CN110596533B - 一种配电网单相接地故障区段定位方法及系统 - Google Patents
一种配电网单相接地故障区段定位方法及系统 Download PDFInfo
- Publication number
- CN110596533B CN110596533B CN201910867027.3A CN201910867027A CN110596533B CN 110596533 B CN110596533 B CN 110596533B CN 201910867027 A CN201910867027 A CN 201910867027A CN 110596533 B CN110596533 B CN 110596533B
- Authority
- CN
- China
- Prior art keywords
- fault
- sample
- matrix
- fault sample
- distribution network
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 132
- 238000005070 sampling Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000007704 transition Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims 2
- 238000004220 aggregation Methods 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- 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)
- Locating Faults (AREA)
Abstract
本发明公开了一种配电网单相接地故障区段定位方法及系统，实现对配电网单相接地故障的区段定位；该方法包括以下步骤：获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
Description
技术领域
本公开涉及配电网故障诊断技术领域，具体涉及一种基于同步波形特征提取及矩阵分析的配电网单相接地故障区段定位方法及系统。
背景技术
配电网承担着将输电网的电能分配给电力用户的功能，直接影响着生活生产的各方面。据统计，我国每年停电损失中的90％左右源自配电网故障,配电网故障诊断与定位问题一直是电力系统的研究热点。我国中低压配电网多采用中性点不接地或经过消弧线圈和高阻抗接地，单相接地的故障电流很微弱，甚至消弧线圈的补偿电流有可能使零序电流小于非故障线电流，给故障诊断带来一定困难。而电力系统的运行经验表明，所有短路故障中单相接地占比可达65％。虽然单相接地后系统可继续运行1-2小时，对用电设备没有影响，但很容易发展为相间故障甚至是三相故障，造成更严重的危害。单相接地的故障定位及选线是配电网故障诊断领域的重要课题。
传统的故障诊断主要使用开关量，即断路器和保护装置的动作信息，作为诊断依据。然而，基于开关量的诊断方法在面对馈线短路故障时表现良好，但在小电流接地故障方面表现出较大的缺点，因为目前当发生小电流接地故障时，电力规程要求断路器和其他继电保护装置不动作以保证配电网的供电可靠性。另外，断路器及保护装置存在误动、拒动且开关量容易因信道干扰发生信息丢失。因此，这类方法在小电流接地故障下缺乏准确和足够的输入数据。实际上，电网发生故障后，各类故障信息的变化是以因果逻辑顺序发生的。首先是以故障元件为中心，各节点电压、支路电流等电气量发生变化，只有满足保护装置的整定条件后，才会触发继电保护装置动作，并动作于断路器跳闸产生开关变位信息。因此电压和电流等电气量的变化是电网发生故障后最直接的反应，具有比开关量更为优越的准确性和可靠性，其中具有丰富的故障相关信息，蕴含着故障发生的机理，从电压和电流波形中提取的合理特征可以用于系统故障的分析。
另外，现有的电网故障诊断方法大都基于局部的开关量和保护数据，且各地各级各类数据源没有统一的同步时标，未能综合多源信息从全局的广域角度实现更为准确可信的故障诊断，难以实时监测电网在各类故障下的动态过程。
分布式电源、电动汽车及柔性互动负荷等分布式设备的大规模接入给配电网故障诊断带来了新的挑战。配电网正在由原来的单一辐射状网络转变为功率在多点可双向流动的复杂拓扑网络。依靠线路分布电容耦合和分布式电源接地点，系统形成多样化的电流回路，加之网络拓扑的动态变化，配电网运行方式更加复杂，导致故障电流特征变化频繁，电流保护判据不再固定。而采用局部信息的传统保护和故障诊断方案需事先离线整定，实际应用中作用范围受到局限，易受干扰，判别结果较片面，存在误动的可能且无法覆盖所有的场景。
随着以现代信息技术为基础的电网量测系统的发展，如配网侧同步相量测量单元(D-PMU)、故障录波器(Fault Waveform Recorder)，调度中心能够采集到越来越多的精确信息并以时间序列的形式刻画出了电气量的实际变化波形，其中蕴含着丰富的系统运行状态信息，这将对提高单相接地故障诊断的性能有很大帮助，这为基于全系统综合信息的故障诊断方法在实际中的应用提供了坚实的数据基础，基于同步波形分析的故障诊断方法将成为今后的重要发展方向。
发明人在研发过程中发现，以上方案还存在以下技术问题：
(1)接地电流微弱，消弧线圈补偿电流甚至导致故障线零序电流小于非故障线，间歇性接地频发使电弧不稳定，另外高阻故障多，提取的配电网短路故障的特征不明显；
(2)通过计算任意两个节点的由波形特征量形成的四维向量之间的距离构造能反映配电网网络结构的拓扑矩阵，该矩阵的任一元素均可以反映了相应两节点在零序电流与故障电流上的差异。但是，并未对该拓扑矩阵进行分析。
(3)已有的短路故障辨识算法主要是基于配电网变电站的就地故障信息，在实际的应用中面临很大的局限性，然而，若将大量的波形数据从配电网的测量节点直接上传到调度中心并进行分析，冗余和低效率等问题是显而易见的，调度中心将面临海量数据，运行维护成本很高。
发明内容
为了克服上述现有技术的不足，本公开提供了一种配电网单相接地故障区段定位方法及系统，实现对配电网单相接地故障的区段定位。
本公开一方面提供的一种配电网单相接地故障区段定位方法的技术方案是：
一种配电网单相接地故障区段定位方法，该方法包括以下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
本公开另一方面提供的一种配电网单相接地故障区段定位系统的技术方案是：
一种配电网单相接地故障区段定位系统，该系统包括若干个安装在配电网内每个结点处的故障录波器以及处理器；
所述故障录波器，用于获取配电网内多个故障样本在所有节点处的电流波形数据，提取每个故障样本在所有节点处的波形特征量，以及获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量；
所述处理器，用于基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵；分析每个故障样本的拓扑矩阵，计算每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
本公开另一方面提供的一种计算机可读存储介质的技术方案是：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
本公开另一方面提供的一种处理装置的技术方案是：
一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
通过上述技术方案，本公开的有益效果是：
(1)本公开实现对单相接地的故障电流波形特征的可靠提取，以录波器记录的各测量节点故障前后若干周波的三相电流波形作为输入，提出了针对该波形的四维特征描述方法，从波形中提取特征量用以刻画和替代原波形；
(2)本公开通过各录波器启动记录波形后就地提取故障特征量，然后将计算出的特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担，使调度中心及时判断系统中单相接地故障的区段，在实际的应用上有更好的前景；
(3)本公开利用波形特征量形成拓扑矩阵，通过随机矩阵算法分析该拓扑矩阵的特征值，并对该特征值加以分析，实现区段精确定位；
(4)本公开所提出的故障区段定位方法，不受单相接地的接地相及过渡电阻大小的影响，可实现单相接地故障区段的可靠辨识，并能充分利用电力系统中已存在的海量量测数据；
(5)本公开所提出的故障区段定位方法，基于配电网故障录波装置信号处理机制所设计的，既避免了基于变电站的就地信号所导致的故障辨识结果片面及可靠性不足的问题，也不会由于需要大量安装其他故障特征检测和处理装置带来的增加过多运营成本的问题，更符合于实际应用的要求。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。
图1是实施例一配电网单相接地故障区段定位方法的流程图一；
图2是实施例一配电网单相接地故障区段定位方法的流程图二；
图3是实施例一中配电网六个区段发生单相接地故障后的随机矩阵特征根分布示意图；
图4是实施例一中某配电网单相接地故障样本分布及聚类结果示意图；
图5是实施例一中某配电网单相接地故障的区段定位示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供一种基于同步波形特征提取与矩阵分析的配电网单相接地故障区段定位方法，请参阅附图1，该方法包括以下步骤：
S101，获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
S102，基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
S103，计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
S104，对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
S105，计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
为了使本领域技术人员更好的了解本申请的技术方案，下面列举一个更为详细的实施例。本实施例提供一种基于同步波形特征提取与矩阵分析的配电网单相接地故障区段定位方法，请参阅附图2，该方法包括以下步骤：
S201，获取配电网内多个故障样本在所有节点处的电流波形数据，并提取每个故障样本在所有节点处的波形特征量。
当前，故障录波装置部署已得到进一步推广，初步实现了监测网络化。当电力系统发生疑似扰动时，录波器便会启动，记录疑似扰动时刻前后若干周波的电流波形数据。然后针对故障相在故障时刻前后各5个周波的电流波形进行展开分析，并提取零序电流能量、小波近似熵、首波峰占比及低阶不变矩四个特征，从而得到故障样本的特征量。并将特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担。
由于实际电力系统中对三相电压的测量误差及偏移较大，本实施例中利用三相电流及零序电流波形提取波形特征。由于我国中低压配电网一般为小电流接地，导致单相接地时故障电流较小，且三相电流之间存在耦合关系。
本实施例所提取的波形特征量包括零序电流能量、小波近似熵、首波峰占比及低阶不变矩。
具体地，所述波形特征量的提取方法为：
首先，利用如式(1)所示的卡伦鲍厄相模变换对故障样本在所有节点处的电流波形数据进行解耦。
其中，I0为零序电流分量；Iα为α模的电流分量；Iβ为β模的电流分量；Ia为A相电流分量；Ib为B相电流分量；Ic为C相电流分量。
选择零序电流突变量作为确定故障时刻的依据，ΔI(m)0为第m个录波器的零序电流突变量；当ΔI(m)0>ΔIset时判定发生单相接地故障并记录故障时刻，m为录波器编号，ΔIset为零序电流突变量门限值。
然后，利用α模与β模分量实现故障类型判别，不同接地相的单相接地故障会使两模量出现不同的变化，以A相接地为例，故障时B、C相电流远小于A相电流，即
其中，Iα为α模的电流分量；Iβ为β模的电流分量。
其他接地短路情况如表1所示，因此计算所有录波器在故障时刻前后各一个周波的α模、β模分量的畸变比的平均值以判断故障类型，如式(3)所示。
其中，I(m)αi为录波器m在第i个采样点采集到的α模电流分量；I(m)βi为录波器m在第i个采样点采集到的β模电流分量；t为录波器在一个周波内的采样点数，N为录波器总数，Δt为周期差分算子，表示对时间序列以周期为单位计算差分，即ΔtI(m)i＝I(m)i-I(m)(i-t)。
表1不同类型故障的畸变比
最后，针对故障相在故障时刻前后各若干周波(本实施例取5个周波)的电流波形展开分析，为更加全面的描述波形，反映不同位置故障的电流性质，本实施例提出选取零序电流能量、小波近似熵、首波峰占比及低阶不变矩四个特征从不同方面来构建波形。
a.零序电流能量
定义零序电流能量(Zero-sequence current energy,EI0)如式(4)所示。
其中，n为录波器启动后的采样点总数，I(m)0i为录波器m在第i个采样点采集到的零序电流值。
电网中某一测量点有无零序电流流经取决于该点是否存在于系统零序网络上，配电网分支线众多，在录波装置布点合理的情况下，某一区域发生故障总会导致固定的若干个测量点的零序电流出现相较于其他测量点更明显的变化，因此零序电流能量可以反映流经该测点的零序电流的大小。
b.小波近似熵
近似熵(approximate entropy,ApEn)是一种衡量信号序列复杂性的参数，用一无量纲非负数来定量表示，如式(5)所示。其物理本质是衡量维数变化时信号序列中出现新模式的对数条件概率均值，反映了时间序列中新信息发生的可能性，越复杂的时间序列对应的近似熵越大。近似熵由于具备诸多分析非平稳信号序列的优点，因而能为波形特征提取提供一种有效的参数，来辅助实现故障选线。
式中，N为原时间序列数据点个数，m为给定的模式维数，r为给定阈值，
为各重构序列之间距离小于r的序列数目与距离总数N-m+1的比值。
此外，低压配网小电流接地系统在发生单相接地故障时的故障电流较小，一直以来基于稳态量的选线技术效果并不十分理想。而故障暂态量比稳态量大若干倍，故利用暂态量进行故障诊断的方案倍受青睐。本实施例利用小波变换(Wavelet transform)提取故障相电流的高频成分，再计算其近似熵，从而构造描述波形性质的另一参数小波近似熵WApEn。
任意时间序列f(t)的离散小波变换为：
其中，小波基函数ψm,n(t)满足
其中，m,n为平移因子，Z为整数集合。
c.首波峰占比
首先对故障电流波形做小波变换去除稳态分量，然后选用波形图首波峰占比α作为波形特征属性从局部波头方面量化波形的形态特征，如式(8)所示。首波峰占比α相当于波形均值在首波头最大上升沿中的占比，是一种提取脉动波形特征量的方法，能体现故障电流波形在波头形态上的差异。
其中，im,iL,iP分别为故障发生后n周波内的故障电流波形的最小值、首波头的峰值及均值，依据实际录波器录波时长及多次试验最佳结果，本实施例n取5。
d.低阶不变矩
矩在统计学中被用来反映随机变量的分布情况，将图像的灰度值看作是一个二维或三维的密度分布函数，那么矩方法即可用于图像分析领域并用作图像特征的提取。对于离散数字图像f(x,y)，不变矩的计算如式(9)所示。由于对于实际波形图像的识别，低阶矩的不变性会更好，而其他矩的误差较大，且对波形识别的关键在于波形形状，因此使用最低阶矩M1来作为刻画波形的参数，它对波形的伸缩、平移不敏感，能够较有效的反映故障电流波形间的差异。
其中，mpq为p+q阶离散几何矩；μpq为p+q阶离散中心矩，
与
为图像质心；ηpq为归一化离散中心矩。
综上，本实施例通过波形特征的提取，以四维坐标[EI0,WApEn,α,M1]的形式构建出波形性质表征空间。
假定在配电网的N个节点上部署有故障录波器，则调度中心接收到的波形特征量为：
Rm＝[EI0m,WApEnm,αm,M1m]m＝1,2,…,N(10)
其中，Rm为节点m处的波形特征量；EI0m为节点m处的零序电流能量；WApEnm为节点m处的小波近似熵；αm为节点m处的首波峰占比；M1m为节点m处的低阶不变矩。
S202，基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵。
具体地，以步骤101得到的故障样本在所有节点处的波形特征量为基础，构建反映各节点之间关系的拓扑矩阵R，如式(11)所示。
其中，Ri为节点i处的波形特征量；Rj为节点j处的波形特征量；N为节点个数。
拓扑矩阵R是一对角线元素为0的对称矩阵，其中的任一元素反映了相应两节点在零序电流与故障电流上的差异，因此该矩阵结构，即矩阵元素值之间的相对大小关系，与故障区段紧密相关，通过对该矩阵的分析可以实现故障区段定位。
S203，分析每个故障样本的拓扑矩阵，求取每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合。
具体地，所述步骤203中，对拓扑矩阵进行分析的具体实现方式如下：
(1)对拓扑矩阵R进行正态化处理，得到正态化过渡矩阵X。
以随机矩阵理论作为矩阵分析工具研究拓扑矩阵R，提取与故障区段紧密相关的复特征根刻画故障样本。针对拓扑矩阵R，利用公式(12)得到正态化过渡矩阵X。
其中，i＝1,2,…,N,j＝1,2,…,N；Rij、Xij分别为矩阵R、X的元素，
分别为两矩阵的行均值，σRi、σXi为行标准差，满足
(2)基于正态化过渡矩阵X，利用酉矩阵U得到奇异值等效矩阵Xe。
对于N×N的非厄米特矩阵X，利用酉矩阵U得到奇异值等效矩阵Xe，其表达式为：
其中，U为满足Haar分布的酉矩阵，可理解为实现实数平面向复数平面的映射，上标H表示共轭转置，另外，X与Xe满足XXH＝XeXe H。
(3)对奇异值等效矩阵Xe进行单位化处理得到单位化矩阵Z，并计算矩阵Z的随机矩阵特征值Zλ。
具体地，对矩阵Xe进行单位化处理后，得到的单位化矩阵Z的公式如下：
其中，i＝1,2,…,N,矩阵Z满足
σ2(Z)＝1/N，计算矩阵Z的特征值Zλ，将对量测节点的故障波形的描述由波形特征向量Rm(m＝1,2,…,N)转换为随机矩阵特征值Zλ，如下所示：
(4)利用多个故障样本的随机矩阵特征值形成故障样本特征值集合Zset。
拓扑矩阵与故障区段有密切关系，同一故障区段的故障样本形成的矩阵有相似的结构，相同位置的元素相似，即矩阵元素之间相对大小关系，其随机矩阵特征根在复平面上的分布模态也相同，某配电网六个区段分别发生单相接地故障后的随机矩阵特征值在复平面上的分布如图3所示。
S204，对故障样本特征值集合进行聚类，得到各故障区段的聚集中心点。
为实现相似拓扑矩阵的自动识别，即由随机矩阵特征根自动判别故障区段而非通过人工识别特征根模态分布的相似性来确定故障区段。利用特征值分布的集丛性，即相同故障区段的样本间距小，不同故障区段的样本间距大，本实施例对通用的K均值聚类算法作出改进，提出选取各区段的一个故障样本作为初始聚类点而非随机产生初始故障点。相比于通用算法中随机选取初始点，这种改进能较大的改善聚类算法性能，提高聚类结果准确性。接着利用电力调度中心积累的海量故障样本形成的特征值集合Zset训练聚类模型，得到对应于各故障区段的聚集中心点。某配电网单相接地故障样本在随机矩阵特征值空间中的分布及聚类结果如图4所示。
S205，获取待定位故障样本，定位故障区段。
针对新发生的故障，各录波器中计算其节点处的波形特征量并上传至调度中心，调度中心利用各录波器上传的特征量计算拓扑矩阵并求取随机矩阵特征值。之后通过寻找与该待定位故障样本的特征值距离最小的聚类中心点，便可以实现对故障区段的判别。某配电网基于故障区段聚类中心点的单相接地故障的区段定位示意图如图5所示。
本实施例提出的方法，通过各录波器启动记录波形后就地提取故障特征量，然后将计算出的特征量上传至调度中心，这样可以避免向调度中心上传整段波形从而大大减少所需的时间，减轻调度中心的负担，使调度中心及时判断系统中单相接地故障的区段，在实际的应用上有更好的前景；
本实施例提出的方法，利用波形特征量形成拓扑矩阵，通过随机矩阵算法分析该拓扑矩阵的特征值，并对该特征值加以分析，实现区段精确定位；不受单相接地的接地相及过渡电阻大小的影响，可实现单相接地故障区段的可靠辨识，并能充分利用电力系统中已存在的海量量测数据。
本实施例提出的方法，基于配电网故障录波装置信号处理机制所设计的，既避免了基于变电站的就地信号所导致的故障辨识结果片面及可靠性不足的问题，也不会由于需要大量安装其他故障特征检测和处理装置带来的增加过多运营成本的问题，更符合于实际应用的要求。
实施例二
本实施例提供一种配电网单相接地故障区段定位系统，该系统包括若干个安装在配电网内每个结点处的故障录波器以及设置在调度中心的处理器；其中：
所述故障录波器，用于获取配电网内多个故障样本在所有节点处的电流波形数据，提取每个故障样本在所有节点处的波形特征量，以及获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量；
所述处理器，用于基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵；分析每个故障样本的拓扑矩阵，计算每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
在本实施例中，所述波形特征量的提取方法为：
利用卡伦鲍厄相模变换对故障样本在每个节点处的电流波形数据进行解耦；
判断是否发生单相接地故障，并确定故障时刻；
计算在故障时刻前后各一个周波的α模、β模的电流分量的畸变比的平均值，确定故障相；
选取故障相在故障时刻前后各多个周波的电流波形数据，计算故障样本在每个节点处的波形特征量。
在本实施例中，所述随机矩阵特征值的计算方法为：
对拓扑矩阵进行正态化处理，得到正态化过渡矩阵；
基于正态化过渡矩阵，利用酉矩阵得到奇异值等效矩阵；
对奇异值等效矩阵进行单位化处理得到单位化矩阵，并计算单位化矩阵的随机矩阵特征值。
在本实施例中，所述对所有故障样本特征值集合进行聚类的方法为：
选取各故障区段的一个故障样本作为初始聚类点；
利用所有故障样本特征值集合训练聚类模型，得到各故障区段的聚集中心点。
在本实施例中，所述故障区段的确定方法为：
获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量，并构建待定位故障样本的拓扑矩阵；
分析待定位故障样本的拓扑矩阵，计算待定位故障样本的随机矩阵特征值；
计算待定位故障样本的随机矩阵特征值与各故障区段的聚集中心点之间的距离；
寻找与该待定位故障样本的特征值距离最小的聚类中心点，确定故障区段。
实施例三
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
实施例四
本实施例提供一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开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和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本发明实施例的方法、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。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (9)
1.一种配电网单相接地故障区段定位方法，其特征是，包括以下步骤：
获取配电网内多个故障样本在若干个节点处的电流波形数据，提取每个故障样本在若干个节点处的波形特征量；
基于每个故障样本在若干个节点处的波形特征量，构建每个故障样本的拓扑矩阵；
计算每个故障样本的随机矩阵特征值，并构建每个故障样本特征值集合；
对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；
计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段；
所述波形特征量的提取方法为：
利用卡伦鲍厄相模变换对故障样本在每个节点处的电流波形数据进行解耦；
判断是否发生单相接地故障，并确定故障时刻；
利用各量测节点的α模、β模的电流分量计算畸变比的平均值，确定故障相；
所述畸变比为故障时刻前后的α模、β模电流分量分别进行周期差分后的各采样点平方和的比值，畸变比平均值为各节点畸变比的平均值，畸变比平均值表达式为
其中，R(m)为录波器m的一个周波的α模、β模的电流分量的畸变比，m为录波器的个数，I(m)αi为录波器m在第i个采样点采集到的α模电流分量；I(m)βi为录波器m在第i个采样点采集到的β模电流分量；t为录波器在一个周波内的采样点数，N为录波器总数，Δt为周期差分算子，表示对时间序列以周期为单位计算差分，即Δt I(m)i＝I(m)i-I(m)(i-t)；
选取故障相在故障时刻前后各多个周波的电流波形数据，计算故障样本在每个节点处的波形特征量。
2.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述波形特征量包括零序电流能量、小波近似熵、首波峰占比及低阶不变矩。
3.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，拓扑矩阵为：
Rij＝||Ri-Rj||2 i,j＝1,2,…,N
其中，Ri为节点i处的波形特征量；Rj为节点j处的波形特征量。
4.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述随机矩阵特征值的计算方法为：
对拓扑矩阵进行正态化处理，得到正态化过渡矩阵；
基于正态化过渡矩阵，利用酉矩阵得到奇异值等效矩阵；
对奇异值等效矩阵进行单位化处理得到单位化矩阵，并计算单位化矩阵的随机矩阵特征值。
5.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述对所有故障样本特征值集合进行聚类的方法为：
选取各故障区段的一个故障样本作为初始聚类点；
利用所有故障样本特征值集合训练聚类模型，得到各故障区段的聚集中心点。
6.根据权利要求1所述配电网单相接地故障区段定位方法，其特征是，所述故障区段的确定方法为：
获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量，并构建待定位故障样本的拓扑矩阵；
分析待定位故障样本的拓扑矩阵，计算待定位故障样本的随机矩阵特征值；
计算待定位故障样本的随机矩阵特征值与各故障区段的聚集中心点之间的距离；
寻找与该待定位故障样本的特征值距离最小的聚类中心点，确定故障区段。
7.一种配电网单相接地故障区段定位系统，其特征是，包括若干个安装在配电网内每个结点处的故障录波器以及处理器；
所述故障录波器，用于获取配电网内多个故障样本在所有节点处的电流波形数据，提取每个故障样本在所有节点处的波形特征量，以及获取待定位故障样本在其节点处的电流波形数据，提取待定位故障样本在其节点处的波形特征量；
所述处理器，用于基于每个故障样本在所有节点处的波形特征量，构建每个故障样本的拓扑矩阵；分析每个故障样本的拓扑矩阵，计算每个故障样本的随机矩阵特征值，构建每个故障样本特征值集合；对所有故障样本特征值集合进行聚类，得到各故障区段的聚集中心点；计算待定位故障样本的随机矩阵特征值，寻找与待定位故障样本的随机矩阵特征值距离最小的聚集中心点，确定故障区段；
所述波形特征量的提取方法为：
利用卡伦鲍厄相模变换对故障样本在每个节点处的电流波形数据进行解耦；
判断是否发生单相接地故障，并确定故障时刻；
利用各量测节点的α模、β模的电流分量计算畸变比的平均值，确定故障相；
所述畸变比为故障时刻前后的α模、β模电流分量分别进行周期差分后的各采样点平方和的比值，畸变比平均值为各节点畸变比的平均值，畸变比平均值表达式为
其中，R(m)为录波器m的一个周波的α模、β模的电流分量的畸变比，m为录波器的个数，I(m)αi为录波器m在第i个采样点采集到的α模电流分量；I(m)βi为录波器m在第i个采样点采集到的β模电流分量；t为录波器在一个周波内的采样点数，N为录波器总数，Δt为周期差分算子，表示对时间序列以周期为单位计算差分，即Δt I(m)i＝I(m)i-I(m)(i-t)；
选取故障相在故障时刻前后各多个周波的电流波形数据，计算故障样本在每个节点处的波形特征量。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-6中任一项所述的配电网单相接地故障区段定位方法中的步骤。
9.一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的配电网单相接地故障区段定位方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910867027.3A CN110596533B (zh) | 2019-09-12 | 2019-09-12 | 一种配电网单相接地故障区段定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910867027.3A CN110596533B (zh) | 2019-09-12 | 2019-09-12 | 一种配电网单相接地故障区段定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110596533A CN110596533A (zh) | 2019-12-20 |
| CN110596533B true CN110596533B (zh) | 2020-07-31 |
Family
ID=68859306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910867027.3A Active CN110596533B (zh) | 2019-09-12 | 2019-09-12 | 一种配电网单相接地故障区段定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110596533B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375041B (zh) * | 2018-12-24 | 2021-01-05 | 华北科技学院 | 小电流接地系统单相接地故障判断方法 |
| CN111077409A (zh) * | 2019-12-27 | 2020-04-28 | 国网山东省电力公司青岛供电公司 | 一种基于d-pmu有限节点信息的配电网复故障定位方法 |
| CN111413582B (zh) * | 2020-03-19 | 2023-08-25 | 国网湖北省电力有限公司荆门供电公司 | 一种利用多类测量数据的配电网故障精确定位方法 |
| CN111585934B (zh) * | 2020-04-07 | 2021-11-26 | 南昌大学 | 一种利用随机矩阵调制雷达成像波形实现共享通信的方法 |
| CN112684281B (zh) * | 2020-11-12 | 2022-10-04 | 国网河北省电力有限公司电力科学研究院 | 配电网单相接地故障区段定位方法、装置及终端设备 |
| CN112731067A (zh) * | 2021-01-06 | 2021-04-30 | 济南大学 | 一种配电网单相接地故障的定位方法及系统 |
| 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 |
| CN113219298B (zh) * | 2021-03-24 | 2022-10-11 | 昆明理工大学 | 一种复杂交流电网故障电流行波数值仿真方法 |
| CN113156267B (zh) * | 2021-04-27 | 2024-02-02 | 福州大学 | 一种配电网接地故障选段方法及系统 |
| CN113484688B (zh) * | 2021-07-22 | 2023-03-31 | 云南电网有限责任公司昆明供电局 | 基于馈线电流骤减度的配电网故障研判方法及系统 |
| CN113674106B (zh) * | 2021-08-11 | 2024-07-23 | 国网山东省电力公司平阴县供电公司 | 一种中低压配电网接地故障组合定位方法 |
| CN114019321B (zh) * | 2021-10-25 | 2024-07-05 | 国网江苏省电力有限公司 | 一种基于归一化标准差和小波熵的直流串联电弧故障检测方法及装置 |
| CN114062850B (zh) * | 2021-11-17 | 2022-09-23 | 江南大学 | 一种双阈值电网早期故障检测方法 |
| CN114184881B (zh) * | 2021-11-18 | 2023-06-30 | 广东电网有限责任公司电力调度控制中心 | 一种基于拓扑模型追踪分析故障事件定位方法 |
| CN116794446B (zh) * | 2023-03-31 | 2024-01-26 | 华北电力大学 | 一种配电网故障定位方法、系统及电子设备 |
| CN117609831B (zh) * | 2023-11-21 | 2024-07-09 | 国网宁夏电力有限公司电力科学研究院 | 一种基于随机矩阵的变压器局放检测方法、介质及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997008562A1 (en) * | 1995-08-23 | 1997-03-06 | Abb Research Ltd. | Method of locating a single-phase ground fault in a power distribution network |
| CN102788926A (zh) * | 2012-07-04 | 2012-11-21 | 河南理工大学 | 小电流接地系统单相接地故障区段定位方法 |
| CN108459240A (zh) * | 2018-03-27 | 2018-08-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种配电网线路故障区间定位方法 |
| CN109307824A (zh) * | 2018-09-18 | 2019-02-05 | 福州大学 | 一种基于聚类的配电网单相接地故障区段定位方法 |
| CN109459669A (zh) * | 2019-01-09 | 2019-03-12 | 国网上海市电力公司 | 10kV配电网单相接地故障区段定位方法 |
| CN109507526A (zh) * | 2018-10-29 | 2019-03-22 | 山东大学 | 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法 |
| CN110208647A (zh) * | 2019-05-27 | 2019-09-06 | 国网上海市电力公司 | 一种基于随机矩阵的配电网单相接地故障区段定位方法 |
-
2019
- 2019-09-12 CN CN201910867027.3A patent/CN110596533B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997008562A1 (en) * | 1995-08-23 | 1997-03-06 | Abb Research Ltd. | Method of locating a single-phase ground fault in a power distribution network |
| CN102788926A (zh) * | 2012-07-04 | 2012-11-21 | 河南理工大学 | 小电流接地系统单相接地故障区段定位方法 |
| CN108459240A (zh) * | 2018-03-27 | 2018-08-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种配电网线路故障区间定位方法 |
| CN109307824A (zh) * | 2018-09-18 | 2019-02-05 | 福州大学 | 一种基于聚类的配电网单相接地故障区段定位方法 |
| CN109507526A (zh) * | 2018-10-29 | 2019-03-22 | 山东大学 | 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法 |
| CN109459669A (zh) * | 2019-01-09 | 2019-03-12 | 国网上海市电力公司 | 10kV配电网单相接地故障区段定位方法 |
| CN110208647A (zh) * | 2019-05-27 | 2019-09-06 | 国网上海市电力公司 | 一种基于随机矩阵的配电网单相接地故障区段定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于随机矩阵的配电网单相接地故障区段定位;杨东升等;《电器与能效管理技术》;20190731(第14期);第66-68页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110596533A (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110596533B (zh) | 一种配电网单相接地故障区段定位方法及系统 | |
| CN113036908B (zh) | 一种基于继电保护在线监视与分析系统的故障分析方法 | |
| CN108181547B (zh) | 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 | |
| Xiong et al. | A data-driven approach for fault time determination and fault area location using random matrix theory | |
| CN107632225B (zh) | 一种小电流系统接地故障定位方法 | |
| CN103713237A (zh) | 一种电力系统输电线路短路故障诊断方法 | |
| CN110632439A (zh) | 基于同步波形与关联规则的配电网单相接地故障诊断技术 | |
| CN110133438A (zh) | 一种基于相空间重构与电导特征的单相接地故障辨识方法 | |
| CN110146764A (zh) | 一种基于声阵列边缘计算的电力设备异常检测方法 | |
| CN104750878A (zh) | 一种基于混合搜索策略的拓扑故障诊断方法 | |
| CN111614066A (zh) | 一种配电网继电保护定值自动整定方法和系统 | |
| CN110348114A (zh) | 一种电网完备性状态信息重构的非精确故障识别方法 | |
| CN113433419A (zh) | 基于多态数据协同处理的智能告警方法及系统 | |
| CN115980515A (zh) | 一种单相接地故障定位方法 | |
| CN105930608B (zh) | 计及信息不确定性的改进隐性故障检测方法 | |
| CN113325263A (zh) | 配电网接地故障选线方法、装置、计算机设备、存储介质 | |
| CN115456111A (zh) | 一种基于配电物联网的故障定位方法及定位系统 | |
| CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 | |
| CN113567803B (zh) | 基于Tanimoto相似度的小电流接地故障定位方法及系统 | |
| CN106019043A (zh) | 一种基于模糊积分多源信息融合理论的电网故障诊断方法 | |
| CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
| CN113884805B (zh) | 基于d-s证据理论的单相接地故障绝缘劣化识别方法及系统 | |
| Ding et al. | Research on power grid fault diagnosis method based on PMU data and convolutional neural network | |
| Zhang et al. | Single-phase-to-ground fault diagnosis based on waveform feature extraction and matrix analysis | |
| CN116881703B (zh) | 一种电缆多源信号识别方法、装置及存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221221 Address after: No. 27, Shan Dana Road, Ji'nan, Shandong Province, Shandong Patentee after: SHANDONG University Patentee after: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. Address before: 250061, No. ten, No. 17923, Lixia District, Ji'nan City, Shandong Province Patentee before: SHANDONG University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230317 Address after: No. 27, Shan Dana Road, Ji'nan, Shandong Province, Shandong Patentee after: SHANDONG University Address before: No. 27, Shan Dana Road, Ji'nan, Shandong Province, Shandong Patentee before: SHANDONG University Patentee before: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. |
|
| TR01 | Transfer of patent right |