CN111458601A - 故障检测方法及装置 - Google Patents
故障检测方法及装置 Download PDFInfo
- Publication number
- CN111458601A CN111458601A CN202010400281.5A CN202010400281A CN111458601A CN 111458601 A CN111458601 A CN 111458601A CN 202010400281 A CN202010400281 A CN 202010400281A CN 111458601 A CN111458601 A CN 111458601A
- Authority
- CN
- China
- Prior art keywords
- voltage waveform
- voltage
- data
- difference
- fault
- 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.)
- Pending
Links
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
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/50—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to the appearance of abnormal wave forms, e.g. ac in dc installations
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本公开提供了一种故障检测方法及装置。当元器件出现故障后,获取对应支路电压波形;基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;根据所述差异量进行分类辨识确定对应支路的故障情况,其中,通过所述对应支路电压波形与预设电压波形的分析确定所述预设电压波形的差异量,该电压波形的差异量在分类辨识下能够清楚辨识并确定对应支路的故障情况,从而能够在总多支路上确定对应支路的故障情况,进而提高故障检测的准确性。
Description
技术领域
本发明涉及智能决策中的检测模型,特别涉及一种故障检测方法及装置。
背景技术
随着高压直流输电系统的发展和建设,承担越来越多输电容量的换流站在电力系统中的地位日趋重要,其中,直流换流站采用直流分压器来测量直流电压。
在相关技术中,直流分压器由高压臂和低压臂串连而成,二次分压板与低压臂并联,具有多个分压支路,任一分压支路的故障均能造成整个测量系统的电压波动,导致具体的故障信息无法准确地确定。
发明内容
本公开旨在提供一种故障检测方法及装置,以提高故障检测的准确性。
根据本公开的一方面,提供了一种故障检测方法,包括:当元器件出现故障后,获取对应支路电压波形;基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;根据所述差异量进行分类辨识确定对应支路的故障情况。
在一个实施例中,所当元器件出现故障后,获取对应支路电压波形包括:获取仿真样本数据,形成样本空间;基于样本空间确定在预设时间内的数据差;根据各所述数据差提取电压跌落过程特征电压波形,形成样本库。
在一个实施例中,所述根据各所述数据差提取电压跌落过程特征电压波形,形成样本库包括:获取预设时间内的数据差;根据所述数据差形成所述电压波形;对所述电压波形进行归一处理;整理所述电压波形以形成所述样本库。
在一个实施例中,所述获取预设时间内的数据差之后还包括:对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影;根据分解后的所述数据差形成训练集。
在一个实施例中,所述根据分解后的所述数据差形成训练集之后还包括:根据所述训练集训练相关的所述数据差。
在一个实施例中,所述对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影之后还包括:采用径向基核函数,使用支持向量机划分特征空间。
根据本公开的一方面,提供了一种故障检测方法的装置,包括:获取模块,用于当元器件出现故障后,获取对应支路电压波形;第一确定模块,用于基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;第二确定模块,用于根据所述差异量进行分类辨识确定对应支路的故障情况。
根据本公开的一方面,提供了一种计算机可读程序介质,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行根据上述的方法。
根据本公开的一方面,提供了一种电子装置,包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现上述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例所提供的技术方案中,当元器件出现故障后,获取对应支路电压波形;基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;根据所述差异量进行分类辨识确定对应支路的故障情况,其中,通过所述对应支路电压波形与预设电压波形的分析确定所述预设电压波形的差异量,该电压波形的差异量在分类辨识下能够清楚辨识并确定对应支路的故障情况,从而能够在总多支路上确定对应支路的故障情况,进而提高故障检测的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种故障检测方法的流程图。
图2是根据一示例性实施例示出的所述获取对应支路的电压波形的详细流程图。
图3是根据一示例性实施例示出的所述形成样本库的基本流程图。
图4是根据一示例性实施例示出的故障检测方法的应用场景图。
图5是图4对应的电路示意图。
图6是根据一示例性实施例示出的故障检测方法的正常电压波形簇。
图7是根据一示例性实施例示出的故障检测方法的故障电压波形簇。
图8是根据一示例性实施例示出的故障检测方法的归一化后的正常电压波形簇。
图9是根据一示例性实施例示出的故障检测方法的归一化后的故障电压波形簇。
图10是根据一示例性实施例示出的故障检测方法的样本库形成的训练集。
图11是根据一示例性实施例示出的故障检测方法的测试样本电压波形。
图12是根据一示例性实施例示出的故障检测方法的PCA-SVM模型辨识结果。
图13是根据一示例性实施例示出的一种故障检测方法的装置的框图。
图14是根据一示例性实施例示出的一种电子装置的硬件图。
图15是根据一示例性实施例示出的一种故障检测方法的计算机可读存储介质。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。附图所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
近年来,为满足我国东西部能源分配不均的局面,我国大力发展特高压直流输电技术,截至目前,已建成包括世界第一条特高压直流输电工程楚穗直流工程在内的十余项特高压直流输电工程,世界第一条特高压多端混合直流输电工程昆柳龙直流工程也在建设中。与传统交流高压输电技术相比,特高压直流输电技术具有输送能力强,传输损耗小,能够异步运行等诸多优点,特别适合远距离、大功率、点对点的电能传输。
特高压直流工程的送端和受端都需要建设换流站以实现电能的交直流变换,换流站直流控制保护系统是直流工程稳定运行的核心。直流控制保护系统的输入来自一次测量装置采集的现场实测值经变换后的二次量,其中直流线路电压(UdL)、中性母线电压(UdN)、极母线电压(UdCH)等电压测量值都是重要的输入量。一旦控制保护系统电压输入出现异常波动,将严重影响直流输电系统安全稳定运行,甚至造成直流强迫停运,影响电网安全,更有甚者,可能造成换流站内设备严重损坏,危及系统及现场人员安全。因此,高效、可靠的换流站电压监视手段是换流站安全运行的必要条件。又因为特高压直流输电系统运行方式有别于传统交流输电系统,其运行方式包括双极全压运行、双极降压运行、单极大地回线方式运行、单极金属回线方式运行等,对于像昆柳龙直流工程这样的多端直流输电工程,其运行方式更加复杂多变。运行方式改变、输送功率的改变,都会造成系统电压变化。因此,换流站对于电压测量值的监视有极高要求。应用于交流系统的传统电压监视方法不能满足换流站运维要求。当前,特高压直流换流站普遍采用直流分压器来测量直流电压,直流分压器由高压臂和低压臂串连而成,二次分压板(电阻盒)与低压臂并联,二次分压板最多可包含12个分压支路,分压支路的输出端接入光电转换模块,将测量量通过光纤传输给直流测量系统。
在相关技术中,直流分压器由高压臂和低压臂串连而成,二次分压板与低压臂并联,具有多个分压支路,任一分压支路的故障均能造成整个测量系统的电压波动,导致具体的故障信息无法准确地确定。
根据本公开的一个实施例,提供了一种故障检测方法,如图1和图9所示,该故障检测方法的方法包括:
步骤S110、当元器件出现故障后,获取对应支路电压波形;
步骤S120、基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;
步骤S130、根据所述差异量进行分类辨识确定对应支路的故障情况。
在本发明的一些实施例中,基于前述方案,通过所述对应支路电压波形与预设电压波形的分析确定所述预设电压波形的差异量,该电压波形的差异量在分类辨识下能够清楚辨识并确定对应支路的故障情况,从而能够在总多支路上确定对应支路的故障情况,进而提高故障检测的准确性。
下面对这些步骤进行详细描述。
在步骤S110中,当元器件出现故障后,获取对应支路电压波形。
本公开实施例中,电压波形主要体现电压的变化,并通过图表的趋势直观地明示,其中,电压波形主要记载着电压的参数。
如图2所示,步骤S110包括:
S111、获取仿真样本数据,形成样本空间;
S112、基于样本空间确定在预设时间内的数据差;
S113、根据各所述数据差提取电压跌落过程特征电压波形,形成样本库;
在S111中,仿真样本数据包括在数据中获得的电压数据,将众多的电压数据形成样本空间,该样本空间储存着相关的电压数据,以便于数据的调取,保证数据的安全性。
在具体的实施例中,仿真在二次分压板的每个支路上安装监测装置,由于因二次分压板支路故障导致电压测量值下降是一个缓慢的过程,必须保存长时间监测数据才能反应电压变化趋势,因此设置每分钟采集两个数据点,以单月为监测周期,形成正常电压数据20条,因分压板支路故障导致电压下降数据10条。
在S112中,预设时间属于人为设定的期限,通过对特定期限的限制,以便于获得在该期限中的相关电压数据,进一步地确定该数据差,以实现定时对数据的检测和以便于电压数据的对比。
在S113中,根据各所述数据差提取多个数据点,并根据该数据点构成电压跌落过程特征电压波形,以便于人们查看。
参阅图3,步骤S113包括:
S1131、获取预设时间内的数据差;
S1132、根据所述数据差形成所述电压波形;
S1133、对所述电压波形进行归一处理;
S1134、整理所述电压波形以形成所述样本库;
相连的电压波形形成样本库,以便于存储多个电压数据,并且便于人们查找。其中,以25天时长作为时窗采集特征电压波形,并对采集量进行归一化处理,得到正常电压样本NN=[xN1,xN2,xN3,……xNn],电压跌落样本Nf=[xf1,xf2,xf3,……xfn],其中xNn和xfn分别代表正常状态下电压采样数据和故障导致电压跌落状态下的电压采样数据。
在S1131之后还包括:
对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影;
根据分解后的所述数据差形成训练集
其中,对样本数据进行PCA分解,绘制样本数据在降维后特征空间PC1和PC2上的投影,形成训练集。
所述根据分解后的所述数据差形成训练集之后还包括:根据所述训练集训练相关的所述数据差,通过训练集实时调整所述数据差,以便于对电压数据的实时检测。
所述对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影之后还包括:
采用径向基核函数,使用支持向量机划分特征空间。
其中,根据训练集形成基于主成分分析法的电压跌落监测判据,设当测量电压在特征空间PC1轴上的投影为q1,当q1<q1set,可以判断二次分压板某一支路发生故障导致测量电压跌落,根据训练集PC1轴上的投影分布特征,取q1set=0。
另外,为提高方法普适性,避免窗口内电压跌落不明显的电压波形投影到PC1轴上时,q1接近q1set,采用径向基核函数,使用支持向量机划分特征空间,当支持向量机输出结果为1时,对应电压波形为故障波形。
当直流分压器二次分压板监测装置一旦检测到时窗内电压波形有下降趋势,且电压波形经PCA-SVM分解计算后,输出结果为1即可判断对应支路发生故障。
通过析除了对数据进行降维,降低数据复杂程度以外,提取的主成分数据还能提供诸如数据平均水平位置、数据点分布特性和数据最大变异方向等重要系统信息。具体的,通过正交变换,将原始分量相关的随机变量变换为分量无关的变量。从数学角度出发,上述原理可以描述为:将原始数据的坐标系统转换为新坐标系下的正交系统,使新正交系统指向原始数据样本点散布最为分散的方向,从而实现数据的降维。主成分分析的本质可以理解作基于最小均方误差的数据特征提取。
通过对样本库电压数据进行主成分分析计算,使样本库数据投影到新的特征空间,在特征空间上,正常电压波形和故障电压波形在PC1轴上的投影点分布在不同的区域,通过支持向量机对特征空间进行划分,当支持向量机输出结果为1时,即可判断电压波形存在跌落,对应二次分压板故障
综上所述,通过方针模拟二次分压板各支路正常电压波形及故障电压波形形成样本库,对样本库数据进行主成分分析计算,将原电压波形数据降维投影到特征空间的PC1和PC2轴上,当支持向量机输出结果为1,则将对应电压波形数据判定为异常数据,指示对应二次分压板支路故障;当支持向量机输出结果为0,则将对应电压波形数据判定为正常数据,指示对应二次分压板支路正常。
参阅图4和图5,图中5为直流分压器本体,2为二次分压板,3位远端模块,4为光缆,5为合并单元本发明监测点位于二次分压板支路上,每个支路设置一个电压监测装置。设置电压监测装置采样率为0.04Hz。
本发明方法具体步骤如下:
(1)利用仿真数据形成历史样本库,设置正常直流电压值为在795kV至805kV间波动的电压波形,故障电压为以一定速率缓慢下降的电压波形,仿真取得正常电压波形20条,不同下降速率的故障电压波形十条,如图6、图7所示。
(2)以单月为周期,即86400个采样点为时窗,截取样本数据,对取得的样本数据进行归一化处理,得到正常电压样本NN=[xN1,xN2,xN3,……xNn],电压跌落样本Nf=[xf1,xf2,xf3,……xfn],归一化后的正常电压样本波形簇如图8所示,故障电压样本波形簇如图9所示;
(3)对样本数据进行PCA分解,绘制样本数据在降维后特征空间PC1和PC2上的投影,形成训练集。投影结果如图10所示,本次分解,PC1和PC2所含故障信息量的累计方差贡献率为92.91%,大于85%,这样可以利用PC1和PC2来表征故障电压波形和正常电压波形的形态差异。
(4)获取某换流站直流分压器电压测量故障波形,以86400个数据点为时窗截取故障电压波形,并对波形进行归一化处理,所得电压波形如图11所示;
(5)将幅值归一化后的实测恢复电压数据作为测试样本,对测试样本进行PCA-SVM模型识别,测试样本的q1值在PC1上的投影和支持向量机的输出如图12所示。测试数据SVM输出为1,为图中左侧蓝色投影点,判定为故障电压波形,且测试数据q1值投影靠近故障电压波形的历史样本,与测试数据故障录波器所录波形反映的故障性质相符,说明基于PCA-SVM模型识别的故障波形辨识方法对于实测数据有效。
本发明的实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例所提供的技术方案中,当元器件出现故障后,获取对应支路电压波形;基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;根据所述差异量进行分类辨识确定对应支路的故障情况,其中,通过所述对应支路电压波形与预设电压波形的分析确定所述预设电压波形的差异量,该电压波形的差异量在分类辨识下能够清楚辨识并确定对应支路的故障情况,从而能够在总多支路上确定对应支路的故障情况,进而提高故障检测的准确性。
另外,本发明还具有以下优点:
1、本发明采用主成分分析-支持向量机方法对波形形态特征进行辨识,只要波形形态特征存在差异,即可快速辨识特征波形,与小时窗内波形变化无关,对于轻微故障导致的长时间电压波形缓慢下降辨识有绝佳优势;
2、本发明数据采样时间长,数据量大,可有效规避因个别数据奇异导致辨识错误,适用范围广;
3、使用主成分分析-支持向量机对数据进行辨识,辨识过程由计算机完成,通过支持向量机的输出结果即可判断电压波形是否正常,全过程无人为干预,可靠性高;
4、随着样本库增加,辨识精度将进一步增高,即运行时间越长,辨识度越好。
如图13所示,在一个实施例中,所述故障检测方法的装置200还包括:
获取模块210,用于当元器件出现故障后,获取对应支路电压波形;
第一确定模块220,用于基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;
第二确定模块230,用于根据所述差异量进行分类辨识确定对应支路的故障情况。
下面参照图7来描述根据本发明的这种实施方式的电子设备40。图4显示的电子设备40仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:上述至少一个处理单元41、上述至少一个存储单元42、连接不同系统组件(包括存储单元42和处理单元41)的总线43。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元41执行,使得所述处理单元41执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元42可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)421和/或高速缓存存储单元422,还可以进一步包括只读存储单元(ROM)423。
存储单元42还可以包括具有一组(至少一个)程序模块425的程序/实用工具424,这样的程序模块425包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线43可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备40也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口45进行。并且,电子设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器46通过总线43与电子设备40的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
根据本公开一个实施例,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图15所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品50,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (9)
1.一种故障检测方法,其特征在于,包括:
当元器件出现故障后,获取对应支路电压波形;
基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;
根据所述差异量进行分类辨识确定对应支路的故障情况。
2.根据权利要求1所述的方法,其特征在于,所当元器件出现故障后,获取对应支路电压波形包括:
获取仿真样本数据,形成样本空间;
基于样本空间确定在预设时间内的数据差;
根据各所述数据差提取电压跌落过程特征电压波形,形成样本库。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述数据差提取电压跌落过程特征电压波形,形成样本库包括:
获取预设时间内的数据差;
根据所述数据差形成所述电压波形;
对所述电压波形进行归一处理;
整理所述电压波形以形成所述样本库。
4.根据权利要求3所述的方法,其特征在于,所述获取预设时间内的数据差之后还包括:
对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影;
根据分解后的所述数据差形成训练集。
5.根据权利要求4所述的方法,其特征在于,所述根据分解后的所述数据差形成训练集之后还包括:
根据所述训练集训练相关的所述数据差。
6.根据权利要求5所述的方法,其特征在于,所述对所述数据差进行PCA分解,绘制数据差在降维后特征空间上的投影之后还包括:
采用径向基核函数,使用支持向量机划分特征空间。
7.一种故障检测方法的装置,其特征在于,包括:
获取模块,用于当元器件出现故障后,获取对应支路电压波形;
第一确定模块,用于基于所述对应支路电压波形与预设电压波形的分析,以确定所述对应支路电压波形相对于所述预设电压波形的差异量;
第二确定模块,用于根据所述差异量进行分类辨识确定对应支路的故障情况。
8.一种计算机可读程序介质,其特征在于,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行根据权利要求1至6中任一项所述的方法。
9.一种电子装置,其特征在于,包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400281.5A CN111458601A (zh) | 2020-05-13 | 2020-05-13 | 故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010400281.5A CN111458601A (zh) | 2020-05-13 | 2020-05-13 | 故障检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111458601A true CN111458601A (zh) | 2020-07-28 |
Family
ID=71678766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010400281.5A Pending CN111458601A (zh) | 2020-05-13 | 2020-05-13 | 故障检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111458601A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896224A (zh) * | 2020-08-14 | 2020-11-06 | 南方电网科学研究院有限责任公司 | 一种激光供电回路性能检测装置、方法及终端设备 |
CN113095705A (zh) * | 2021-04-22 | 2021-07-09 | 苏州百胜动力机器股份有限公司 | 一种基于大数据的舷外机故障检测系统 |
CN113702780A (zh) * | 2021-08-20 | 2021-11-26 | 中国南方电网有限责任公司超高压输电公司大理局 | 基于bp神经网络的高压电容在线监测方法和装置 |
CN113792636A (zh) * | 2021-09-07 | 2021-12-14 | 国网安徽省电力有限公司 | 基于故障录波的特高压直流输电换流变隐性故障预测方法 |
CN117970167A (zh) * | 2024-03-28 | 2024-05-03 | 深圳市力生美半导体股份有限公司 | 开关电源故障预测装置、方法及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424709A (zh) * | 2007-10-29 | 2009-05-06 | 西门子公司 | 电压扰动检测方法及装置 |
US20140253141A1 (en) * | 2013-03-05 | 2014-09-11 | Texas Instruments Incorporated | Detecting Power Supply Sag in an Integrated Circuit |
CN105445613A (zh) * | 2015-09-29 | 2016-03-30 | 昆明理工大学 | 一种基于极线电压机器学习判别机制的线路故障识别方法 |
CN206431183U (zh) * | 2016-12-21 | 2017-08-22 | 国网冀北电力有限公司秦皇岛供电公司 | 电网电压暂降监测报警装置 |
CN107390086A (zh) * | 2017-06-30 | 2017-11-24 | 昆明理工大学 | 一种基于主成分分析‑支持向量机的单永故障识别方法 |
CN110441654A (zh) * | 2019-07-29 | 2019-11-12 | 三峡大学 | 基于改进ewt和cmpe的配电网电能质量扰动检测方法 |
-
2020
- 2020-05-13 CN CN202010400281.5A patent/CN111458601A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101424709A (zh) * | 2007-10-29 | 2009-05-06 | 西门子公司 | 电压扰动检测方法及装置 |
US20140253141A1 (en) * | 2013-03-05 | 2014-09-11 | Texas Instruments Incorporated | Detecting Power Supply Sag in an Integrated Circuit |
CN105445613A (zh) * | 2015-09-29 | 2016-03-30 | 昆明理工大学 | 一种基于极线电压机器学习判别机制的线路故障识别方法 |
CN206431183U (zh) * | 2016-12-21 | 2017-08-22 | 国网冀北电力有限公司秦皇岛供电公司 | 电网电压暂降监测报警装置 |
CN107390086A (zh) * | 2017-06-30 | 2017-11-24 | 昆明理工大学 | 一种基于主成分分析‑支持向量机的单永故障识别方法 |
CN110441654A (zh) * | 2019-07-29 | 2019-11-12 | 三峡大学 | 基于改进ewt和cmpe的配电网电能质量扰动检测方法 |
Non-Patent Citations (1)
Title |
---|
刘刚等: "基于PCA降维和优化核参数SVM的电能质量扰动分类", 《上海电力学院学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111896224A (zh) * | 2020-08-14 | 2020-11-06 | 南方电网科学研究院有限责任公司 | 一种激光供电回路性能检测装置、方法及终端设备 |
CN111896224B (zh) * | 2020-08-14 | 2022-04-12 | 南方电网科学研究院有限责任公司 | 一种激光供电回路性能检测装置、方法及终端设备 |
CN113095705A (zh) * | 2021-04-22 | 2021-07-09 | 苏州百胜动力机器股份有限公司 | 一种基于大数据的舷外机故障检测系统 |
CN113702780A (zh) * | 2021-08-20 | 2021-11-26 | 中国南方电网有限责任公司超高压输电公司大理局 | 基于bp神经网络的高压电容在线监测方法和装置 |
CN113702780B (zh) * | 2021-08-20 | 2024-01-19 | 中国南方电网有限责任公司超高压输电公司大理局 | 基于bp神经网络的高压电容在线监测方法和装置 |
CN113792636A (zh) * | 2021-09-07 | 2021-12-14 | 国网安徽省电力有限公司 | 基于故障录波的特高压直流输电换流变隐性故障预测方法 |
CN113792636B (zh) * | 2021-09-07 | 2024-05-14 | 国网安徽省电力有限公司 | 基于故障录波的特高压直流输电换流变隐性故障预测方法 |
CN117970167A (zh) * | 2024-03-28 | 2024-05-03 | 深圳市力生美半导体股份有限公司 | 开关电源故障预测装置、方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111458601A (zh) | 故障检测方法及装置 | |
CN111985824A (zh) | 一种智能电表箱的非侵入式负荷监测方法及其监测设备 | |
CN110930052A (zh) | 一种变电设备故障率预测方法,系统,设备及可读存储介质 | |
CN111428755A (zh) | 非侵入式负荷监测方法 | |
Dasgupta et al. | Entropy-based metric for characterization of delayed voltage recovery | |
CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN115936428A (zh) | 增量配电网防外破定值优化系统 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
CN103529337B (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
Zhang et al. | Incipient fault identification of distribution networks based on feature matching of power disturbance data | |
CN113484596A (zh) | 一种电能质量监测方法、装置、设备及可读存储介质 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
Singh et al. | Supervisory framework for event detection and classification using wavelet transform | |
Li et al. | A summary of relay protection-based simulation for Dynamic Performance and Reliability Assessment | |
CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
CN111044100A (zh) | 一种用于电力计量的传感器装置及控制方法 | |
CN116523493A (zh) | 配电网运行维护辅助决策分析方法、系统及存储介质 | |
Thomas et al. | Machine learning based detection and classification of power system events | |
Junior et al. | A methodology for detection of power quality disturbances in the context of demand side management | |
CN109767062B (zh) | 一种电网任务处置方案的动态生成方法 | |
Peng et al. | Design of Energy Information Collection and Analysis Terminal with Digital Edge Computing Capabilities | |
CN112001588A (zh) | 基于n-1态下的事故事件在线预判方法及装置 | |
Boyd et al. | Machine Learning Techniques to Predict Voltage Unbalance in a Power Transmission System |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |
|
RJ01 | Rejection of invention patent application after publication |