CN111579936A - 一种适用于弧光接地故障的定位方法及系统 - Google Patents
一种适用于弧光接地故障的定位方法及系统 Download PDFInfo
- Publication number
- CN111579936A CN111579936A CN202010616240.XA CN202010616240A CN111579936A CN 111579936 A CN111579936 A CN 111579936A CN 202010616240 A CN202010616240 A CN 202010616240A CN 111579936 A CN111579936 A CN 111579936A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- fault
- sampling
- arc
- 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
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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种适用于弧光接地故障的定位方法及系统,包括,采集接地故障数据进行标签分类,形成弧光接地故障数据和非弧光接地故障数据;利用尖峰脉冲对所述弧光接地故障数据进行识别判断,得到识别结果;基于LSSVM构建定位模型对所述识别结果进行定位计算,获得初步定位结果;利用贝叶斯概率策略二次验证所述初步定位结果以确定最终的定位结果,完成定位。本发明不仅提高了配网运检精益化程度,还实现快速对故障点的定位,消除了现有故障定位技术受故障信号微弱、现场运行环境复杂、故障检测设备可靠性低、故障原因等因素影响,提高定位准确度,保障配网运行安全稳定性。
Description
技术领域
本发明涉及配网接地故障识别定位的技术领域,尤其涉及一种适用于弧光接地故障的定位方法及系统。
背景技术
我国配电网普遍采用不接地或经消弧线圈接地方式,其单相接地表现为小电流接地故障形式,目前,小电流接地故障检测技术仍普遍采用人工拉路的方式,即费时费力,又造成了不必要的停电损失,据统计,配网故障中20%左右是由于小电流接地引起的开关人工拉路引起的,对配网的可靠性造成了较大的影响;同时,随着配网运检精益化程度的提高,需要快速对故障区段进行定位,更为严峻的是随着分布式电源在配网中的广泛接入,对于配网的高效故障定位的要求越来越高,小电流接地故障定位技术受故障信号微弱、现场运行环境复杂、故障检测设备可靠性低、故障原因等因素影响,故障检测定位准确率较低。
电力系统停电绝大部分是配电网原因引起的,单相接地故障占配电网故障总数的80%左右,其故障定位技术对提高供电可靠性、推动智能电网建设具有十分重要的意义。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种适用于弧光接地故障的定位方法及系统,能够解决无法准确检测定位弧光接地故障的问题。
为解决上述技术问题,本发明提供如下技术方案:包括,采集接地故障数据进行标签分类,形成弧光接地故障数据和非弧光接地故障数据;利用尖峰脉冲对所述弧光接地故障数据进行识别判断,得到识别结果;基于LSSVM构建定位模型对所述识别结果进行定位计算,获得初步定位结果;利用贝叶斯概率策略二次验证所述初步定位结果以确定最终的定位结果,完成定位。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:构建所述定位模型,包括,选取径向基函数作为所述定位模型的目标函数,如下式:
其中,x={x1;x2;…;x14}:所述弧光接地故障数据的电流频率特性向量组成的频率特性矩阵,y:所述弧光接地故障数据的所述电流频率特性向量,σ:核宽度,反应了训练集的分布、范围特性。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:所述定位模型需进行参数优化训练,包括,初始化惩罚参数C和所述σ,利用训练集对所述LSSVM进行训练,并利用测试集进行测试;设定阈值,若所述LSSVM模型阈值未达到要求,根据误差对所述C和所述σ进行赋值优化,直到测试数据精度达到阈值要求;输出所述定位模型。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:包括,构建所述训练集包括,采集近五年的所述弧光接地故障相关数据定义为所述训练集;构建所述验证集包括,采集近两年的所述弧光接地故障相关数据定义为所述验证集;构建所述测试集包括,采集待检测的所述弧光接地故障相关数据定义为所述测试集。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:利用所述贝叶斯概率策略进行二次验证,包括,输入所述弧光接地故障相关数据量、脉冲量和采样点数量以进行融合处理和异常概率计算,若处理结果概率大于等于0.5,则所述初步定位结果异常;若所述处理结果概率小于0.5,则所述初步定位结果正常;概率计算如下,
P(Bi|Ai)=Bi|Aii=1,2,……n
其中,Bi:第i个协同检查因子中被正确识别的故障点个数,Ai:第i个协同检查因子中识别的故障点个数。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:所述标签分类包括,对采集的所述接地故障数据进行预处理,根据电弧特性及周波标记所述接地故障数据;利用零序电流波形特征、故障相电压变化调取所述接地故障数据中的所述弧光接地故障数据;剩余未被调取的所述接地故障数据则为所述非弧光接地故障数据。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:利用所述尖峰脉冲进行识别,包括,判断故障相电压是否跌落越限并计算零序电流相邻采样点的差值,得到采样差值;根据零序电流周期有效值计算所述相邻采样点差值的理论值,获得理论差值;比较所述采样差值与所述理论差值的大小,若所述采样差值为所述理论差值的N倍,则所述采样差值所在的采样点为尖峰脉冲并设置阈值N=10;依次统计连续出现的所述尖峰脉冲个数,若接地故障后躲开首周波的10个周波内所述脉冲尖峰数量在10至20内,则定义为所述弧光接地故障。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:所述尖峰脉冲包括,根据放电过程持续时间长度为1ms,定义1ms为窗口计算每个相邻两点之间的上升幅值或下降幅值;当所述上升幅值和所述下降幅值均超过设定的所述阈值时计算一次所述脉冲个数,如下,
max(i′(t))>Thr
min(i′(t)>-Thr
其中,0<t<1ms,Thr:设定阈值;检测所述尖峰脉冲放电的上升沿和下降沿满足,
|τmax-τmin|≤2ms
t′(τmax)=max(i′(t))
i′(τmin)=min(i′(t))
其中,故障上升最大幅值与下降最大幅值被限制在同一个零序尖峰脉冲的上升沿和下降沿。
作为本发明所述的一种适用于弧光接地故障的定位方法的一种优选方案,其中:包括,设定所述阈值为所述零序电流正常情况下相邻采样点差值的10倍,如下,
作为本发明所述的一种适用于弧光接地故障的定位系统的一种优选方案,其中:包括,采集模块,用于获取所述零序电流、电压的采样以及各类接地故障数据和弧光接地故障历史数据,其包括电压采样单元、电流采样单元和数据信息单元,所述电压采样单元用于采集配网母线的所述零序电压,所述电流采样单元用于采集配电出线的所述零序电流,所述数据信息单元用于采集各类接地故障历史数据和待检测数据;控制模块与所述采集模块相连接,其用于接收、运算、调控采样数据及周波数据,其包括运算单元、变换单元以及控制单元,所述运算单元用于读取所述采样数据和所述周波数据,调取运算体对其进行解析运算,得到运算数值,所述变换单元用于进行傅里叶变换,转换成所述运算单元能计算的数据,所述控制单元用于针对所述运算数值设定所述阈值;判断模块连接于所述控制模块,其用于分析、比较所述控制模块的运算结果,判断采样数据中是否含有弧光接地故障;定位模块与所述判断模块相连接于所述控制模块,其用于读取所述控制模块的所述运算结果进行初步定位,结合所述判断模块进行二次分析校对定位。
本发明的有益效果:本发明通过对弧光接地故障的初步识别,利用目标函数进行定位计算,在优化标定参数的同时提高初步定位精度,最后通过贝叶斯概率验证定位结果,不仅提高了配网运检精益化程度,还实现快速对故障点的定位,消除了现有故障定位技术受故障信号微弱、现场运行环境复杂、故障检测设备可靠性低、故障原因等因素影响,提高定位准确度,保障配网运行安全稳定性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的一种适用于弧光接地故障的定位方法的流程示意图;
图2为本发明第一个实施例所述的一种适用于弧光接地故障的定位方法的两者方法定位准确度测试对比曲线示意图;
图3为本发明第二个实施例所述的一种适用于弧光接地故障的定位系统的模块结构分布示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1和图2,为本发明的第一个实施例,该实施例提供了一种适用于弧光接地故障的定位方法,包括:
S1:采集接地故障数据进行标签分类,形成弧光接地故障数据和非弧光接地故障数据。其中需要说明的是,标签分类包括:
对采集的接地故障数据进行预处理,根据电弧特性及周波标记接地故障数据;
利用零序电流波形特征、故障相电压变化调取接地故障数据中的弧光接地故障数据;
剩余未被调取的接地故障数据则为非弧光接地故障数据。
S2:利用尖峰脉冲对弧光接地故障数据进行识别判断,得到识别结果。本步骤需要说明的是,利用尖峰脉冲进行识别,包括:
判断故障相电压是否跌落越限并计算零序电流相邻采样点的差值,得到采样差值;
根据零序电流周期有效值计算相邻采样点差值的理论值,获得理论差值;
比较采样差值与理论差值的大小,若采样差值为理论差值的N倍,则采样差值所在的采样点为尖峰脉冲并设置阈值N=10;
依次统计连续出现的尖峰脉冲个数,若接地故障后躲开首周波的10个周波内脉冲尖峰数量在10至20内,则定义为弧光接地故障。
进一步的,尖峰脉冲包括:
根据放电过程持续时间长度为1ms,定义1ms为窗口计算每个相邻两点之间的上升幅值或下降幅值;
当上升幅值和下降幅值均超过设定的阈值时计算一次脉冲个数,如下,
max(i′(t))>Thr
min(i′(t)>-Thr
其中,0<t<1ms,Thr:设定阈值;检测尖峰脉冲放电的上升沿和下降沿满足,
|τmax-τmin|≤2ms
i′(τmax)=max(i′(t))
i′(τmin)=min(i′(t))
其中,故障上升最大幅值与下降最大幅值被限制在同一个零序尖峰脉冲的上升沿和下降沿。
较佳的是:
设定阈值为零序电流正常情况下相邻采样点差值的10倍,如下,
S3:基于LSSVM构建定位模型对识别结果进行定位计算,获得初步定位结果。其中还需要说明的是,构建定位模型,包括:
选取径向基函数作为定位模型的目标函数,如下式:
其中,x={x1;x2;…;x14}:弧光接地故障数据的电流频率特性向量组成的频率特性矩阵,y:弧光接地故障数据的电流频率特性向量,σ:核宽度,反应了训练集的分布、范围特性。
具体的,定位模型需进行参数优化训练,包括:
初始化惩罚参数C和σ,利用训练集对LSSVM进行训练,并利用测试集进行测试;
设定阈值,若LSSVM模型阈值未达到要求,根据误差对C和σ进行赋值优化,直到测试数据精度达到阈值要求;
输出定位模型。
进一步的是:
构建训练集包括,采集近五年的弧光接地故障相关数据定义为训练集;
构建验证集包括,采集近两年的弧光接地故障相关数据定义为验证集;
构建测试集包括,采集待检测的弧光接地故障相关数据定义为测试集。
S4:利用贝叶斯概率策略二次验证初步定位结果以确定最终的定位结果,完成定位。本步骤还需要说明的是,利用贝叶斯概率策略进行二次验证,包括:
输入弧光接地故障相关数据量、脉冲量和采样点数量以进行融合处理和异常概率计算,若处理结果概率大于等于0.5,则初步定位结果异常;
若处理结果概率小于0.5,则初步定位结果正常;
概率计算如下,
P(Bi|Ai)=Bi|Aii=1,2,……n
其中,Bi:第i个协同检查因子中被正确识别的故障点个数,Ai:第i个协同检查因子中识别的故障点个数。
具体的,定位结果包括:
弧光接地故障区域范围及故障点坐标。
本实施例还需要说明的是,现有的外施信号源接地故障定位方法是通过在变电站出口处加入一个信号源,判定零序电流不平衡以给接地线路注入一个外施特征波形,让所在线路外施信号指示器检测到接地信号,从而完成接地定位,该方法主要解决的技术问题是如何让安装信号源让外施指示器检测到接地信号,其需要在电网中强行停电安装一个信号源,且信号源本身的稳定性会给所在电网带来二次故障的风险;现有的暂态录波接地故障定位方法是通过获得接地时刻各测点的电流以合成零序电流,通过对比各检测点零序电流的暂态特性完成定位,该方法主要解决的技术问题是如何通过零序电流的暂态特性完成定位,其需要将大量的录波数据通过GPRS网络上传至主站,对网络的稳定性、实时性要求较高,且大量的数据传输需要流量成本;而本发明方法利用尖峰脉冲对弧光接地故障进行识别判断,通过参数优化后的目标函数找到弧光接地故障所在区域及故障点坐标,结合贝叶斯概率验证定位结果的准确,本发明方法不仅简化了定位流程,消除了外来输入带来的安全隐患问题及强制电网停电的问题,还提高了定位准确率。
优选的是,为了对本发明方法中采用的技术效果加以验证说明,本实施例选择以传统的外施信号源接地故障定位方法与本发明方法进行对比测试,以科学论证的手段对比试验结果,验证本发明方法所具有的真实效果;传统的外施信号源接地故障定位方法具有安全隐患风险、稳定性差、经济成本较高、人工操控繁琐、定位准确度较低,为验证本发明方法相较于传统方法具有较高的定位准确度、较强的运行稳定性、较可靠的安全性,本实施例中将采用传统方法与本发明方法分别对某一配网运行的接地故障进行定位测试对比。
测试环境:(1)Windows7操作系统、IP接口、UGP;
(2)从开源数据库中随机选取10组弧光接地故障数据作为测试数据;
(3)采用传统方法时需人工安装信号源进行操作,采用本发明方法时开启自动化测试设备,利用MATLB进行仿真以输出对比曲线。
参照图2,实线为本发明方法输出的曲线,虚线为传统方法输出的曲线,根据图2的示意,能够直观的看出,实线一直呈稳定增长的趋势,随着测试数据组数的增加,曲线也在上升,而虚线则呈不稳定趋势,其增长的速度较慢、且准确率不高,随着测试数据组数的增加,曲线逐渐呈下降趋势,由此,验证了本发明方法具有较高的定位准确度。
实施例2
参照图3,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种适用于弧光接地故障的定位系统,包括:
采集模块100,用于获取零序电流、电压的采样以及各类接地故障数据和弧光接地故障历史数据,其包括电压采样单元101、电流采样单元102和数据信息单元103,电压采样单元101用于采集配网母线的零序电压,电流采样单元102用于采集配电出线的零序电流,数据信息单元103用于采集各类接地故障历史数据和待检测数据。
控制模块200与采集模块100相连接,其用于接收、运算、调控采样数据及周波数据,其包括运算单元201、变换单元202以及控制单元203,运算单元201用于读取采样数据和周波数据,调取运算体对其进行解析运算,得到运算数值,变换单元202用于进行傅里叶变换,转换成运算单元201能计算的数据,控制单元203用于针对运算数值设定阈值。
判断模块300连接于控制模块200,其用于分析、比较控制模块200的运算结果,判断采样数据中是否含有弧光接地故障。
定位模块400与判断模块300相连接于控制模块200,其用于读取控制模块200的运算结果进行初步定位,结合判断模块300进行二次分析校对定位。
优选的,还需要说明的是,控制模块200主要分为三个层次,包括控制层、运算层及存储层,控制层是控制模块200的指挥控制中心,由指令寄存器IR、指令译码器ID和操作控制器OC组成,控制层能够根据用户预先编好的程序,依次从存储器中取出各条指令,放在指令寄存器IR中,通过指令译码器分析确定,通知操作控制器OC进行操作,按照确定的时序向相应的部件发出微操作控制信号;运算层是控制模块200的核心,能够执行算术运算(如加减乘除及其附加运算)和逻辑运算(如移位、逻辑测试或两个值比较),其连接于控制层,通过接受控制层的控制信号进行运算操作;存储层是控制模块200的数据库,能够存放数据(待处理及已经处理过的数据)。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种适用于弧光接地故障的定位方法,其特征在于:包括,
采集接地故障数据进行标签分类,形成弧光接地故障数据和非弧光接地故障数据;
利用尖峰脉冲对所述弧光接地故障数据进行识别判断,得到识别结果;
基于LSSVM构建定位模型对所述识别结果进行定位计算,获得初步定位结果;
利用贝叶斯概率策略二次验证所述初步定位结果以确定最终的定位结果,完成定位。
3.根据权利要求1或2所述的适用于弧光接地故障的定位方法,其特征在于:所述定位模型需进行参数优化训练,包括,
初始化惩罚参数C和所述σ,利用训练集对所述LSSVM进行训练,并利用测试集进行测试;
设定阈值,若所述LSSVM模型阈值未达到要求,根据误差对所述C和所述σ进行赋值优化,直到测试数据精度达到阈值要求;
输出所述定位模型。
4.根据权利要求3所述的适用于弧光接地故障的定位方法,其特征在于:包括,
构建所述训练集包括,采集近五年的所述弧光接地故障相关数据定义为所述训练集;
构建所述验证集包括,采集近两年的所述弧光接地故障相关数据定义为所述验证集;
构建所述测试集包括,采集待检测的所述弧光接地故障相关数据定义为所述测试集。
5.根据权利要求4所述的适用于弧光接地故障的定位方法,其特征在于:利用所述贝叶斯概率策略进行二次验证,包括,
输入所述弧光接地故障相关数据量、脉冲量和采样点数量以进行融合处理和异常概率计算,若处理结果概率大于等于0.5,则所述初步定位结果异常;
若所述处理结果概率小于0.5,则所述初步定位结果正常;
概率计算如下,
P(Bi|Ai)=Bi|Aii=1,2,……n
其中,Bi:第i个协同检查因子中被正确识别的故障点个数,Ai:第i个协同检查因子中识别的故障点个数。
6.根据权利要求1或5所述的适用于弧光接地故障的定位方法,其特征在于:所述标签分类包括,
对采集的所述接地故障数据进行预处理,根据电弧特性及周波标记所述接地故障数据;
利用零序电流波形特征、故障相电压变化调取所述接地故障数据中的所述弧光接地故障数据;
剩余未被调取的所述接地故障数据则为所述非弧光接地故障数据。
7.根据权利要求6所述的适用于弧光接地故障的定位方法,其特征在于:利用所述尖峰脉冲进行识别,包括,
判断故障相电压是否跌落越限并计算零序电流相邻采样点的差值,得到采样差值;
根据零序电流周期有效值计算所述相邻采样点差值的理论值,获得理论差值;
比较所述采样差值与所述理论差值的大小,若所述采样差值为所述理论差值的N倍,则所述采样差值所在的采样点为尖峰脉冲并设置阈值N=10;
依次统计连续出现的所述尖峰脉冲个数,若接地故障后躲开首周波的10个周波内所述脉冲尖峰数量在10至20内,则定义为所述弧光接地故障。
8.根据权利要求7所述的适用于弧光接地故障的定位方法,其特征在于:所述尖峰脉冲包括,
根据放电过程持续时间长度为1ms,定义1ms为窗口计算每个相邻两点之间的上升幅值或下降幅值;
当所述上升幅值和所述下降幅值均超过设定的所述阈值时计算一次所述脉冲个数,如下,
max(i′(t))>Thr
min(i′(t))>-Thr
其中,0<t<1ms,Thr:设定阈值;检测所述尖峰脉冲放电的上升沿和下降沿满足,
|τmax-τmin|≤2ms
i′(τmax)=max(i′(t))
i′(τmin)=min(i′(t))
其中,故障上升最大幅值与下降最大幅值被限制在同一个零序尖峰脉冲的上升沿和下降沿。
10.一种适用于弧光接地故障的定位系统,其特征在于:包括,
采集模块(100),用于获取所述零序电流、电压的采样以及各类接地故障数据和弧光接地故障历史数据,其包括电压采样单元(101)、电流采样单元(102)和数据信息单元(103),所述电压采样单元(101)用于采集配网母线的所述零序电压,所述电流采样单元(102)用于采集配电出线的所述零序电流,所述数据信息单元(103)用于采集各类接地故障历史数据和待检测数据;
控制模块(200)与所述采集模块(100)相连接,其用于接收、运算、调控采样数据及周波数据,其包括运算单元(201)、变换单元(202)以及控制单元(203),所述运算单元(201)用于读取所述采样数据和所述周波数据,调取运算体对其进行解析运算,得到运算数值,所述变换单元(202)用于进行傅里叶变换,转换成所述运算单元(201)能计算的数据,所述控制单元(203)用于针对所述运算数值设定所述阈值;
判断模块(300)连接于所述控制模块(200),其用于分析、比较所述控制模块(200)的运算结果,判断采样数据中是否含有弧光接地故障;
定位模块(400)与所述判断模块(300)相连接于所述控制模块(200),其用于读取所述控制模块(200)的所述运算结果进行初步定位,结合所述判断模块(300)进行二次分析校对定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010616240.XA CN111579936B (zh) | 2020-06-30 | 2020-06-30 | 一种适用于弧光接地故障的定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010616240.XA CN111579936B (zh) | 2020-06-30 | 2020-06-30 | 一种适用于弧光接地故障的定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111579936A true CN111579936A (zh) | 2020-08-25 |
CN111579936B CN111579936B (zh) | 2021-12-03 |
Family
ID=72122014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010616240.XA Active CN111579936B (zh) | 2020-06-30 | 2020-06-30 | 一种适用于弧光接地故障的定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111579936B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418202A (zh) * | 2021-01-11 | 2021-02-26 | 上海恒能泰企业管理有限公司 | 一种基于MaskRCNN的变电设备异常识别定位方法及系统 |
CN112416228A (zh) * | 2020-11-20 | 2021-02-26 | 许述君 | 一种适用于多种非矩形截面屏幕取图的方法 |
CN112511706A (zh) * | 2020-11-27 | 2021-03-16 | 贵州电网有限责任公司 | 一种适用于无侵入式旁路电话语音流获取方法及系统 |
CN112684294A (zh) * | 2020-12-29 | 2021-04-20 | 南京后生远达科技有限公司 | 一种基于环境动态影响的配电网故障抢修定位方法 |
CN117909909A (zh) * | 2024-03-19 | 2024-04-19 | 青岛鼎信通讯股份有限公司 | 一种配电网弧光接地故障识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249101A (zh) * | 2016-06-30 | 2016-12-21 | 湖南大学 | 一种智能配电网故障辨识方法 |
CN107727990A (zh) * | 2017-10-23 | 2018-02-23 | 云南电网有限责任公司电力科学研究院 | 一种配网弧光接地故障辨识方法 |
CN108985465A (zh) * | 2018-05-21 | 2018-12-11 | 许继电气股份有限公司 | 一种换流站故障分类方法及系统 |
CN109324268A (zh) * | 2018-12-14 | 2019-02-12 | 国网山东省电力公司电力科学研究院 | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
CN109470985A (zh) * | 2018-06-19 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种基于多分辨奇异值分解的电压暂降源识别方法 |
CN110596530A (zh) * | 2019-09-06 | 2019-12-20 | 国网山东省电力公司寿光市供电公司 | 一种小电流接地故障选线方法 |
-
2020
- 2020-06-30 CN CN202010616240.XA patent/CN111579936B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249101A (zh) * | 2016-06-30 | 2016-12-21 | 湖南大学 | 一种智能配电网故障辨识方法 |
CN107727990A (zh) * | 2017-10-23 | 2018-02-23 | 云南电网有限责任公司电力科学研究院 | 一种配网弧光接地故障辨识方法 |
CN108985465A (zh) * | 2018-05-21 | 2018-12-11 | 许继电气股份有限公司 | 一种换流站故障分类方法及系统 |
CN109470985A (zh) * | 2018-06-19 | 2019-03-15 | 国网浙江省电力有限公司湖州供电公司 | 一种基于多分辨奇异值分解的电压暂降源识别方法 |
CN109324268A (zh) * | 2018-12-14 | 2019-02-12 | 国网山东省电力公司电力科学研究院 | 基于贝叶斯推理的配电网早期故障检测方法及装置 |
CN110596530A (zh) * | 2019-09-06 | 2019-12-20 | 国网山东省电力公司寿光市供电公司 | 一种小电流接地故障选线方法 |
Non-Patent Citations (6)
Title |
---|
MINGMING GAO: "Day-ahead power forecasting in a large-scale photovoltaic plant basedon weather classification using LSTM", 《ENERGY》 * |
YING DU: "Single Line-to-Ground Faulted Line Detection of Distribution Systems With Resonant Grounding Based on Feature Fusion Framework", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
曹丽芳: "改进LMD 和LS-SVM 在小电流接地故障选线中的应用", 《计量学报》 * |
盛怡: "基于LSSVM 的小电流接地故障融合选线", 《科学技术与工程》 * |
盛怡: "基于小波包和LSSVM 的小电流接地故障选线", 《兰州交通大学学报》 * |
邵庆祝: "基于LSTM模型的配电网单相接地故障辨识方法", 《广东电力》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112416228A (zh) * | 2020-11-20 | 2021-02-26 | 许述君 | 一种适用于多种非矩形截面屏幕取图的方法 |
CN112511706A (zh) * | 2020-11-27 | 2021-03-16 | 贵州电网有限责任公司 | 一种适用于无侵入式旁路电话语音流获取方法及系统 |
CN112684294A (zh) * | 2020-12-29 | 2021-04-20 | 南京后生远达科技有限公司 | 一种基于环境动态影响的配电网故障抢修定位方法 |
CN112684294B (zh) * | 2020-12-29 | 2023-11-03 | 南京后生远达科技有限公司 | 一种基于环境动态影响的配电网故障抢修定位方法 |
CN112418202A (zh) * | 2021-01-11 | 2021-02-26 | 上海恒能泰企业管理有限公司 | 一种基于MaskRCNN的变电设备异常识别定位方法及系统 |
CN117909909A (zh) * | 2024-03-19 | 2024-04-19 | 青岛鼎信通讯股份有限公司 | 一种配电网弧光接地故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111579936B (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111579936B (zh) | 一种适用于弧光接地故障的定位方法及系统 | |
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN111537841B (zh) | 一种适用于接地故障类型识别的优化方法及系统 | |
CN109784391A (zh) | 基于多模型的样本标注方法及装置 | |
Matinnejad et al. | Automated test suite generation for time-continuous simulink models | |
CN113792825A (zh) | 一种用电信息采集设备故障分类模型训练方法及装置 | |
CN108734360A (zh) | 一种基于修正的elm预测模型多维遥测数据智能判读方法 | |
CN113297797A (zh) | 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置 | |
CN116123042B (zh) | 一种风力发电机组的智能监测预警方法及系统 | |
CN110146743A (zh) | 一种台区相位识别方法 | |
CN109359665A (zh) | 一种基于支持向量机的家电负荷识别方法及装置 | |
CN112083275A (zh) | 一种配网故障类型识别方法及系统 | |
CN112083276A (zh) | 一种弧光接地故障的识别方法及系统 | |
JP7448745B2 (ja) | 電力グリッドにおける相接続の決定 | |
CN111175608A (zh) | 基于加速独立分量分析的配电网谐波责任定量划分方法 | |
US20220413032A1 (en) | Machine learning based method and device for disturbance classification in a power transmission line | |
CN115577249A (zh) | 多视角特征融合的变压器声信号识别方法、系统及介质 | |
CN115809622A (zh) | 具有自动优化配置功能的芯片仿真加速系统 | |
CN113052249B (zh) | 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法 | |
CN102419593A (zh) | 基于数据挖掘的传感器故障诊断方法 | |
US11567143B2 (en) | Partial discharge determination device and method | |
US20230243789A1 (en) | Analysis device and analysis method | |
CN118071525B (zh) | 一种财务数据审核方法及系统 | |
CN118462508B (zh) | 一种风力机叶片的疲劳寿命预测方法及系统 | |
CN117972576A (zh) | 一种核爆炸和雷电电磁脉冲分类方法及系统 |
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 |