CN110716155A - 一种低压供电回路异常工况感知算法及装置 - Google Patents

一种低压供电回路异常工况感知算法及装置 Download PDF

Info

Publication number
CN110716155A
CN110716155A CN201911016072.4A CN201911016072A CN110716155A CN 110716155 A CN110716155 A CN 110716155A CN 201911016072 A CN201911016072 A CN 201911016072A CN 110716155 A CN110716155 A CN 110716155A
Authority
CN
China
Prior art keywords
current
phase
value
abnormal working
power supply
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
Application number
CN201911016072.4A
Other languages
English (en)
Other versions
CN110716155B (zh
Inventor
陈明
沈嘉怡
严童
殷怡杰
胡大良
朱一锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ubiku Electric Co Ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Ubiku Electric Co Ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Ubiku Electric Co Ltd, State Grid Shanghai Electric Power Co Ltd filed Critical Shanghai Ubiku Electric Co Ltd
Priority to CN201911016072.4A priority Critical patent/CN110716155B/zh
Publication of CN110716155A publication Critical patent/CN110716155A/zh
Application granted granted Critical
Publication of CN110716155B publication Critical patent/CN110716155B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01R19/175—Indicating the instants of passage of current or voltage through a given value, e.g. passage through zero
    • 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
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明公开了一种低压供电回路异常工况感知算法，根据设定的每周波采样点数；采样三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，逐点检测ia、ib、ic或ir的波形是否发生突变；逐点排除低压供电回路因受到电气扰动而导致的误判：判断低压供电回路是否发生异常工况。其准确识别出低压供电回路发生的异常工况，同时尽可能排除因负荷波动和电气干扰造成的误判，以降低对感测装置、通信带宽和云平台处理能力方面的性能要求。本发明还公开了一种低压供电回路异常工况感知装置，其也能实现上述技术效果。

Description

一种低压供电回路异常工况感知算法及装置
技术领域
本发明涉及电气设备异常工况识别领域的一种低压供电回路异常工况感知算法及装置。
背景技术
在低压供电系统中，传统的框架断路器、塑壳断路器和微型断路器及对其所供电的回路进行监测的电力仪表，通过检测负载电流或者剩余电流是否超过阈值，或者断路器内部电流回路是否发热等方式进行故障检测。这种方法只能识别回路过载、绝缘破损或者回路短路等少数异常现象，而对绝缘劣化、接触不良、电气设备工作异常等常见的异常工况缺乏灵敏的识别，因而也无法提前做出故障预警。为识别这类异常工况，一些科研工作者提出采用就地电压电流波形数据采集并通过通信手段将低压供电回路相关数据上送云平台，然后在云平台侧进行大数据分析和筛选、学习和训练，从而得到一种具备自学习功能的，高效灵敏的低压供电回路异常识别算法，实现回路异常的早期预警。这种就地数据采集设备与云端分析算法结合的新型方法，一般需要采集装置实时高速地向云平台传输海量的电压电流波形数据。这对双方之间的通信带宽和云平台的数据处理压力提出了较高的要求，因而也限制了这种方法地推广应用。
发明内容
本发明的目的是为了克服现有技术的不足，提供一种低压供电回路异常工况感知算法及装置，准确识别出低压供电回路发生的异常工况，同时尽可能排除因负荷波动和电气干扰造成的误判，以降低对感测装置、通信带宽和云平台处理能力方面的性能要求。
实现上述目的的一种技术方案是：一种低压供电回路异常工况感知算法，包括下列步骤：
数据采样步骤：采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；
有效值计算步骤：计算出三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir，形成记录y(t)；
过零时刻计算步骤：计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0；
时间差计算步骤：计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc；若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的周期值为TX；
对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX；
等间隔采样设定步骤：将电网当前周期值T，进行N等分后，作为采样间隔时间，其中N为每周波采样点数；
波形突变判断步骤：逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变：S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}；
S取自ia、ib、ic或ir之一，Y取自Ia、Ib、Ic或Ir之一，Y应与S对应,Ks1和Ks2为系统参数；
误判排除步骤：逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Ks3为系统参数；
异常工况判断步骤：只要在ia、ib、ic或ir的电流波形中，至少连续N/8个点全部同时满足波形突变判断步骤和误判排除步骤中的条件，判断该时刻低压供电回路的发生了异常工况；
上传步骤：将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成一个完整的数据文件，上送到云平台，供云平台进行后续的数据分析和筛选，学习和训练，以便识别出具体的异常工况类型。
进一步的，过零时刻计算步骤中逐点检测任意一相电压瞬时值，如果满足s(t)、s(t-1)、s(t-2)、s(t-3)中，该相电压的瞬时值均大于零,且s(t-4)中该相电压的瞬时值小于零,则认为该相电压波形发生由负变正，然后用s(t-2)与s(t-4)之间插值得到该相电压波形的过零时刻t0。
进一步的，波形突变判断步骤中，Ia、Ib、Ic的额定值即为该低压供电回路实际额定电流，而Ir的电流额定值固定取0.4A。
进一步的，等间隔采样设定步骤中N不小于2128。
进一步的，其还包括交互步骤，云平台根据每天上送的异常工况数据文件的频度，微调Ks1和Ks2，，直至每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
实现上述目的的一种技术方案是：一种低压供电回路异常工况感知装置，包括就地安装于低压供电回路附近的感测装置，以及负责接收所述感测装置上传的异常工况波形数据，并进行数据的存储、分析、筛选、学习、训练，完成异常工况识别的优化的云平台；
所述感测装置包括：高速采样及AD转换系统：用于根据设定的每周波采样点数，采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；
CPU系统：用于判断低压供电回路发生异常工况，并将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，通过一个完整的数据文件，上送到所述云平台。
进一步的，所述CPU系统先算出三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir，形成记录y(t)；
再计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0；
再计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc；若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的为周期值TX；并对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX；
再将电网当前周期值T，进行N等分后，作为采样间隔时间，其中N为每周波采样点数；
逐点按如下公式S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}，检测ia、ib、ic或ir的波形是否发生突变：S取自ia、ib、ic或ir之一,Y取自Ia、Ib、Ic或Ir之一，Y应与S对应；Ks1和Ks2为系统参数；
逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Ks3为系统参数；
在ia、ib、ic或ir的任一电流波形中，至少连续N/8点全部同时满足波形突变判断步骤和误判排除步骤中的条件，判断该时刻低压供电回路的发生了异常工况。
再进一步的，所述云平台根据所述感测装置每天上送的异常工况数据文件的频度，微调Ks1和Ks2，并通过通信网络下发到所述感测装置，直至所述感测装置每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
进一步的，所述感测装置还包括前置于所述高速采样及AD转换系统的模拟信号前置调理系统。
采用了本发明的一种低压供电回路异常工况感知算法的技术方案，包括下列步骤：数据采样步骤：采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；有效值计算步骤：计算出三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir，形成记录y(t)；过零时刻计算步骤：计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0；时间差计算步骤：计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc；若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的周期值为TX；对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX；等间隔采样设定步骤：将电网当前周期值T，进行N等分后，作为采样间隔时间，其中N为每周波采样点数；波形突变判断步骤：逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变：S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}；S取自ia、ib、ic或ir之一，Y取自Ia、Ib、Ic或Ir之一，Y应与S对应,Ks1和Ks2为系统参数误判排除步骤：逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Figure BDA0002245746350000051
Ks3为系统参数；异常工况判断步骤：只要在ia、ib、ic或ir的电流波形中，至少连续N/8个点全部同时满足波形突变判断步骤和误判排除步骤中的条件，判断该时刻低压供电回路的发生了异常工况；上传步骤：将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成一个完整的数据文件，上送到云平台，供云平台进行后续的数据分析和筛选，学习和训练，以便识别出具体的异常工况类型。其技术效果是：在低压供电回路正常时，不向云平台传输电压电流波形数据；而在低压供电回路正发生绝缘劣化、接触不良和短路故障等异常工况时，又能准确识别出低压供电回路正异常，并及时将异常时刻电压电流波形数据上送云平台，以便为云平台提供足够完备的原始波形数据。同时又能较好地排除负荷波动、电气干扰等影响造成的误判断，以减少上送云平台的数据量和上送频度。
采用了本发明的一种低压供电回路异常工况感知装置的技术方案，包括就地安装于低压供电回路附近的感测装置，以及负责接收所述感测装置上传的异常工况波形数据，并进行数据的存储、分析、筛选、学习、训练，完成异常工况识别的优化的云平台；所述感测装置包括：高速采样及AD转换系统：用于根据设定的每周波采样点数，采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；CPU系统：用于判断低压供电回路发生异常工况，并将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，通过一个完整的数据文件，上送到所述云平台。其技术效果是：在低压供电回路正常时，不向云平台传输电压电流波形数据；而在低压供电回路正发生绝缘劣化、接触不良和短路故障等异常工况时，又能准确识别出低压供电回路正异常，并及时将异常时刻电压电流波形数据上送云平台，以便为云平台提供足够完备的原始波形数据。同时又能较好地排除负荷波动、电气干扰等影响造成的误判断，以减少上送云平台的数据量和上送频度。
附图说明
图1为本发明的一种低压供电回路异常工况感知算法及装置的示意图。
图2为本发明的一种低压供电回路异常工况感知算法的过零时刻计算步骤的示意图。
具体实施方式
请参阅图1，本发明的发明人为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例，并结合附图进行详细地说明：
请参阅图1，本发明的一种低压供电回路异常工况感知算法及本发明的一种低压供电回路异常工况感知装置主要针对低压供电回路发生绝缘劣化、接触不良等异常工况。
本发明的一种低压供电回路异常工况感知装置包括就地安装于低压供电回路附近，用于诊断该低压供电回路是否发生异常工况的感测装置4,以及负责接收感测装置4上传的异常工况波形数据，并进行数据的存储、分析、筛选、学习、训练，完成异常工况的识别和感知算法的优化的云平台6。云平台6与感测装置4之间通过通信网络5通信。
感测装置4，其内部集成了用于接收交流电流电压输入信号的模拟信号前置调理系统1，用于数据采样和模数转换的高速采样及AD转换系统2，以及用于运行本发明的一种低压供电回路异常工况感知算法的CPU系统3。
本发明的一种低压供电回路异常工况感知算法，包括下列步骤：
数据采样步骤：将从高速采样及AD转换系统2获得的离散的交流电压、交流电流采样值，按照采样时间的先后顺序，以顺序方式存放在CPU系统3的内存中，并形成一条记录s(t)。其中s(t)记录的数据包括三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir。t代表当前采样时刻。
有效值计算步骤：计算出三相电压、三相电流和剩余电流的有效值，并形成记录y(t)。y(t)记录的数据包括三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir。
过零时刻计算步骤：采用插值算法，计算三相电压Ua、Ub、Uc中每一相电压波形由负变正时的过零时刻t0。计算方法如下：
逐点检测任意一相电压瞬时值，如果满足s(t)、s(t-1)、s(t-2)、s(t-3)中，该相电压瞬时值均大于零,且s(t-4)中该相电压瞬时值小于零,则认为该相电压波形发生由负变正，然后用s(t-2)与s(t-4)之间插值得到该相电压的波形过零时刻t0。
时间差计算步骤：计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc。若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的为周期值TX。
对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX。对工频50Hz电网，周期额定值为20ms。
等间隔采样设定步骤：将电网当前周期值T，进行N等分后，作为AD采样间隔时间，赋予高速采样及AD转换系统2，从而实现对电网的精确频率跟踪和等间隔采样。其中N为每周波采样点数，且N不小于2128。
波形突变判断步骤：逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变：
S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}；
其中N为前述的每周波采样点数，S取自ia、ib、ic或ir之一，而Y取自Ia、Ib、Ic或Ir之一，Y应与S对应。Ks1和Ks2为系统参数，该可在线修改。Ia、Ib、Ic的额定值即为该低压供电回路实际额定电流，而Ir的电流额定值固定取0.4A。
误判排除步骤：逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Figure BDA0002245746350000081
Ks3为系统参数，可在线修改。
异常工况判断步骤：只要在ia、ib、ic或ir的电流波形中，至少连续N/8点全部同时满足波形突变判断步骤和误判排除步骤中的条件，则认为该时刻低压供电回路发生了工况异常。
上传步骤：将本低压供电回路判为工况发生异常时刻前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成一个完整的数据文件，并通过通信网络5，上送到云平台6，供云平台6进行后续的数据分析和筛选，学习和训练，以便识别出具体的异常工况类型。
交互步骤：云平台6根据感测装置4每天上送的异常工况数据文件的频度，微调Ks1和Ks2，并通过通信网络5下发到感测装置4，直至每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
本发明提供的一种低压供电回路异常工况感知算法，可以在不降低对异常工况感知灵敏度的前提下，显著降低感测装置4对数据处理能力的要求，以及显著降低感测装置4与云平台6之间的数据吞吐量，因而降低了对感测装置4、通信带宽和云平台6处理能力等方面的性能要求，有利于采用就地数据采集设备与云端分析算法结合的低压供电回路异常感知方法得以推广应用。
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (9)

1.一种低压供电回路异常工况感知算法，包括下列步骤：
数据采样步骤：采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；
有效值计算步骤：计算出三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir，形成记录y(t)；
过零时刻计算步骤：计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0；
时间差计算步骤：计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc；若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的周期值为TX；
对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX；
等间隔采样设定步骤：将电网当前周期值T，进行N等分后，作为采样间隔时间，其中N为每周波采样点数；
波形突变判断步骤：逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变：S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}；
S取自ia、ib、ic或ir之一，Y取自Ia、Ib、Ic或Ir之一，Y应与S对应,Ks1和Ks2为系统参数；
误判排除步骤：逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Figure FDA0002245746340000011
Ks3为系统参数；
异常工况判断步骤：只要在ia、ib、ic或ir的电流波形中，至少连续N/8个点全部同时满足波形突变判断步骤和误判排除步骤中的条件，判断该时刻低压供电回路的发生了异常工况；
上传步骤：将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成一个完整的数据文件，上送到云平台，供云平台进行后续的数据分析和筛选，学习和训练，以便识别出具体的异常工况类型。
2.根据权利要求1所述的一种低压供电回路异常工况感知算法，其特征在于：过零时刻计算步骤中逐点检测任意一相电压瞬时值，如果满足s(t)、s(t-1)、s(t-2)、s(t-3)中，该相电压的瞬时值均大于零,且s(t-4)中该相电压的瞬时值小于零,则认为该相电压波形发生由负变正，然后用s(t-2)与s(t-4)之间插值得到该相电压波形的过零时刻t0。
3.根据权利要求1所述的一种低压供电回路异常工况感知算法，其特征在于：波形突变判断步骤中，Ia、Ib、Ic的额定值即为该低压供电回路实际额定电流，而Ir的电流额定值固定取0.4A。
4.根据权利要求1所述的一种低压供电回路异常工况感知算法，其特征在于：等间隔采样设定步骤中N不小于2128。
5.根据权利要求1所述的一种低压供电回路异常工况感知算法，其特征在于：其还包括交互步骤，云平台根据每天上送的异常工况数据文件的频度，微调Ks1和Ks2，，直至每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
6.一种低压供电回路异常工况感知装置，其特征在于：包括就地安装于低压供电回路附近的感测装置，以及负责接收所述感测装置上传的异常工况波形数据，并进行数据的存储、分析、筛选、学习、训练，完成异常工况识别的优化的云平台；
所述感测装置包括：高速采样及AD转换系统：用于根据设定的每周波采样点数，采样三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，形成记录s(t)，t代表当前采样时刻；
CPU系统：用于判断低压供电回路发生异常工况，并将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc，三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir，通过一个完整的数据文件，上送到所述云平台。
7.根据权利要求6所述的一种低压供电回路异常工况感知装置，其特征在于：所述CPU系统先算出三相电压的有效值Ua、Ub、Uc，三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir，形成记录y(t)；
再计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0；
再计算每相电压相邻两个波形由负变正的过零时刻的时间差，得到三个电压周期值Ta、Tb、Tc；若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值，则在上述相别中，找出当前周期值与电网周期额定值最为接近一相，令该相的为周期值TX；并对电网当前周期值T进行修正，修正公式为：T＝0.75×T+0.25×TX；
再将电网当前周期值T，进行N等分后，作为采样间隔时间，其中N为每周波采样点数；
逐点按如下公式S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2}，检测ia、ib、ic或ir的波形是否发生突变：S取自ia、ib、ic或ir之一,Y取自Ia、Ib、Ic或Ir之一，Y应与S对应；Ks1和Ks2为系统参数；
逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判：
Figure FDA0002245746340000031
Ks3为系统参数；
在ia、ib、ic或ir的任一电流波形中，至少连续N/8点全部同时满足波形突变判断步骤和误判排除步骤中的条件，判断该时刻低压供电回路的发生了异常工况。
8.根据权利要求7所述的一种低压供电回路异常工况感知装置，其特征在于：所述云平台根据所述感测装置每天上送的异常工况数据文件的频度，微调Ks1和Ks2，并通过通信网络下发到所述感测装置，直至所述感测装置每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
9.根据权利要求6所述的一种低压供电回路异常工况感知装置，其特征在于：所述感测装置还包括前置于所述高速采样及AD转换系统的模拟信号前置调理系统。
CN201911016072.4A 2019-10-24 2019-10-24 一种低压供电回路异常工况感知算法及装置 Active CN110716155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911016072.4A CN110716155B (zh) 2019-10-24 2019-10-24 一种低压供电回路异常工况感知算法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911016072.4A CN110716155B (zh) 2019-10-24 2019-10-24 一种低压供电回路异常工况感知算法及装置

Publications (2)

Publication Number Publication Date
CN110716155A true CN110716155A (zh) 2020-01-21
CN110716155B CN110716155B (zh) 2022-05-06

Family

ID=69214144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911016072.4A Active CN110716155B (zh) 2019-10-24 2019-10-24 一种低压供电回路异常工况感知算法及装置

Country Status (1)

Country Link
CN (1) CN110716155B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426498A (zh) * 2020-04-23 2020-07-17 郑州大学 一种监测设备运行状态的边缘处理方法
CN114184950A (zh) * 2021-12-08 2022-03-15 国网四川省电力公司电力科学研究院 基于配电自动化融合开关的电压电流采集组件
CN114280399A (zh) * 2021-12-22 2022-04-05 上海尤比酷电气有限公司 一种基于负载特性的电气设备异常诊断方法及装置
CN115993504A (zh) * 2023-03-23 2023-04-21 山东盛日电力集团有限公司 一种电气设备的智能故障诊断方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004153222A (ja) * 2002-10-31 2004-05-27 Fumio Iwasaki 分割型３ｃｔ
CN1960100A (zh) * 2006-08-01 2007-05-09 沙洋县鼎兴电力科技有限责任公司 一种多功能低压综合智能保护器
CN206301449U (zh) * 2016-12-15 2017-07-04 杭州四方博瑞科技股份有限公司 智能用电安全预警监控器
CN109254216A (zh) * 2018-11-07 2019-01-22 紫光测控有限公司 一种用于测控保护装置的ad校验方法及系统
CN109596873A (zh) * 2018-12-05 2019-04-09 合肥能安科技有限公司 一种具有预警功能的智能电表
CN110244118A (zh) * 2019-06-21 2019-09-17 和远智能科技股份有限公司 一种多功能电表

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004153222A (ja) * 2002-10-31 2004-05-27 Fumio Iwasaki 分割型３ｃｔ
CN1960100A (zh) * 2006-08-01 2007-05-09 沙洋县鼎兴电力科技有限责任公司 一种多功能低压综合智能保护器
CN206301449U (zh) * 2016-12-15 2017-07-04 杭州四方博瑞科技股份有限公司 智能用电安全预警监控器
CN109254216A (zh) * 2018-11-07 2019-01-22 紫光测控有限公司 一种用于测控保护装置的ad校验方法及系统
CN109596873A (zh) * 2018-12-05 2019-04-09 合肥能安科技有限公司 一种具有预警功能的智能电表
CN110244118A (zh) * 2019-06-21 2019-09-17 和远智能科技股份有限公司 一种多功能电表

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡建勋 等: "基于MSP430单片机的低压综合智能保护器的研制", 《仪器仪表学报》 *
黄兢业 等: "过电流保护电器的短路定额应用分析", 《低压电器》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111426498A (zh) * 2020-04-23 2020-07-17 郑州大学 一种监测设备运行状态的边缘处理方法
CN114184950A (zh) * 2021-12-08 2022-03-15 国网四川省电力公司电力科学研究院 基于配电自动化融合开关的电压电流采集组件
CN114280399A (zh) * 2021-12-22 2022-04-05 上海尤比酷电气有限公司 一种基于负载特性的电气设备异常诊断方法及装置
CN114280399B (zh) * 2021-12-22 2024-03-12 上海尤比酷电气有限公司 一种基于负载特性的电气设备异常诊断方法及装置
CN115993504A (zh) * 2023-03-23 2023-04-21 山东盛日电力集团有限公司 一种电气设备的智能故障诊断方法及系统
CN115993504B (zh) * 2023-03-23 2023-08-18 山东盛日电力集团有限公司 一种电气设备的智能故障诊断方法及系统

Also Published As

Publication number Publication date
CN110716155B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN110716155B (zh) 一种低压供电回路异常工况感知算法及装置
CN103490511B (zh) 一种配电网通信终端检测系统及方法
Gangwar et al. A novel $ k $-means clustering and weighted $ k $-NN-regression-based fast transmission line protection
CN109635732B (zh) 一种lcc-hvdc连续换相失败故障预警网络训练方法
CN117332215B (zh) 一种高低压配电柜异常故障信息远程监测系统
KR102488790B1 (ko) Ess 아크 고장 검출 장치 및 방법
CN108512222A (zh) 一种智能变电站综合自动化系统
CN113030789A (zh) 一种基于卷积神经网络的串联型电弧故障诊断及选线方法
CN110824297B (zh) 一种基于svm支持向量机的单相接地故障判别方法和装置
CN117633695B (zh) 一种基于电参数时序分析的变压器运行监测方法
CN110579679A (zh) 一种基于负序电流矢量分析的配电网线路故障检测系统及其检测方法
CN117491845A (zh) 用于多路直流负载设备的精准直流分路计量方法
CN112505482A (zh) 一种基于智能化故障定位的电网自愈方法及实现该方法的系统
CN117526547A (zh) 基于远程通信单元的电网4g通信数据处理方法及系统
CN114838923B (zh) 有载分接开关的故障诊断模型建立方法及故障诊断方法
CN115856611A (zh) 一种基于深度学习的高压断路器故障诊断方法
CN107451930B (zh) 一种企业电力负荷自检及调节系统及方法
CN115061012A (zh) 基于边缘计算供电电网智能监测诊断系统及方法
CN115047371A (zh) 一种基于变压器检测的无局放变频电源运行检测系统
CN109507468B (zh) 一种基于关联特征的汇流箱支路电流检测方法及系统
CN110548701B (zh) 一种适用于空心电抗器的质量检测装置及质量检测方法
CN116799965B (zh) 一种真空断路器功耗智能控制方法及系统
CN118017698B (zh) 一种用电终端监测系统、方法、电子设备及存储介质
CN218734201U (zh) 一种光伏组件故障诊断设备
CN116365609B (zh) 一种智慧台区的配电方法及装置

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