CN110007197B - 串联电弧故障检测系统及检测方法 - Google Patents
串联电弧故障检测系统及检测方法 Download PDFInfo
- Publication number
- CN110007197B CN110007197B CN201910400672.4A CN201910400672A CN110007197B CN 110007197 B CN110007197 B CN 110007197B CN 201910400672 A CN201910400672 A CN 201910400672A CN 110007197 B CN110007197 B CN 110007197B
- Authority
- CN
- China
- Prior art keywords
- frequency
- arc fault
- series arc
- power transmission
- transmission line
- 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
Images
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
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
-
- 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)
- Locating Faults (AREA)
Abstract
本发明提供一种串联电弧故障检测系统及检测方法,所串联电弧故障检测系统包括高频电磁隔离采样电路、若干不同频段的选频网络、若干检波电路以及处理器;所述高频电磁隔离采样电路用于获取所述被检测电力传输线的传导干扰信号,所述选频网络用于对所述传导干扰信号进行选频放大,并结合所述检波电路来获取所述传导干扰信号的幅频特性参数,所述处理器用于根据获取的所述传导干扰信号的所述幅频特性参数来判断所述被检测电力传输线是否发生串联电弧故障。本发明的串联电弧故障检测系统及检测方法具有成本低、检测准确度高等特点。
Description
技术领域
本发明涉及电气故障检测技术领域,特别是一种串联电弧故障检测系统及检测方法。
背景技术
在输/配电线路中,由于线路老化,绝缘损坏或导体松弛连接等所引起的电弧故障问题是一种常见的故障现象。近年来,随着新能源光伏发电的大规模应用,特别是光伏电池板在建筑物屋顶和外墙的大规模使用,多处多地发生了光伏系统火灾意外。对这类事故调查发现,多数电气火灾的原因都指向故障电弧。作为高温等离子体,电弧会严重损坏或点燃周围易燃物质引起火灾。此外,故障电弧还可以使装置带电,威胁操作人员安全。
故障电弧根据故障点的位置不同分为串联电弧和并联电弧两大类。并联电弧主要由线路破损引起的正负极性导体短接造成。并联电弧发生时,故障电流幅值通常会超过低压断路器的动作值,故能被保护装置检测到。串联电弧故障更为常见,主要出现在导体的断点处或电路中的不良接触点处。串联电弧故障电流小,难以被保护装置检测到;但能量大,对线路和设备危害大,易引发火灾事故,因此需要设置额外的故障电弧检测装置。
国内外针对串联电弧故障尚未研究出一种可靠的检测方案。主要存在如下问题:基于故障电弧电流波形变化的检测方法,依靠电流传感器采集电流信号,存在传感器频带宽度窄,灵敏度低等问题,检测结果可靠性差;依据电弧放电时产生的声、光、红外辐射等物理现象判断故障电弧发生与否,检测范围有限;此外,一些基于故障电弧频域特征的检测方法,提取故障特征后,通过阈值比较判断电弧是否发生,该方式未借助智能算法对故障电弧进行模式识别,检测结果易受复杂环境下实际运行工况的影响,灵活性差,阈值难以确定,可靠性低。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种串联电弧故障检测系统及检测方法,用于解决现有技术中串联电弧故障检测中可靠性低、检测范围有线、易受复杂环境下实际运行工况的影响劳以及灵活性差的技术问题。
为实现上述目的及其他相关目的,本发明提供一种串联电弧故障检测系统,所述串联电弧故障检测系统包括:
高频电磁隔离采样电路,所述高频电磁隔离采样电路的输入端与被检测电力传输线连接,用于获取所述被检测电力传输线的传导干扰信号;
若干不同频段的选频网络,若干不同频段的所述选频网络的输入端分别与所述高频电磁隔离采样电路的输出端连接;
若干检波电路,一所述检波电路与一所述选频网络连接;
处理器,若干所述检波电路的输出端与所述处理器的输入端连接;
其中,所述选频网络用于对所述传导干扰信号进行选频放大,并结合所述检波电路来获取所述传导干扰信号的幅频特性参数,所述处理器用于根据获取的所述传导干扰信号的所述幅频特性参数来判断所述被检测电力传输线是否发生串联电弧故障。
可选地,所述串联电弧故障检测系统还包括故障处理或报警模块,所述故障处理或报警模块与所述处理器连接。
可选地,所述处理器包括神经网络模块。
可选地,所述选频网络的谐振频率处于所述被检测电力传输线的所述串联电弧故障的特征频率范围内。
可选地,所述选频网络的谐振频率的选取标准是:不同工况情况下所述被检测电力传输线的所述传导干扰信号中,所述串联电弧故障的特征频率范围内与若干所述选频网络的谐振频率相同的若干频率点的幅值标准差较小。
可选地,所述处理器还用于根据获取的所述传导干扰信号的幅频特性参数计算与各特征频段的谐波能量,以根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障。
可选地,所述高频电磁隔离采样电路包括电容元件和网络变压器;所述电容元件的一端与所述被检测电力传输线连接,所述电容元件的另一端与所述网络变压器的输入端连接,所述网络变压器的输出端分别与若干不同频段的所述选频网络的输入端连接。
为实现上述目的及其他相关目的,本发明提供一种串联电弧故障检测方法,所述串联电弧故障检测方法包括:
采用高频电磁隔离采样电路,采样获取被检测电力传输线上的传导干扰信号;
提取所述传导干扰信号中的幅频特性参数;
根据所述幅频特性参数计算多个特征频段的谐波能量;
根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障。
可选地,根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障的步骤包括:
将所述幅频特性参数和各所述特征频段的谐波能量输入到训练好的人工神经网络中;
所述人工神经网络将所述幅频特性参数和各所述特征频段的谐波能量与串联故障电弧特征进行分析比较;
根据相似度来判定所述被检测电力传输线中是否发生串联电弧故障。
可选地,所述检测方法还包括,当所述电力传输线中发生串联电弧故障的判定结果为“是”时,间隔一设定时间后,再执行一次串联电弧故障的步骤,当第二次的判定结果仍为“是”时,则说明所述被检测电力传输线中发生了串联电弧故障。
可选地,所述检测方法还包括,当所述被检测电力传输线中发生串联电弧故障时,进行故障处理或者报警的步骤。
可选地,所述设定时间介于10ms-60ms之间。
本发明的串联电弧故障检测系统,采用多个频段选频和检波网络提取传导干扰信号的幅频特征,检测方案的可靠性大大提升;
本发明采用多个选频和检波网络提取线路传导干扰幅频特征,将采样高频信号转为低频信号处理,降低了对处理器性能的要求,检测速度快,成本低;
本发明借助神经网络智能算法对串联电弧故障幅频特征进行建模,提高了复杂环境下传输线故障电弧识别的可靠性,解决了阈值大小难以设定的问题;
本发明的串联电弧检测方法中,当首次判断为故障电弧时,会经延时再次启动电弧检测算法以避免由开关切换等引起的误判;
本发明所提检测方案应用范围广,可广泛用于输配电线路故障电弧检测及新能源光伏发电、风力发电、储能电池等系统中。
附图说明
图1显示为本发明的串联电弧故障检测系统结构示意图。
图2a-2c显示为本发明的串联电弧故障情况和正常状态下传导干扰信号的频谱对比图。
图3显示为本发明的串联电弧故障检测方法步骤流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1-3。需要说明的是,本实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
如图1所示,本实施例公开一种串联电弧故障检测系统,所述串联电弧故障检测系统包括,高频电磁隔离采样电路,所述高频电磁隔离采样电路的输入端与被检测电力传输线连接,用于获取所述被检测电力传输线的传导干扰信号;若干不同频段的选频网络f1,f2,...,fn,若干不同频段的所述选频网络f1,f2,...,fn的输入端分别与所述高频电磁隔离采样电路的输出端连接,用于提取所述传导干扰信号的幅频特征,示意图如图2a-2c所示;若干检波电路V1,V2,...,Vn,一所述检波电路与一所述选频网络连接;处理器,若干所述检波电路的输出端与所述处理器的输入端连接;其中,所述选频网络f1,f2,...,fn用于对所述传导干扰信号进行选频放大,并结合所述检波电路V1,V2,...,Vn来获取所述传导干扰信号的幅频特性参数,所述处理器用于根据获取的所述传导干扰信号的所述幅频特性参数来判断所述被检测电力传输线是否发生串联电弧故障。需要说明的是,f1,f2,...,fn指各选频网络的谐振频率。
需要说明的是,本实施例的串联电弧故障检测系统,采用多个频段选频和检波网络提取传导干扰信号的幅频特征,检测方案的可靠性大大提升。
需要说明的是,本实施例的串联电弧故障检测系统用多个选频和检波网络提取线路传导干扰幅频特征,将采样高频信号转为低频信号处理,降低了对处理器性能的要求,检测速度快,成本低。
需要说明的是,选频网络是利用谐振原理实现,输入的信号含有各次频率分量,选频网络对于其中的谐振频率分量呈现出低阻抗特性,而对其他分量呈现高阻抗,依次谐振频率的信号可以保持较少的幅值衰减通过选频网络而其他信号则被选频网络抑制。
具体地,所述检波电路V1,V2,...,Vn的输入端与选频网络f1,f2,...,fn的输出端相连,用于输出谐振频率f1,f2,...,fn的幅值信息V1,V2,...,Vn。
需要说明的是,本实施例的所述处理器还用于根据获取的所述传导干扰信号的幅频特性参数计算各特征频段的谐波能量W1,W2,…,Wn,以根据所述幅频特性参数和各所述特征频段的谐波能量W1,W2,…,Wn来判定所述被检测电力传输线中是否发生串联电弧故障。具体地,所述处理器包括训练好的人工神经网络模块,所述人工神经网络用于根据所述幅频特性参数和各所述特征频段的谐波能量W1,W2,…,Wn与串联故障电弧特征进行分析比较,以根据相似度来判定所述被检测电力传输线中是否发生串联电弧故障。人工神经网络的训练方法请参阅后文的相关描述。
如图1所示,所述串联电弧故障检测系统还包括故障处理或报警模块,所述故障处理或报警模块与所述处理器连接,用于检测到所述被检测电力传输线发生串联电弧故障时,进行故障处理或者报警。
需要说明的是,所述选频网络的谐振频率的选取依据是:不同工况情况下所述被检测电力传输线的所述传导干扰信号中,所述串联电弧故障的特征频率范围内与若干所述选频网络的谐振频率相同的若干频率点的幅值标准差较小。也就是说,各所述选频网络的谐振频率f1,f2,...,fn处于所述被检测电力传输线的所述串联电弧故障的特征频率范围内。
所述串联电弧故障的特征频率范围是指串联电弧故障情况和正常状态下传导干扰信号的频谱中区别明显的一段频率范围,这样可以提高检测的准确度,在本实施例中,如图2a-2c所示,例如可选取0-1MHz的范围作为所述串联电弧故障的特征频率范围。需要说明的是,在其他实施例中,也可以根据需要选取其他频率范围作为特征频率范围。
具体地,选频网络的谐振频率是在串联电弧故障特征频率范围内通过计算比较不同工况下所述传导干扰信号中若干频率点f1,f2…fm(n<m)的幅值标准差选取的;计算某个频率点的频率幅值标准差,如下:
其中,Ai表示某一工况下该频率点的幅值信息,k选自1,2,…,n中的任意一个;N指不同工况的个数,μ为不同工况下传导干扰信号在该频率点的幅值平均值。
对比m个频率点频率点f1,f2…fm(n<m)的幅值标准差σ的大小,其中m表示若干频率点的个数,并选取n个标准差较小的频率点作为选频网络的谐振频率f1,f2,...,fn。
需要说明的是,所述各个频段的谐波能量W1,W2,…,Wn,由所在频段内各自谐波的幅值平方和表示,如下,
Wj=∑|A(f)|2
其中,Wj代表某频段的谐波能量,j选自于1,2,…,n中的一个。
如图1所示,所述高频电磁隔离采样电路包括电容元件C和网络变压器T1;所述电容元件C的一端与所述被检测电力传输线连接,所述电容元件C的另一端与所述网络变压器T1的输入端连接,所述网络变压器T1的输出端分别与若干不同频段的所述选频网络f1,f2,...,fn的输入端连接。所述电容元件C用于过滤被检测电力传输线的传导干扰信号中的低频信号,只采集传导干扰信号中的高频信号,所述网络变压器用于把采集的高频信号中的某一频段耦合到其输出端作为选频网络的输入信号。
本实施例还提供一种串联电弧故障检测方法,图3示出了串联电弧故障检测的方法步骤流程图,如图3所示,所述串联电弧故障检测方法包括以下步骤:
执行步骤S10、采用上述的高频电磁隔离采样电路,采样获取被检测电力传输线上的传导干扰信号。
执行步骤S20、提取所述传导干扰信号中的幅频特性参数,并根据所述幅频特性参数计算多个特征频段的谐波能量,也即计算频域的谐波分量以获取谐振频率幅值,从而获取特征向量空间(包括幅频特性参数和各所述特征频段的谐波能量)。
具体地,采用若干频段的选频网络f1,f2,…,fn和所述检波电路V1,V2,...,Vn来提取所述传导干扰信号中的幅频特性,并根据所述幅频特性参数计算多个特征频段的谐波能量W1,W2,…,Wn。
需要说明的是,所述各个频段的谐波能量W1,W2,…,Wn的计算方式详见上文相关部分的描述,在此不做赘述。
需要说明的是,选频网络的谐振频率f1,f2,…,fn,选取标准请参阅上文中的相关部分的描述,再次不做赘述。
执行步骤S30、根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障。
具体地步骤S30包括以下步骤:
步骤S31、将所述幅频特性参数和各所述特征频段的谐波能量输入到训练好的人工神经网络中。
步骤S32、训练好所述人工神经网络将所述幅频特性参数和各所述特征频段的谐波能量与串联故障电弧特征进行分析比较。
步骤S30、根据相似度来判定所述被检测电力传输线中是否发生串联电弧故障。
在本实施例中,为了避免由于开关切换等引起的误判,当首次判断为故障电弧时,会经延时再次启动电弧检测算法,也即需要两次的判定出发生串联电弧故障时才能确认待检测电力传输线上发生了电弧故障。具体地,当所述电力传输线中发生串联电弧故障的判定结果为“是”时,间隔一设定时间后,重复执行步骤S10-S30中的所有步骤,当第二次的判定结果仍为“是”时,则说明所述被检测电力传输线中发生了串联电弧故障。所述设定时间例如可以介于10ms-60ms之间,作为示例所述设定时间例如可以是30ms。需要说明的是,所述设定时间可以根据需要进行调整,以满足能够准确判定被检测电力传输线中是否发生串联电弧故障为准。
执行步骤S4、当所述被检测电力传输线中发生串联电弧故障时,进行故障处理或者报警的步骤。
为了让人工神经网络具备判断是否发生串联电弧故障的识别能力,需多组学习样本对人工神经网络进行训练,考虑到电弧检测的实际工况的复杂性,如表1所示,设计了z种事件,如不同位置发生电弧等。采集样本,每种事件下有x组样本用来训练,选用y组样本用来对训练好的神经网络进行测试,只有当测试结果表明训练好的神经网络能准确无误地识别串联电弧故障和非串联电弧故障,得到地神经网络才能作为所需地判定串联电弧发生与否的神经网络模块。
表1
搭建实验平台,模拟电力传输线路中不同源荷和工况,分别在发生串联电弧故障和不发生串联电弧故障的情况下,多次执行下述样本获取步骤,获得多组学习样本,每次样本获取步骤如下:
(1)采用上述的高频电磁隔离采样电路,采样获取被检测电力传输线上的传导干扰信号;
(2)对步骤(1)中采样得到的传导干扰信号在其特征频率范围内,采用多个选频网络f1,f2,…,fn和检波电路所述检波电路V1,V2,...,Vn提取所获传导干扰信号的幅频特征;
(3)获取选频网络幅频特性参数并计算特征频段的谐波能量,计算方法见上文相关部分的描述,在此不做赘述。;
(4)以所选频段谐波能量W1,W2,…,Wn和调谐频率所对应的幅值V1,V2,...,Vn作为每组学习样本中的输入信号。
(5)若采样时未发生串联电弧故障则本组学习样本中的输出信号为“非电弧”;反之,输出信号为“是电弧”。
本实施例借助神经网络智能算法对串联电弧故障幅频特征进行建模,提高了复杂环境下传输线故障电弧识别的可靠性,解决了阈值大小难以设定的问题。
本实施例的所提检测方案应用范围广,可广泛用于输配电线路故障电弧检测及新能源光伏发电、风力发电、储能电池等系统中。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种串联电弧故障检测系统,其特征在于,包括:
高频电磁隔离采样电路,所述高频电磁隔离采样电路的输入端与被检测电力传输线连接,用于获取所述被检测电力传输线与地之间的共模传导干扰信号;
若干不同频段的选频网络,若干不同频段的所述选频网络的输入端分别与所述高频电磁隔离采样电路的输出端连接,所述选频网络的选取依据是:不同工况情况下所述被检测电力传输线的所述传导干扰信号中,所述串联电弧故障的特征频率范围内与若干所述选频网络的谐振频率相同的若干频率点的幅值标准差较小;
若干检波电路,一所述检波电路的输入端与一所述选频网络的输出端连接;
处理器,若干所述检波电路的输出端与所述处理器的输入端连接;
其中,所述高频电磁隔离采样电路包括电容元件和网络变压器;所述电容元件的一端与所述被检测电力传输线连接,所述电容元件的另一端与所述网络变压器的输入端的一端连接,所述网络变压器的输入端的另一端接地,所述网络变压器的输出端分别与若干不同频段的所述选频网络的输入端连接;所述选频网络用于对所述传导干扰信号进行选频放大,并结合所述检波电路来获取所述传导干扰信号的幅频特性参数,所述处理器用于根据获取的所述传导干扰信号的所述幅频特性参数来判断所述被检测电力传输线是否发生串联电弧故障。
2.根据权利要求1所述的串联电弧故障检测系统,其特征在于,所述串联电弧故障检测系统还包括故障处理或报警模块,所述故障处理或报警模块与所述处理器连接。
3.根据权利要求1所述的串联电弧故障检测系统,其特征在于,所述处理器包括神经网络模块。
4.根据权利要求1所述的串联电弧故障检测系统,其特征在于,所述处理器还用于根据获取的所述传导干扰信号的幅频特性参数计算各特征频段的谐波能量,以根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障。
5.一种利用权利要求1所述的串联电弧故障检测系统的串联电弧故障检测方法,其特征在于,包括:
采用高频电磁隔离采样电路,采样获取被检测电力传输线与地之间的共模传导干扰信号;
提取所述传导干扰信号中的幅频特性参数;
根据所述幅频特性参数计算多个特征频段的谐波能量;
根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障。
6.根据权利要求5所述的串联电弧故障检测方法,其特征在于,根据所述幅频特性参数和各所述特征频段的谐波能量来判定所述被检测电力传输线中是否发生串联电弧故障的步骤包括:
将所述幅频特性参数和各所述特征频段的谐波能量输入到训练好的人工神经网络中;
所述人工神经网络将所述幅频特性参数和各所述特征频段的谐波能量与串联故障电弧特征进行分析比较;
根据相似度来判定所述被检测电力传输线中是否发生串联电弧故障。
7.根据权利要求5或6所述的串联电弧故障检测方法,其特征在于,所述检测方法还包括,当所述电力传输线中发生串联电弧故障的判定结果为“是”时,间隔一设定时间后,再执行一次串联电弧故障的步骤,当第二次的判定结果仍为“是”时,则说明所述被检测电力传输线中发生了串联电弧故障。
8.根据权利要求7所述的串联电弧故障检测方法,其特征在于,所述检测方法还包括,当所述被检测电力传输线中发生串联电弧故障时,进行故障处理或者报警的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910400672.4A CN110007197B (zh) | 2019-05-15 | 2019-05-15 | 串联电弧故障检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910400672.4A CN110007197B (zh) | 2019-05-15 | 2019-05-15 | 串联电弧故障检测系统及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110007197A CN110007197A (zh) | 2019-07-12 |
CN110007197B true CN110007197B (zh) | 2021-09-10 |
Family
ID=67176938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910400672.4A Active CN110007197B (zh) | 2019-05-15 | 2019-05-15 | 串联电弧故障检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110007197B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110441663B (zh) * | 2019-08-22 | 2021-05-07 | 哈尔滨工业大学 | 一种基于频域阶段性比值判断直流串联电弧故障的方法 |
DE112019007730T5 (de) * | 2019-09-20 | 2022-06-09 | Siemens Aktiengesellschaft | Lichtbogendetektionsvorrichtung, lichtbogenfehlerschutzeinrichtung und verfahren zum herstellen einer lichtbogendetektionsvorrichtung |
CN111123048A (zh) * | 2019-12-23 | 2020-05-08 | 温州大学 | 一种基于卷积神经网络的串联故障电弧检测装置及方法 |
WO2021134737A1 (zh) * | 2020-01-02 | 2021-07-08 | 青岛鼎信通讯股份有限公司 | 一种基于矢量分析计算的电弧串扰信号识别方法 |
CN111458615A (zh) * | 2020-05-09 | 2020-07-28 | 威胜集团有限公司 | 选频放大检测电路及安全检测设备 |
CN112363021B (zh) * | 2020-11-13 | 2022-05-17 | 重庆大学 | 一种分布式线路故障检测与定位系统及方法 |
CN112630638B (zh) * | 2020-11-25 | 2024-03-22 | 国网江苏省电力有限公司检修分公司 | 一种断路器瓷套闪络辨识方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2599734Y (zh) * | 2003-01-30 | 2004-01-14 | 黄华道 | 电弧故障自动断路开关 |
EP1200847A4 (en) * | 1999-07-01 | 2005-02-02 | Square D Co | METHOD AND SYSTEM FOR DETERMINING ARC FLASH ERRORS AND TESTING SUCH A SYSTEM |
CN107121618A (zh) * | 2017-03-29 | 2017-09-01 | 余晓东 | 基于自由电子热运动的热信号检测系统 |
CN206930736U (zh) * | 2016-12-31 | 2018-01-26 | 国网浙江省电力公司舟山供电公司 | 一种用于高压电缆多参量检测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7009406B2 (en) * | 2003-04-24 | 2006-03-07 | Delphi Technologies, Inc. | Arc fault detector and method |
-
2019
- 2019-05-15 CN CN201910400672.4A patent/CN110007197B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1200847A4 (en) * | 1999-07-01 | 2005-02-02 | Square D Co | METHOD AND SYSTEM FOR DETERMINING ARC FLASH ERRORS AND TESTING SUCH A SYSTEM |
CN2599734Y (zh) * | 2003-01-30 | 2004-01-14 | 黄华道 | 电弧故障自动断路开关 |
CN206930736U (zh) * | 2016-12-31 | 2018-01-26 | 国网浙江省电力公司舟山供电公司 | 一种用于高压电缆多参量检测装置 |
CN107121618A (zh) * | 2017-03-29 | 2017-09-01 | 余晓东 | 基于自由电子热运动的热信号检测系统 |
Non-Patent Citations (1)
Title |
---|
光伏系统直流故障电弧识别方法研究;林方圆 等;《电工电能新技术》;20151231;第7页第2栏,第9页第2栏,第10页第1栏 * |
Also Published As
Publication number | Publication date |
---|---|
CN110007197A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110007197B (zh) | 串联电弧故障检测系统及检测方法 | |
Wang et al. | ArcNet: Series AC arc fault detection based on raw current and convolutional neural network | |
CN104090214B (zh) | 一种电缆故障检测及老化分析方法 | |
Kavi et al. | High‐impedance fault detection and classification in power system distribution networks using morphological fault detector algorithm | |
Li et al. | A generic waveform abnormality detection method for utility equipment condition monitoring | |
CN107340459A (zh) | 一种直流故障电弧检测方法及系统 | |
CN103913663A (zh) | 一种直流系统电弧故障在线检测方法和保护装置 | |
CN102135555B (zh) | 低压系统串联电弧故障识别方法 | |
WO2019127440A1 (zh) | 一种直流电弧的处理方法及装置 | |
CN114584069B (zh) | 一种光伏直流电弧检测方法及系统 | |
CN109596956B (zh) | 直流串联电弧检测方法及装置 | |
KR101550689B1 (ko) | 잡음제거 기능을 구비한 ae센서 기반 수배전반의 아크 및 코로나 검출 시스템 | |
CN106770652A (zh) | 基于声波特征的高压变压器健康状态监测装置及监测方法 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
KR20220145582A (ko) | 화재 위험도 예측을 위한 아크 감지기 및 이의 동작 방법 | |
CN112487714B (zh) | 一种电缆竖井火灾状态识别决策树模型的生成方法 | |
CN113917294B (zh) | 基于小波分解的智能自适应电弧检测方法及其应用装置 | |
Artale et al. | DC series arc faults in PV systems. Detection methods and experimental characterization | |
KR102243313B1 (ko) | 부분방전 판단 방법 및 진단 시스템 | |
KR20210154365A (ko) | 주파수분석을 이용한 아크검출 방법 및 장치 | |
Zhao et al. | Series arc fault diagnosis based on variational mode decomposition and random forest | |
Shen et al. | Fast Detection of Weak Arc Faults Based on Progressive Singular-Value-Decomposition and Empirical Analyses | |
Sushama et al. | Detection of high-impedance faults in transmission lines using wavelet transform | |
US20240110955A1 (en) | Arc-fault detection apparatus and method and electrical installation | |
Sack et al. | A non-contact directional sensor for partial discharge measurements |
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 |