CN110677125A - 电弧故障检测的方法及装置 - Google Patents
电弧故障检测的方法及装置 Download PDFInfo
- Publication number
- CN110677125A CN110677125A CN201910962476.6A CN201910962476A CN110677125A CN 110677125 A CN110677125 A CN 110677125A CN 201910962476 A CN201910962476 A CN 201910962476A CN 110677125 A CN110677125 A CN 110677125A
- Authority
- CN
- China
- Prior art keywords
- current signal
- frequency band
- arc fault
- sample entropy
- current
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000010248 power generation Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims description 72
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000010891 electric arc Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 206010000369 Accident Diseases 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明提供一种电弧故障检测的方法及装置,通过获取光伏发电系统的多个电流信号。对多个电流信号进行处理,得到电弧故障特征频段。再对多个电流信号进行分解,得到与电弧故障特征频段对应的重构系数。利用重构系数计算得到所述电流信号的第一样本熵和第二样本熵;其中,第一样本熵为正常状态下的电流信号的样本熵,第二样本熵为故障状态下的电流信号的样本熵。根据所述电流信号的第一样本熵和第二样本熵,计算得到动作阈值。利用该动作阈值判定电弧是否发生故障。因此,可以根据动作阈值与光伏发电系统中的电流信号的样本熵作比较,来检测光伏发电系统中电弧是否发生故障。
Description
技术领域
本发明涉及电路系统技术领域,尤其涉及一种电弧故障检测的方法及装置。
背景技术
随着科技的发展,发电系统的种类繁多,其中,光伏发电系统的使用越来越多。光伏发电系统是指无需通过热过程直接将光能转变为电能的发电系统。光伏发电是利用半导体界面的光生伏特效应而将光能直接转变为电能的一种技术,这种技术的关键元件是太阳能电池。太阳能电池经过串联后进行封装保护可形成大面积的太阳电池组件,再配合上功率控制器等部件就形成了光伏发电装置。其特点是可靠性高、使用寿命长、不污染环境、能独立发电又能并网运行。
但是,在光伏发电系统中,存在大量的光伏组件端子连接处、电路焊接点、老化的绝缘导线,这些地方都有可能产生直流串联电弧故障,并伴随着高温、明火等物理现象,进而引发火灾事故。目前并没有一种可以有效检测直流串联电弧故障的方法,使得光伏发电系统存在一定的安全隐患,不能及时检测到电弧发生了故障,从而引发不可预料的严重后果。
发明内容
有鉴于此,本发明实施例提供了一种电弧故障检测的方法及装置,可以对光伏发电系统中的电弧故障进行实时检测,避免光伏发电系统因电弧发生故障而发生意外事故,减少安全隐患。
为实现上述目的,本发明实施例提供如下技术方案:
本发明第一方面公开了一种电弧故障检测的方法,包括:
获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号;
对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段;
对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数;
利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵;
根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
可选的,上述的方法,所述对所述电流信号中的每一个电流信号进行处理,得到所述电弧故障状态下的电流信号中的电弧故障特征频段,包括:
对所述电流信号进行降噪处理;
将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段;
分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量;
分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值;
将所述含有最大能量比的频段作为所述电弧故障特征频段。
可选的,上述的方法,所述对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数,包括:
将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数;
分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段;
将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
可选的,上述的方法,所述根据所述第一样本熵和所述第二样本熵,计算得到动作阈值,包括:
提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值;
将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
可选的,上述的方法,还包括:
当光伏发电系统中的电流信号的样本熵超过所述动作阈值时,则判定所述电弧发生故障。
可选的,上述的方法,所述对所述多个电流信号进行降噪处理之后,还包括:
对降噪处理后的多个电流信号进行快速傅里叶变换,将降噪后的多个电流信号从时域变换到频域。
本发明第二方面公开了一种电弧故障检测的装置,包括:
获取单元,用于获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号;
处理单元,用于对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段;
分解单元,用于对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数;
第一计算单元,用于利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵;
第二计算单元,用于根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
可选的,上述的装置,所述处理单元,包括:
处理子单元,用于对所述电流信号进行降噪处理;
拆分子单元,用于将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段;
第一计算子单元,用于分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量;
第二计算子单元,用于分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值;
第一确定子单元,用于将所述含有最大能量比的频段作为所述电弧故障特征频段。
可选的,上述的装置,所述分解单元,包括:
分解子单元,用于将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数;
对比子单元,用于分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段;
第二确定子单元,用于将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
可选的,上述的装置,所述第二计算单元,包括:
提取子单元,用于提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值;
第三计算子单元,用于将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
从上述技术方案可以看出,本申请提供的一种电弧故障检测的方法中,通过获取光伏发电系统的多个电流信号。对多个电流信号进行处理,得到电弧故障特征频段。再对多个电流信号进行分解,得到与电弧故障特征频段对应的重构系数。利用重构系数计算得到所述电流信号的第一样本熵和第二样本熵;其中,第一样本熵为正常状态下的电流信号的样本熵,第二样本熵为故障状态下的电流信号的样本熵。根据所述电流信号的第一样本熵和第二样本熵,计算得到动作阈值。利用该动作阈值判定电弧是否发生故障。因此,可以根据动作阈值与光伏发电系统中的电流信号的样本熵作比较,来检测光伏发电系统中电弧是否发生故障,避免光伏发电系统因电弧发生故障而发生意外事故,比如高温、明火等。从而减少光伏发电系统的安全隐患。
附图说明
为了更清楚地说明本发明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发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种电弧故障检测的方法的流程图;
图2为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图3为本发明实施例公开的另一种电弧故障检测的方法的流程图;
图4a为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图4b为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图4c为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图4d为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图5为本发明实施例公开的另一种电弧故障检测的方法的流程图;
图6a为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图6b为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图7为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图8为本发明实施例公开的另一种电弧故障检测的方法的流程图;
图9为本发明实施例公开的另一种电弧故障检测的方法的示意图;
图10为本发明实施例公开的一种电弧故障检测的装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,目前在现有技术中,并没有一种可以有效检测直流串联电弧故障的方法,使得光伏发电系统存在一定的安全隐患,因为在光伏发电系统中,存在大量的光伏组件端子连接处、电路焊接点、老化的绝缘导线,这些地方都有可能产生直流串联电弧故障,并伴随着高温、明火等物理现象,进而引发火灾事故。因此,如果不能及时检测到电弧发生了故障,就有可能引发不可预料的严重后果。
基于此,本发明实施例公开了一种电弧故障检测的方法及装置,以解决现有技术中不能对光伏发电系统中的电弧故障进行实时检测,导致光伏发电系统可能因电弧发生故障而发生意外事故,存在安全隐患的问题。
本发明实施例提供了一种电弧故障检测的方法,参见图1,具体包括:
S101、获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号。
本发明实施例提供的方法中,利用采集电流信号的装置获取光伏发电系统中不同情况下的电流信号,其中,获取的电流信号中包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号。
可选的,本发明的另一实施例中,步骤S101的一种实施方式,如图2所示,可以包括:
通过移动电弧发生器的移动端,在两铜极之间产生电弧,在被测线路进入逆变器前,将被测线路穿入电流传感器中,利用电流传感器采集被测线路正常状态下的电流信号和电弧故障状态下的电流信号,然后将采集到的电流信号传入数据采集箱中,完成对电流信号的获取。
S102、对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段。
本发明实施例提供的方法中,在获取到光伏发电系统中的电流信号之后,将获取到的电流信号利用对数均分频段的方法将电流信号频段分成多部分,然后分别计算各个电流信号在每一个频段内的能量,求出正常状态下的电流信号与电弧故障状态下的电流信号在各个频段内的能量的比值,将能量比最大的一个频段作为电弧故障特征频段。
需要说明的是,当电弧发生故障时,由于气体放电的不稳定性,回路电流产生明显的畸变,电流的谐波含量增多,幅值也明显增大,此时正常状态下的电流信号与电弧故障状态下的电流信号的能量比就会变大,因此选择能量比最大的一个频段作为电弧故障特征频段。
可选的,本发明的另一实施例中,步骤S102的另一种实施方式,如图3所示,具体包括:
S301、对所述电流信号进行降噪处理。
需要说明的是,将获取到的电流信号利用小波软阈值的方法进行降噪处理,降噪函数为:
其中,x为小波系数,T为采用一种基于Stein无偏似然估计原理的自适应方法选取的阈值,sgn为符号函数。将小波系数x与阈值T作比较,然后根据比较结果再向0进行收缩,实现电流信号的降噪。
需要说明的是,通过小波软阈值的方法对电流信号进行降噪处理尽可能地降低了噪声的干扰,同时保留了原始信号的故障特征,电流信号降噪处理前后的图形对比具体参见图4a、图4b、图4c和图4d。
可选的,本发明另一实施例中,步骤S301之后,还可以包括:
对降噪处理后的多个电流信号进行快速傅里叶变换,将降噪后的多个电流信号从时域变换到频域。
需要说明的是,利用快速傅里叶变换将电流信号从时域变换到频域,可以更好的分析电流信号的特性,可以提高提取重构系数的速度,减少信号处理的时间。
还需要说明的是,在利用快速傅里叶变换将电流信号从时域变换到频域之后,本发明的实施例中的步骤S302则是对变换后的电流信号进行处理。
S302、将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段。
需要说明的是,对经过降噪处理后的电流信号采用对数均分频段的方法将电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成10个频段,当然,也可根据实际情况进行拆分频段。
S303、分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量。
需要说明的是,将电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成10个频段后,分别计算出每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号在各个频段内的能量,计算表达式为:
其中,xi为信号频谱幅值,i=1,2,...,10。
S304、分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值。
需要说明的是,在本实施例中的方法中,在分别计算出每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号在各个频段内的能量后,分别求出同一个频段内的电流信号中一个正常状态下的电流信号的能量与电流信号中一个电弧故障状态下的电流信号的能量之间的比值,如表1所示:
表1
S305、将所述含有最大能量比的频段作为所述电弧故障特征频段。
需要说明的是,在本实例的方法中,由表1可知频段6的能量比为11.3053,相比其它频段能量比最大,对应频率范围为102.2Hz-102.5Hz,此处取158Hz-316Hz,因此可将该频段作为电弧故障特征频段。
S103、对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数。
本发明实施例提供的方法中,将获取到的光伏发电系统中的电流信号采用双树复小波变换的方法进行多层分解,分解后会得到各层频段的范围以及各层频段对应的系数,将与上述步骤得到的电弧故障特征频段相对应的一层频段所对应的系数作为重构系数。
需要说明的是,在电弧发生故障的时候,重构系数在频谱图中会出现剧烈波动,与正常状态下差异明显,因此,重构系数能反映出正常状态下的电流信号与电弧故障状态下的电流信号的差异。
可选的,本发明的另一实施例中,S103的一种实施方式,如图5所示,具体包括:
S501、将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数。
需要说明的是,在本实施例的方法中,将经过降噪处理的光伏发电系统的电流信号中的每一个信号采用双树复小波变换的方法进行6层分解,得到每一层频段以及每一层频段所对应的小波系数,如表2所示:
表2
S502、分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段。
需要说明的是,由上述步骤得知,第5层频率范围为156-312Hz,几乎对应电弧故障特征频段范围(158Hz-316Hz),因此将第五层频段作为与电弧故障特征频段相对应的一层频段。
S503、将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
需要说明的是,在本实施例的方法中,第五层频段为与电弧故障特征频段相对应的一层频段,因此将小波系数d5作为重构系数。
还需要说明的是,在电弧发生故障的状态下,重构系数会出现剧烈波动,具体参见图6a以及图6b。
S104、利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵,其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵。
本发明实施例提供的方法中,在得到重构系数之后,利用重构系数对每一个电流信号的样本熵进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵。
需要说明的是,样本熵能够描述一个样本的杂乱程度,信号越复杂,熵值越大,而电弧发生故障的状态下,重构系数会出现剧烈波动,此时电流信号的样本熵也会变大,因此可以选取样本熵对电流信号进行复杂度量化。
可选的,本发明的另一实施例中,记录了在电弧发生故障的状态下,重构系数出现剧烈波动的波形图,具体参见图7。
S105、根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
本发明实施例提供的方法中,根据得到第一样本熵和所述第二样本熵通过计算得出动作阈值,其中,利用动作阈值与光伏发电系统中的电流信号的样本熵作比较,判断电弧是否发生故障。
可选的,本发明的另一实施例中,步骤S105的另一实施方式,如图8所示,具体包括:
S801、提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值。
需要说明的是,在本实施例的方法中,分别对50个正常状态下的电流信号和50个电弧故障状态下的电流信号的样本熵进行计算,一个正常状态下的电流信号和一个电弧故障状态下的电流信号为一组信号,每5组信号统计一次正常状态下的电流信号和一个电弧故障状态下的电流信号分别所对应的最大值和最小值,如表3所示:
表3
由表3可知,正常状态下的电流信号的样本熵最大值为0.0164,故障状态下的电流信号的样本熵最小值为0.0304。
S802、将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
需要说明的是,由上述步骤得出正常状态下的电流信号的样本熵最大值为0.0164,故障状态下的电流信号的样本熵最小值为0.0304,因此,动作阈值为0.0234。
可选的,本发明的另一实施例中,所述电池故障的诊断方法,还包括:
当光伏发电系统中的电流信号的样本熵超过所述动作阈值时,则判定所述电弧发生故障。
需要说明的是,本实施例的方法中,当电弧发生故障时,光伏发电系统中的电流信号的样本熵会突然增大并超过动作阈值,具体参见图9,因此当光伏发电系统中的电流信号的样本熵超过所述动作阈值时,则判定所述电弧发生故障。
本发明提供的一种电弧故障检测的方法中,通过获取光伏发电系统的多个电流信号。对多个电流信号进行处理,得到电弧故障特征频段。再对多个电流信号进行分解,得到与电弧故障特征频段对应的重构系数。利用重构系数计算得到所述电流信号的第一样本熵和第二样本熵;其中,第一样本熵为正常状态下的电流信号的样本熵,第二样本熵为故障状态下的电流信号的样本熵。根据所述电流信号的第一样本熵和第二样本熵,计算得到动作阈值。利用该动作阈值判定电弧是否发生故障。因此,可以根据动作阈值与光伏发电系统中的电流信号的样本熵作比较,来检测光伏发电系统中电弧是否发生故障,避免光伏发电系统因电弧发生故障而发生意外事故,比如高温、明火等。从而减少光伏发电系统的安全隐患。
与图1所述的方法相对应,本发明实施例还提供了一种电弧故障检测的装置,如图10所示:
获取单元601,用于获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号;
处理单元602,用于对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段;
分解单元603,用于对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数;
第一计算单元604,用于利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵;
第二计算单元605,用于根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
本发明提供的电弧故障检测的装置中,通过获取单元601获取光伏发电系统的多个电流信号。处理单元602对多个电流信号进行处理,得到电弧故障特征频段。分解单元603再对多个电流信号进行分解,得到与电弧故障特征频段对应的重构系数。第一计算单元604利用重构系数计算得到所述电流信号的第一样本熵和第二样本熵;其中,第一样本熵为正常状态下的电流信号的样本熵,第二样本熵为故障状态下的电流信号的样本熵。然后第二计算单元605根据所述电流信号的第一样本熵和第二样本熵,计算得到动作阈值。利用该动作阈值判定电弧是否发生故障。因此,可以根据动作阈值与光伏发电系统中的电流信号的样本熵作比较,来检测光伏发电系统中电弧是否发生故障,避免光伏发电系统因电弧发生故障而发生意外事故,比如高温、明火等。从而减少光伏发电系统的安全隐患。
并且,本实施例中获取单元601、处理单元602、分解单元603、第一计算单元604以及第二计算单元605的具体执行过程,可参见对应图1的方法实施例内容,此处不再赘述。
可选的,本发明的另一实施例中,处理单元602,包括:
处理子单元,用于对所述电流信号进行降噪处理;
拆分子单元,用于将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段;
第一计算子单元,用于分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量;
第二计算子单元,用于分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值;
第一确定子单元,用于将所述含有最大能量比的频段作为所述电弧故障特征频段。
本实施例中,处理子单元、拆分子单元、第一计算子单元、第二计算子单元以及第一确定子单元的具体执行过程,可参见对应图3的方法实施例内容,此处不再赘述。
可选的,本发明的另一实施例中,分解单元603,包括:
分解子单元,用于将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数;
对比子单元,用于分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段;
第二确定子单元,用于将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
本实施例中,分解子单元、对比子单元以及第二确定子单元的具体执行过程,可参见对应图5的方法实施例内容,此处不再赘述。
可选的,本发明的另一实施例中,第二计算单元605,包括:
提取子单元,用于提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值;
第三计算子单元,用于将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
本实施例中,提取子单元以及第三计算子单元的具体执行过程,可参见对应图8的方法实施例内容,此处不再赘述。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电弧故障的检测方法,其特征在于,包括:
获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号;
对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段;
对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数;
利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵;
根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
2.根据权利要求1所述的方法,其特征在于,所述对所述电流信号中的每一个电流信号进行处理,得到所述电弧故障状态下的电流信号中的电弧故障特征频段,包括:
对所述电流信号进行降噪处理;
将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段;
分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量;
分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值;
将所述含有最大能量比的频段作为所述电弧故障特征频段。
3.根据权利要求2所述的方法,其特征在于,所述对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数,包括:
将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数;
分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段;
将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一样本熵和所述第二样本熵,计算得到动作阈值,包括:
提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值;
将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
5.根据权利要求1所述的方法,其特征在于,还包括:
当光伏发电系统中的电流信号的样本熵超过所述动作阈值时,则判定所述电弧发生故障。
6.根据权利要求2所述的方法,其特征在于,所述对所述多个电流信号进行降噪处理之后,还包括:
对降噪处理后的多个电流信号进行快速傅里叶变换,将降噪后的多个电流信号从时域变换到频域。
7.一种电弧故障检测的装置,其特征在于,包括:
获取单元,用于获取光伏发电系统的电流信号;其中,所述电流信号包括多个正常状态下的电流信号和多个电弧故障状态下的电流信号;
处理单元,用于对所述电流信号中的每一个电流信号进行处理,得到电弧故障特征频段;
分解单元,用于对所述电流信号中的每一个电流信号进行分解,得到与所述电弧故障特征频段对应的重构系数;
第一计算单元,用于利用重构系数对所述电流信号进行计算,得到第一样本熵和第二样本熵;其中,所述第一样本熵包括所述电流信号中所有的所述正常状态下的电流信号的样本熵,所述第二样本熵包括所述电流信号中所有的所述电弧故障状态下的电流信号的样本熵;
第二计算单元,用于根据所述第一样本熵和所述第二样本熵,计算得到动作阈值;其中,所述动作阈值用于判定电弧是否发生故障。
8.根据权利要求7所述的装置,其特征在于,所述处理单元,包括:
处理子单元,用于对所述电流信号进行降噪处理;
拆分子单元,用于将降噪处理后的所述电流信号中的每一个正常状态下的电流信号以及每一个电弧故障状态下的电流信号分别拆分成多个频段;
第一计算子单元,用于分别计算所述电流信号中每一个正常状态下的电流信号在各个频段内的能量,以及所述电流信号中每一个电弧故障状态下的电流信号在各个频段内的能量;
第二计算子单元,用于分别计算出在各个所述频段内的能量比,其中,所述能量比为处于同一个所述频段内的所述电流信号中一个正常状态下的电流信号的能量与所述电流信号中一个电弧故障状态下的电流信号的能量之间的比值;
第一确定子单元,用于将所述含有最大能量比的频段作为所述电弧故障特征频段。
9.根据权利要求8所述的装置,其特征在于,所述分解单元,包括:
分解子单元,用于将所述降噪处理后的所述电流信号中的每一个电流信号进行多层分解,得到多层频段以及所述每一层频段所对应的系数;
对比子单元,用于分别将每一层频段与所述电弧故障特征频段进行对比,得到与所述电弧故障特征频段相对应的一层频段;
第二确定子单元,用于将与所述电弧故障特征频段相对应的一层频段的对应系数作为所述重构系数。
10.根据权利要求7所述的装置,其特征在于,所述第二计算单元,包括:
提取子单元,用于提取所述电流信号的第一样本熵中的最大值以及所述电流信号的第二样本熵中的最小值;
第三计算子单元,用于将所述电流信号的第一样本熵中的最大值加上所述电流信号的第二样本熵中的最小值的一半得到所述动作阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962476.6A CN110677125B (zh) | 2019-10-11 | 2019-10-11 | 电弧故障检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962476.6A CN110677125B (zh) | 2019-10-11 | 2019-10-11 | 电弧故障检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110677125A true CN110677125A (zh) | 2020-01-10 |
CN110677125B CN110677125B (zh) | 2022-07-01 |
Family
ID=69081489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962476.6A Active CN110677125B (zh) | 2019-10-11 | 2019-10-11 | 电弧故障检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110677125B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313833A (zh) * | 2020-03-06 | 2020-06-19 | 燕山大学 | 一种组串式光伏系统直流侧串联电弧故障的检测方法 |
CN111722060A (zh) * | 2020-06-30 | 2020-09-29 | 四川大学 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
CN113092954A (zh) * | 2021-03-09 | 2021-07-09 | 科华数据股份有限公司 | 一种光伏系统直流电弧自动降噪故障检测方法及装置 |
CN113311227A (zh) * | 2021-06-10 | 2021-08-27 | 中国科学技术大学先进技术研究院 | 一种用于故障电弧诊断技术的电流信号降噪方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455820A (zh) * | 2013-07-09 | 2013-12-18 | 河海大学 | 基于机器视觉技术的车辆检测和跟踪方法及系统 |
CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
CN104390781A (zh) * | 2014-11-26 | 2015-03-04 | 中国矿业大学 | 一种基于lmd和bp神经网络的齿轮故障诊断方法 |
CN104748961A (zh) * | 2015-03-30 | 2015-07-01 | 中国矿业大学 | 基于svd分解降噪和相关性eemd熵特征的齿轮故障诊断方法 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测系统过程耦合情况下光伏系统故障电弧的方法 |
US20170261264A1 (en) * | 2017-05-25 | 2017-09-14 | Northeastern University | Fault diagnosis device based on common information and special information of running video information for electric-arc furnace and method thereof |
CN107411739A (zh) * | 2017-05-31 | 2017-12-01 | 南京邮电大学 | 基于双树复小波的脑电信号情绪识别特征提取方法 |
CN108090658A (zh) * | 2017-12-06 | 2018-05-29 | 河北工业大学 | 基于时域特征参数融合的电弧故障诊断方法 |
CN109061414A (zh) * | 2018-08-17 | 2018-12-21 | 上海岩芯电子科技有限公司 | 光伏系统直流故障电弧检测方法 |
-
2019
- 2019-10-11 CN CN201910962476.6A patent/CN110677125B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455820A (zh) * | 2013-07-09 | 2013-12-18 | 河海大学 | 基于机器视觉技术的车辆检测和跟踪方法及系统 |
CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
CN104390781A (zh) * | 2014-11-26 | 2015-03-04 | 中国矿业大学 | 一种基于lmd和bp神经网络的齿轮故障诊断方法 |
CN104748961A (zh) * | 2015-03-30 | 2015-07-01 | 中国矿业大学 | 基于svd分解降噪和相关性eemd熵特征的齿轮故障诊断方法 |
CN107154783A (zh) * | 2017-04-18 | 2017-09-12 | 西安交通大学 | 应用独立成分分析和s变换检测系统过程耦合情况下光伏系统故障电弧的方法 |
US20170261264A1 (en) * | 2017-05-25 | 2017-09-14 | Northeastern University | Fault diagnosis device based on common information and special information of running video information for electric-arc furnace and method thereof |
CN107411739A (zh) * | 2017-05-31 | 2017-12-01 | 南京邮电大学 | 基于双树复小波的脑电信号情绪识别特征提取方法 |
CN108090658A (zh) * | 2017-12-06 | 2018-05-29 | 河北工业大学 | 基于时域特征参数融合的电弧故障诊断方法 |
CN109061414A (zh) * | 2018-08-17 | 2018-12-21 | 上海岩芯电子科技有限公司 | 光伏系统直流故障电弧检测方法 |
Non-Patent Citations (1)
Title |
---|
季淑洁: "光伏系统直流串联故障电弧特征及识别技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313833A (zh) * | 2020-03-06 | 2020-06-19 | 燕山大学 | 一种组串式光伏系统直流侧串联电弧故障的检测方法 |
CN111722060A (zh) * | 2020-06-30 | 2020-09-29 | 四川大学 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
CN111722060B (zh) * | 2020-06-30 | 2021-01-26 | 四川大学 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
CN113092954A (zh) * | 2021-03-09 | 2021-07-09 | 科华数据股份有限公司 | 一种光伏系统直流电弧自动降噪故障检测方法及装置 |
CN113092954B (zh) * | 2021-03-09 | 2024-03-19 | 厦门科华数能科技有限公司 | 一种光伏系统直流电弧自动降噪故障检测方法及装置 |
CN113311227A (zh) * | 2021-06-10 | 2021-08-27 | 中国科学技术大学先进技术研究院 | 一种用于故障电弧诊断技术的电流信号降噪方法 |
CN113311227B (zh) * | 2021-06-10 | 2022-06-24 | 中国科学技术大学先进技术研究院 | 一种用于故障电弧诊断技术的电流信号降噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110677125B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110677125B (zh) | 电弧故障检测的方法及装置 | |
Telford et al. | Diagnosis of series DC arc faults—A machine learning approach | |
Lu et al. | A comprehensive review on DC arc faults and their diagnosis methods in photovoltaic systems | |
Gargoom et al. | Automatic classification and characterization of power quality events | |
US20210167584A1 (en) | Gis mechanical fault diagnosis method and device | |
US7391218B2 (en) | Method and apparatus for generalized arc fault detection | |
Liu et al. | Application of the variational mode decomposition-based time and time–frequency domain analysis on series DC arc fault detection of photovoltaic arrays | |
Roy et al. | PSD based high impedance fault detection and classification in distribution system | |
US10790779B2 (en) | Systems and methods for determining arc events using wavelet decomposition and support vector machines | |
Anjaiah et al. | A new protection scheme for PV-wind based DC-ring microgrid by using modified multifractal detrended fluctuation analysis | |
Ray et al. | Detection of faults in a power system using wavelet transform and independent component analysis | |
Usama et al. | Design and implementation of a wavelet analysis‐based shunt fault detection and identification module for transmission lines application | |
Imani et al. | A novel time-domain method for fault detection and classification in VSC-HVDC transmission lines | |
Shaik et al. | Hilbert–Huang transform and decision tree based islanding and fault recognition in renewable energy penetrated distribution system | |
CN110703149A (zh) | 一种利用字符间距的变压器运行状态振声检测方法和系统 | |
McConnell et al. | Evaluation method for arc fault detection algorithms | |
Georgoulas et al. | Start-up analysis methods for the diagnosis of rotor asymmetries in induction motors-seeing is believing | |
CN116610986A (zh) | 电弧故障检测模型的训练、电弧故障检测方法及电子设备 | |
CN110907774A (zh) | 一种太阳能发电系统电弧故障检测方法 | |
Gangwar et al. | Detection and classification of faults on transmission line using time-frequency approach of current transients | |
Raghpoor et al. | A novel non‐unit protection scheme for HVDC transmission lines based on multi‐resolution morphology gradient | |
CN115712820A (zh) | 一种微弱直流故障电弧检测方法及装置 | |
Abu-Elanien | Protection of star connected multi-terminal HVDC systems with offshore wind farms | |
CN107561400B (zh) | 一种基于实时小波变换的配网短路故障快速检测方法 | |
CN110286291B (zh) | 一种利用主成分的变压器运行状态振声检测方法和系统 |
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 |