CN112505484B - 一种小电阻接地系统中压配电电缆潜伏性故障识别方法 - Google Patents
一种小电阻接地系统中压配电电缆潜伏性故障识别方法 Download PDFInfo
- Publication number
- CN112505484B CN112505484B CN202011359477.0A CN202011359477A CN112505484B CN 112505484 B CN112505484 B CN 112505484B CN 202011359477 A CN202011359477 A CN 202011359477A CN 112505484 B CN112505484 B CN 112505484B
- Authority
- CN
- China
- Prior art keywords
- fault
- phase current
- phase space
- voltage distribution
- latent
- 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.)
- Active
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
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- 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
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明提供一种小电阻接地系统中压配电电缆潜伏性故障识别方法，该方法基于故障相电流相空间重构和分形理论，利用自相关法确定相空间重构延迟τ，利用利用假邻点方法(False Nearest Neighbors approach，FNN)对故障信号处理可以得到最佳嵌入维数m，基于延迟τ和最佳嵌入维数对故障相电流进行相空间重构得到其空间轨迹，并使用分形维数提取潜伏性故障相电流的故障相空间轨迹特征，使用临近算法(KNN)和支持向量机(SVM)对不同程度的潜伏性故障以及其他扰动进行分类识别。与现有技术相比，本发明可以实现中压配电电缆潜伏性故障的精确识别。
Description
技术领域
本发明涉及中压配电电缆潜伏性故障识别领域，更具体地，涉及一种小电阻接地系统中压配电电缆潜伏性故障识别方法。
背景技术
伴随我国经济发展，城市现代化水平的不断提高，城市的用电量也大幅度上升。作为输配电的关键设备，电力电缆(以下统称电缆)由于其美观、占地面积少、供电安全性高等特点从而被大量使用在城市的输配电网络建设中。电缆线路一旦出现故障，其带来的危害是巨大的，甚至会影响到电网的稳定运行。中压电缆的运行经验表明，在发生永久性故障之前，同一位置可能会发生瞬时的、自恢复的电弧接地故障，由于这些故障具有持续时间短，故障能量小等特征，当故障发生时，传统的保护装置无法启动。又因潜伏性故障可以在短时间(1/4-4个周期)内恢复，不影响电缆正常的输配电，且大多数的此类故障到最终会发展成为永久性接地故障，因此认为其存在潜伏性故障的特征，因此认为该种类故障为电缆潜伏性故障。
现阶段，多数研究都集中在电缆潜伏性故障的定位方法，尚未有较好的方法对潜伏性故障进行识别。论文《电力电缆的自清除瞬时故障测距研究》中仅提出了一种基于最小二乘法的电力电缆潜伏性故障的定位方法，但未能提供有效的电力电缆潜伏性故障识别方法。论文《10kV地下电缆早期故障检则与识别方法探讨》中，分别提出了基于神经网络与支持向量机的电缆潜伏性故障识别方法，但其尚未探讨潜伏性故障和其他电流扰动的不同，这就使得识别方法存在一定程度的盲区。由于配电电缆使用广泛，电缆运行的稳定性对于配电系统甚至整个供电系统来说至关重要。如何准确的识别电缆潜伏性故障已经成提高配电电缆运行稳定的关键问题。
发明内容
本发明提供一种较高的识别准确度的小电阻接地系统中压配电电缆潜伏性故障识别方法。
为了达到上述技术效果，本发明的技术方案如下：
一种小电阻接地系统中压配电电缆潜伏性故障识别方法，包括以下步骤：
S1：在点电缆相电流出现波动且保护未动作时，将馈线自动化终端记录故障相电流扰动前后两周的相电流信号上传至主站；
S2：主站接收终端上传的相电流数据，将突变相电流重构成时序二维相空间并获得相空间重构结果；
S3：利用如下分形维数公式对相空间重构后的轨迹特征进行特征提取：
其中，DI为图像的分形维数，Tr是在盒子尺度为r的下的信息熵；
S4：依据所得相空间重构轨迹特征，利用临近算法和支持向量机对检测突变电流信号进行分类识别；
S5：对潜伏性故障进行发信预警，及时巡线检修。
进一步地，所述步骤S2中，对突变相电流信号进行相空间重构，获得突变相电流信号的相空间轨迹，将故障相电流这一时域状态变量i(t)的延迟变量i(t+τ)来组成一个m维的向量I(t)，即将一维变量i(t)映射至m维空间，公式如下：
I(t)＝[i(t),i(t+τ),i(t+2τ),…,i(t+(n-1)τ)]
其中τ是延时时间，m为嵌入维数。
进一步地，利用自相关法确定相空间重构延迟τ；利用假邻点方法对故障信号处理可以得到最佳嵌入维数m。
进一步地，所述步骤S3的具体过程是：
S31：统计相空间重构轨迹图像总点数Ntotal；
S32：令盒子尺度r＝2，3，4，···，20；
S33：在某一盒子尺度r下，统计每个盒子网格中的信息熵：
其中，Pt为相空间轨迹在每个盒子中的概率；
S34：计算每尺度下相空间重构结果的总信息熵Tr(i)：
得到序列(r(i),Tr(i))；
S35：使用最小二乘法确定序列(lnr(i),Tr(i))的负斜率，得到原始图像的信息维数DI，即
与现有技术相比，本发明技术方案的有益效果是：
本发明主要解决在小电阻接地系统中压配电电缆潜伏性故障的识别问题，提出一种基于故障相电流相空间重构与分形维数及利用临近算法(KNN)和支持向量机(SVM)的潜伏性故障识别方法，并且通过分析不同程度的潜伏性故障和其他扰动之间的区别，实现了较高的识别准确度。本专利决绝了实际应用中电缆潜伏性故障识别困难这一难题，具有广泛的实际应用价值。
附图说明
图1为识别方法流程框图；
图2为不同程度潜伏性故障的相电流波形；
图3为临近算法(KNN)和支持向量机(SVM)的分类结果。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
如图1-2所示，一种小电阻接地系统中压配电电缆潜伏性故障识别方法，包括以下步骤：
步骤一，在点电缆相电流出现波动且保护未动作时，将馈线自动化终端记录故障相电流扰动前后两周期的相电流信号上传至主站；
步骤二，对突变相电流信号进行相空间重构，获得突变相电流信号的相空间轨迹，将故障相电流这一时域状态变量i(t)的延迟变量i(t+τ)来组成一个m维的向量I(t)，即将一维变量i(t)映射至m维空间，公式如下：
I(t)＝[i(t),i(t+τ),i(t+2τ),…,i(t+(n-1)τ)]
其中τ是延时时间，m为嵌入维数；
利用自相关法确定相空间重构延迟τ；利用假邻点方法(False NearestNeighbors approach，FNN)对故障信号处理可以得到最佳嵌入维数m；
步骤三，利用如下分形维数公式对相空间重构后的轨迹特征进行特征提取：
其中，DI为图像的分形维数，Tr是在盒子尺度为r的下的信息熵。
具体步骤如下：
1)统计相空间重构轨迹图像总点数Ntotal；
2)盒子尺度r＝2，3，4，···，20；
3)在某一盒子尺度r下，统计每个盒子网格中的信息熵：
其中，Pt为相空间轨迹在每个盒子中的概率；
4)计算每尺度下相空间重构结果的总信息熵Tr(i)：
得到序列(r(i),Tr(i))；
5)使用最小二乘法确定序列(lnr(i),Tr(i))的负斜率，得到原始图像的信息维数DI，即
步骤四，依据所得相空间重构轨迹特征，利用临近算法(KNN)和支持向量机(SVM)对检测突变电流信号进行分类识别，识别结果如图3所示，其识别准确率为91.2％，可以实现小电阻接地系统中压配电电缆潜伏性故障的精准识别。
步骤五，对潜伏性故障进行发信预警，及时巡线检修，可以有效的预防潜伏性故障造成的电缆绝缘进一步劣化引起的永久性接地故障。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种小电阻接地系统中压配电电缆潜伏性故障识别方法，其特征在于，包括以下步骤：
S1：在点电缆相电流出现波动且保护未动作时，将馈线自动化终端记录故障相电流扰动前后的相电流信号上传至主站；
S2：主站接收终端上传的相电流数据，将突变相电流重构成时序二维相空间并获得相空间重构结果；
S3：利用如下分形维数公式对相空间重构后的轨迹特征进行特征提取：
其中，DI为图像的分形维数，Tr是在盒子尺度为r下的信息熵；
S4：依据所得相空间重构轨迹特征，利用临近算法和支持向量机对检测突变相电流信号进行分类识别；
S5：对潜伏性故障进行发信预警，及时巡线检修。
2.根据权利要求1所述的小电阻接地系统中压配电电缆潜伏性故障识别方法，其特征在于，所述步骤S2中，对突变相电流信号进行相空间重构，获得突变相电流信号的相空间轨迹，利用自相关法确定相空间重构延迟τ，将故障相电流这一时域状态变量i(t)的延迟变量i(t+τ)来组成一个m维的向量I(t)，即将这一时域状态变量i(t)映射至m维空间，公式如下：
I(t)＝[i(t)，i(t+τ)，i(t+2τ)，...，i(t+(m-1)τ)]
其中τ是延时时间，m为嵌入维数。
3.根据权利要求2所述的小电阻接地系统中压配电电缆潜伏性故障识别方法，其特征在于，利用假邻点方法对故障信号处理可以得到最佳嵌入维数m。
4.根据权利要求3所述的小电阻接地系统中压配电电缆潜伏性故障识别方法，其特征在于，所述步骤S3的具体过程是：
S31：统计相空间重构轨迹图像总点数Ntotal；
S32：令盒子尺度r＝2，3，4，···，20；
S33：在某一盒子尺度r下，统计每个盒子网格中的信息熵：
其中，Pt为相空间轨迹在每个盒子中的概率；
S34：计算每尺度下相空间重构结果的总信息熵Tr(i)：
得到序列(r(i),Tr(i))；
S35：使用最小二乘法确定序列(lnr(i),Tr(i))的负斜率，得到原始图像的分形维数DI，即
5.根据权利要求1所述的小电阻接地系统中压配电电缆潜伏性故障识别方法，其特征在于，将馈线自动化终端记录故障相电流扰动前后两周期的相电流信号上传至主站。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359477.0A CN112505484B (zh) | 2020-11-27 | 2020-11-27 | 一种小电阻接地系统中压配电电缆潜伏性故障识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011359477.0A CN112505484B (zh) | 2020-11-27 | 2020-11-27 | 一种小电阻接地系统中压配电电缆潜伏性故障识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112505484A CN112505484A (zh) | 2021-03-16 |
| CN112505484B true CN112505484B (zh) | 2023-03-21 |
Family
ID=74967000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011359477.0A Active CN112505484B (zh) | 2020-11-27 | 2020-11-27 | 一种小电阻接地系统中压配电电缆潜伏性故障识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112505484B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112986771B (zh) * | 2021-04-19 | 2021-07-27 | 江苏智臻能源科技有限公司 | 一种家用电器的电弧故障检测方法 |
| CN114647921A (zh) * | 2021-11-26 | 2022-06-21 | 国网山东省电力公司德州供电公司 | 一种模拟中压配电电缆潜伏性故障的方法 |
| CN115113038B (zh) * | 2022-08-19 | 2022-12-30 | 国网江西省电力有限公司电力科学研究院 | 基于电流信号相空间重构的断路器故障诊断方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104122487B (zh) * | 2014-08-06 | 2017-02-08 | 浙江群力电气有限公司 | 一种电缆过电流原因辨识方法及装置 |
| CN108535582B (zh) * | 2018-03-13 | 2020-04-07 | 上海电力学院 | 一种基于正序阻抗角的定子绕组匝间短路故障辨识方法 |
| CN110133438A (zh) * | 2019-05-16 | 2019-08-16 | 国网安徽省电力有限公司 | 一种基于相空间重构与电导特征的单相接地故障辨识方法 |
| CN110244205A (zh) * | 2019-07-12 | 2019-09-17 | 西南石油大学 | 一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法 |
| CN111007364B (zh) * | 2019-11-07 | 2022-02-08 | 长沙理工大学 | 一种电缆早期自恢复故障的识别方法 |
-
2020
- 2020-11-27 CN CN202011359477.0A patent/CN112505484B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112505484A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112505484B (zh) | 一种小电阻接地系统中压配电电缆潜伏性故障识别方法 | |
| Ola et al. | Wigner distribution function and alienation coefficient‐based transmission line protection scheme | |
| Chen et al. | Detection of high impedance faults using current transformers for sensing and identification based on features extracted using wavelet transform | |
| Rathore et al. | Wavelet‐alienation based transmission line protection scheme | |
| Shafiullah et al. | A review on distribution grid fault location techniques | |
| CN110703036B (zh) | 一种利用聚类的谐振接地系统高阻接地故障定位方法 | |
| Guillen et al. | Fault detection and classification in transmission lines based on a PSD index | |
| CN103941163A (zh) | 利用模糊k均值聚类的谐振接地系统故障选线方法 | |
| CN106707094A (zh) | 低压供配电线路电弧故障的分类识别方法 | |
| CN113092944B (zh) | 一种低电压线路的绝缘故障点检测方法及相关装置 | |
| CN112255500A (zh) | 一种基于迁移学习的配电网弱特征故障辨识方法 | |
| CN102520286A (zh) | 基于高光谱的复合绝缘子运行状态分类方法 | |
| Adly et al. | A novel single end measuring system based fast identification scheme for transmission line faults | |
| khalil Ibrahim et al. | Real time evaluation of DWT-based high impedance fault detection in EHV transmission | |
| CN112462193B (zh) | 一种基于实时故障滤波数据的配电网自动重合闸判断方法 | |
| Bahador et al. | Tree-related high impedance fault location using phase shift measurement of high frequency magnetic field | |
| CN103163353A (zh) | 基于电流波形相空间重构和分形理论的电弧故障检测方法 | |
| Cao et al. | Speeded‐up robust features based single‐ended travelling wave fault location: a practical case study in Yunnan power grid of China | |
| Gao et al. | Series arc fault diagnosis method of photovoltaic arrays based on GASF and improved DCGAN | |
| Wu et al. | Transmission line fault cause identification method based on transient waveform image and MCNN-LSTM | |
| CN113608066A (zh) | 一种基于磁场检测的配网架空线路单相接地故障定位方法 | |
| Klomjit et al. | Fault classification on the hybrid transmission line system between overhead line and underground cable | |
| García et al. | Detection of high impedance faults in overhead multi grounded networks | |
| Zhang et al. | Bird pecking damage risk assessment of UHV transmission line composite insulators based on deep learning | |
| CN109375041A (zh) | 小电流接地系统单相接地故障判断方法 |
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 |