CN110286286A - 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 - Google Patents
一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 Download PDFInfo
- Publication number
- CN110286286A CN110286286A CN201910461818.6A CN201910461818A CN110286286A CN 110286286 A CN110286286 A CN 110286286A CN 201910461818 A CN201910461818 A CN 201910461818A CN 110286286 A CN110286286 A CN 110286286A
- Authority
- CN
- China
- Prior art keywords
- converter station
- vsc
- failure
- elm
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 5
- 230000008439 repair process Effects 0.000 claims abstract description 5
- 238000011946 reduction process Methods 0.000 claims description 12
- 238000005311 autocorrelation function Methods 0.000 claims description 11
- 238000003745 diagnosis Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 7
- 238000005314 correlation function Methods 0.000 claims 1
- 230000008676 import Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000004888 barrier function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007257 malfunction 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
- G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
- G01R15/14—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks
- G01R15/20—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using galvano-magnetic devices, e.g. Hall-effect devices, i.e. measuring a magnetic field via the interaction between a current and a magnetic field, e.g. magneto resistive or Hall effect devices
- G01R15/202—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using galvano-magnetic devices, e.g. Hall-effect devices, i.e. measuring a magnetic field via the interaction between a current and a magnetic field, e.g. magneto resistive or Hall effect devices using Hall-effect devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/02—Measuring effective values, i.e. root-mean-square values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/04—Measuring peak values or amplitude or envelope of ac or of pulses
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了一种基于VMD‑ELM的VSC‑HVDC换流站故障识别装置及方法,装置包括信号采集模块、数据处理模块、状态识别模块、报警模块。本发明是针对VSC‑HVDC系统中换流站电信号的特殊性提出的;通过使用本故障诊断装置,可实现换流站运行的实时状态监测,快速、直观的反映设备的运行状况,及时向设备维护人员提供可靠的设备运行信息,有效地保证设备运行,从而降低设备故障停机时间,减少计划检修时间和非计划检修时间。
Description
技术领域
本发明涉及一种基于VMD-ELM的VSC-HVDC换流站故障识别装置及方法,属于高压直流输电诊断技术领域。
背景技术
新型高压直流输电技术(VSC-HVDC)已经在远距离大功率输电、海底电缆送电、不同额定频率或相同额定频率交流系统之间的非同步联结等场合得到了广泛的应用。系统主要包括换流站和线路两大部分,在输送相同功率时,其具有线路造价低,线路有功损耗小等优势,但如何保证系统运行的安全性和稳定性,是一个急需解决的问题。
换流站是VSC-HVDC系统中核心部分,换流站的标准化、小型化,整体式设计以及可以进行出厂前的调试有利于缩短施工时间,并保证其可靠性。换流站一旦发生故障,将影响整个系统正常运行,甚至造成严重事故。换流器是VSC-HVDC系统换流站中的关键设备,短路故障是其典型故障,受换流器产生的载波噪声的影响,导致信号特征难以提取,故障后果极其严重。
但换流站的故障信号通常受其它信号干扰,提取难度大,识别困难,目前常用BP神经网络方法进行故障分类识别,但存有识别准确性不高,识别速度慢的问题。
发明内容
本发明提供了一种基于VMD-ELM的VSC-HVDC换流站故障识别装置及方法,以用于对VSC-HVDC换流站故障进行识别。
本发明的技术方案是:一种基于VMD-ELM的VSC-HVDC换流站故障识别装置,包括信号采集模块、数据处理模块、状态识别模块、报警模块;
所述信号采集模块包括VSC-HVDC换流站、电流传感器;用于通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
所述数据处理模块,用于对采集的电信号进行VMD分解得到模态分量,接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理;对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
所述状态识别模块,用于将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
所述报警模块,用于根据状态识别步骤识别的结果,进行提示。
所述电流传感器采用霍尔闭口式开环电流传感器AHKC-HAT,其可测电流为0~(400~2000)A。
一种基于VMD-ELM的VSC-HVDC换流站故障识别装置进行故障识别的方法,包括如下步骤:
信号采集步骤,通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
数据处理步骤,对采集的电信号进行VMD分解得到模态分量,接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理;对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
状态识别步骤,将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
报警步骤,用于根据状态识别模块识别的结果,进行提示。
所述报警步骤具体为:
如果识别结果为正常,则无需处理;
如果识别结果为故障,则提示设备维护人员对设备进行维修处理。
本发明的有益效果是:本发明是针对VSC-HVDC系统中换流站电信号的特殊性提出的;通过使用本故障诊断装置,可实现换流站运行的实时状态监测,快速、直观的反映设备的运行状况,及时向设备维护人员提供可靠的设备运行信息,有效地保证设备运行,从而降低设备故障停机时间,减少计划检修时间和非计划检修时间;其中对降噪信号取均方根值、峭度值、峰值作为换流站的故障状态特征指标,对隔膜泵的各个运行状态进行定量表示,具有准确、直观的特点。
附图说明
图1是本发明的结构框图;
图2是本发明方法的流程框图;
图3是本发明电信号的VMD分解图;
图4是本发明电信号降噪后重构图;
图5是本发明极限学习机故障诊断模型测试集识别正确率。
具体实施方式
实施例1:一种基于VMD-ELM的VSC-HVDC换流站故障识别装置,如图1所示,包括信号采集模块、数据处理模块、状态识别模块、报警模块;
所述信号采集模块包括VSC-HVDC换流站、电流传感器;用于通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
所述数据处理模块,用于对采集的电信号进行VMD分解得到模态分量,接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理;对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
所述状态识别模块,用于将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
所述报警模块,用于根据状态识别模块识别的结果,进行提示。
进一步地,可以设置所述电流传感器采用霍尔闭口式开环电流传感器AHKC-HAT,其可测电流为0~(400~2000)A。
一种基于VMD-ELM的VSC-HVDC换流站故障识别装置进行故障识别的方法,包括如下步骤,如图2所示:
信号采集步骤,通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
数据处理步骤,对采集的电信号进行VMD分解得到模态分量(如图3所示,为采集的某一信号进行VMD分解的结果),接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理(如图4所示,为采集的某一信号进行重构后的结果);对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
状态识别步骤,将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,历史故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
报警步骤,用于根据状态识别步骤识别的结果,进行提示。
所述报警步骤具体为:
如果识别结果为正常,则无需处理;
如果识别结果为故障,则提示设备维护人员对设备进行维修处理。
如图5所示,为本申请进行多组实验后得出的本发明方法的识别正确率为91.6667%,说明本发明方法识别正确率高。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (4)
1.一种基于VMD-ELM的VSC-HVDC换流站故障识别装置,其特征在于:包括信号采集模块、数据处理模块、状态识别模块、报警模块;
所述信号采集模块包括VSC-HVDC换流站、电流传感器;用于通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
所述数据处理模块,用于对采集的电信号进行VMD分解得到模态分量,接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理;对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
所述状态识别模块,用于将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
所述报警模块,用于根据状态识别模块识别的结果,进行提示。
2.根据权利要求1所述的基于VMD-ELM的VSC-HVDC换流站故障识别装置,其特征在于:所述电流传感器采用霍尔闭口式开环电流传感器AHKC-HAT,其可测电流为0~(400~2000)A。
3.一种采用权利要求1所述的基于VMD-ELM的VSC-HVDC换流站故障识别装置进行故障识别的方法,其特征在于:包括如下步骤:
信号采集步骤,通过套固在基于电压源换流器的VSC-HVDC换流站母线上的电流传感器采集电信号;
数据处理步骤,对采集的电信号进行VMD分解得到模态分量,接着计算各模态分量的自相关函数,并根据自相关函数的能量集中度选出有效模态分量,将有效模态分量重构,得到降噪后的信号,从而实现电信号的降噪处理;对降噪处理后的电信号计算均方根值、峭度值、峰值的特征指标;
状态识别步骤,将得到的均方根值、峭度值、峰值的特征指标导入ELM故障诊断模型中进行故障识别;其中,ELM故障诊断模型通过换流站的历史正常、故障的均方根值、峭度值、峰值特征指标进行构建,故障包括换流器阀体短路故障、整流器对称短路故障、整流器非对称短路故障、逆变器对称短路故障、逆变器非对称短路故障;
报警步骤,用于根据状态识别步骤识别的结果,进行提示。
4.根据权利要求3所述的进行故障识别的方法,其特征在于:所述报警步骤具体为:
如果识别结果为正常,则无需处理;
如果识别结果为故障,则提示设备维护人员对设备进行维修处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910461818.6A CN110286286B (zh) | 2019-05-30 | 2019-05-30 | 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910461818.6A CN110286286B (zh) | 2019-05-30 | 2019-05-30 | 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110286286A true CN110286286A (zh) | 2019-09-27 |
CN110286286B CN110286286B (zh) | 2021-04-30 |
Family
ID=68002892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910461818.6A Active CN110286286B (zh) | 2019-05-30 | 2019-05-30 | 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110286286B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
CN111551872A (zh) * | 2020-02-27 | 2020-08-18 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682303A (zh) * | 2016-12-26 | 2017-05-17 | 江南大学 | 一种基于经验模态分解和决策树rvm的三电平逆变器故障诊断方法 |
CN107315892A (zh) * | 2017-08-10 | 2017-11-03 | 北京交通大学 | 一种基于极限学习机的轴承故障诊断方法 |
CN108171263A (zh) * | 2017-12-26 | 2018-06-15 | 合肥工业大学 | 基于改进变分模态分解和极限学习机的滚动轴承故障诊断方法 |
CN108845250A (zh) * | 2018-06-01 | 2018-11-20 | 国网江苏省电力有限公司南京供电分公司 | 基于振动信号特征提取的有载分接开关故障识别方法 |
-
2019
- 2019-05-30 CN CN201910461818.6A patent/CN110286286B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682303A (zh) * | 2016-12-26 | 2017-05-17 | 江南大学 | 一种基于经验模态分解和决策树rvm的三电平逆变器故障诊断方法 |
NL2020015B1 (en) * | 2016-12-26 | 2018-09-11 | Univ Jiangnan | Fault diagnosis method of three-level inverter based on empirical mode decomposition and decision tree RVM |
CN107315892A (zh) * | 2017-08-10 | 2017-11-03 | 北京交通大学 | 一种基于极限学习机的轴承故障诊断方法 |
CN108171263A (zh) * | 2017-12-26 | 2018-06-15 | 合肥工业大学 | 基于改进变分模态分解和极限学习机的滚动轴承故障诊断方法 |
CN108845250A (zh) * | 2018-06-01 | 2018-11-20 | 国网江苏省电力有限公司南京供电分公司 | 基于振动信号特征提取的有载分接开关故障识别方法 |
Non-Patent Citations (3)
Title |
---|
CHEN YULIN ET.AL: "A Novel Fault Monitoring aSystem for HVDC Electrode Linend Location", 《2018 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY》 * |
孟凡煦 等: "基于VMD和ELM的超短期负荷预测方法", 《国外电子测量技术》 * |
高阳 等: "SSVD与ELM故障诊断模型在换流器在线监测系统中的应用研究", 《陕西理工大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111551872A (zh) * | 2020-02-27 | 2020-08-18 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
CN111551872B (zh) * | 2020-02-27 | 2021-10-22 | 西北工业大学 | 一种pmsm驱动系统逆变器开路故障在线诊断方法 |
CN111220373A (zh) * | 2020-03-18 | 2020-06-02 | 北京工业大学 | 一种离心泵转子系统故障诊断的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110286286B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9647783B2 (en) | Automatic checking method for clock synchronization and specialized apparatus thereof | |
CN106357002A (zh) | 一种电网设备信号智能处理系统 | |
CN110286286A (zh) | 一种基于vmd-elm的vsc-hvdc换流站故障识别装置及方法 | |
JP2013501945A (ja) | 汎用センサーの自己診断装置及びその診断方法 | |
RU2743250C1 (ru) | Способ аварийной остановки реактора на основании состояния сигналов приборов,важных для безопасности АЭС | |
CN110068758B (zh) | 柔性直流换流阀监测诊断系统 | |
CN112177863A (zh) | 振动监控系统、风力发电系统及风电场 | |
CN107165770A (zh) | 一种抽水蓄能电站机组启动暂态监测与安全评估系统及方法 | |
CN107991550A (zh) | 一种基于故障录波数据分析的保护装置校核方法 | |
CN203067092U (zh) | 柴油机安全保护控制器 | |
CN104316754A (zh) | 雷电计数器远程监测预警系统和方法 | |
CN112085233A (zh) | 基于站域bim数据融合多源信息的电力数字信息模型 | |
CN107091985A (zh) | 异步电机转子断条故障诊断系统及方法 | |
CN114061770B (zh) | 一种分布式预制光纤母线测温系统 | |
CN114876717A (zh) | 一种水轮发电机组运行故障的保护方法及系统 | |
Cheng et al. | Multiblock dynamic slow feature analysis-based system monitoring for electrical drives of high-speed trains | |
CN101881792B (zh) | 一种电力系统瞬变正弦信号的序分量获取方法 | |
CN201364482Y (zh) | 综合测量、监测报警和控制系统 | |
CN110361609B (zh) | 特高压设备监测系统及方法 | |
CN107682177B (zh) | 通信故障监测系统及方法 | |
CN203102357U (zh) | 一种高压直流换流站事故辅助处理系统 | |
CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
CN107651550B (zh) | 一种扶梯故障监测及预警装置 | |
CN117034157B (zh) | 一种结合多模态运行数据的水电设备故障识别方法与系统 | |
CN204900076U (zh) | 一种基于gprs网络的海上油田内燃机监测系统 |
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 |