CN111722060A - 一种基于波形特征的配电线路早期故障严重程度评价方法 - Google Patents
一种基于波形特征的配电线路早期故障严重程度评价方法 Download PDFInfo
- Publication number
- CN111722060A CN111722060A CN202010610434.9A CN202010610434A CN111722060A CN 111722060 A CN111722060 A CN 111722060A CN 202010610434 A CN202010610434 A CN 202010610434A CN 111722060 A CN111722060 A CN 111722060A
- Authority
- CN
- China
- Prior art keywords
- distribution line
- early
- voltage
- severity
- waveform
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/04—Measuring form factor, i.e. quotient of root-mean-square value and arithmetic mean of instantaneous value; Measuring peak factor, i.e. quotient of maximum value and root-mean-square value
-
- 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
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供了一种基于波形特征的配电线路早期故障严重程度评价方法,监测第k次配电线路的早期故障,获取配电线路的原始电压波形;根据所述配电线路的原始电压波形,分别计算得到电压决定系数和电压近似熵;根据所述电压决定系数和电压近似熵计算得到配电线路早期故障程度的综合评价指标;根据配电线路早期故障程度的综合评价指标所属区间范围确定第k次早期故障严重程度。本发明通过以上设计,实现对配网线路预测预警的功能,从而指导配电线路的检修维护工作,避免发生永久性故障,提高供电可靠性。
Description
技术领域
本发明属于电力传输技术领域,尤其涉及一种基于波形特征的配电线路早期故障严重程度评价方法。
背景技术
早期故障是指发生在设备永久性故障前的一种间歇性、瞬时性故障,具有持续时间短的特点,在该种故障扰动模式下不会引起继电保护装置动作,该类故障会在一段时间内重复发生,并最终导致永久性故障;波形特征是指根据记录到的扰动波形从时域、频域或者时频域等多个角度分析提取扰动特征;严重程度是指早期故障波形特征表现出的状态,可反映配电线路的绝缘劣化程度。
目前对于配电线路早期故障严重程度定量评价的相关研究尚少,且相关研究仅从通过信号处理方法分析实测波形的角度出发,缺乏对早期故障发展演变过程中的机理分析,使得提出的部分指标缺乏说服力。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于波形特征的配电线路早期故障严重程度评价方法,实现对配网线路预测预警的功能,从而指导配电线路的检修维护工作,避免发生永久性故障,提高供电可靠性。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种基于波形特征的配电线路早期故障严重程度评价方法,包括以下步骤:
S1、监测第k次配电线路的早期故障,获取配电线路的原始电压波形;
S2、根据所述配电线路的原始电压波形,分别计算得到电压决定系数和电压近似熵;
S3、根据所述电压决定系数和电压近似熵计算得到配电线路早期故障严重程度的综合评价指标;
S4、根据配电线路早期故障严重程度的综合评价指标所属区间范围确定第k次早期故障严重程度。
本发明的有益效果是:本方法基于电弧数学模型和变电站端测量到的配电线路的波形数据,分析随着早期故障不断发展波形特征的变化规律。在对早期故障严重程度的定量评价基础上,实现对配网线路预测预警的功能,从而指导配电线路的检修维护工作,避免发生永久性故障,提高供电可靠性。
进一步地,所述步骤S2中电压决定系数的表达式如下:
上述进一步方案的有益效果是:电压决定系数可反映早期故障电压波形与标准正弦电压波形的差异性大小,该指标越大,说明早期故障电压波形越接近标准正弦电压波形,随着早期故障的发展,电压决定系数越大。
再进一步地,所述步骤S2中电压近似熵的表达式如下:
E=Φm(r)-Φm+1(r)
d[V(i),V(j)]=max[v(i+L)-v(j+L)]
其中,v表示原始电压波形,V(i)和V(j)均表示由原始信号构造的不同向量,m表示构造向量的维数,N表示1个周波的早期故障电压波形的采样个数,d[V(i),V(j)]表示V(i)和V(j)之间的距离,L、i和j均表示变量,且L=0,1,2,...,N-m+1,i=1,2,...,N-m+1,j=1,2,...,N-m+1,r表示给定阈值,表示在给定阈值r下d[V(i),V(j)]小于r的数目与(N-m)的比值,Φm(r)表示定义的函数,E表示电压近似熵。
上述进一步方案的有益效果是:电压近似熵可以反映信号的复杂性,由于早期故障波形随着早期故障发展,电压波形畸变程度减小,电压近似熵也会减小。
再进一步地,所述步骤S3中配电线路早期故障严重程度的综合评价指标的表达式如下:
SD·max=max{SD·1,SD·2,…,SD·k}
SR·min=min{SR·1,SR·2,…,SR·k}
其中,Ik表示配电线路早期故障程度的综合评价指标,SR·k表示发生第k次早期故障时上升指标的值,SR·min表示上升指标的最小值,SD·max表示下降指标的最大值,SD·k表示发生第k次早期故障时下降指标的值。
上述进一步方案的有益效果是:综合评价指标是在电压决定系数和电压近似熵的基础上建立的,分析综合评价指标可知,它将随着早期故障的发展呈逐渐上升的趋势。所以,通过对综合评价指标设定合适的阈值,可以对早期故障的严重程度进行最终评价。
附图说明
图1为本发明的方法流程图。
图2为实施例中指标随健康状态或严重程度发展趋势。
图3为本实施例中不同时间常数对应的早期故障电压波形。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
目前对于配电线路早期故障严重程度定量评价的相关研究很少,本发明基于电弧数学模型和变电站端测量到的波形数据,分析随着早期故障不断发展波形特征的变化规律。在对早期故障严重程度的定量评价基础上,实现对配网线路预测预警的功能,从而指导配电线路的检修维护工作,避免发生永久性故障,提高供电可靠性。
如图1所示,本发明提供了一种基于波形特征的配电线路早期故障严重程度评价方法,其实现方法如下:
S1、监测第k次配电线路的早期故障,获取配电线路的原始电压波形;其中,k取大于零的整数;
S2、根据所述配电线路的原始电压波形,分别计算得到电压决定系数和电压近似熵;
S3、根据所述电压决定系数和电压近似熵计算得到配电线路早期故障严重程度的综合评价指标;
S4、根据配电线路早期故障严重程度的综合评价指标所属区间范围确定第k次早期故障严重程度。
本实施例中,本申请首先刻画早期故障严重程度,具体可分为轻度严重,中度严重和中度严重,然后在时域中分析早期故障电压波形发展变化趋势和内在机理,接着采用电压决定系数和近似熵反映该波形特征,最后提出综合评价指标来评价早期故障严重程度。
本实施例中,配电线路发生早期故障时通常会产生电弧,电弧对配电线路的绝缘会造成累积伤害。配电线路健康状态随着早期故障发生次数的增加而下降,但是早期故障的严重程度整体上将出现逐渐上升的趋势。早期故障对配电线路造成的伤害随着时间的推移越来越严重,如果该指标随时间变化的相关性越强,那么说明该指标越能表示这种累积伤害的程度。如图2所示,为理想情况下配电线路健康状态或严重程度的发展趋势,分别用S1和S2表示呈上升和下降两种变化趋势的指标。随着时间发展,早期故障严重状态将由轻度严重向中度严重再向重度严重发展。
目前可用Mayr模型、Cassie模型、Schwarz模型、控制论模型以及汤逊电弧模型等来刻画电弧的非线性特征。当系统电压大于击穿电压时,此时电弧处于燃烧阶段,其等效电导很大;当电流过零点时,此时电弧熄灭,则其等效电导很小,从而表现出强烈的非线性,电弧电压近似呈方波。电弧时间常数τ是刻画电弧特性的决定因素之一。时间常数τ表示电弧在熄灭过程中电导变化的热惯性,τ越小代表电弧电导变化越快。随着早期故障的发展,配电线路的绝缘性能也逐渐下降。在下一次发生早期故障时,电弧的去游离作用减弱,则对应的电弧时间常数τ逐渐变大,对应的电弧电导变化速度变慢,最终使得电弧的非线性有所减弱,波形畸变程度减轻,表现在早期故障电压波形上的特点就是越来越贴近标准的正弦波形。如图3所示,在PSCAD软件中,通过改变电弧时间常数仿真出不同的早期故障电弧,验证了该理论的正确性。
式中,a、b和c均表示拟合电压波形的比例系数,ω表示拟合电压波形的频率,t表示时间。决定系数是衡量回归方程拟合程度优劣的指标,借助其概念定义电压决定系数:
本实施例中,随着早期故障的发展,早期故障电压波形信号的复杂性也在降低。对于早期故障电压波形v={v(1),v(2),…,v(N)},其中,N表示1个周波的早期故障电压波形采样个数。重构m维向量V(1),V(2),…,V(N-m+1),其中,V(i)={v(i),v(i+1),…,v(i+m-1)},i=1~N-m+1。如式(3)计算V(i)和V(j)之间的距离:
d[V(i),V(j)]=max[v(i+L)-v(j+L)] (3)
式中,L=0,1,2,...,N-m+1。
可进一步计算Φm(r):
则电压近似熵为:
E=Φm(r)-Φm+1(r) (6)
本实施例中,本申请采用历史监测到的k次早期故障扰动数据实现早期故障严重程度的定量评价。对于呈上升趋势的指标,前k次可能出现该指标在所有早期故障中的最小值;对于呈下降趋势的指标,前k次可能出现该指标在所有早期故障中的最大值。对呈上升趋势的某一指标SR,前k次早期故障中该指标的最小值记为SR·min,如式(8)
SR·min=min{SR·1,SR·2,…,SR·k} (8)
对呈下降趋势的某一指标SD,前k次早期故障中该指标的最大值记为SD·max,如式(9):
SD·max=max{SD·1,SD·2,…,SD·k} (9)
定义第k次早期故障电压波形的综合评价指标:
不难发现,SR·k/SR·min与SD·max/SD·k均是大于或等于1的变量。并且随着早期故障的发展,SR的值将会越来越大,SD的值将会越来越小,那么综合指标I将逐渐增大。当k=1时,SR·min=SR·1,SD·max=SD·k,此时I1=2为最小值。令α、β为比例常数,且满足α<β,则以αI1和βI1为临界阈值作为早期故障不同严重程度的判定标准。具体对应结果如表1所示。
表1
指标区间 | 早期故障状态 |
I<sub>1</sub>≤I<sub>k</sub><αI<sub>1</sub> | 轻度严重 |
αI<sub>1</sub>≤I<sub>k</sub><βI<sub>1</sub> | 中度严重 |
I<sub>k</sub>≥βI<sub>1</sub> | 重度严重 |
本实施例中,实测早期故障电压波形与仿真早期故障电压波形具有一致的变化规律,验证了理论的正确性。通过实测数据评价配电线路早期故障的严重状态,分析发现早期故障严重状态基本呈现由轻度严重向中度严重再向重度严重过渡变化的趋势,基本可以反映配电线路的绝缘劣化过程,由此证明了本申请的有效性。
Claims (4)
1.一种基于波形特征的配电线路早期故障严重程度评价方法,其特征在于,包括以下步骤:
S1、监测第k次配电线路的早期故障,获取配电线路的原始电压波形;
S2、根据所述配电线路的原始电压波形,分别计算得到电压决定系数和电压近似熵;
S3、根据所述电压决定系数和电压近似熵计算得到配电线路早期故障严重程度的综合评价指标;
S4、根据配电线路早期故障严重程度的综合评价指标所属区间范围确定第k次早期故障严重程度。
3.根据权利要求1所述的基于波形特征的配电线路早期故障严重程度评价方法,其特征在于,所述步骤S2中电压近似熵的表达式如下:
E=Φm(r)-Φm+1(r)
d[V(i),V(j)]=max[v(i+L)-v(j+L)]
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610434.9A CN111722060B (zh) | 2020-06-30 | 2020-06-30 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010610434.9A CN111722060B (zh) | 2020-06-30 | 2020-06-30 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722060A true CN111722060A (zh) | 2020-09-29 |
CN111722060B CN111722060B (zh) | 2021-01-26 |
Family
ID=72570122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010610434.9A Active CN111722060B (zh) | 2020-06-30 | 2020-06-30 | 一种基于波形特征的配电线路早期故障严重程度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722060B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611942A (zh) * | 2020-12-22 | 2021-04-06 | 昆明理工大学 | 一种电缆初期电弧故障建模方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004209A (zh) * | 2010-12-03 | 2011-04-06 | 丹东欣泰电气股份有限公司 | 配电网电缆故障在线测距装置及测距方法 |
CN103454549A (zh) * | 2013-09-18 | 2013-12-18 | 福州大学 | 一种环网配电系统短路故障早期检测、辨识及定线方法 |
RU2511640C2 (ru) * | 2012-07-20 | 2014-04-10 | Общество с ограниченной ответственностью "Научно-производственное предприятие "КАРЗА" | Способ определения места повреждения линий электропередачи с древовидной структурой |
CN103795048A (zh) * | 2014-03-07 | 2014-05-14 | 福州大学 | 一种短路故障早期检测的故障电流限制方法 |
CN104483620A (zh) * | 2014-12-18 | 2015-04-01 | 电子科技大学 | 一种基于信息熵的集成电路故障诊断方法 |
CN104569814A (zh) * | 2014-12-24 | 2015-04-29 | 南京航空航天大学 | 一种基于近似熵的直流牵引电机健康状态实时分析方法 |
CN105425093A (zh) * | 2015-11-24 | 2016-03-23 | 福州大学 | 一种基于电压检测的短路故障早期辨识方法 |
CN106199267A (zh) * | 2016-06-30 | 2016-12-07 | 浙江群力电气有限公司 | 一种电力设备故障特征分析方法 |
CN106324320A (zh) * | 2016-08-11 | 2017-01-11 | 国网浙江省电力公司宁波供电公司 | 多次电压暂降的持续时间曲线拟合方法及电压暂降严重程度评估方法 |
CN108152661A (zh) * | 2017-11-15 | 2018-06-12 | 贵州电网有限责任公司 | 基于暂态扰动的环网电缆早期故障预警和定位系统及方法 |
CN109298285A (zh) * | 2018-10-24 | 2019-02-01 | 国网江苏省电力有限公司徐州供电分公司 | 一种基于暂态扰动的配网电缆早期故障识别与预警系统及方法 |
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 |
CN109444667A (zh) * | 2018-12-17 | 2019-03-08 | 国网山东省电力公司电力科学研究院 | 基于卷积神经网络的配电网早期故障分类方法及装置 |
CN110297146A (zh) * | 2019-07-30 | 2019-10-01 | 华北电力大学 | 基于暂态波形特征的输电线路雷击干扰与故障识别方法 |
CN110677125A (zh) * | 2019-10-11 | 2020-01-10 | 国网冀北电力有限公司秦皇岛供电公司 | 电弧故障检测的方法及装置 |
-
2020
- 2020-06-30 CN CN202010610434.9A patent/CN111722060B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004209A (zh) * | 2010-12-03 | 2011-04-06 | 丹东欣泰电气股份有限公司 | 配电网电缆故障在线测距装置及测距方法 |
RU2511640C2 (ru) * | 2012-07-20 | 2014-04-10 | Общество с ограниченной ответственностью "Научно-производственное предприятие "КАРЗА" | Способ определения места повреждения линий электропередачи с древовидной структурой |
CN103454549A (zh) * | 2013-09-18 | 2013-12-18 | 福州大学 | 一种环网配电系统短路故障早期检测、辨识及定线方法 |
CN103795048A (zh) * | 2014-03-07 | 2014-05-14 | 福州大学 | 一种短路故障早期检测的故障电流限制方法 |
CN104483620A (zh) * | 2014-12-18 | 2015-04-01 | 电子科技大学 | 一种基于信息熵的集成电路故障诊断方法 |
CN104569814A (zh) * | 2014-12-24 | 2015-04-29 | 南京航空航天大学 | 一种基于近似熵的直流牵引电机健康状态实时分析方法 |
CN105425093A (zh) * | 2015-11-24 | 2016-03-23 | 福州大学 | 一种基于电压检测的短路故障早期辨识方法 |
CN106199267A (zh) * | 2016-06-30 | 2016-12-07 | 浙江群力电气有限公司 | 一种电力设备故障特征分析方法 |
CN106324320A (zh) * | 2016-08-11 | 2017-01-11 | 国网浙江省电力公司宁波供电公司 | 多次电压暂降的持续时间曲线拟合方法及电压暂降严重程度评估方法 |
CN108152661A (zh) * | 2017-11-15 | 2018-06-12 | 贵州电网有限责任公司 | 基于暂态扰动的环网电缆早期故障预警和定位系统及方法 |
CN109298285A (zh) * | 2018-10-24 | 2019-02-01 | 国网江苏省电力有限公司徐州供电分公司 | 一种基于暂态扰动的配网电缆早期故障识别与预警系统及方法 |
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 |
CN109444667A (zh) * | 2018-12-17 | 2019-03-08 | 国网山东省电力公司电力科学研究院 | 基于卷积神经网络的配电网早期故障分类方法及装置 |
CN110297146A (zh) * | 2019-07-30 | 2019-10-01 | 华北电力大学 | 基于暂态波形特征的输电线路雷击干扰与故障识别方法 |
CN110677125A (zh) * | 2019-10-11 | 2020-01-10 | 国网冀北电力有限公司秦皇岛供电公司 | 电弧故障检测的方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112611942A (zh) * | 2020-12-22 | 2021-04-06 | 昆明理工大学 | 一种电缆初期电弧故障建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111722060B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7672812B2 (en) | Cable fault detection | |
Schichler et al. | Risk assessment on defects in GIS based on PD diagnostics | |
CN105512962B (zh) | 一种气体绝缘组合电器绝缘状态综合评估方法 | |
CN110320467B (zh) | 一种低压直流断路器故障诊断方法 | |
CN112255484A (zh) | 一种避雷器运行状态在线监测及评估方法和系统 | |
CN110488164B (zh) | 一种高压电缆绝缘老化状态综合评估预警方法及系统 | |
CN103389430A (zh) | 一种基于贝叶斯判别理论的油浸式变压器故障检测方法 | |
CN117054837A (zh) | 一种配电网绝缘故障检测分析系统 | |
CN111722060B (zh) | 一种基于波形特征的配电线路早期故障严重程度评价方法 | |
CN113161164A (zh) | 一种用于真空断路器触头磨损的测量方法 | |
Faisal et al. | Prediction of incipient faults in underground power cables utilizing S-transform and support vector regression | |
Munir et al. | A novel technique for condition monitoring of metal oxide surge arrester based on fifth harmonic resistive current | |
EP3916402A1 (en) | A method for monitoring the electric insulation status of a piece of equipment for mv or hv electric systems | |
Kim et al. | A study on the accelerated life models for lifetime prediction of the GIS based on insulation spacer | |
CN116466067A (zh) | 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法 | |
CN114184907B (zh) | 一种轨道交通电缆老化程度评估方法 | |
CN111044858B (zh) | 一种特高压换流变压器的风险评估系统及方法 | |
CN111239572B (zh) | 雷电防护设施spd的在线监测方法和系统 | |
Akaiwa et al. | On-line PD Monitoring System (PDLOOK) for XLPE Cables | |
KR101413788B1 (ko) | 변압기 이상 진단 방법 및 장치 | |
CN114280434A (zh) | 一种复合绝缘子劣化程度量化分析方法及系统 | |
Galdino et al. | Useful life estimation of insulated cables based on loss tangent measurement and SVR | |
CN114839438B (zh) | 一种基于泄漏电流谐波成分的氧化锌避雷器状态评估方法 | |
Bozzo et al. | Electrical tree tests. Probabilistic inference and insulating material evaluation | |
Al Khafaf et al. | Prediction of leakage current peak value |
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 |