号,控制相应脱扣器动作切断电路;否则不进行脱扣器动作,返回步骤201,继续下一轮的识别。
与现有技术相比,本申请具有如下有益的技术效果:
请参阅图4至图9,图4~图7为本申请所提供的基于形态滤波和时频指示器的故障电弧消除方法对光伏直流系统故障电弧的检测结果,以此对本发明的方法进行阐述,说明实际运作过程及判断的可靠性。
如图4所示,是以设定的频率f=200kHz对电流进行采样,按照设定的时间段Ts=6.4ms为时间窗对电流进行截取得到电流信号I1。在2.1s时发生了故障电弧,4.5s时系统停机。
如图5所示,在对电流信号I1进行形态滤波和滤除直流分量的处理后得到电流信号I2,电流波形中的噪声明显减少,但是对于故障电弧的特征却有很好的保留效果。同时根据电流信号I2的特征,根据设定的突变阈值Ith1,判断是否发生电流突变。很明显在2.1s时发生了电流突变,此时需要对突变后100个时间窗内的电流进行伪魏格纳-威利(PWV)变换。
对格窗内信号的伪魏格纳-威利(PWV)变化进行时域上的积分,得到窗内频谱。提取各窗中62.5-82.375kHz范围内选取15个特征频率分量Ip1(i),其中,i=0,1,……,15。取采样起始时的前100个时间窗内各特征频率分量时域积分后幅值取均值,以此作为参考值Iref(i),其中,i=0,1,……,15,并将所有时间窗内各频率分量幅值Ip1(i)与Iref(i)做比值得Ip2(i),得到时频分布,进行相应积分处理得到如图6所示的故障电弧时频指示器。
如果所得时频分布中有13个以上频率分量值大于参考值1.3倍,即如有13个以上i满足Ip2(i)>1.3,其中,i=0,1,……,15,则认为该窗存在故障特征,故障窗数count值在原值上加1。对所有100个时间窗检测完毕后,如果count>50,即100个窗内有50个以上窗存在故障特征,则认为该100窗内已经产生故障电弧,输出判断结果由0变1,断路器动作,切断电路,以避免电弧燃烧造成更大损失;如果count>50,则认为没有故障电弧产生,电流突变是由其他因素导致的,断路器不动作,继续返回至对突变点的检测。输出结果如图7所示,可见对突变后任意连续100个时间窗,都能准确判断电弧产生,而没有拒动;同时,对于故障后停机部分,也没有误判为故障电弧。
图8~图9本发明所提供的基于形态滤波和时频指示器的故障电弧消除方法对光伏直流系统移除电池板的检测结果,可以看出输出信号一直为0,说明此种方法面对系统暂态不会误动作。
本申请实施例通过一定数量的时间窗对连续的电流信号进行提取检测,适当延长电弧检测范围,能够对故障电弧和短暂出现的类弧状态进行有效区分,降低了故障电弧的误判率,提高了光伏系统运行的稳定性。同时,本申请所提出的方法控制精确、快速,该方法有着较快的识别速度,单个时间窗为时间窗为6.4ms,能在0.64s内判断出故障并切断,判断时长远小于现有的2s标准,故障电弧检测时间大幅减少,相应断路器动作更为迅速,能够快速的进行系统保护。
以上为本申请提供的一种光伏系统故障电弧识别方法的第二个实施例的详细说明,下面为本申请提供的一种光伏系统故障电弧识别装置的详细说明。
请参阅图3,本申请第二方面提供了一种光伏系统故障电弧识别装置,包括:
信号采集单元301,用于对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对电流采样信号进行截取,得到第一电流信号;
信号预处理单元302,用于对第一电流信号进行预处理,得到第二电流信号,其中,预处理包括:高频信号滤除和直流分量滤除;
突变点判定单元303,用于根据预置的突变阈值与第二电流信号的比对结果,判断第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新第一电流信号,再触发信号预处理单元;
二次信号提取单元304,用于从当前的时间窗开始,构建连续时间窗,从电流采样信号中提取出连续时间窗内的电流信号,得到第三电流信号,其中,连续时间窗由90至110个时间窗构成;
指标参数生成单元305,用于对第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
结果输出单元306,用于根据各个特征频率分量,分别判断连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
优选地,结果输出单元306具体包括:
时间窗单元电弧判定子单元3061,用于以各个特征频率分量作为判断的指标,对连续时间窗中各个时间窗内的电流信号进行比较并统计越限指标的数量,若越限指标的数量大于越限指标阈值,则判定当前的时间窗内存在故障电弧;
循环判定子单元3062,用于判断连续时间窗内的时间窗是否全部完成比对,若是,则执行结果输出子单元,若否,则返回时间窗单元电弧判定子单元;
结果输出子单元3063,用于统计存在故障电弧的时间窗数量,若时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
优选地,信号预处理单元302具体包括:
高频信号滤除子单元3021,用于通过形态滤波方式对第一电流信号进行高频信号滤除,得到电流降噪信号;
直流分量滤除子单元3022,用于通过平均电流差分法,对电流降噪信号进行直流电流分量滤除,得到第二电流信号。
优选地,指标参数生成单元305具体用于:
对第三电流信号进行PWV变换,得到第三电流信号对应的时频矩阵,再对时频矩阵进行时域积分,得到15个特征频率分量,其中,PWV变换具体为:
式中,ω表示归一化频率,x(t)表示第三电流信号中任意一个平方可积的采样点信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数。
优选地,信号采集单元301具体用于:
根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对电流采样信号进行截取,得到第一电流信号。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种光伏系统故障电弧识别方法,其特征在于,包括:
S1:对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号;
S2:对所述第一电流信号进行预处理,得到第二电流信号,其中,所述预处理包括:高频信号滤除和直流分量滤除;
S3:根据预置的突变阈值与所述第二电流信号的比对结果,判断所述第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新所述第一电流信号,然后返回步骤S2;
S4:从当前的所述时间窗开始,构建连续时间窗,从所述电流采样信号中提取出所述连续时间窗内的电流信号,得到第三电流信号,其中,所述连续时间窗由90至110个所述时间窗构成;
S5:对所述第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
S6:根据各个所述特征频率分量,分别判断所述连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若所述存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
2.根据权利要求1所述的方法,其特征在于,所述步骤S6具体包括:
S61:以各个所述特征频率分量作为判断的指标,对所述连续时间窗中各个所述时间窗内的电流信号进行比较并统计越限指标的数量,若所述越限指标的数量大于越限指标阈值,则判定当前的所述时间窗内存在故障电弧;
S62:判断所述连续时间窗内的时间窗是否全部完成比对,若是,则执行步骤S63,若否,则返回步骤S61;
S63:统计存在故障电弧的时间窗数量,若所述时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若所述时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2具体包括:
S21:通过形态滤波方式对所述第一电流信号进行高频信号滤除,得到电流降噪信号;
S22:通过平均电流差分法,对所述电流降噪信号进行直流电流分量滤除,得到第二电流信号。
4.根据权利要求1所述的方法,其特征在于,所述步骤S5具体包括:
S51:对所述第三电流信号进行PWV变换,得到所述第三电流信号对应的时频矩阵,再对所述时频矩阵进行时域积分,得到15个特征频率分量,其中,所述PWV变换具体为:
式中,ω表示归一化频率,x(t)表示所述第三电流信号中任意一个平方可积的采样点信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数。
5.根据权利要求1所述的方法,其特征在于,所述步骤S1具体包括:
S11:根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号。
6.一种光伏系统故障电弧识别装置,其特征在于,包括:
信号采集单元,用于对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号;
信号预处理单元,用于对所述第一电流信号进行预处理,得到第二电流信号,其中,所述预处理包括:高频信号滤除和直流分量滤除;
突变点判定单元,用于根据预置的突变阈值与所述第二电流信号的比对结果,判断所述第二电流信号是否存在突变点,若是,则执行步骤S4,若否,则按照预置的时间步长移动时间窗,并更新所述第一电流信号,再触发信号预处理单元;
二次信号提取单元,用于从当前的所述时间窗开始,构建连续时间窗,从所述电流采样信号中提取出所述连续时间窗内的电流信号,得到第三电流信号,其中,所述连续时间窗由90至110个所述时间窗构成;
指标参数生成单元,用于对所述第三电流信号进行PWV变换和时域积分,得到15个特征频率分量;
结果输出单元,用于根据各个所述特征频率分量,分别判断所述连续时间窗中各个时间窗内的电流信号是否存在故障电弧,并统计故障电弧的时间窗数量,若所述存在故障电弧的时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号。
7.根据权利要求6所述的装置,其特征在于,所述结果输出单元具体包括:
时间窗单元电弧判定子单元,用于以各个所述特征频率分量作为判断的指标,对所述连续时间窗中各个所述时间窗内的电流信号进行比较并统计越限指标的数量,若所述越限指标的数量大于越限指标阈值,则判定当前的所述时间窗内存在故障电弧;
循环判定子单元,用于判断所述连续时间窗内的时间窗是否全部完成比对,若是,则执行结果输出子单元,若否,则返回时间窗单元电弧判定子单元;
结果输出子单元,用于统计存在故障电弧的时间窗数量,若所述时间窗数量大于预置的故障时间窗数量阈值,则输出电弧故障信号,若所述时间窗数量小于预置的故障时间窗数量阈值,则输出电弧正常信号。
8.根据权利要求6所述的装置,其特征在于,所述信号预处理单元具体包括:
高频信号滤除子单元,用于通过形态滤波方式对所述第一电流信号进行高频信号滤除,得到电流降噪信号;
直流分量滤除子单元,用于通过平均电流差分法,对所述电流降噪信号进行直流电流分量滤除,得到第二电流信号。
9.根据权利要求6所述的装置,其特征在于,所述指标参数生成单元具体用于:
对所述第三电流信号进行PWV变换,得到所述第三电流信号对应的时频矩阵,再对所述时频矩阵进行时域积分,得到15个特征频率分量,其中,所述PWV变换具体为:
式中,ω表示归一化频率,x(t)表示所述第三电流信号中任意一个平方可积的采样点信号,PW(t,w)表示伪魏格纳-威利分布,w(τ)是窗函数。
10.根据权利要求6所述的装置,其特征在于,所述信号采集单元具体用于:
根据预设的采样频率对直流源输出的电流信号进行采样,获取电流采样信号,并通过时间窗截取方式对所述电流采样信号进行截取,得到第一电流信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910243974.5A CN109768769B (zh) | 2019-03-28 | 2019-03-28 | 一种光伏系统故障电弧识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910243974.5A CN109768769B (zh) | 2019-03-28 | 2019-03-28 | 一种光伏系统故障电弧识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109768769A true CN109768769A (zh) | 2019-05-17 |
CN109768769B CN109768769B (zh) | 2020-07-07 |
Family
ID=66460003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910243974.5A Active CN109768769B (zh) | 2019-03-28 | 2019-03-28 | 一种光伏系统故障电弧识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109768769B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114374249A (zh) * | 2022-01-19 | 2022-04-19 | 阳光电源股份有限公司 | 一种储能系统及其拉弧处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115624A1 (en) * | 2006-06-30 | 2011-05-19 | Bao Tran | Mesh network personal emergency response appliance |
CN102854426A (zh) * | 2012-10-09 | 2013-01-02 | 邵俊松 | 基于实时测量多频段频率分量占比判断直流电弧故障的方法 |
CN103457238A (zh) * | 2013-08-22 | 2013-12-18 | 南京集能易新能源技术有限公司 | 一种用于光伏发电系统的直流电弧检测及保护方法和电路 |
CN104092440A (zh) * | 2014-07-21 | 2014-10-08 | 阳光电源股份有限公司 | 光伏系统直流电弧故障检测方法、装置、处理器及其系统 |
CN104133129A (zh) * | 2014-07-09 | 2014-11-05 | 广东电网公司电力科学研究院 | 汽轮发电机组调速系统的低频振荡的监测方法和系统 |
CN107086855A (zh) * | 2017-04-25 | 2017-08-22 | 西安交通大学 | 一种机器学习融合多时频特征的光伏系统故障电弧检测方法 |
CN107181460A (zh) * | 2016-03-09 | 2017-09-19 | 上海英孚特电子技术有限公司 | 一种光伏系统电弧故障检测方法 |
CN107976614A (zh) * | 2016-10-21 | 2018-05-01 | 亚德诺半导体集团 | 在电力系统中检测电弧事件的方法和包括电弧检测器的电力系统 |
-
2019
- 2019-03-28 CN CN201910243974.5A patent/CN109768769B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115624A1 (en) * | 2006-06-30 | 2011-05-19 | Bao Tran | Mesh network personal emergency response appliance |
CN102854426A (zh) * | 2012-10-09 | 2013-01-02 | 邵俊松 | 基于实时测量多频段频率分量占比判断直流电弧故障的方法 |
CN103457238A (zh) * | 2013-08-22 | 2013-12-18 | 南京集能易新能源技术有限公司 | 一种用于光伏发电系统的直流电弧检测及保护方法和电路 |
CN104133129A (zh) * | 2014-07-09 | 2014-11-05 | 广东电网公司电力科学研究院 | 汽轮发电机组调速系统的低频振荡的监测方法和系统 |
CN104092440A (zh) * | 2014-07-21 | 2014-10-08 | 阳光电源股份有限公司 | 光伏系统直流电弧故障检测方法、装置、处理器及其系统 |
CN107181460A (zh) * | 2016-03-09 | 2017-09-19 | 上海英孚特电子技术有限公司 | 一种光伏系统电弧故障检测方法 |
CN107976614A (zh) * | 2016-10-21 | 2018-05-01 | 亚德诺半导体集团 | 在电力系统中检测电弧事件的方法和包括电弧检测器的电力系统 |
CN107086855A (zh) * | 2017-04-25 | 2017-08-22 | 西安交通大学 | 一种机器学习融合多时频特征的光伏系统故障电弧检测方法 |
Non-Patent Citations (2)
Title |
---|
乐叶青: "基于Wigner_Ville分布的电能质量扰动的分析", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
申成兵: "高压开关柜局部放电在线监测系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114374249A (zh) * | 2022-01-19 | 2022-04-19 | 阳光电源股份有限公司 | 一种储能系统及其拉弧处理方法 |
CN114374249B (zh) * | 2022-01-19 | 2024-05-14 | 阳光电源股份有限公司 | 一种储能系统及其拉弧处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109768769B (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102135558B (zh) | 过电压数据采集分层识别系统及类型分层模式识别方法 | |
CN109560770B (zh) | 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法 | |
WO2020015277A1 (zh) | 一种基于全景信息的弧光故障识别装置及方法 | |
CN105522238B (zh) | 基于脉冲序列分析的放电间隙状态检测模块 | |
CN110488161A (zh) | 一种多负载串联电弧故障检测及定位方法 | |
CN107086855B (zh) | 一种机器学习融合多时频特征的光伏系统故障电弧检测方法 | |
CN109188258A (zh) | 基于振电结合的高压断路器特征提取及分类方法 | |
CN108075728A (zh) | 一种光伏系统直流侧电弧故障类型辨识及保护装置 | |
Sayegh et al. | SCADA intrusion detection system based on temporal behavior of frequent patterns | |
CN106932641B (zh) | 一种基于改进hht变换的电网故障诊断方法 | |
CN107370123A (zh) | 电弧故障检测装置 | |
CN110691073A (zh) | 一种基于随机森林的工控网络暴力破解流量检测方法 | |
CN103219712B (zh) | 基于固有频率的输电线路单相故障性质识别方法 | |
CN210111945U (zh) | 光伏系统直流侧电弧故障检测系统 | |
CN107329046B (zh) | 基于模量分析的直流架空线雷击识别方法 | |
CN109412109A (zh) | 一种识别异常大数的方法、装置和继电保护设备 | |
CN107870281B (zh) | 一种漏电和故障电弧检测方法及其装置 | |
CN103439633A (zh) | 一种小电流接地故障选线装置 | |
CN104237731A (zh) | 基于eemd与能量法的谐振接地配电网单相接地故障选线方法 | |
CN104614638A (zh) | 小电流系统接地选线方法 | |
CN112433128A (zh) | 一种基于随机共振的直流故障电弧诊断方法及装置 | |
CN109768769A (zh) | 一种光伏系统故障电弧识别方法及装置 | |
CN106597222A (zh) | 一种基于地线电流的输电线路过电压故障类型识别方法 | |
CN107870286A (zh) | 一种直流故障电弧检测方法及装置 | |
CN113297786B (zh) | 一种基于半监督式机器学习的低压故障电弧感知方法 |
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 |