CN111027386A - 一种基于emd分解的继电保护输入信号分类识别方法 - Google Patents

一种基于emd分解的继电保护输入信号分类识别方法 Download PDF

Info

Publication number
CN111027386A
CN111027386A CN201911087957.3A CN201911087957A CN111027386A CN 111027386 A CN111027386 A CN 111027386A CN 201911087957 A CN201911087957 A CN 201911087957A CN 111027386 A CN111027386 A CN 111027386A
Authority
CN
China
Prior art keywords
signal
relay protection
power system
fault
primary system
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
CN201911087957.3A
Other languages
English (en)
Other versions
CN111027386B (zh
Inventor
尹柏清
王江萍
陶军
张伟
王蕴敏
杨再欣
刘锋
钟鸣
高鑫哲
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.)
Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd
Original Assignee
Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group 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 Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd filed Critical Inner Mongolia Electric Power Research Institute of Inner Mongolia Power Group Co Ltd
Priority to CN201911087957.3A priority Critical patent/CN111027386B/zh
Publication of CN111027386A publication Critical patent/CN111027386A/zh
Application granted granted Critical
Publication of CN111027386B publication Critical patent/CN111027386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
    • 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
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
    • G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
    • G01R31/3275—Fault detection or status indication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

本发明公开了一种基于EMD分解的继电保护输入信号分类识别方法，具体按照以下步骤实施：步骤1、采集继电保护装置的输入电流信号i(t)；步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；步骤5、根据指标进行故障判断。本发明能够简单、有效地区分三种不同的继电保护输入信号。

Description

一种基于EMD分解的继电保护输入信号分类识别方法
技术领域
本发明属于数字信号处理技术领域，具体涉及一种基于EMD分解的继电保护输入信号分类识别方法。
背景技术
继电保护是电力系统安全可靠运行的重要保障，而对继电保护装置输入信号的正确分类对继电保护装置的正确动作起到重要作用。
对继电保护装置输入信号只有电力系统一次系统故障产生的信号才可能使保护装置动作，因而对继电保护装置输入信号能够准确划分电力系统中一次系统故障与非电力系统中一次系统故障信号，有利于保护的正确动作，保证继电保护装置只在故障时启动，减少继电保护装置的启动次数。对于非电力系统中一次系统故障信号，若能够将负荷状态与测量回路故障电流有效区分开，就可以识别出测量回路故障，从而为继电保护运行人员提供参考。因而，有必要对输入微机保护装置的信号进行辨识。
目前对继电保护装置输入信号的分类识别主要用EMD分解，小波分解等方法提取特征波形，这些方法主要用于区分故障信号和负荷信号，针对三种信号识别的较少。
发明内容
本发明的目的是提供一种基于EMD分解的继电保护输入信号分类识别方法，能够简单、有效地区分三种不同的继电保护输入信号。
本发明所采用的技术方案是，一种基于EMD分解的继电保护输入信号分类识别方法，具体按照以下步骤实施：
步骤1、采集继电保护装置的输入电流信号i(t)；
步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；
步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；
步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；
步骤5、将步骤4中电力系统中一次系统故障的信号分类指标结果与非电力系统一次系统故障的信号分类指标结果进行比较；其中，电力系统中一次系统故障分类指标计算结果比非电力系统一次系统故障信号分类指标计算结果大10倍以上，则，继电保护装置输入电流信号的分类指标计算结果大10倍以上的为系统中一次系统故障电流，其他的为非电力系统一次系统故障电流信号；
将负荷状态与测量回路故障的分类指标结果进行比较；其中，测量回路故障的分类指标计算结果比负荷状态分类指标计算结果大1.5倍以上，则，非电力系统一次系统故障电流信号的分类指标计算结果大1.5倍以上的为测量回路故障电流，其他的为负荷状态电流信号。
本发明的特点还在于：
步骤2具体按照以下步骤实施：
步骤2.1、数据初始化，令r(t)＝i(t)，j＝0；其中，r(t)为残余分量；i(t)为继电保护装置的输入电流信号；j为模态分量序号；
步骤2.2、求取信号i(t)中所有的极大值点imax(t)与极小值点imin(t)，使得电流信号在局部区间内满足如下公式：
imin(t)＜i(t)＜imax(t) (1)
步骤2.3、采用三次样条插值法生成信号i(t)的上包络线与下包络线；计算上包络线与下包络线的均值，公式如下：
Figure BDA0002266005030000031
步骤2.4、计算继电保护装置输入信号i(t)与包络线均值之间的差值，公式如下：
h(t)＝i(t)-m(t) (3)
步骤2.5、判断判断本征模态函数h(t)是否满足IMF的约束条件；若不满足条件，则，i(t)＝h(t)；若满足条件，输出本征模态函数p(t)，公式如下：
p(t)＝i(t)-h(t) (4)
步骤2.6、判断p(t)是否满足终止条件；若满足终止条件，输出所有本征模态函数；若不满足终止条件，则，i(t)＝r(t)；终止条件公式如下：
Figure BDA0002266005030000032
步骤3具体过程如下：
模态分量信息熵计算公式如下：
Figure BDA0002266005030000041
式中，n为采样点个数；Pi＝|Cij|2；Cij表示第j个模态分量的第i个值。
步骤4中，电力系统中一次系统故障与非电力系统一次系统故障信号分类指标，计算公式如下：
Figure BDA0002266005030000042
式中，Sj表示各模态分量的信息熵，r表示分解出的所有模态分量的个数。
步骤4中，负荷状态与测量回路故障分类指标，计算公式如下：
Figure BDA0002266005030000043
式中，k为主导模态分量。
本发明的有益效果是：本发明一种基于EMD分解的继电保护输入信号分类识别方法，该分类指标有别于以往特征波形提取方法，给出了继电保护输入信号分类识别的具体量化指标，该方法能够简单、有效地区分三种不同的继电保护输入信号；本发明中对三种继电保护装置输入信号的正确划分，能够有效识别出电力系统中一次系统故障，减少继电保护装置的启动次数，同时能够识别出测量回路故障信号，为继电保护运行人员提供参考。
附图说明
图1是本发明基于EMD分解的继电保护输入信号分类识别方法的流程框图；
图2是本发明基于EMD分解的继电保护输入信号分类识别方法中步骤2的流程框图；
图3是本发明基于EMD分解的继电保护输入信号分类识别方法的输入电流信号及EDM分解曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
如图1所示，本发明一种基于EMD分解的继电保护输入信号分类识别方法，具体按照以下步骤实施：
步骤1、采集继电保护装置的输入电流信号i(t)；
步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；
步骤2具体按照以下步骤实施(如图2所示)：
步骤2.1、数据初始化，令r(t)＝i(t)，j＝0；其中，r(t)为残余分量；i(t)为继电保护装置的输入电流信号；j为模态分量序号；
步骤2.2、求取信号i(t)中所有的极大值点imax(t)与极小值点imin(t)，使得电流信号在局部区间内满足如下公式：
imin(t)＜i(t)＜imax(t) (1)
步骤2.3、采用三次样条插值法生成信号i(t)的上包络线与下包络线；计算上包络线与下包络线的均值，公式如下：
Figure BDA0002266005030000061
步骤2.4、计算继电保护装置输入信号i(t)与包络线均值之间的差值，公式如下：
h(t)＝i(t)-m(t) (3)
步骤2.5、判断判断本征模态函数h(t)是否满足IMF的约束条件；若不满足条件，则，i(t)＝h(t)；若满足条件，输出本征模态函数p(t)，公式如下：
p(t)＝i(t)-h(t) (4)
步骤2.6、判断p(t)是否满足终止条件；若满足终止条件，输出所有本征模态函数(如图3所示)；若不满足终止条件，则，i(t)＝r(t)；终止条件公式如下：
Figure BDA0002266005030000062
步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；
步骤3具体过程如下：
模态分量信息熵计算公式如下：
Figure BDA0002266005030000063
式中，n为采样点个数；Pi＝|Cij|2；Cij表示第j个模态分量的第i个值。
步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；
电力系统中一次系统故障与非电力系统一次系统故障信号分类指标，计算公式如下：
Figure BDA0002266005030000071
式中，Sj表示各模态分量的信息熵，r表示分解出的所有模态分量的个数。
负荷状态与测量回路故障分类指标，计算公式如下：
Figure BDA0002266005030000072
式中，k为主导模态分量。
步骤5、将步骤4中电力系统中一次系统故障的信号分类指标结果与非电力系统一次系统故障的信号分类指标结果进行比较；其中，电力系统中一次系统故障分类指标计算结果比非电力系统一次系统故障信号分类指标计算结果大10倍以上，则，继电保护装置输入电流信号的分类指标计算结果大10倍以上的为系统中一次系统故障电流，其他的为非电力系统一次系统故障电流信号(如图3所示)；
将负荷状态与测量回路故障的分类指标结果进行比较；其中，测量回路故障的分类指标计算结果比负荷状态分类指标计算结果大1.5倍以上，则，非电力系统一次系统故障电流信号的分类指标计算结果大1.5倍以上的为测量回路故障电流，其他的为负荷状态电流信号。
本发明基于EMD分解的继电保护输入信号分类识别方法，该分类指标有别于以往特征波形提取方法，给出了继电保护输入信号分类识别的具体量化指标，该方法能够简单、有效地区分三种不同的继电保护输入信号；本发明中对三种继电保护装置输入信号的正确划分，能够有效识别出电力系统中一次系统故障，减少继电保护装置的启动次数，同时能够识别出测量回路故障信号，为继电保护运行人员提供参考。

Claims (5)

1.一种基于EMD分解的继电保护输入信号分类识别方法，其特征在于，具体按照以下步骤实施：
步骤1、采集继电保护装置的输入电流信号i(t)；
步骤2、对步骤1中输入电流信号进行EMD分解，得到电流信号本征模态函数IMF的所有分量及为残余分量r(t)；
步骤3、基于步骤2得到的本征模态函数IMF的所有分量及模态分量信息熵计算公式，计算各分量的信息熵；
步骤4、基于步骤3得到的各分量信息熵，计算输入电流信号中电力系统中一次系统故障、非电力系统一次系统故障的信号分类指标；计算电力系统一次系统故障的信号中负荷状态、测量回路故障的分类指标；
步骤5、将步骤4中电力系统中一次系统故障的信号分类指标结果与非电力系统一次系统故障的信号分类指标结果进行比较；其中，电力系统中一次系统故障分类指标计算结果比非电力系统一次系统故障信号分类指标计算结果大10倍以上，则，继电保护装置输入电流信号的分类指标计算结果大10倍以上的为系统中一次系统故障电流，其他的为非电力系统一次系统故障电流信号；
将负荷状态与测量回路故障的分类指标结果进行比较；其中，测量回路故障的分类指标计算结果比负荷状态分类指标计算结果大1.5倍以上，则，非电力系统一次系统故障电流信号的分类指标计算结果大1.5倍以上的为测量回路故障电流，其他的为负荷状态电流信号。
2.如权利要求1所述的基于EMD分解的继电保护输入信号分类识别方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1、数据初始化，令r(t)＝i(t)，j＝0；其中，r(t)为残余分量；i(t)为继电保护装置的输入电流信号；j为模态分量序号；
步骤2.2、求取信号i(t)中所有的极大值点imax(t)与极小值点imin(t)，使得电流信号在局部区间内满足如下公式：
imin(t)＜i(t)＜imax(t) (1)
步骤2.3、采用三次样条插值法生成信号i(t)的上包络线与下包络线；计算上包络线与下包络线的均值，公式如下：
Figure FDA0002266005020000021
步骤2.4、计算继电保护装置输入信号i(t)与包络线均值之间的差值，公式如下：
h(t)＝i(t)-m(t) (3)
步骤2.5、判断判断本征模态函数h(t)是否满足IMF的约束条件；若不满足条件，则，i(t)＝h(t)；若满足条件，输出本征模态函数p(t)，公式如下：
p(t)＝i(t)-h(t) (4)
步骤2.6、判断p(t)是否满足终止条件；若满足终止条件，输出所有本征模态函数；若不满足终止条件，则，i(t)＝r(t)；终止条件公式如下：
Figure FDA0002266005020000022
3.如权利要求2所述的基于EMD分解的继电保护输入信号分类识别方法，其特征在于，所述步骤3具体过程如下：
模态分量信息熵计算公式如下：
Figure FDA0002266005020000031
式中，n为采样点个数；Pi＝|Cij|2；Cij表示第j个模态分量的第i个值。
4.如权利要求3所述的基于EMD分解的继电保护输入信号分类识别方法，其特征在于，所述步骤4中，电力系统中一次系统故障与非电力系统一次系统故障信号分类指标，计算公式如下：
Figure FDA0002266005020000032
式中，Sj表示各模态分量的信息熵，r表示分解出的所有模态分量的个数。
5.如权利要求4所述的基于EMD分解的继电保护输入信号分类识别方法，其特征在于，所述步骤4中，负荷状态与测量回路故障分类指标，计算公式如下：
Figure FDA0002266005020000033
式中，k为主导模态分量。
CN201911087957.3A 2019-11-08 2019-11-08 一种基于emd分解的继电保护输入信号分类识别方法 Active CN111027386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911087957.3A CN111027386B (zh) 2019-11-08 2019-11-08 一种基于emd分解的继电保护输入信号分类识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911087957.3A CN111027386B (zh) 2019-11-08 2019-11-08 一种基于emd分解的继电保护输入信号分类识别方法

Publications (2)

Publication Number Publication Date
CN111027386A true CN111027386A (zh) 2020-04-17
CN111027386B CN111027386B (zh) 2022-10-04

Family

ID=70205211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911087957.3A Active CN111027386B (zh) 2019-11-08 2019-11-08 一种基于emd分解的继电保护输入信号分类识别方法

Country Status (1)

Country Link
CN (1) CN111027386B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100115620A1 (en) * 2008-10-30 2010-05-06 Secure Computing Corporation Structural recognition of malicious code patterns
CN101726660A (zh) * 2009-12-25 2010-06-09 华北电力大学 一种基于漏磁场模型的变压器内部故障识别方法
CN103472137A (zh) * 2013-09-22 2013-12-25 上海电力学院 基于振动信号分析的传动系统齿轮故障诊断方法
CN104297635A (zh) * 2014-10-14 2015-01-21 河南理工大学 基于原子稀疏分解与极限学习机的配电网故障选线方法
CN104462762A (zh) * 2014-11-04 2015-03-25 西南交通大学 一种输电线路的模糊故障分类方法
CN105699072A (zh) * 2016-01-11 2016-06-22 石家庄铁道大学 一种基于级联经验模态分解齿轮故障诊断方法
CN105846464A (zh) * 2016-05-11 2016-08-10 国家电网公司 一种分布式电源对配电网的影响评估方法及系统
CN106092574A (zh) * 2016-05-30 2016-11-09 西安工业大学 基于改进emd分解与敏感特征选择的轴承故障诊断方法
CN206312210U (zh) * 2016-08-11 2017-07-07 中国南方电网有限责任公司电网技术研究中心 一种配电网设备的状态评估系统
CN107273585A (zh) * 2017-05-25 2017-10-20 国网山东省电力公司青岛供电公司 一种有载分接开关故障检测方法及装置
CN108535635A (zh) * 2018-04-17 2018-09-14 重庆大学 一种基于eemd和hmm的模拟电路间歇故障诊断方法
CN109586241A (zh) * 2017-12-31 2019-04-05 中国能源建设集团华东电力试验研究院有限公司 继电保护整定计算系统的计算方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100115620A1 (en) * 2008-10-30 2010-05-06 Secure Computing Corporation Structural recognition of malicious code patterns
CN101726660A (zh) * 2009-12-25 2010-06-09 华北电力大学 一种基于漏磁场模型的变压器内部故障识别方法
CN103472137A (zh) * 2013-09-22 2013-12-25 上海电力学院 基于振动信号分析的传动系统齿轮故障诊断方法
CN104297635A (zh) * 2014-10-14 2015-01-21 河南理工大学 基于原子稀疏分解与极限学习机的配电网故障选线方法
CN104462762A (zh) * 2014-11-04 2015-03-25 西南交通大学 一种输电线路的模糊故障分类方法
CN105699072A (zh) * 2016-01-11 2016-06-22 石家庄铁道大学 一种基于级联经验模态分解齿轮故障诊断方法
CN105846464A (zh) * 2016-05-11 2016-08-10 国家电网公司 一种分布式电源对配电网的影响评估方法及系统
CN106092574A (zh) * 2016-05-30 2016-11-09 西安工业大学 基于改进emd分解与敏感特征选择的轴承故障诊断方法
CN206312210U (zh) * 2016-08-11 2017-07-07 中国南方电网有限责任公司电网技术研究中心 一种配电网设备的状态评估系统
CN107273585A (zh) * 2017-05-25 2017-10-20 国网山东省电力公司青岛供电公司 一种有载分接开关故障检测方法及装置
CN109586241A (zh) * 2017-12-31 2019-04-05 中国能源建设集团华东电力试验研究院有限公司 继电保护整定计算系统的计算方法
CN108535635A (zh) * 2018-04-17 2018-09-14 重庆大学 一种基于eemd和hmm的模拟电路间歇故障诊断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JIAN HUANG等: "An intelligent fault diagnosis method of high voltage circuit breaker based on improved EMD energy entropy and multi-class support vector machine", 《ELECTRIC POWER SYSTEMS RESEARCH》 *
JINDE ZHENG等: "Multiscale Permutation Entropy Based Rolling Bearing Fault Diagnosis", 《SHOCK AND VIBRATION》 *
刘青等: "光学电流互感器对继电保护系统的影响研究", 《电网技术》 *
张亢等: "基于自适应波形匹配延拓的局部均值分解端点效应处理方法", 《中国机械工程》 *

Also Published As

Publication number Publication date
CN111027386B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
CN104977502B (zh) 一种特高压直流输电线路区内外故障识别方法
CN109800660B (zh) 一种基于大数据聚类的电压暂降源识别方法和系统
CN108446632A (zh) 一种局部放电脉冲边沿寻找与局部放电确认方法
Pazoki A new fault classifier in transmission lines using intrinsic time decomposition
CN105701470A (zh) 一种基于最优小波包分解的模拟电路故障特征提取方法
CN111426905B (zh) 一种配电网同母线变关系异常诊断方法、装置及系统
EP4024063B1 (en) Fault-arc identification method, device and apparatus, and storage medium
CN108009122B (zh) 一种改进的hht方法
CN113076986B (zh) 过滤式与封装式评价策略相结合的光伏故障电弧特征选择方法
CN114325256A (zh) 一种电力设备局部放电识别方法、系统、设备及存储介质
CN114584069B (zh) 一种光伏直流电弧检测方法及系统
CN108139432A (zh) 校正电流互感器中饱和效应的方法以及其智能电子设备
CN110909302A (zh) 交直流电网运行状态参数局部扰动特征学习方法及系统
CN115953123A (zh) 机器人自动化流程的生成方法、装置、设备及存储介质
CN111027386B (zh) 一种基于emd分解的继电保护输入信号分类识别方法
Asman et al. Identification of transient overvoltage using discrete wavelet transform with minimised border distortion effect and support vector machine
CN107561420A (zh) 一种基于经验模态分解的电缆局部放电信号特征向量提取方法
CN104391195A (zh) 一种电磁干扰的识别及滤波方法
CN108108659B (zh) 基于经验模态分解的孤岛检测关键特征提取方法
CN113160800A (zh) 语音数据标注方法及电子设备、存储装置
CN105954563B (zh) 基于电流求导和差分电流过零点识别拖尾电流的方法
CN111898446A (zh) 基于多算法归一化分析的单相接地故障研判方法
CN113533904B (zh) 一种配电网高阻接地故障检测方法、装置、设备和介质
JP2012032301A (ja) 電気設備の異常要因推定装置、コンピュータプログラム、電気設備の異常要因推定方法、及び、電気設備の異常要因推定システム
CN107784015B (zh) 一种基于电力系统在线历史数据的数据约简方法

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