CN111639554A - 牵引供电系统雷击识别方法、装置和设备 - Google Patents
牵引供电系统雷击识别方法、装置和设备 Download PDFInfo
- Publication number
- CN111639554A CN111639554A CN202010411196.9A CN202010411196A CN111639554A CN 111639554 A CN111639554 A CN 111639554A CN 202010411196 A CN202010411196 A CN 202010411196A CN 111639554 A CN111639554 A CN 111639554A
- Authority
- CN
- China
- Prior art keywords
- total energy
- power supply
- supply system
- traction power
- lightning
- 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
- 208000025274 Lightning injury Diseases 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 abstract description 9
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 206010042255 Struck by lightning Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F2218/08—Feature extraction
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/22—Source localisation; Inverse modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及牵引供电系统雷击识别方法、装置和设备。牵引供电系统雷击识别方法包括：获取牵引供电系统的牵引网接触线首端的电流信号；对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。在牵引供电系统领域创新性地引入上述牵引供电系统雷击识别方法，能够有效识别牵引供电系统的雷击状况，利于降低电气化铁路的运营维护成本。
Description
技术领域
本发明涉及电力信号处理技术领域，特别是涉及一种牵引供电系统雷击识别方法、装置和设备。
背景技术
牵引供电系统的牵引网距离长、所处环境复杂且易遭受雷击的侵入。雷击对牵引供电系统的影响可分为故障性雷击和非故障性雷击，在本专业领域中将故障性雷击造成的牵引供电系统的短路故障称为雷击故障，在此情况下牵引供电系统的保护装置应快速动作。非故障性雷击对于牵引供电系统而言相当于一个干扰，其并不会影响系统安全，因此，在本专业领域中将非故障性雷击对牵引供电系统的影响称为雷击干扰，在此情况下牵引供电系统的保护装置在雷击干扰下应尽量不动作。然而，在实现本发明过程中，发明人发现对牵引供电系统雷击状况的识别，还没有有效的识别方法，因此存在着无法有效识别牵引供电系统雷击状况的问题。
发明内容
基于此，有必要针对上述传统的牵引供电系统雷击状况的识别存在的问题，提供一种能够有效识别牵引供电系统雷击状况的牵引供电系统雷击识别方法、一种牵引供电系统雷击识别装置、一种计算机设备和一种计算机可读存储介质。
为了实现上述目的，本发明实施例提供以下技术方案：
一方面，本发明实施例提供一种牵引供电系统雷击识别方法，包括：
获取牵引供电系统的牵引网接触线首端的电流信号；
对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；
分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；
根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
在其中一个实施例中，根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况的步骤，包括：
确定总能量T2、总能量T7和总能量T8的最大值Tmax；
若最大值Tmax为总能量T2，则确定牵引供电系统的雷击状况为雷击干扰。
在其中一个实施例中，根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况的步骤，还包括：
若最大值Tmax为总能量T7或总能量T8，则确定牵引供电系统的雷击状况为无雷击或雷击故障。
在其中一个实施例中，根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况的步骤，还包括：
计算总能量T8和总能量T7的比值h；
若比值h大于雷击阈值，则确定牵引供电系统的雷击状况为雷击故障；雷击阈值为4.5。
在其中一个实施例中，根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况的步骤，还包括：
若比值h小于雷击阈值，则确定牵引供电系统的雷击状况为无雷击。
在其中一个实施例中，获取牵引供电系统的牵引网接触线首端的电流信号的步骤，包括：
通过牵引供电系统的保护装置以20kHz的采样频率，实时采集牵引网接触线首端的电流信号，得到当前时刻的采样点数据k0以及采样点数据k0以前的511个采样点数据。
在其中一个实施例中，对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列的步骤，包括：
将采样点数据k0和511个采样点数据组成牵引网接触线首端的电流序列；
对电流序列进行8层小波分解及重构处理，得到当前时刻下的8个频段小波重构电流序列。
另一方面，还提供一种牵引供电系统雷击识别装置，包括：
电流获取模块，用于获取牵引供电系统的牵引网接触线首端的电流信号；
分解重构模块，用于对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；
能量计算模块，用于分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；
雷击识别模块，用于根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述牵引供电系统雷击识别方法的步骤。
再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述牵引供电系统雷击识别方法的步骤。
上述各技术方案中的一个技术方案具有如下优点和有益效果：
上述牵引供电系统雷击识别方法、装置和设备，通过获取牵引网接触线首端的电流信号，然后对获取的电流信号进行8层小波分解及重构处理得到相应8个频段小波重构电流序列，再分别计算第2频段、第7频段和第8频段的小波重构电流序列的总能量T2、总能量T7和总能量T8，从而最终可以通过该三个频段小波重构电流序列的总能量，有效识别牵引供电系统的雷击状况。在牵引供电系统领域创新性地引入上述牵引供电系统雷击识别方法，能够有效识别牵引供电系统的雷击状况，从而为减少牵引供电系统不必要的跳闸提供技术基础，利于降低电气化铁路的运营维护成本。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中牵引供电系统雷击识别方法的流程示意图；
图2为一个实施例中对电流信号进行小波分解及重构处理的流程示意图；
图3为一个实施例中牵引供电系统雷击判断的第一流程示意图；
图4为一个实施例中牵引供电系统雷击判断的第二流程示意图；
图5为一个实施例中牵引供电系统雷击判断的第三流程示意图；
图6为一个实施例中牵引供电系统雷击判断的第四流程示意图；
图7为一个实施例中牵引供电系统雷击识别装置的模块结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体地实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
在实际工程中，牵引供电系统的保护装置在雷击干扰情况下产生误动作的现象较为频繁。虽然对于雷击干扰造成的跳闸一般可以通过自动重合闸恢复供电，但在此期间，机车必须减速运行甚至驻停，这就大大降低了电气化铁路的运输效率；同时，牵引供电系统的频繁跳闸，也提高了电气化铁路的运营维护成本。若能够有效地识别牵引供电系统的无雷击、雷击干扰和雷击故障等雷击状况，则能够在判定为雷击干扰和无雷击时，避免牵引供电系统的保护装置误跳闸，在判定为雷击故障时，牵引供电系统的保护装置准确地启动牵引供电系统的跳闸，从而有效地提高牵引供电系统的安全性与经济性。为解决上述传统的牵引供电系统雷击状况的识别存在的问题，本申请提供了以下技术方案：
请参阅图1，在一个实施例中，提供了一种牵引供电系统雷击识别方法，包括如下步骤S12至S18：
S12，获取牵引供电系统的牵引网接触线首端的电流信号。
可以理解，本实施例中的牵引供电系统雷击识别方法可以通过具体数据计算处理功能的计算机实现。前述电流信号可以通过采样电路预先对牵引网接触线首端进行电信号采样得到，例如但不限于预先对牵引网接触线首端进行电流采样，或者进行电压采样后转换成电流信号，又或者进行功率采样后转换成电流信号，最后将获得的电流信号数据存至本地或云端数据库备用。也可以通过采样电路接入牵引网接触线首端在线实时采样，以实时获取所需的电流信号。
S14，对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列。
可以理解，小波分解及重构处理是指采用本领域现有的小波分解与重构算法进行的信号数据处理。具体的，获取牵引网接触线首端的电流信号后，对电流信号进行8层小波分解并重构，得到相应的8个频段对应的8个小波重构电流序列。8个频段的具体划分由本领域中牵引供电系统工作频段确定。
S16，分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8。
可以理解，前述8个频段中第2频段、第7频段和第8频段分别对应的三个小波重构电流序列，可以分别用于判断雷击引起牵引供电系统的工况变化。因此，需要分别计算该三个频段对应的三个小波重构电流序列的总能量。其计算方式如下：
其中，T2表示第2频段的小波重构电流序列的总能量、T7表示第7频段的小波重构电流序列的总能量，T8表示第8频段的小波重构电流序列的总能量。m表示电流信号的采样点总数量，S(2，n)表示第2频段的小波重构电流序列，S(7，n)表示第7频段的小波重构电流序列，S(8，n)表示第8频段的小波重构电流序列。
S18，根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
具体的，计算得到总能量T2、总能量T7和总能量T8后，可以对总能量T2、总能量T7和总能量T8进行大小比较或者比值比较等，得到相应的比较结果，根据比较结果来判断牵引供电系统是处于无雷击状况，还是出现了雷击干扰或者雷击故障。
上述牵引供电系统雷击识别方法，通过获取牵引网接触线首端的电流信号，然后对获取的电流信号进行8层小波分解及重构处理得到相应8个频段小波重构电流序列，再分别计算第2频段、第7频段和第8频段的小波重构电流序列的总能量T2、总能量T7和总能量T8，从而最终可以通过该三个频段小波重构电流序列的总能量，有效识别牵引供电系统的雷击状况。在牵引供电系统领域创新性地引入上述牵引供电系统雷击识别方法，能够有效识别牵引供电系统的雷击状况，从而为减少牵引供电系统不必要的跳闸提供技术基础，利于降低电气化铁路的运营维护成本。
在一个实施例中，关于上述处理步骤S12，具体可以通过如下处理步骤实现：
通过牵引供电系统的保护装置以20kHz的采样频率，实时采集牵引网接触线首端的电流信号，得到当前时刻的采样点数据k0以及采样点数据k0以前的511个采样点数据。
可以理解，采样点数据k0可以表示为i(k0)，相应的，采样点数据k0以前的511个采样点数据则可以分别表示为：i(k0-511)、i(k0-510)、i(k0-509)、…、i(k0-2)、i(k0-1)。在对牵引供电系统进行雷击状况识别时，可通过保护装置内部的采集模块，以20kHz的采样频率对牵引网接触线首端进行实时的电流采样，在当前时刻下总计采集512个采样点数据。保护装置内部的采集模块还可以通过电压采样或者功率采样来间接采集所需的前述采样点数据(即电流数据)，只需通过对采集的电压或功率数据进行对应的电流转换即可。
具体的，20kHz的采样频率下，采样间隔th＝1/20000，当前时刻下对牵引网接触线首端进行电流采样，得到当前采样点t0的采样点数据k0。则当前采样点t0之前的511个采样点对应的时刻分别为t0-th，t0-2th，t-3th，…，t-511th。由于保护装置是实时采样的，因此采集牵引网接触线首端的电流信号是可以实时变化的，从而通过对牵引网接触线首端的电流信号实时采样，实现对牵引供电系统的实时雷击状况识别。通过采用上述的采样方式，可以获取足够多的实时采样点数据，从而能够更有效地保障后续雷击状况识别的准确度。
请参阅图2，在一个实施例中，关于上述处理步骤S14，具体可以包括如下处理步骤S142和S144：
S142，将采样点数据k0和511个采样点数据组成牵引网接触线首端的电流序列；
S144，对电流序列进行8层小波分解及重构处理，得到当前时刻下的8个频段小波重构电流序列。
可以理解，将当前时刻之前采集的511个采样点数据和当前时刻下采样点对应的采样点数据k0构成当前时刻下的牵引网接触线首端的电流序列I(k0)：
I(k0)＝[i(k0-511)、i(k0-510)、…、i(k0-2)、i(k0-1)、i(k0)]
对当前时刻下的牵引网接触线首端的电流序列I(k0)进行8层小波分解并重构，得到当前时刻下的8个频段的小波重构电流序列S1至S8，分别为S1＝[S(1,1)、S(1,2)、…、S(1,512)]，S2＝[S(2,1)、S(2,2)、…、S(2,512)]、…、S8＝[S(8,1)、S(8,2)、…、S(8,512)]；其中S1至S8所对应的频率范围分别如下：第1频段的频率范围为5kHz至10kHz，第2频段的频率范围为2.5kHz至5kHz，第3频段的频率范围为1.25kHz至2.5kHz，第4频段的频率范围为625Hz至1250Hz，第5频段的频率范围为312.5Hz至625Hz，第6频段的频率范围为156.25Hz至312.5Hz，第7频段的频率范围为78.125Hz至156.25Hz，第8频段的频率范围为39Hz至78.125Hz。
通过上述对电流序列的处理，即可获得牵引网接触线首端的电流在各频段下的小波重构电流序列，从而方便后续所需波段的小波重构电流序列的能量计算。
请参阅图3，在一个实施例中，关于上述的步骤S18，具体可以包括如下处理步骤S182和S184：
S182，确定总能量T2、总能量T7和总能量T8的最大值Tmax；
S184，若最大值Tmax为总能量T2，则确定牵引供电系统的雷击状况为雷击干扰。
可以理解，得到上述各频段下的小波重构电流序列S1至S8后，即可计算得到第2频段、第7频段和第8频段的总能量T2、总能量T7和总能量T8。总能量T2、总能量T7和总能量T8分别为：
进而，计算总能量T2、总能量T7和总能量T8的最大值Tmax＝max(T2，T7，T8)，判断Tmax＝T2是否成立，若是，则判断牵引供电系统出现了雷击干扰。若否，则还需进行进一步的判断处理。
通过上述处理步骤，可以根据第2频段、第7频段和第8频段的总能量T2、总能量T7和总能量T8的大小关系，快速判断当前时刻下牵引供电系统是否有出现了雷击干扰。
请参阅图4，在一个实施例中，关于上述的步骤S18，具体还可以包括如下处理步骤S186：
若最大值Tmax为总能量T7或总能量T8，则确定牵引供电系统的雷击状况为无雷击或雷击故障。
具体的，当Tmax＝T2不成立时，即可判断牵引供电系统当前时刻下无雷击或者出现了雷击故障。通过上述的处理步骤，可以根据第2频段、第7频段和第8频段的总能量T2、总能量T7和总能量T8的大小关系，快速判断当前时刻下牵引供电系统处于无雷击状况或者出现了雷击故障。
请参阅图5，在一个实施例中，关于上述的步骤S18，具体还可以包括如下处理步骤S188和S189：
S188，计算总能量T8和总能量T7的比值h；
S189，若比值h大于雷击阈值，则确定牵引供电系统的雷击状况为雷击故障；雷击阈值为4.5。
具体的，为了进一步判断当前时刻下牵引供电系统处于无雷击状况还是出现了雷击故障，则可以计算总能量T8和总能量T7的比值h＝T8/T7。判断比值h>kset是否成立，若是，则判断当前时刻下牵引供电系统出现了雷击故障。其中，kset即为雷击阈值，雷击阈值为牵引供电系统出现雷击故障和无雷击的判断阈值。在本领域中雷击阈值取为4.5，即可根据总能量T8和总能量T7的比值h与雷击阈值进行高精确度的雷击故障判断。
通过上述处理步骤，在总能量的最大值不是总能量T2时，可以根据第7频段和第8频段的比值h与雷击阈值的大小关系，快速准确地判断当前时刻下牵引供电系统是否有出现了雷击故障。
请参阅图6，在一个实施例中，关于上述的步骤S18，具体还可以包括如下处理步骤S190：
S190，若比值h小于雷击阈值，则确定牵引供电系统的雷击状况为无雷击。
具体的，判断比值h>kset是否成立，若否，则判断当前时刻下牵引供电系统处于无雷击的状况。通过上述的处理步骤，在总能量的最大值不是总能量T2时，可以根据第7频段和第8频段的比值h与雷击阈值的大小关系，快速准确地判断当前时刻下牵引供电系统是否处于无雷击的状况。
如此，在本实施例中，结合上述各处理步骤，即可通过对牵引网接触线首端的电流进行实时采样，从而根据第2频段、第7频段和第8频段的总能量T2、总能量T7和总能量T8的大小关系，判断当前时刻下牵引供电系统是否出现雷击干扰。若未出现雷击干扰，则可以进一步根据第7频段和第8频段的比值h与雷击阈值的大小关系，快速准确地判断当前时刻下牵引供电系统是处于无雷击的状况，还是出现了雷击故障。从而方便提醒现场工作人员采取相应的维护措施，或者直接将判断结果反馈至牵引供电系统，以使牵引供电系统根据判断结果控制保护装置进行相应的保护操作，如出现雷击干扰时保持不动作，避免牵引供电系统的频繁跳闸，利于降低电气化铁路的运营维护成本。
在一个实施例中，为了更易于理解本申请上述方法及其效果，下面提供了相应的验证结果：在PSCAD/EMTDC(电磁暂态仿真软件)中搭建了牵引供电系统的仿真模型。
(1)在不同工况下的仿真情况如下：
在牵引供电系统的仿真模型上分别设置无雷击、雷击干扰以及雷击故障等工况，应用上述牵引供电系统雷击识别方法的验证结果如表1所示，其中，L为牵引网长度，train为机车位于牵引网的位置，A为雷电流幅值，F为雷击距离。从表1可以看出，上述牵引供电系统雷击识别方法在牵引供电系统的正常情况(无雷击)、雷击干扰和雷击故障三种工况下均能够准确判断出工况类型。
表1
(2)不同雷击距离下的仿真情况如下：
对不同雷击距离下的仿真结果如表2所示。由表2中数据可知，上述牵引供电系统雷击识别方法在不同雷击距离下，能够可靠识别雷击干扰和雷击故障，即本发明的牵引供电系统雷击识别方法不受雷击距离的影响。
表2
(3)不同雷电流幅值下的仿真情况如下：
改变雷电流幅值，对上述牵引供电系统雷击识别方法的验证结果如表3所示。由表3中数据可知，在雷击干扰与雷击故障情况下，尽管在不同的雷电流幅值下，本发明的牵引供电系统雷击识别方法的识别结果均正确。
表3
(4)雷击与短路距离不同的仿真情况如下：
在牵引供电系统出现雷击故障时，当雷击距离与雷击造成的短路故障的距离不同时，改变雷击点位置与短路点位置，对本发明的牵引供电系统雷击识别方法的验证结果如表4所示，其中d为短路距离，R为短路点的过渡电阻。由表4中的结果可知，在雷击故障下，尽管雷击距离与短路距离不同时，上述牵引供电系统雷击识别方法仍然适用。
表4
表4(续)
通过以上仿真实验，充分验证了上述牵引供电系统雷击识别方法的适应性较强，即不受雷击距离、雷电流幅值和短路距离等条件的影响，均能够准确识别牵引供电系统的无雷击、雷击干扰和雷击故障等雷击状况，与上述实施例达到的技术效果一致。
应该理解的是，虽然图1至图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且图1至图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参阅图7，在一个实施例中，还提供一种牵引供电系统雷击识别装置100，包括电流获取模块11、分解重构模块13、能量计算模块15和雷击识别模块17。电流获取模块11用于获取牵引供电系统的牵引网接触线首端的电流信号。分解重构模块13用于对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列。能量计算模块15用于分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8。雷击识别模块17用于根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
上述牵引供电系统雷击识别装置100，通过各模块的协作，通过获取牵引网接触线首端的电流信号，然后对获取的电流信号进行8层小波分解及重构处理得到相应8个频段小波重构电流序列，再分别计算第2频段、第7频段和第8频段的小波重构电流序列的总能量T2、总能量T7和总能量T8，从而最终可以通过该三个频段小波重构电流序列的总能量，有效识别牵引供电系统的雷击状况。在牵引供电系统领域创新性地引入上述牵引供电系统雷击识别方法，能够有效识别牵引供电系统的雷击状况，从而为减少牵引供电系统不必要的跳闸提供技术基础，利于降低电气化铁路的运营维护成本。
在一个实施例中，上述雷击识别模块17可以包括最大值子模块和判断子模块。最大值子模块用于确定总能量T2、总能量T7和总能量T8的最大值Tmax。判断子模块用于在最大值Tmax为总能量T2时，确定牵引供电系统的雷击状况为雷击干扰。
在一个实施例中，上述判断子模块还用于在最大值Tmax为总能量T7或总能量T8时，确定牵引供电系统的雷击状况为无雷击或雷击故障。
在一个实施例中，上述雷击识别模块17可以包括比值计算子模块，比值计算子模块用于计算总能量T8和总能量T7的比值h。上述判断子模块还用于在比值h大于雷击阈值时，确定牵引供电系统的雷击状况为雷击故障；雷击阈值为4.5。
在一个实施例中，上述判断子模块还用于在比值h小于雷击阈值时，确定牵引供电系统的雷击状况为无雷击。
在一个实施例中，上述电流获取模块11具体可以用于通过牵引供电系统的保护装置以20kHz的采样频率，实时采集牵引网接触线首端的电流信号，得到当前时刻的采样点数据k0以及采样点数据k0以前的511个采样点数据。
在一个实施例中，上述分解重构模块13具体可以用于将采样点数据k0和511个采样点数据组成牵引网接触线首端的电流序列；以及用于对电流序列进行8层小波分解及重构处理，得到当前时刻下的8个频段小波重构电流序列。
关于牵引供电系统雷击识别装置100的具体限定，可以参见上文中牵引供电系统雷击识别方法的相应限定，在此不再赘述。上述牵引供电系统雷击识别装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作，该计算机设备可以是牵引供电系统的主控计算机，也可以是牵引供电系统的运维人员使用的个人电脑或者其他独立设置的监控电脑。
在一个实施例中，还提供一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：获取牵引供电系统的牵引网接触线首端的电流信号；对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
本领域技术人员可以理解，本实施例中的计算机设备除上述的存储器和处理器外，还可以包括其他的组成部分，具体可以根据实际应用中具体的计算机设备的结构组成及其实现的功能确定，本说明书中不再一一展开说明。前述计算机设备可以是牵引供电系统的主控计算机，也可以是牵引供电系统的运维人员使用的个人电脑或者电气化铁路的管理系统中设置的其他监控计算设备。
在一个实施例中，处理器执行计算机程序时还可以实现上述牵引供电系统雷击识别方法各实施例中的增加的步骤或者子步骤。
在一个实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取牵引供电系统的牵引网接触线首端的电流信号；对电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；分别计算8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；根据总能量T2、总能量T7和总能量T8的比较结果，识别牵引供电系统的雷击状况；雷击状况包括无雷击、雷击干扰或雷击故障。
在一个实施例中，计算机程序被处理器执行时，还可以实现上述牵引供电系统雷击识别方法各实施例中的增加的步骤或者子步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM，简称RDRAM)以及接口动态随机存储器(DRDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种牵引供电系统雷击识别方法，其特征在于，包括：
获取牵引供电系统的牵引网接触线首端的电流信号；
对所述电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；
分别计算所述8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；
根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况；所述雷击状况包括无雷击、雷击干扰或雷击故障。
2.根据权利要求1所述的牵引供电系统雷击识别方法，其特征在于，根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况的步骤，包括：
确定所述总能量T2、所述总能量T7和所述总能量T8的最大值Tmax；
若所述最大值Tmax为所述总能量T2，则确定所述牵引供电系统的雷击状况为雷击干扰。
3.根据权利要求2所述的牵引供电系统雷击识别方法，其特征在于，根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况的步骤，还包括：
若所述最大值Tmax为所述总能量T7或所述总能量T8，则确定所述牵引供电系统的雷击状况为无雷击或雷击故障。
4.根据权利要求3所述的牵引供电系统雷击识别方法，其特征在于，根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况的步骤，还包括：
计算所述总能量T8和所述总能量T7的比值h；
若所述比值h大于雷击阈值，则确定所述牵引供电系统的雷击状况为雷击故障；所述雷击阈值为4.5。
5.根据权利要求4所述的牵引供电系统雷击识别方法，其特征在于，根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况的步骤，还包括：
若所述比值h小于所述雷击阈值，则确定所述牵引供电系统的雷击状况为无雷击。
6.根据权利要求1至5任一项所述的牵引供电系统雷击识别方法，其特征在于，获取牵引供电系统的牵引网接触线首端的电流信号的步骤，包括：
通过所述牵引供电系统的保护装置以20kHz的采样频率，实时采集所述牵引网接触线首端的电流信号，得到当前时刻的采样点数据k0以及采样点数据k0以前的511个采样点数据。
7.根据权利要求6所述的牵引供电系统雷击识别方法，其特征在于，对所述电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列的步骤，包括：
将所述采样点数据k0和所述511个采样点数据组成所述牵引网接触线首端的电流序列；
对所述电流序列进行8层小波分解及重构处理，得到当前时刻下的所述8个频段小波重构电流序列。
8.一种牵引供电系统雷击识别装置，其特征在于，包括：
电流获取模块，用于获取牵引供电系统的牵引网接触线首端的电流信号；
分解重构模块，用于对所述电流信号进行8层小波分解及重构处理，得到8个频段小波重构电流序列；
能量计算模块，用于分别计算所述8个频段小波重构电流序列中第2频段的小波重构电流序列的总能量T2、第7频段的小波重构电流序列的总能量T7和第8频段的小波重构电流序列的总能量T8；
雷击识别模块，用于根据所述总能量T2、所述总能量T7和所述总能量T8的比较结果，识别所述牵引供电系统的雷击状况；所述雷击状况包括无雷击、雷击干扰或雷击故障。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述牵引供电系统雷击识别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述牵引供电系统雷击识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010411196.9A CN111639554B (zh) | 2020-05-15 | 2020-05-15 | 牵引供电系统雷击识别方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010411196.9A CN111639554B (zh) | 2020-05-15 | 2020-05-15 | 牵引供电系统雷击识别方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639554A true CN111639554A (zh) | 2020-09-08 |
| CN111639554B CN111639554B (zh) | 2023-04-21 |
Family
ID=72328474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010411196.9A Active CN111639554B (zh) | 2020-05-15 | 2020-05-15 | 牵引供电系统雷击识别方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639554B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000050488A (ja) * | 1998-07-28 | 2000-02-18 | Kansai Tech Corp | 高圧配電線の地絡故障原因判別方法 |
| JP2012032301A (ja) * | 2010-07-30 | 2012-02-16 | Kyoto Univ | 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 |
| US20120197856A1 (en) * | 2011-01-28 | 2012-08-02 | Cisco Technology, Inc. | Hierarchical Network for Collecting, Aggregating, Indexing, and Searching Sensor Data |
| CN104101817A (zh) * | 2014-07-30 | 2014-10-15 | 武汉大学 | 基于pso改进的原子分解法的雷击干扰与故障识别方法 |
| CN107704803A (zh) * | 2017-08-28 | 2018-02-16 | 昆明理工大学 | 一种基于最小二乘和相关分析的线路避雷器动作辨识方法 |
| CN107909118A (zh) * | 2017-12-11 | 2018-04-13 | 北京映翰通网络技术股份有限公司 | 一种基于深度神经网络的配电网工况录波分类方法 |
| CN108845232A (zh) * | 2018-07-04 | 2018-11-20 | 神华包神铁路集团有限责任公司 | 一种直供牵引网上、下行接触网并联状态识别方法 |
| CN109085461A (zh) * | 2018-07-20 | 2018-12-25 | 江苏安方电力科技有限公司 | 采用小波变换能量进行配电网单相高阻接地阻抗计算的方法 |
| CN109270333A (zh) * | 2018-11-01 | 2019-01-25 | 广东电网有限责任公司 | 一种识别雷击引起的电压暂降的方法 |
| CN109375051A (zh) * | 2018-08-29 | 2019-02-22 | 国网浙江省电力有限公司电力科学研究院 | 基于频谱密度衰减的雷电暂态信号识别方法及系统 |
| US20190121341A1 (en) * | 2016-05-09 | 2019-04-25 | Strong Force Iot Portfolio 2016, Llc | Systems, apparatus and methods for data collection utilizing an adaptively controlled analog crosspoint switch |
| CN110569181A (zh) * | 2019-08-27 | 2019-12-13 | 神华包神铁路集团有限责任公司 | 系统能力评估方法及装置、计算机设备 |
-
2020
- 2020-05-15 CN CN202010411196.9A patent/CN111639554B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000050488A (ja) * | 1998-07-28 | 2000-02-18 | Kansai Tech Corp | 高圧配電線の地絡故障原因判別方法 |
| JP2012032301A (ja) * | 2010-07-30 | 2012-02-16 | Kyoto Univ | 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 |
| US20120197856A1 (en) * | 2011-01-28 | 2012-08-02 | Cisco Technology, Inc. | Hierarchical Network for Collecting, Aggregating, Indexing, and Searching Sensor Data |
| CN104101817A (zh) * | 2014-07-30 | 2014-10-15 | 武汉大学 | 基于pso改进的原子分解法的雷击干扰与故障识别方法 |
| US20190121341A1 (en) * | 2016-05-09 | 2019-04-25 | Strong Force Iot Portfolio 2016, Llc | Systems, apparatus and methods for data collection utilizing an adaptively controlled analog crosspoint switch |
| CN107704803A (zh) * | 2017-08-28 | 2018-02-16 | 昆明理工大学 | 一种基于最小二乘和相关分析的线路避雷器动作辨识方法 |
| CN107909118A (zh) * | 2017-12-11 | 2018-04-13 | 北京映翰通网络技术股份有限公司 | 一种基于深度神经网络的配电网工况录波分类方法 |
| CN108845232A (zh) * | 2018-07-04 | 2018-11-20 | 神华包神铁路集团有限责任公司 | 一种直供牵引网上、下行接触网并联状态识别方法 |
| CN109085461A (zh) * | 2018-07-20 | 2018-12-25 | 江苏安方电力科技有限公司 | 采用小波变换能量进行配电网单相高阻接地阻抗计算的方法 |
| CN109375051A (zh) * | 2018-08-29 | 2019-02-22 | 国网浙江省电力有限公司电力科学研究院 | 基于频谱密度衰减的雷电暂态信号识别方法及系统 |
| CN109270333A (zh) * | 2018-11-01 | 2019-01-25 | 广东电网有限责任公司 | 一种识别雷击引起的电压暂降的方法 |
| CN110569181A (zh) * | 2019-08-27 | 2019-12-13 | 神华包神铁路集团有限责任公司 | 系统能力评估方法及装置、计算机设备 |
Non-Patent Citations (2)
| Title |
|---|
| 宋桂昭: "牵引网雷电暂态分析与防护" * |
| 赵阳，陈则煌: "EEMD在输电线路雷电绕击与反击监测中的应用" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639554B (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101969202B (zh) | 电力系统暂态稳定输电断面功率极限区间的识别方法 | |
| CN104280668B (zh) | 配电网故障类型识别方法和系统 | |
| CN104820168A (zh) | 一种基于波形差异度和雷击故障样本库的雷击故障判别方法 | |
| JP5049675B2 (ja) | 配電線事故原因推定システムとその方法、およびプログラム | |
| CN101499659B (zh) | 基于基尔霍夫电流定律的变电站分布式状态估计方法 | |
| CN101841155B (zh) | 用于电力系统暂态稳定分析的典型故障集识别方法 | |
| CN105882687A (zh) | 道岔转辙机的故障类别分析方法 | |
| US20180191241A1 (en) | A Method for Correcting Effect of Saturation in Current Transformer and an Intelligent Electronic Device Therefor | |
| CN112630590B (zh) | 柔性直流输电线路雷击干扰识别方法、装置、系统及介质 | |
| Panigrahi et al. | Detection and location of fault in a micro grid using wavelet transform | |
| CN104155573A (zh) | 一种基于形态学的电力系统低频振荡检测方法 | |
| Meyur et al. | A wavelet-adaptive network based fuzzy inference system for location of faults in parallel transmission lines | |
| CN111639554A (zh) | 牵引供电系统雷击识别方法、装置和设备 | |
| Xue et al. | Unsupervised anomaly detection system for railway turnout based on GAN | |
| Moghe et al. | Field investigation and analysis of incipient faults leading to a catastrophic failure in an underground distribution feeder | |
| CN112345885A (zh) | 一种高压直流输电线路故障检测方法 | |
| CN113162037A (zh) | 一种电力系统暂态电压稳定自适应评估方法和系统 | |
| Mahela et al. | A protection scheme for distribution utility grid with wind energy penetration | |
| CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
| CN112821441B (zh) | 一种减少单相故障下高压直流输电换相失败的控制方法 | |
| Ni et al. | A Real-time Fault Diagnosis Method for Grid-Side Overcurrent in Train Traction System using Signal Time Series Feature Pattern Recognition | |
| Cui et al. | High impedance fault detection method based on Data divergence in the distribution network | |
| CN106338664A (zh) | 一种列车变流器故障诊断方法和装置 | |
| CN112379213A (zh) | 一种故障检测方法及系统 | |
| CN117668751B (zh) | 一种高低压电力系统故障诊断方法及装置 |
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 |