CN112330482A - 基于暂态信息融合的输电线路单端故障定位方法 - Google Patents
基于暂态信息融合的输电线路单端故障定位方法 Download PDFInfo
- Publication number
- CN112330482A CN112330482A CN202011144410.5A CN202011144410A CN112330482A CN 112330482 A CN112330482 A CN 112330482A CN 202011144410 A CN202011144410 A CN 202011144410A CN 112330482 A CN112330482 A CN 112330482A
- Authority
- CN
- China
- Prior art keywords
- transient
- fault
- surge
- time
- information fusion
- 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
- 230000001052 transient effect Effects 0.000 title claims abstract description 279
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 title claims abstract description 51
- 230000005540 biological transmission Effects 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 23
- 150000001875 compounds Chemical class 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 10
- 239000000284 extract Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual 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
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种基于暂态信息融合的输电线路单端故障定位方法,其步骤为:S1:提取故障分量,使用相模变换对故障分量解耦处理,提取线模暂态量;S2:利用连续小波变换对线模暂态量进行时频分解,并提取各次暂态浪涌到达时间差特征量T、各次暂态浪涌极性特征量H、各次暂态浪涌幅值特征量M、主频分量波速特征量V和高低频段能量比特征量Λ;S3:利用上述五个特征量构建故障暂态信息融合矩阵,并对矩阵进行归一化处理;S4:根据实际故障暂态信息融合矩阵与样本数据库的相似度实现准确故障定位。本发明具有原理简单,定位精度高,实用性强等优点。
Description
技术领域
本发明主要涉及到电力系统继电保护技术领域,特指一种基于暂态信息融合的输电线路单端故障定位方法。
背景技术
输电线路所处环境往往复杂恶劣,易引发线路故障,破坏大电网运行稳定性,造成重大经济损失。为此,如何准确可靠地发现线路故障位置,对于加快恢复电力供应,提升供电可靠性具有重要意义。
目前,基于故障暂态量的故障定位技术以其故障信息丰富,定位精度高,不受运行方式变化的影响等特点在输电线路上广泛推行。故障暂态量包含宽频带范围的故障信号,基于暂态量的故障定位方法主要分为基于时域信息和基于频域信息。其中:
基于时域信息的故障定位方法是利用初始暂态浪涌波头到达检测点的时间,其定位的可靠性依赖于初始暂态浪涌波头的准确标定,对采样率要求很高。暂态浪涌沿输电线路传播过程中易发生衰减和畸变,暂态浪涌波头变平缓,导致暂态浪涌到达时刻标定不准确,进而引起测距误差。
基于频域信息的故障定位方法是利用暂态浪涌固有频率实现故障定位,该方法不需要对暂态浪涌波头进行识别。但当母线连接多条出线时,极易出现频带混叠的问题,难以精确提取固有频率。
综上所述,现有技术中的故障定位方法存在的不足就在于:利用单一时域或频域特征量,其定位可靠性较低,在实际应用中定位误差较大,甚至定位失败。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种定位精度高、可靠性高的基于暂态信息融合的输电线路单端故障定位方法。
为解决上述技术问题,本发明采用以下技术方案:
一种基于暂态信息融合的输电线路单端故障定位方法,其步骤为:
S1:提取故障分量,使用相模变换对故障分量解耦处理,提取线模暂态量;
S2:利用连续小波变换对线模暂态量进行时频分解,并提取暂态特征量;
S3:将暂态特征量构建故障暂态信息融合矩阵,对矩阵进行归一化处理;所述故障暂态信息融合矩阵融合五种暂态特征量,即CM×N=[T H M V Γ];其中包括各次暂态浪涌到达时间差特征量T、各次暂态浪涌极性特征量H、各次暂态浪涌幅值特征量M、主频分量波速特征量V和高低频段能量比特征量Λ;
S4:根据实际故障暂态信息融合矩阵与样本数据库的相似度来确定故障位置。
本发明通过甄选5种故障暂态特征量并构建暂态信息融合矩阵,能够准确描述不同故障位置、不同故障工况下的故障暂态特征,实现了故障暂态信息的有效利用,增强了故障定位的可靠性。在所述步骤S3中,本发明进一步通过连续小波变换选取某一频段暂态分量以提取暂态信号时域特征信息,其原因在于:时域特征向量受到线路参数依频变化特性的影响,直接提取时域波形特征,会造成数据误差。因此,在实际计算时域特征向量时应选取某一确定频率分量,以保证故障信息融合矩阵数据的准确性。
作为本发明的进一步改进:所述步骤S2中,利用连续小波变换对线模暂态量进行时频分解:
式中,x(t)为线模暂态量,W(a,b)和ψ(t)分别是小波系数和母函数,a和b分别表示母小波的尺度因子和平移因子,其中复Morlet小波为:
式中,fb表示母小波的带宽参数,fc表示母小波的中心频率,t表示截取线模暂态量时间,j表示虚部;
在频域中,连续小波变换可将信号分解为不同的尺度,不同频段下的中心频率fa:
式中,fs是信号的采样频率。
作为本发明的进一步改进:所述步骤S3中,提取故障暂态信息时域特征量,其中暂态浪涌到达时间差特征量T为:线路上不同故障位置下产生的各次暂态浪涌到达检测点的时间差。故障位置不同,暂态浪涌的传输过程不同,其中直观的特征是各次暂态浪涌到达时间不同。因此可用各次暂态浪涌的到达时间差这一特征量来反映不同故障位置的暂态信号传输过程,并基于该特征量区分不同故障位置。某一故障位置下的时间差特征量可预先离线计算,并与实际故障暂态信号的各次浪涌到达时间进行比较,进而实现故障定位。
各次暂态浪涌的到达时间差的表达式为:
式中,ti(i=1,2,3,4)表示按时间顺序标定各次暂态浪涌波头到达检测点的时间,Δti(i=1,2,3,4)表示按时间顺序得到各次暂态浪涌波头到达检测点的时间差;
通过连续小波变换提取某一频段的暂态波形,识别初始暂态浪涌到达时间,并对接下来的三次暂态浪涌到达时间标定并记录,计算暂态浪涌到达时间差特征量T。
作为本发明的进一步改进:在所述步骤S3中,提取故障暂态信息时域特征量,其中暂态浪涌极性特征量H为:线路上不同故障位置下产生的各次暂态浪涌在检测点检测到的极性。反射系数的变化范围在[-1,1],当暂态信号经过负反射,则极性会发生翻转。不同故障位置下各次暂态浪涌经过不同折反射过程,到达检测点的各次浪涌极性可能不同。由于网络拓扑及母线结构已知,通过离线计算波阻抗不连续点的折射与反射系数,进而求得各次暂态信号的极性,与实际故障暂态信号比较来确定故障位置。
各次暂态信号的极性的表达式为:
通过连续小波变换提取某一频段小波系数的实部值,形成暂态浪涌极性特征量H。
作为本发明的进一步改进:所述步骤S3中,提取故障暂态信息时域特征量,其中暂态浪涌幅值特征量M为:
线路上不同故障位置下产生的各次暂态浪涌在检测点检测到的幅值。
对于各次暂态信号中同一频率分量,线路的折射与反射系数是确定的,且传输函数仅受传输距离的影响。因此,暂态浪涌幅值与其经历的折反射过程以及传输距离有关。而不同故障位置下故障特征的不同主要表现为暂态信号传输过程不同,其中各次暂态浪涌的传输距离和折反射过程影响最为直观。因此,可以提取各次暂态信号的幅值并组合为一幅值特征向量,来直观反映不同故障位置的故障特征,进而基于该特征量区分不同故障位置。
各次暂态信号幅值的表达式为:
通过连续小波变换提取某一频段小波系数的模值,形成暂态浪涌幅值特征量M。
作为本发明的进一步改进:所述步骤S3中,提取故障暂态信息频域特征量,其中主频分量波速特征量V为:线路上不同故障位置下产生的各次暂态信号中的主频分量波速度。将宽频带暂态信号中能量最高的分量定义为主频分量。不同传输距离下的各次暂态信号中主频分量的波速度不同,随着传输距离的增长,各次暂态浪涌主频分量波速降低。不同故障位置下产生的各次暂态信号传输距离不同,其主频分量波速度将具有差异性。
各次暂态信号的主频分量对应波速度的表达式为:
通过计算连续小波变换小波系数的幅值与对应频率的乘积表征该分量能量,提取能量最大的频率分量作为主频分量,计算该频率分量下传播速度,形成各次暂态信号主频分量波速特征量V。
作为本发明的进一步改进:所述步骤S3中,提取故障暂态信息频域特征量,其中低频段和高频段能量比特征量Λ为:线路上不同故障位置下产生的各次暂态信号的低频段与高频段暂态重构信号能量比。阻波器与母线对地等效电容组成“线路边界”,线路边界对高频分量产生较强的反射作用或折射衰减作用,而低频分量几乎不衰减通过线路边界。因此,利用各次暂态信号在到达线路边界时不同频段分量折射衰减作用不同,来构建低频段与高频段暂态重构信号能量比这一特征量,直观表征不同故障位置产生的各次暂态信号的折射与反射过程。
各次暂态信号的低频段与高频段重构信号能量比的表达式为:
通过连续小波变换得到低频段和高频段的重构波形,计算重构波形的的能量比值,形成低频段与高频段能量比特征量Λ。
作为本发明的进一步改进:所述步骤S3中,构建故障暂态信息融合矩阵:
CM×N=[T H M V Γ]
作为本发明的进一步改进:其特征在于,所述步骤S3中,对故障暂态信息融合矩阵按列进行归一化处理:
作为本发明的进一步改进:所述步骤S4中,相关系数的计算公式为:
作为本发明的进一步改进:所述步骤S4中,建立模拟故障点样本数据库:
在线路波阻抗不连续点处,以及线路上每隔1km设置模拟故障点,利用仿真测试,实验室实验,以及现场检测获取线路模拟故障点暂态波形数据,并构建故障暂态信息融合矩阵,建立样本数据库。
与现有技术相比,本发明的优点在于:
1、本发明的基于暂态信息融合的输电线路单端故障定位方法,通过综合利用多种故障特征信息,构建了故障暂态信息融合矩阵,利用波形相关系数量化分析不同故障暂态信息矩阵的相似性和差异性,最终形成基于暂态信息融合的单端故障定位方法。与传统的基于暂态浪涌到达时间的故障定位方法相比,本发明的故障定位方法可靠性较高,在暂态浪涌变缓导致标定误差时仍可以进行可靠的故障定位计算,从而降低对暂态浪涌到达时间单一特征量的依赖,且不需要过高的采样率,具有较大实用价值和适用性。
2、本发明的基于暂态信息融合的输电线路单端故障定位方法,综合利用多种故障暂态特征量,实现不同故障工况下故障位置与故障暂态特征量的相互匹配,构建了一种融合多种故障特征量的单端故障定位方法。本发明提取五种表达故障特征的时频特征量,实现故障暂态特征的具象化表征,可以准确地反应故障信息,有利于提高匹配特征的灵敏度。
附图说明
图1是本发明方法的流程示意图。
图2是本发明在具体应用实例中的实验原理示意图。
具体实施方式
以下将结合说明书附图和具体实施例对本发明做进一步详细说明。
如图1所示,本发明的基于暂态信息融合的输电线路单端故障定位方法,其步骤包括:
S1:提取故障分量,使用相模变换对故障分量解耦处理,提取线模暂态量;
S2:利用连续小波变换对线模暂态量进行时频分解,并提取暂态特征量;
S3:将暂态特征量构建故障暂态信息融合矩阵,对矩阵进行归一化处理;所述故障暂态信息融合矩阵融合五种暂态特征量,即CM×N=[T H M V Γ];其中包括各次暂态浪涌到达时间差特征量T、各次暂态浪涌极性特征量H、各次暂态浪涌幅值特征量M、主频分量波速特征量V和高低频段能量比特征量Λ;
S4:根据实际故障暂态信息融合矩阵与样本数据库的相似度来确定故障位置。
本发明通过甄选5种故障暂态特征量并构建暂态信息融合矩阵,能够准确描述不同故障位置、不同故障工况下的故障暂态特征,实现了故障暂态信息的有效利用,增强了故障定位的可靠性。
在具体应用实例中,本实例的步骤S2中,对线模暂态量进行连续小波变换:
式中,x(t)为线模暂态量,W(a,b)和ψ(t)分别是小波系数和母函数,a和b分别表示母小波的尺度因子和平移因子,其中复Morlet小波为:
式中,fb表示母小波的带宽参数,fc表示母小波的中心频率,t表示截取线模暂态量时间,j表示虚部;
在频域中,连续小波变换可将信号分解为不同的尺度,不同频段下的中心频率fa:
式中,fs是信号的采样频率。
在具体应用实例中,本实例的步骤S3中,提取故障暂态信息时域特征量,其中暂态浪涌到达时间差特征量T为:
线路上不同故障位置下产生的各次暂态浪涌到达检测点的时间差。
由于故障位置不同,暂态浪涌的传输过程不同,其中直观的特征则是各次暂态浪涌到达时间不同。因此,在本发明的方法中,可用各次暂态浪涌的到达时间差这一特征量来反映不同故障位置的暂态信号传输过程,并基于该特征量区分不同故障位置。如可以在某一故障位置下的时间差特征量可预先离线计算,并与实际故障暂态信号的各次浪涌到达时间进行比较,进而实现故障定位。
在实际操作中,各次暂态浪涌的到达时间差的表达式为:
式中,ti(i=1,2,3,4)表示按时间顺序标定各次暂态浪涌波头到达检测点的时间,Δti(i=1,2,3,4)表示按时间顺序得到各次暂态浪涌波头到达检测点的时间差;
本发明通过连续小波变换以提取某一频段的暂态波形,通过识别初始暂态浪涌到达时间,并对接下来的三次暂态浪涌到达时间标定并记录,计算暂态浪涌到达时间差特征量T。
在具体应用实例中,本实例的步骤S3中,提取故障暂态信息的时域特征量,其中暂态浪涌极性特征量H为:线路上不同故障位置下产生的各次暂态浪涌在检测点检测到的极性。
由于反射系数的变化范围在[-1,1],当暂态信号经过负反射,则极性会发生翻转。不同故障位置下各次暂态浪涌经过不同折反射过程,到达检测点的各次浪涌极性可能不同。由于网络拓扑及母线结构已知,通过离线计算波阻抗不连续点的折射与反射系数,进而可求得各次暂态信号的极性,本发明将其与实际故障暂态信号比较来确定故障位置。
在实际运用中,各次暂态信号的极性的表达式为:
本发明通过连续小波变换提取某一频段小波系数的实部值,形成暂态浪涌极性特征量H。
在具体应用实例中,本实例的步骤S3中,提取故障暂态信息时域特征量,其中波头幅值特征量M为:线路上不同故障位置下产生的各次暂态浪涌在检测点检测到的幅值。
对于各次暂态信号中同一频率分量,线路的折射与反射系数是确定的,且传输函数仅受传输距离的影响。因此,暂态浪涌幅值与其经历的折反射过程以及传输距离有关。而不同故障位置下故障特征的不同主要表现为暂态信号传输过程不同,其中各次暂态浪涌的传输距离和折反射过程影响最为直观。因此,本发明创新性地提取各次暂态信号的幅值并组合为一幅值特征向量,来直观反映不同故障位置的故障特征,进而基于该特征量区分不同故障位置。
各次暂态信号幅值的表达式为:
本发明通过连续小波变换提取某一频段小波系数的模值,形成暂态浪涌幅值特征量M。
在具体应用实例中,本实例的步骤S3中,通过连续小波变换选取某一频段暂态分量以提取暂态信号时域特征信息,原因在于:时域特征向量受到线路参数依频变化特性的影响,直接提取时域波形特征,会造成数据误差。因此,本发明进一步在实际计算时域特征向量时应选取某一确定频率分量,以保证故障信息融合矩阵数据的准确性。
在具体应用实例中,在所述步骤S3中,提取故障暂态信息频域特征量,其中主频分量波速特征量V为:线路上不同故障位置下产生的各次暂态信号中的主频分量波速度。
本发明将宽频带暂态信号中能量最高的分量定义为主频分量。不同传输距离下的各次暂态信号中主频分量的波速度不同,随着传输距离的增长,各次暂态浪涌主频分量波速降低。不同故障位置下产生的各次暂态信号传输距离不同,其主频分量波速度将具有差异性。
各次暂态信号的主频分量对应波速度的表达式为:
本发明通过计算连续小波变换小波系数的幅值与对应频率的乘积表征该分量能量,提取能量最大的频率分量作为主频分量,计算该频率分量下传播速度,形成各次暂态信号主频分量波速特征量V。
在具体应用实例中,本实例的步骤S3中,提取故障暂态信息频域特征量,其中低频段和高频段能量比特征量Λ为:
线路上不同故障位置下产生的各次暂态信号的低频段与高频段暂态重构信号能量比。
阻波器与母线对地等效电容组成“线路边界”,线路边界对高频分量产生较强的反射作用或折射衰减作用,而低频分量几乎不衰减通过线路边界。因此,利用各次暂态信号在到达线路边界时不同频段分量折射衰减作用不同,来构建低频段与高频段暂态重构信号能量比这一特征量,直观表征不同故障位置产生的各次暂态信号的折射与反射过程。
各次暂态信号的低频段与高频段重构信号能量比的表达式为:
通过连续小波变换得到低频段和高频段的重构波形,计算重构波形的能量比值,形成低频段与高频段能量比特征量Λ。
在具体应用实例中,本实例的步骤S3中,构建故障暂态信息融合矩阵:
CM×N=[T H M V Γ]
在具体应用实例中,本实例的步骤S3中,对故障暂态信息融合矩阵按列进行归一化处理:
在具体应用实例中,本实例的步骤S4中,相关系数的计算公式为:
作为优选实施例,本实例的步骤S4中,本发明进一步建立模拟故障点样本数据库,即:
在线路波阻抗不连续点处,以及线路上每隔1km设置模拟故障点,利用仿真测试,实验室实验,以及现场检测获取线路模拟故障点暂态波形数据,并构建故障暂态信息融合矩阵,建立样本数据库。
以下将以一个具体应用实例对本发明做进一步详细说明。
如图2所示,在PSCAD中搭建一条长为150千米的220kV输电线路PQ,波形采集装置位于P端,采样率设置为0.4MHz。选取50kHz频率分量进行时域特征量计算,构造能量比特征量时低频段暂态重构信号频率范围取[1kHz,50kHz],高频段频率范围取[50kHz,150kHz]。考虑到线路实际运行环境较差,信号常受到各种噪声干扰,故在原始暂态信号加入信噪比50dB的白噪声进行干扰。
假设单相接地故障发生在输电线路首端、中端、末端,距P端5.8、77.1和143.8km处,故障初相角为90°、过渡电阻为0.1Ω。安装在P端的波形采集装置获取故障处的暂态电压信号,使用相模变换得到线模暂态量,利用连续小波变换提取暂态浪涌到达时间差特征量T,暂态浪涌极性特征量H,暂态浪涌幅值特征量M,主频分量波速特征量V以及低频段和高频段重构波形的能量比特征量Λ,构造故障暂态信息融合矩阵(cij)M×N,并进行归一化处理,计算实际故障暂态信息融合矩阵与样本数据库的相关系数ρ,根据相关系数的大小进行故障精确定位。故障定位结果如表1所示。
表1
由上可知,本发明从故障时域和频域两个角度分析暂态量蕴含的多种故障信息,提出基于暂态信息融合的输电线路单端故障定位方法。该方法利用连续小波变换提取各种暂态信息,构建故障暂态信息融合矩阵。基于波形相似度,量化分析不同故障位置产生的故障暂态信息差异性,进而提出了一种基于故障暂态信息融合矩阵相关性分析的单端定位方法。由表1可知,该方法故障定位结果可靠,故障定位误差在500m以内。且不需过高采样率,具有一定实用价值。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.一种基于暂态信息融合的输电线路单端故障定位方法,其特征在于,步骤包括:
S1:提取故障分量,使用相模变换对故障分量解耦处理,提取线模暂态量;
S2:利用连续小波变换对线模暂态量进行时频分解,并提取暂态特征量;
S3:将提取的暂态特征量构建故障暂态信息融合矩阵,对故障暂态信息融合矩阵进行归一化处理;所述故障暂态信息融合矩阵融合五种暂态特征量,即CM×N=[T H M V Γ];其中包括各次暂态浪涌到达时间差特征量T、各次暂态浪涌极性特征量H、各次暂态浪涌幅值特征量M、主频分量波速特征量V和高低频段能量比特征量Λ;
S4:根据故障暂态信息融合矩阵与样本数据库的相似度来确定故障位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144410.5A CN112330482A (zh) | 2020-10-23 | 2020-10-23 | 基于暂态信息融合的输电线路单端故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011144410.5A CN112330482A (zh) | 2020-10-23 | 2020-10-23 | 基于暂态信息融合的输电线路单端故障定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330482A true CN112330482A (zh) | 2021-02-05 |
Family
ID=74310687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011144410.5A Pending CN112330482A (zh) | 2020-10-23 | 2020-10-23 | 基于暂态信息融合的输电线路单端故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330482A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075574A (zh) * | 2021-03-30 | 2021-07-06 | 上海交通大学 | 基于自适应信息融合的电池健康状态预测方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718833A (zh) * | 2009-12-15 | 2010-06-02 | 西南交通大学 | 基于行波固有频率提取的输电线路故障单端测距方法 |
CN101943737A (zh) * | 2010-08-04 | 2011-01-12 | 清华大学 | 单相接地故障诊断方法和装置 |
CN102520315A (zh) * | 2011-12-05 | 2012-06-27 | 西南交通大学 | 基于行波多尺度信息的输电线路故障单端定位方法 |
-
2020
- 2020-10-23 CN CN202011144410.5A patent/CN112330482A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101718833A (zh) * | 2009-12-15 | 2010-06-02 | 西南交通大学 | 基于行波固有频率提取的输电线路故障单端测距方法 |
CN101943737A (zh) * | 2010-08-04 | 2011-01-12 | 清华大学 | 单相接地故障诊断方法和装置 |
CN102520315A (zh) * | 2011-12-05 | 2012-06-27 | 西南交通大学 | 基于行波多尺度信息的输电线路故障单端定位方法 |
Non-Patent Citations (3)
Title |
---|
王春明等: "基于暂态信息融合的输电线路单端故障定位方法", 《电力科学与技术学报》, vol. 37, no. 2, pages 62 - 71 * |
邓丰等: "基于多源暂态信息融合的单端故障定位方法", 《电工技术学报》, vol. 37, no. 13, pages 3201 - 3212 * |
邓丰等: "基于波形唯一和时-频特征匹配的单端行波保护和故障定位方法", 《中国电机工程学报》, vol. 38, no. 5, pages 1475 - 1487 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075574A (zh) * | 2021-03-30 | 2021-07-06 | 上海交通大学 | 基于自适应信息融合的电池健康状态预测方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469560B (zh) | 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法 | |
CN109001594B (zh) | 一种故障行波定位方法 | |
CN110596539B (zh) | 一种基于暂态波形相关性的配电网故障定位方法 | |
CN107632236B (zh) | 一种基于对端母线反射波识别的单出线输电线路单端故障测距方法 | |
CN106841913B (zh) | 配电线路故障测距方法 | |
CN101299055B (zh) | 基于小波-神经网络的模拟集成开关电流电路测试方法 | |
WO2014101657A1 (zh) | 一种消除煤矿高压电网单端行波故障定位死区的方法 | |
CN106646121B (zh) | 一种配电网故障行波波头的辨识方法 | |
CN103777115B (zh) | 基于故障暂态与稳态信号波速差的输电线路单端定位方法 | |
CN105445624A (zh) | 结合小波变换及曲线拟合的电缆故障定位方法 | |
CN105738760A (zh) | 一种频域法与行波法结合的高阻故障测距方法 | |
CN110542831A (zh) | 一种基于变分模态分解和s变换的故障行波检测方法 | |
CN104655987A (zh) | 一种基于opgw光偏振态的输电线路雷击点定位新方法 | |
CN115963358B (zh) | 一种混合三端柔性直流输电线路故障测距方法及系统 | |
CN115980514B (zh) | 一种基于多端行波频率矩阵的复杂配电网故障定位方法 | |
CN103913676A (zh) | 基于可变行波辨识时窗的输电线路单端故障定位方法 | |
CN112330482A (zh) | 基于暂态信息融合的输电线路单端故障定位方法 | |
CN112946426A (zh) | 一种基于频率响应的电缆故障定位系统 | |
CN113253052A (zh) | 一种基于改进smmg的高压直流输电线路故障测距方法 | |
CN111157843B (zh) | 一种基于时频域行波信息的配电网选线方法 | |
CN111626167A (zh) | 基于叶端定时和改进多重信号分类的叶片裂纹辨识方法 | |
CN107179473B (zh) | 一种输电线路故障定位方法 | |
CN115469179A (zh) | 一种海底电缆缺陷定位方法、装置、存储介质及系统 | |
CN105445614A (zh) | 一种基于小波分析的双端行波故障定位的方法和系统 | |
CN108181059A (zh) | 基于小波信号的多相流管道泄漏声波信号识别方法 |
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 |