CN112904156A - 一种基于频域分类的故障电弧检测方法 - Google Patents
一种基于频域分类的故障电弧检测方法 Download PDFInfo
- Publication number
- CN112904156A CN112904156A CN202110072292.XA CN202110072292A CN112904156A CN 112904156 A CN112904156 A CN 112904156A CN 202110072292 A CN202110072292 A CN 202110072292A CN 112904156 A CN112904156 A CN 112904156A
- Authority
- CN
- China
- Prior art keywords
- current
- frequency domain
- fault
- load
- power supply
- 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
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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1254—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of gas-insulated power appliances or vacuum gaps
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Abstract
本发明公开了一种基于频域分类的故障电弧检测方法,主要针对现有低压交流供电系统下的故障电弧算法由于电阻型负载故障电流和开关电源型正常电流相似而导致的误判问题。本发明包括:选用不同类型的典型负载,在低压交流系统下,利用电流互感器和示波器结合的方法,对低压回路中的不同类型负载进行回路电流信号采集;对采集到的时域电流信号进行分析,提取其中的时频域特征,并根据从中提取到的频域特征将负载分为开关电源负载和非开关电源负载;对不同类别的负载分别利用划分好的训练集构建基于随机森林的故障电弧检测模型;利用训练好的故障检测模型对不同负载的故障进行甄别,判断电路中是否出现电弧故障。
Description
技术领域
本发明属于低压配电系统串联故障电弧识别技术领域,尤其涉及一种基于频域分类的故障电弧检测方法。
背景技术
当某些绝缘介质(例如空气)被电压击穿会产生持续放电现象,这种放电现象被称为电弧,电弧通常伴随电极的部分挥发。人们利用电弧产生的火花和高温用于电弧炉、电弧焊接等,这一类电弧被称为“有用电弧”,然而在日常生活中由于输电线长时间带载、过载运行产生热量或者由于外力导致的绝缘层老化、破损,也会产生电弧现象。这种电弧会产生放电火花、引燃周边的可燃物造成火灾,产生严重后果,这类电弧是人们不希望产生的,被称为故障电弧。
尽管低压供电系统配置了断路器、熔断器及剩余电流动作断路器等保护电器,对于维护供电可靠性、减少电气火灾事故起到了很大作用,但是这些保护装置无法对电弧故障进行有效保护。故障电弧电流通常较小,特别是对于串联电弧故障,其电弧电流受线路负载限制,一般小于线路正常工作电流,供电系统的断路器或熔断器无法切除此类电弧故障。同时,串联故障电弧也不会引起线路电流矢量和的变化,因此剩余电流保护装置也不能对其进行保护。此外,串联电弧电流受负载特性影响较大,其故障特征往往被湮没在负载电流内,大大增加了检测难度,因而串联电弧故障是国内外学者研究的重点。
电弧故障的存在及其特性决定其已经构成严重的电气火灾隐患。如何准确识别电弧故障并对其进行有效保护是电气火灾防护工作中亟待解决的问题,得到了国内外学者的广泛关注。因此,寻求有效故障电弧检测方法,规避故障电弧带来的威胁和损失是十分必要的。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种基于频域分类的故障电弧检测方法,本算法主要解决了由于阻型负载电弧剧烈燃烧时故障电流和开关型负载正常工作时的电流十分相似,导致常规算法容易产生误判的问题。本发明的技术方案如下:
一种基于频域分类的故障电弧检测方法,其特征在于,包含正常及故障电流的采集、故障电弧检测算法原理及验证;
所述正常及故障电流的采集,是在低压交流供电系统下,利用电流互感器以及示波器对回路中的不同类型的典型负载进行电流信号采集形成电流样本集;
所述故障电弧检测算法包括:对采集到的负载正常电流进行快速傅里叶变换得到电流频谱,将各负载电流频谱分别与纯阻性负载电流频谱做相关运算,划分阈值v0对负载进行预分类,相关系数大于v0则将负载认定为非开关电源型负载,相关系数小于v0则将负载认定为开关电源型负载;
进一步的,所述对典型负载进行分类,是对采集到的正常和故障电流进行时频域特征提取,其中时域特征包括电流的移动平均值、电流的移动方差、电流的移动极差值和电流变化率的平均值。频域特征包括基波幅值、三次谐波幅值、五次谐波幅值、频谱平均值、频谱标准差、基波分量占比、相对基波分量占比、相对三次谐波占比、相对五次谐波占比。
其中,N表示一个电流周期FFT得到的频谱长度;fc表示基波对应的频谱幅度;3rdhc表示三次谐波对应的频谱幅度;5thhc表示五次谐波对应的频谱幅度。
进一步的,所述对样本集进行划分,是将提取到的特征组成特征矩阵进行模型训练和故障识别,将开关电源类和非开关电源类的特征向量添加标签分别形成样本集,将两个不同类型的样本集分别按照7:3划分训练集和测试集;
进一步的,所述对随机森林进行训练,是利用带有标签的训练集作为随机森林的输入,训练和调整随机森林模型参数,在训练模型参数时,主要关注随机森林中树的最大深度和随机森林基学习器个数,使随机森林模型能够在保证故障电弧识别率的基础上尽量简化,将训练好的模型保存作为故障电弧检测算法的判决准则。
进一步的,所述将随机森林模型用于故障电弧检测,是分别将训练得到不同类型的两个随机森林模型保存后,分别使用划分好的测试集验证基于频域分类的故障电弧检测算法是否有效。
本发明的优点及有益效果如下:
1、本发明利用负载的频谱特征,将负载预分类出开关电源类负载和非开关电源类负载,解决了在实际应用中,阻型负载由于电弧的剧烈燃烧电流波形与开关电源类负载正常工作时电流波形相似而带来的故障电弧误判。
2、本发明提取多个时频域特征,比较全面地覆盖了电流信号的时频域特征,由于随机森林能够处理很高维度的数据,不需要做特征的选择;在训练完成之后能够给出哪些特征比较重要;训练速度快,容易做成并行化方法,利用随机森林能够很好地实现对负载是否发生故障进行甄别。
3、本发明针对串联故障电弧的识别方法主要针对电流信号的低频特征,故不需要很高的采样频率,能有效降低算法计算量,且本发明涉及的故障电弧检测方法流程合理、操作简单方便。
附图说明
图1为本发明的一种基于频域分类的故障电弧检测方法的流程图。
图2为本发明串联故障电弧实验平台示意图
图3为各负载电流波形(前0.1s正常后0.1s故障)
图4为各负载电流频谱图(左正常,右故障)
图5为频谱相关系数
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。下面将结合附图,对本发明的实施例进行详细的描述。
本发明实施例中提供一种基于频域分类的故障电弧检测方法,低压交流供电系统下的电流信息采集原理图如图2所示,按照该原理图进行实物电流信息采集平台搭建后,采集到的正常及故障电流波形如图3所示,当故障电弧产生后,电流波形会呈现平肩部、电流高频量增多,电弧剧烈燃烧时,电流波形可能产生严重畸变,本实施方案采集到的电流信息完全符合各公开文献对故障电弧产生时,电流应有变化的标准。将采集到的电流信息进行快速傅里叶变换,其电流频谱如图4所示,将正常电流频谱分别于纯阻性负载电流频谱做相关运算,将负载进行分类,其分类结果如图5所示。
具体地,所述低压交流系统下,对低压回路中的不同负载进行电流信号采集,本发明使用电流传感器和picoscope高性能示波器结合的方法进行交流信号采集,如图2所示搭建故障电流采集平台,将故障电弧装置串联在火线上,将火线穿过电流传感器进行信号的采集。实验过程中闭合开关1开始采集电流信息,采集故障电流信息时,断开开关2,移动故障电弧发生装置可动电极模拟产生故障电弧;采集正常电流信息时,将故障电弧发生装置两个电极拉开,保持安全距离使电路处于短路状态,同时闭合开关2。
具体地,按照国内外各公开文献对加用负载的大致分类,选取不同类型的典型负载进行电流信息采集,所用负载参数信息如下表所示:
具体地,按照图2搭建的实验平台及实验方法对上表中的负载进行正常及故障电流进行采集,图3为该实验平台采集到的各个电流样本。
具体地,图4展示了不同负载电流的频谱图,由图可得出(1)在正常情况下,纯阻性负载的频谱基本都是基波分量,很少产生其它次谐波;非纯阻性负载在正常工作的情况下也会产生较多谐波。
(2)产生电弧之后,大多数负载类型的低频分量都会减小,而高频部分会增大,其中基波和奇次谐波变化地更为明显。
具体地,对采集到的正常电流信号进行离散傅里叶变换,将各个负载傅里叶变换后的频谱与纯阻性负载傅里叶变换频谱做相关,将负载预分类为开关电源型负载和非开关电源型负载,其中,相关公式为:X为各个负载傅里叶变换后的频谱,Y为纯阻型负载变换后的频谱。相关系数在0-1之间,通常来说,相关系数越接近与1,两个量之间的相关程度越强,相关系数越接近与0,两个量之间的相关程度越弱。其相关系数图5所示,按照v0进行类型划分,大于v0被标记为非开关电源类负载,小于v0被标记为开关电源类负载。
具体地,利用网格寻优法对随机森林中树的最大深度和随机森林最佳基学习器个数进行寻优,设置树的最大深度和随机森林最佳基学习器个数,使用python3.8对上述参数进行寻优并保存最佳参数。
Claims (9)
1.一种基于频域分类的故障电弧检测方法,其特征在于,该方法包括:
在低压交流系统下,使用电流互感器以及示波器对回路中的不同负载进行电流信号采集;
对采集到的负载正常电流进行快速傅里叶变换得到电流频谱,将各负载电流频谱与纯阻性负载电流频谱做相关运算,以计算结果对负载进行预分类,将负载分为开关电源类和非开关电源类;
对采集到的正常和故障电流进行时频域特征提取,将提取到的特征组成特征矩阵进行模型训练和故障识别;
将开关电源类和非开关电源类的特征向量添加标签分别形成样本集,将两个不同类型的样本集分别按照7:3划分训练集和测试集;
利用带有标签的训练集作为随机森林的输入,训练和调整随机森林模型参数,将训练好的模型保存作为故障电弧检测算法的判决准则。
分别训练得到不同类型的两个随机森林模型后,使用划分好的测试集验证基于时频域分析和随机森林的故障检测算法是有效的。
2.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,在低压交流供电系统下对电流信号进行采集,采集到的电流为220V/50Hz交流信号,不同负载电流在正常和故障情况下特征均不相同,在轻微燃弧和剧烈燃弧条件下电流也不相同。
3.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,将负载正常电流进行快速傅里叶变换得到电流频谱,将各电流频谱与纯阻性电流频谱做相关,根据相关系数将负载分为开关电源型负载和非开关电源型负载。
4.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,对采集到的信号进行频域特征提取,频域特征主要包括基波幅值、三次谐波幅值、五次谐波幅值、频谱平均值、频谱标准差、基波分量占比、相对基波分量占比、相对三次谐波占比、相对五次谐波占比共计九个。
5.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,对采集到的信号进行时频域特征提取,时域特征主要包括电流的移动平均值、电流的移动方差、电流的移动极差值、电流变化率的平均值共计四个。
6.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,将开关电源类和非开关电源类的特征举矩阵加上标签形成样本集,将样本集按照7:3划分训练集和测试集,将提取出来的时频域特征构成特征向量进行模型训练和特征识别。
7.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,将负载进行分类后,为不同类型负载的特征向量添加标签形成样本集,针对不同类型负载使用对应样本集分别训练两个随机森林模型。
8.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,利用带有标签的训练集作为随机森林的输入,训练和调整随机森林模型参数,将训练好的模型保存作为故障电弧检测算法的判决准则。
9.根据权利要求1所述的基于频域分类的故障电弧检测方法,其特征在于,分别训练得到不同类型的两个随机森林模型后,使用划分好的测试集验证基于时频域分析和随机森林的故障检测算法是有效的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110072292.XA CN112904156A (zh) | 2021-01-19 | 2021-01-19 | 一种基于频域分类的故障电弧检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110072292.XA CN112904156A (zh) | 2021-01-19 | 2021-01-19 | 一种基于频域分类的故障电弧检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112904156A true CN112904156A (zh) | 2021-06-04 |
Family
ID=76116266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110072292.XA Pending CN112904156A (zh) | 2021-01-19 | 2021-01-19 | 一种基于频域分类的故障电弧检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904156A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552447A (zh) * | 2021-07-27 | 2021-10-26 | 上海电机学院 | 一种基于随机森林的串联电弧故障检测方法 |
CN114397547A (zh) * | 2022-03-25 | 2022-04-26 | 深圳市首航新能源股份有限公司 | 一种多通道直流电弧检测方法、电路及其电子设备 |
CN115905835A (zh) * | 2022-11-15 | 2023-04-04 | 国网四川省电力公司电力科学研究院 | 一种融合多维特征的低压交流电弧故障诊断方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263183A1 (en) * | 2003-04-24 | 2004-12-30 | Malakondaiah Naidu | Arc fault detector and method |
US20050057261A1 (en) * | 2003-09-15 | 2005-03-17 | The Boeing Company | System and method for remotely detecting electric arc events in a power system |
CN101210948A (zh) * | 2006-12-27 | 2008-07-02 | 通用电气公司 | 用于检测电气系统中的串联电弧的方法和系统 |
CN102375107A (zh) * | 2011-09-20 | 2012-03-14 | 上海交通大学 | 基于时频综合分析的故障电弧检测方法及其装置 |
CN104215826A (zh) * | 2014-06-05 | 2014-12-17 | 张天福 | 一种故障电弧式电气火灾监控探测装置和识别故障电弧和报警方法 |
CN107064752A (zh) * | 2017-03-22 | 2017-08-18 | 北京航空航天大学 | 一种航空故障电弧检测的判别算法 |
CN107633748A (zh) * | 2015-11-30 | 2018-01-26 | 陈国栋 | 电能质量监测仿真培训系统的仿真培训方法 |
CN109946535A (zh) * | 2018-12-28 | 2019-06-28 | 上海汇鸿智能控制系统股份有限公司 | 一种故障电弧检测方法 |
CN110082640A (zh) * | 2019-05-16 | 2019-08-02 | 国网安徽省电力有限公司 | 一种基于长短时记忆网络的配网单相接地故障辨识方法 |
CN110118900A (zh) * | 2019-03-27 | 2019-08-13 | 南京航空航天大学 | 一种负载识别以及工频串联电弧故障检测方法 |
CN110376497A (zh) * | 2019-08-12 | 2019-10-25 | 国网四川电力服务有限公司 | 基于全相位深度学习的低压配电系统串联故障电弧识别法 |
CN110488161A (zh) * | 2019-07-23 | 2019-11-22 | 南京航空航天大学 | 一种多负载串联电弧故障检测及定位方法 |
CN110568327A (zh) * | 2019-09-03 | 2019-12-13 | 复旦大学 | 一种基于机器学习的光伏系统直流故障电弧检测方法 |
CN112036725A (zh) * | 2020-08-24 | 2020-12-04 | 国网河北省电力有限公司营销服务中心 | 一种电能表故障识别方法 |
-
2021
- 2021-01-19 CN CN202110072292.XA patent/CN112904156A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040263183A1 (en) * | 2003-04-24 | 2004-12-30 | Malakondaiah Naidu | Arc fault detector and method |
US20050057261A1 (en) * | 2003-09-15 | 2005-03-17 | The Boeing Company | System and method for remotely detecting electric arc events in a power system |
CN101210948A (zh) * | 2006-12-27 | 2008-07-02 | 通用电气公司 | 用于检测电气系统中的串联电弧的方法和系统 |
US20080157781A1 (en) * | 2006-12-27 | 2008-07-03 | General Electric Company | Methods and systems for detecting series arcs in electrical systems |
CN102375107A (zh) * | 2011-09-20 | 2012-03-14 | 上海交通大学 | 基于时频综合分析的故障电弧检测方法及其装置 |
CN104215826A (zh) * | 2014-06-05 | 2014-12-17 | 张天福 | 一种故障电弧式电气火灾监控探测装置和识别故障电弧和报警方法 |
CN107633748A (zh) * | 2015-11-30 | 2018-01-26 | 陈国栋 | 电能质量监测仿真培训系统的仿真培训方法 |
CN107064752A (zh) * | 2017-03-22 | 2017-08-18 | 北京航空航天大学 | 一种航空故障电弧检测的判别算法 |
CN109946535A (zh) * | 2018-12-28 | 2019-06-28 | 上海汇鸿智能控制系统股份有限公司 | 一种故障电弧检测方法 |
CN110118900A (zh) * | 2019-03-27 | 2019-08-13 | 南京航空航天大学 | 一种负载识别以及工频串联电弧故障检测方法 |
CN110082640A (zh) * | 2019-05-16 | 2019-08-02 | 国网安徽省电力有限公司 | 一种基于长短时记忆网络的配网单相接地故障辨识方法 |
CN110488161A (zh) * | 2019-07-23 | 2019-11-22 | 南京航空航天大学 | 一种多负载串联电弧故障检测及定位方法 |
CN110376497A (zh) * | 2019-08-12 | 2019-10-25 | 国网四川电力服务有限公司 | 基于全相位深度学习的低压配电系统串联故障电弧识别法 |
CN110568327A (zh) * | 2019-09-03 | 2019-12-13 | 复旦大学 | 一种基于机器学习的光伏系统直流故障电弧检测方法 |
CN112036725A (zh) * | 2020-08-24 | 2020-12-04 | 国网河北省电力有限公司营销服务中心 | 一种电能表故障识别方法 |
Non-Patent Citations (3)
Title |
---|
GUANGHAI BAO ET.AL: "Novel Series Arc Fault Detector Using High-Frequency Coupling Analysis and Multi-Indicator Algorithm", 《JOURNALS & MAGAZINES》 * |
孙超 等: "基于随机森林的电气火灾故障电弧识别方法研究", 《通信电源技术》 * |
廖晓宇: "低压交流串联电弧故障检测技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552447A (zh) * | 2021-07-27 | 2021-10-26 | 上海电机学院 | 一种基于随机森林的串联电弧故障检测方法 |
CN114397547A (zh) * | 2022-03-25 | 2022-04-26 | 深圳市首航新能源股份有限公司 | 一种多通道直流电弧检测方法、电路及其电子设备 |
CN115905835A (zh) * | 2022-11-15 | 2023-04-04 | 国网四川省电力公司电力科学研究院 | 一种融合多维特征的低压交流电弧故障诊断方法 |
CN115905835B (zh) * | 2022-11-15 | 2024-02-23 | 国网四川省电力公司电力科学研究院 | 一种融合多维特征的低压交流电弧故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112904156A (zh) | 一种基于频域分类的故障电弧检测方法 | |
Chen et al. | Series arc fault identification for photovoltaic system based on time-domain and time-frequency-domain analysis | |
Martinez et al. | Voltage sag studies in distribution networks-part II: Voltage sag assessment | |
CN111458599A (zh) | 基于一维卷积神经网络的串联电弧故障检测方法 | |
CN110543921A (zh) | 一种基于波形学习的电缆早期故障识别方法 | |
Nikoofekr et al. | Determining secondary arc extinction time for single-pole auto-reclosing based on harmonic signatures | |
CN105388415B (zh) | 一种基于两段式时间尺度的断路器开断trv能力评估方法 | |
CN107505539A (zh) | 一种配网弧光接地故障辨识方法 | |
Abdulrachman et al. | Smart detection of AC series arc fault on home voltage line based on fast Fourier transform and artificial neural network | |
Filipović-Grčić et al. | Analysis of transient recovery voltage in 400 kV SF6 circuit breaker due to transmission line faults | |
Li et al. | A method for residential series arc fault detection and identification | |
CN113376474A (zh) | 一种基于广义s变换的神经网络故障电弧识别系统及方法 | |
CN116316560A (zh) | 一种配电网投切扰动事件检测方法、装置、设备及介质 | |
Hong et al. | Short-time fourier transform based analysis to characterization of series arc fault | |
CN112904157A (zh) | 一种基于集成机器学习的故障电弧检测方法 | |
Chen et al. | Detection method of low voltage series dc arc based on the pattern matching algorithm | |
Cong et al. | Study on the Mechanism and Electrical Characterization of the Tree-contact Incipient Fault in the Non-effectively Grounded System | |
Nishiwaki et al. | Discussions on post arc current of a CO 2 circuit breaker | |
Ninghui et al. | Research on arc fault detection method of low voltage shutdown controller | |
CN114118546A (zh) | 一种高比例新能源电力系统的过电压风险评估方法及系统 | |
Brasil et al. | Detection of High Impedance Faults in Primary Distribution Grid using Support Vector Machines Classification | |
Ran et al. | Improved mathematical model for single-ground arcing fault in medium voltage distribution networks | |
Wang et al. | An Innovative Arc Fault Model and Detection Method for Circuit Breakers in LCC-HVDC AC Filter Banks | |
Rashevskaya et al. | Arc faults in low-voltage distribution networks | |
Bueno et al. | High Impedance Fault Detection and Classification in Medium Voltage Distribution Networks |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20230224 |
|
AD01 | Patent right deemed abandoned |