CN112379213A - 一种故障检测方法及系统 - Google Patents

一种故障检测方法及系统 Download PDF

Info

Publication number
CN112379213A
CN112379213A CN202011160078.1A CN202011160078A CN112379213A CN 112379213 A CN112379213 A CN 112379213A CN 202011160078 A CN202011160078 A CN 202011160078A CN 112379213 A CN112379213 A CN 112379213A
Authority
CN
China
Prior art keywords
transient waveform
fault
sample
waveform
current
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
Application number
CN202011160078.1A
Other languages
English (en)
Other versions
CN112379213B (zh
Inventor
史帅彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202011160078.1A priority Critical patent/CN112379213B/zh
Publication of CN112379213A publication Critical patent/CN112379213A/zh
Application granted granted Critical
Publication of CN112379213B publication Critical patent/CN112379213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52Outage or fault management, e.g. fault detection or location

Abstract

本发明提供一种故障检测方法及系统,包括,步骤S1,获取配网线路中扰动事件对应的当前暂态波形,并随机选取所述历史暂态波形数据中的一个故障样本暂态波形,将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;步骤S2,根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;步骤S3,判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。本发明提高了检测电路故障的准确性,快速准确地检测到电路是否发生故障,提高了故障检测效率。

Description

一种故障检测方法及系统
技术领域
本发明涉及电力技术领域,特别是涉及一种故障检测方法及系统。
背景技术
电力是国民经济的基础,对于一个国家的发展至关重要,因此,保证电力系统安全有效的运行成为了重中之重。现代配电网具有拓扑关系复杂,节点数量多,密集等特点,实际运行过程中由于外力破坏、极端天气、设备老化等原因难免会发生故障。现有故障检测工作中也开发诸多仪器提高检测效率,例如:电力故障检测仪。但也很难摆脱依靠人工辅助才能有效进行检测,随着电网越来越复杂,工作量越来越大,当前电力系统内采用了各种技术来减少故障抢修的时间,所以对故障进行快速定位和实时监控才能有效减少故障恢复的时间。
随着信息计算和在线监测技术的发展,现代智能电网已经出现雏形,电能质量监测装置及系统、暂态录波装置等电网在线监测手段均能对故障发生时和故障发生前端扰动事件的暂态电压和暂态电流进行检测。配网线路的扰动事件是指以电压或电流波形为畸变而引起电能质量污染的各种电能质量问题。暂态波形是指通过电能质量监测装置、暂态波形记录仪或其他已知设备所采集电压、电流扰动事件对应的暂态电压和电流的暂态波形。但针对故障发生前,如何才能通过扰动事件对故障进行准确的定位依然存在诸多难点,无法快速准确地定位电路是否发生故障依然是首要的问题。
发明内容
本发明的目的在于,提出一种故障检测方法及系统,解决现有无法快速准确地定位电路故障的技术问题。
本发明的一方面,提供一种故障检测方法,包括以下步骤:
步骤S1,获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形,将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;
步骤S2,根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;
步骤S3,判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,继续随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。
优选的,所述步骤S1包括:获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。
优选的,所述步骤S1包括:
根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure BDA0002743984610000031
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项。
优选的,所述步骤S2包括:
根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
优选的,所述步骤S3包括:
根据以下公式判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值:
Figure BDA0002743984610000032
其中,r为γ的有效匹配次数;τ为预设的阈值。
优选的,还包括:预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。
本发明还提供一种故障检测系统,用以实施所述的故障检测方法,包括:
暂态波形获取模块,用以获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形;以及响应于不匹配信号随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据
暂态波形处理模块,用以将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;以及根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;
故障判断模块,用以判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,向所述暂态波形获取模块输出不匹配信号;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。
优选的,所述暂态波形获取模块获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。
优选的,所述暂态波形处理模块根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure BDA0002743984610000041
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项;
以及根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
优选的,还包括:历史样本模块,预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的故障检测方法及系统,通过获取配网线路扰动事件对应的当前暂态波形,并计算历史样本暂态波形和当前暂态波形之间的巴氏系数,通过巴氏系数计算累积距离以及累积距离和有效匹配次数的比例值大于或等于预设阈值时,确定配网线路存在故障,且故障时该扰动事件,从而提高了检测电路故障的准确性,快速准确地检测到电路是否发生故障,提高了故障检测效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种故障检测方法的主流程示意图。
图2为本发明实施例中一种故障检测系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种故障检测方法的一个实施例的示意图。在该实施例中,所述方法包括以下步骤:
步骤S1,获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形,将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;可以理解的,获取到配网线路扰动事件对应的当前暂态波形后,需要对当前暂态波形进行故障检测,确定是否存在故障。由于在电网的实际运行中,对于设备老化,树障等引起的故障,在发生影响到电网正常运行的故障前,一般会有发生一些电压,电流跳变的扰动事件。因此可以针对扰动事件产生的暂态波形进行检测,以确定是否存在故障。
具体实施例中,获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。可以理解的,在获取配网线路扰动事件对应的当前暂态波形时,需要获取配网线路的扰动事件发生时间与扰动事件之前的故障发生时间之前的之前暂态波形,获取扰动事件的扰动暂态波形,并将扰动暂态波形和之前暂态波形组成当前暂态波形,以便提高故障检测的准确性。
再具体的,在确定扰动事件对应的所有故障样本暂态波形后,可以依次遍历各个故障样本暂态波形,并计算遍历的样本暂态波形(即当前时刻遍历的故障样本暂态波形)和当前暂态波形的巴氏系数,即可以将样本暂态波形和当前暂态波形转换为直方图,并通过直方图中样本暂态波形对应的样本端点,直方图中当前暂态波形对应的当前端点,预设的巴氏系数计算公式来计算遍历的样本暂态波形和当前暂态波形之间的巴氏系数。其中,根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure BDA0002743984610000071
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项。
步骤S2,根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;可以理解的,当计算得到一个巴氏系数后,可以计算从坐标原点(0,0)到达(样本端点,当前端点)经过的所有点的巴氏系数,并计算累积距离γ。计算得到累积距离后,还需要获取当前暂态波形和样本暂态波形的有效匹配次数r,并计算累积距离和有效匹配次数的比例值
Figure BDA0002743984610000072
具体实施例中,根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
步骤S3,判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,继续随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。可以理解的,。
具体实施例中,根据以下公式判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值:
Figure BDA0002743984610000081
其中,r为γ的有效匹配次数;τ为预设的阈值。
当经过判断发现比例值小于预设阈值,则确定当前暂态波形和遍历的样本暂态波形不匹配,可以继续遍历下一个故障样本暂态波形,直至确定当前暂态波形的故障类型,或遍历完所有的故障样本暂态波形;当经过判断发现累积距离和有效匹配次数之间的比例值大于或等于预设阈值时,则可以直接确定当前暂态波形中存在故障,并将样本暂态波形对应的故障类型作为当前暂态波对应的故障类型,再输出相应的预警信息。
本实施中还包括,预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。可以理解的,样本库是用户提前建立的,根据历史故障数据存储的故障类型及每次发生故障时至发送故障前设定时间内的历史扰动事件对应的样本波形数据及其发生时间信息。也就是说,样本库根据历史故障所建立的不同故障类型的故障过程样本波形数据集组成,每一个故障过程样本数据集包括一次故障发生前设定时间内的历史扰动事件对应的样本波形数据及其发生时间,并且在故障过程样本波形数据集中会存储有多个故障样本暂态波形。
如图2所示,本发明的实施例还提供一种故障检测系统,用以实施所述的故障检测方法,包括:
暂态波形获取模块,用以获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形;以及响应于不匹配信号随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据。具体实施例中,所述暂态波形获取模块获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。
暂态波形处理模块,用以将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;以及根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;具体实施例中,所述暂态波形处理模块根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure BDA0002743984610000101
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项;
以及根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
故障判断模块,用以判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,向所述暂态波形获取模块输出不匹配信号;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。
历史样本模块,预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的故障检测方法及系统,通过获取配网线路扰动事件对应的当前暂态波形,并计算历史样本暂态波形和当前暂态波形之间的巴氏系数,通过巴氏系数计算累积距离以及累积距离和有效匹配次数的比例值大于或等于预设阈值时,确定配网线路存在故障,且故障时该扰动事件,从而提高了检测电路故障的准确性,快速准确地检测到电路是否发生故障,提高了故障检测效率。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。

Claims (10)

1.一种故障检测方法,其特征在于,包括以下步骤:
步骤S1,获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形,将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;
步骤S2,根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;
步骤S3,判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,继续随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。
2.如权利要求1所述的方法,其特征在于,所述步骤S1包括:获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。
3.如权利要求2所述的方法,其特征在于,所述步骤S1包括:
根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure FDA0002743984600000021
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项。
4.如权利要求3所述的方法,其特征在于,所述步骤S2包括:
根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
5.如权利要求4所述的方法,其特征在于,所述步骤S3包括:
根据以下公式判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值:
Figure FDA0002743984600000022
其中,r为γ的有效匹配次数;τ为预设的阈值。
6.如权利要求1所述的方法,其特征在于,还包括:
预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。
7.一种故障检测系统,用以实施如权利要求1-6任一所述的方法,其特征在于,包括:
暂态波形获取模块,用以获取配网线路中扰动事件对应的当前暂态波形,并调取与所述扰动事件对应的所有历史暂态波形数据,随机选取所述历史暂态波形数据中的一个故障样本暂态波形;以及响应于不匹配信号随机选取下一个故障样本暂态波形,直至确定当前暂态波形的故障类型或选取完所有历史暂态波形数据;
暂态波形处理模块,用以将所述当前暂态波形与故障样本暂态波形比较生成两者之间的巴氏系数;以及根据所述巴氏系数计算累积距离,并确定所述当前暂态波形与历史暂态波形的有效匹配次数,以及确定所述累积距离和所述有效匹配次数之间的比例值;
故障判断模块,用以判断所述累积距离和所述有效匹配次数之间的比例值是否小于预设阈值;若比例值小于预设阈值,则判定当前暂态波形与所述故障样本暂态波形不匹配,向所述暂态波形获取模块输出不匹配信号;若比例值大于或等于预设阈值,则判定所述当前暂态波形中存在故障,并输出预警信息。
8.如权利要求7所述的系统,其特征在于,所述暂态波形获取模块获取所述配网线路的扰动事件发生时的扰动暂态波形,并获取所述扰动事件发生时至故障发生时的阶段暂态波形,将所述扰动暂态波形和所述阶段暂态波形组成当前暂态波形。
9.如权利要求8所述的系统,其特征在于,所述暂态波形处理模块根据以下公式生成当前暂态波形与故障样本暂态波形之间的巴氏系数BC(p,q):
Figure FDA0002743984600000041
其中,p为故障样本暂态波形;q为当前暂态波形;X为当前暂态波形和故障样本暂态波形所在的定义域;x为定义域X中的随机项;
以及根据以下公式根据所述巴氏系数计算累积距离γ(i,j):
γ(i,j)=B(qi,cj)+max{γ(i-1,j-1),γ(i-1,j),γ(i,j-1)
其中,q为当前暂态波形;i为当前暂态波形的端点;c为参考样本,即故障样本暂态波形;j为参考样本的端点。
10.如权利要求9所述的系统,其特征在于,还包括:
历史样本模块,预先建立存储所有历史暂态波形数据的样本库,所述样本库中存储故障类型,以及每次故障发生时至故障前设定时间内的历史扰动事件对应的样本波形数据组成每次故障对应的故障过程样本集;所述故障过程样本集中存储多个故障样本暂态波形。
CN202011160078.1A 2020-10-27 2020-10-27 一种故障检测方法及系统 Active CN112379213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011160078.1A CN112379213B (zh) 2020-10-27 2020-10-27 一种故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011160078.1A CN112379213B (zh) 2020-10-27 2020-10-27 一种故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN112379213A true CN112379213A (zh) 2021-02-19
CN112379213B CN112379213B (zh) 2023-08-22

Family

ID=74576978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011160078.1A Active CN112379213B (zh) 2020-10-27 2020-10-27 一种故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN112379213B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113587996A (zh) * 2021-08-06 2021-11-02 广东电网有限责任公司 一种配网架空线路全运行工况感知系统及方法
CN117590282A (zh) * 2024-01-19 2024-02-23 武汉格蓝若智能技术股份有限公司 一种接地故障参数识别传感器及其选线方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615123A (zh) * 2014-12-23 2015-05-13 浙江大学 基于k近邻的传感器故障隔离方法
CN105067963A (zh) * 2015-09-24 2015-11-18 广东电网有限责任公司佛山供电局 基于暂态波形的配网故障预警方法和系统
CN108181547A (zh) * 2017-12-20 2018-06-19 珠海许继电气有限公司 一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法
CN109494684A (zh) * 2018-12-04 2019-03-19 三峡大学 基于巴氏距离算法的变压器励磁涌流和故障差流识别方法
CN110380390A (zh) * 2019-07-22 2019-10-25 西南交通大学 一种基于行波波形相似性的高压直流输电线路保护方法
CN111220879A (zh) * 2020-01-19 2020-06-02 重庆大学 一种小电流接地系统单相接地故障区段定位的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615123A (zh) * 2014-12-23 2015-05-13 浙江大学 基于k近邻的传感器故障隔离方法
CN105067963A (zh) * 2015-09-24 2015-11-18 广东电网有限责任公司佛山供电局 基于暂态波形的配网故障预警方法和系统
CN108181547A (zh) * 2017-12-20 2018-06-19 珠海许继电气有限公司 一种基于时间序列压缩的动态时间弯曲距离故障区段定位方法
CN109494684A (zh) * 2018-12-04 2019-03-19 三峡大学 基于巴氏距离算法的变压器励磁涌流和故障差流识别方法
CN110380390A (zh) * 2019-07-22 2019-10-25 西南交通大学 一种基于行波波形相似性的高压直流输电线路保护方法
CN111220879A (zh) * 2020-01-19 2020-06-02 重庆大学 一种小电流接地系统单相接地故障区段定位的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周大镯等: "《多变量时间序列研究》", 31 December 2012, 河北人民出版社 *
张有为等: "《人机自然交互》", 30 September 2004, 国防工业出版社 *
石青等: "《微小型仿生机器鼠设计与控制》", 31 December 2019, 北京理工大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113587996A (zh) * 2021-08-06 2021-11-02 广东电网有限责任公司 一种配网架空线路全运行工况感知系统及方法
CN117590282A (zh) * 2024-01-19 2024-02-23 武汉格蓝若智能技术股份有限公司 一种接地故障参数识别传感器及其选线方法

Also Published As

Publication number Publication date
CN112379213B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
CN110082640B (zh) 一种基于长短时记忆网络的配网单相接地故障辨识方法
Jamali et al. A new fault location method for distribution networks using sparse measurements
EP3043186B1 (en) Method and system for identifying full parameters of element by fault recorder, and fault locating method
CN106990324B (zh) 一种配电网接地故障检测定位方法
CN109375060B (zh) 一种配电网故障波形相似度计算方法
US10263507B2 (en) Method for correcting effect of saturation in current transformer and an intelligent electronic device therefor
CN112379213A (zh) 一种故障检测方法及系统
CN112098889B (zh) 一种基于神经网络和特征矩阵的单相接地故障定位方法
CN115932484B (zh) 输电线路故障辨识与故障测距方法、装置和电子设备
JPH11142466A (ja) 配電線の事故原因推定方法及び装置
CN114879085B (zh) 单相接地故障识别方法、装置、电子设备及介质
CN110579684A (zh) 一种基于融合算法的小电流接地系统选线方法
CN112415325A (zh) 基于边缘计算的单相接地故障区段辨识方法
CN106019043B (zh) 一种基于模糊积分多源信息融合理论的电网故障诊断方法
CN112034387A (zh) 一种基于预测序列的输电线路短路故障诊断方法及装置
CN116148599A (zh) 基于峭度和偏度系数的高阻接地故障诊断保护方法及装置
US20230071191A1 (en) Open-circuit fault detection method and apparatus, and computer device
CN113376480A (zh) 配电网接地故障选线方法
CN113740662A (zh) 用于输电线路的故障判断方法、计算机装置及存储介质
CN113325263A (zh) 配电网接地故障选线方法、装置、计算机设备、存储介质
CN104316791A (zh) 一种输电线路高阻接地故障原因分析查找方法
CN109738686B (zh) 一种电力系统暂态过电压快速判别方法及装置
JP2006105714A (ja) 送配電線路の事故原因判別方法
CN118050598A (zh) 配电网的故障选线方法、系统以及可读存储介质
CN114062833A (zh) 基于模糊推理系统的单相接地故障绝缘劣化识别方法

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
GR01 Patent grant
GR01 Patent grant