CN112904226B - 一种基于感应电的快速判断高压母线短路故障的方法 - Google Patents
一种基于感应电的快速判断高压母线短路故障的方法 Download PDFInfo
- Publication number
- CN112904226B CN112904226B CN202110066497.7A CN202110066497A CN112904226B CN 112904226 B CN112904226 B CN 112904226B CN 202110066497 A CN202110066497 A CN 202110066497A CN 112904226 B CN112904226 B CN 112904226B
- Authority
- CN
- China
- Prior art keywords
- bus
- fault
- voltage
- induced
- phase
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/56—Testing of electric apparatus
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明提供了一种基于感应电的快速判断高压母线短路故障的方法,本发明的技术方案包括数据提取,提取基于FCM聚类的母线感应电故障聚类特征量,搭建母线感应电压计算模型,基于FCM聚类的母线故障判断和结论输出;本发明可以在设备(停电母线及其附属的断路器、引接线、电流互感器、电压互感器、避雷器等电气设备)故障后,通过感应电压和感应电流感知判断设备的故障情况,不用实施断开刀闸、放电等措施,实现了无接触测量,大大减少了测量工作量及测量时间,确保了检测人员人身安全;同时,故障后检测判断时间可达分钟级,大幅提高了运行人员对设备状态的感知能力,为母线故障后实现快速恢复送电提供了技术手段,确保了电网的安全运行。
Description
技术领域
本发明涉及电力系统领域,具体地说,涉及一种基于感应电的快速判断高压母线短路故障的方法。
背景技术
当前高压母线及其附属的断路器(开关)、电流互感器(CT)、电压互感器(PT)、避雷器等电气设备内部故障后,大多数的故障诊断方法都是利用开关量的告警信息进行诊断,但是保护系统和开关设备经常发生拒动和误动,会干扰诊断结果,常常造成诊断错误。
如利用传统的母线故障检测方法,不但保护系统和开关设备发生拒动和误动会造成故障诊断错误,而且并行的多回母线,受静电感应和电磁感应的影响,停电母线上依然有几千、几十千伏的感应电压,因此检修人员在使用检测设备时存在很大安全隐患,同时还要做好放电、接地等防护工作,而大的感应电流会对接地开关的操作带来相当不利的影响,而且容易出现带接地点合闸的情况,对操作人员生命安全产生严重威胁。另一方面,上述检测方法受限于被测设备状态与环境因素,有时检测的相关数据误差较大,且由于检测方式复杂,工作量大,无法快速检测母线及其附属电气设备故障情况。
对停电母线,在合闸时若能对母线短路故障(带接地点)情况作出快速的判别,这对母线快速恢复运行从而保障电力供应、确保设备在绝缘正常的情况下送电从而保障设备安全都有重要意义。
发明内容
本发明基于前人的研究,提出了一种基于感应电的快速判断高压母线短路故障的方法,以解决现有问题中的不足。所述判断方法包括如下步骤:
步骤1):数据提取;利用计算机上的采集程序,从调度控制系统的采集WAMS数据中获取特征电气量的实时参数,并将获取的数值存储至数据库中;
步骤2):提取基于FCM聚类的母线感应电故障聚类特征量,包括感应电压和感应电流;
步骤3):搭建母线感应电压计算模型;模型不仅包括母线模型,还包括母线上其他对感应电压影响较大的设备模型,包括断路器、引接线对地电容、电压互感器、电流互感器;模型中停电母线在无短路故障情况下的感应电压计算公式为:
式中,UA:运行母线A相电压,
Ua:停运母线a相感应电压,
CAa:运行母线A相、停运母线a相之间的耦合电容,
Ca:停运母线a相对地电容,
CF1~CFn:断路器1~断路器n的断口电容,
C1~Cn:断路器1~断路器n的引接线对地电容,
PT:电压互感器对地电容,
CT:电流互感器对地电容;
步骤4):基于FCM聚类的母线故障判断;并行的双回母线一回停电检修后,基于感应电压和感应电流的2个聚类特征,构建FCM多维特征聚类分析,从而实现母线故障判别,提高算法的容错性;
步骤5):结论输出;将判断结论推送至结论输出,给出母线故障情况的输出报告。
所述步骤2具体分为一下2个部分:
1)感应电压的提取和判断;采集恢复运行前停运母线的各相感应电压,故障相感应电压降低接近于0,非故障相感应电压变化较小;从恢复运行前停运母线的WAMS有效录波数据中提取感应电压作为特征识别故障:式中,为停电母线上第相感应电压相量,Up为提取的感应电压特征值;
2)感应电流的提取和判断;采集恢复运行前停运母线上所有出线的感应电流数据计算分相差流作为特征,停运母线的分相差流为故障电流,非故障母线的分相差流计算值接近于0;对母线感应电流的差流特征计算,先计算母线各出线上电流工频感应电流相量,则母线差流特征按下式计算:式中,I1,I2,…,Ik分别为母线的k条出线上的感应电流相量,母线电流纵差特征为分相计算;
优选的,所述步骤3中母线感应电压计算模型的感应电压包括电磁感应电压与静电感应电压个两部分;若停电母线一端停电,另一端正常运行,则停电母线上测得的感应电压主要由电磁感应产生;若停电母线首末双端无接地,则感应电压仅由静电感应产生。
优选的,所述步骤4中的基于FCM多维特征聚类分析的母线故障判别主要分为以下8个步骤:
1)将录波数据中提取的多种特征进行顺序排列,形成FCM聚类的输入向量xj=(xj1,xj2,…,xjs);
2)由于各个特征具有不同的属性和值域,直接进行聚类影响求解速度和聚类准确度,对各维特征进行标准化预处理,将输入向量转化为无量纲的纯数值;标准化预处理计算式为:
3)对于维空间内的n个数据组成的向量数据集X,描述为:
4)确定分类数C,把X划分为C个子集合,则各类子集的关系式为:
5)对于上述给定的数据集X,利用FCM聚类算法划分结果为:
6)每一个聚类形成的集合,都有一个中心点,中心点的特征可以表示为pi=[pi1pi2 … pis];聚类中心点的S维特征代表了这一子集的数据特征,对于所有子集,形成聚类中心矩阵P=[pij]c×s;
8)在给定隶属度函数时的最优聚类中心点为将停电母线上可能出现的各类短路故障规定为总集,在不同的故障情况下,将不同输入数据根据上述算法进行迭代,得到在给定隶属度函数时的最优聚类中心点,再根据不同输出结果距离中心点的接近程度将故障划分至不同类故障集合中,完成母线故障判别。
优选的,所述步骤5中的输出报告包含母线故障类型以及是否具备恢复送电条件的内容。
同现有技术相比,本发明的有益效果体现在:
本发明的技术方案可以在设备(停电母线及其附属的断路器、引接线、电流互感器(CT)、电压互感器(PT)、避雷器等电气设备故障后(冷/热备用状态),通过感应电压和感应电流感知判断设备的故障情况,不用实施断开刀闸、放电等措施,实现无接触测量,大大减少了测量工作量及测量时间,确保检测人员人身安全,故障后检测判断时间可达分钟级,大幅提高运行人员对设备状态的感知能力,为母线故障后实现快速恢复送电提供技术手段,确保电网安全运行及电力可靠供应。
附图说明
图1为本发明的一种基于感应电的快速判断高压母线短路故障的方法流程图;
图2为停电检修母线感应电压的产生原理图;
图3为本发明的步骤2的流程示意图;
图4为本发明的步骤4的流程示意图。
具体实施方式
为了能够进一步了解本发明的结构、特征及其他目的,现结合所附较佳实施例附以附图详细说明如下,本附图所说明的实施例仅用于说明本发明的技术方案,并非限定本发明。
首先,如图1所示,图1为本发明的一种基于感应电的快速判断高压母线短路故障的方法流程图;所述方法包括步骤如下:
步骤1):数据提取;利用计算机上的采集程序,从调度控制系统的采集WAMS数据中获取特征电气量的实时参数,并将获取的数值存储至数据库中;
步骤2):提取基于FCM聚类的母线感应电故障聚类特征量,包括感应电压和感应电流;
步骤3):搭建母线感应电压计算模型;模型不仅包括母线模型,还包括母线上其他对感应电压影响较大的设备模型,包括断路器、引接线对地电容、电压互感器、电流互感器;模型中停电母线在无短路故障情况下的感应电压计算公式为:
式中,UA:运行母线A相电压,
Ua:停运母线a相感应电压,
CAa:运行母线A相、停运母线a相之间的耦合电容,
Ca:停运母线a相对地电容,
CF1~CFn:断路器1~断路器n的断口电容,
C1~Cn:断路器1~断路器n的引接线对地电容,
PT:电压互感器对地电容,
CT:电流互感器对地电容;
步骤4):基于FCM聚类的母线故障判断;并行的双回母线一回停电检修后,基于感应电压和感应电流的2个聚类特征,构建FCM多维特征聚类分析,从而实现母线故障判别,提高算法的容错性;
步骤5):结论输出;将判断结论推送至结论输出,给出母线故障情况的输出报告。
进一步地,请参见图2,图2为停电检修母线感应电压的产生原理图;本发明的技术原理为:
基于同步相量测量技术的域测量系统,通过WAMS将广域信息引入电网,获取带有统一时标的节点电压和支路电流相量等电气量信息以及开关位置等开关量信息,对当前电网的运行状态进行监控,进行实时综合判断,有助于快速定位故障,缩小事故影响范围;针对并行的双回或多回高压母线,若其中一回停电,则停电的母线受其相邻的正常运行母线的影响会产生感应电压,停电母线上任一设备发生故障对感应电压的值也会产生影响。据此考虑,为防范高压母线带接地点(短路故障)合闸,可以根据WAMS采集到的停电母线感应电压等特征电气量的实时变化,应用模糊C均值(Fuzzy C-means,FCM)聚类分析构建基于感应电的母线短路故障情况的判断方法,相比传统方法能够更加快速地进行母线故障判断,降低实际中高压母线带接地点合闸带来的风险。对于多回并行的高压母线,以双回并行母线为例,若一回母线正常运行,另一回母线停电检修,则受静电感应与电磁感应的影响,停电检修母线上将存在感应电压与感应电流,产生原理如下图2所示。
在图2中,1M为I母线(正常运行母线);2M为II母线(停电检修母线);CAa为I、II母线间互电容;Ca为II母线对地电容;CF1-CFn为断路器(开关)断口电容;C1-Cn为断路器(开关)引接线对地电容;PT为电压互感器对地电容;CT为电流互感器对地电容;UA为I母线电压;Ua为II母线(感应)电压;图2所示,并行的两回母线中一回母线(II母线)停电检修,另一回母线(I母线)正常运行时,受两回母线间断路器、引接线、互电容以及母线对地电容等的影响,停电母线(II母线)上会产生感应电压。若停电母线及其上电气设备存在接地点(短路故障点),则还会存在感应电流。当停电母线(II母线)上任一设备(断路器、电压互感器、避雷器、电流互感器等元件)故障后,相关元件对地电容将发生变化,对地容抗也产生变化,进而使停电母线的感应电压发生变化。
此外,请参见图3,图3为本发明中步骤2的流程示意图;基于FCM算法的高压母线故障诊断主要内容是从故障录波数据中提取故障特征量建立元件的聚类模型数据。在实际电网故障诊断时需要提取故障时刻相应元件的有效录波数据进行诊断。基于FCM聚类的母线故障判断方法可选择以下2个聚类特征:
(2)感应电流:采集恢复运行前停运母线上所有出线的感应电流数据计算分相差流作为特征,停运母线的分相差流为故障电流,非故障母线的分相差流计算值接近于0;对母线感应电流的差流特征计算,先计算母线各出线上电流工频感应电流相量,则母线差流特征按下式计算:
另外,本发明的步骤3通过搭建母线感应电压计算模型,可实现停电检修母线感应电压数值计算。模型不仅指母线的模型(母线模型指图1中1M和2M两回母线、交流电源和母线间互电容以及母线对地电容四部分组成的模型),还有母线上其他对感应电压影响较大的设备的模型,包括断路器、引接线对地电容、电压互感器、电流互感器等。感应电压主要由电磁感应电压与静电感应电压两部分组成。对开放式母线(一回停电,另一回母线正常运行),停电母线上测得的感应电压主要由电磁感应产生,若停电母线首末双端无接地,则感应电压仅由静电感应产生。断路器存在断口电容,电压互感器、电流互感器、引接线存在对地电容,这些都对感应电压有较大影响,均用等效电容替代后,模型中停电母线(II母线)在无短路故障情况下的感应电压即可由公式计算得到:
另外,请参见图4,图4为本发明的步骤4的流程示意图。并行的双回母线一回停电检修后,基于所述2个聚类特征,感应电压和感应电流,可构建FCM多维特征聚类分析模块从而实现母线故障判别,避免单一特征的局限性和片面性,提高算法的容错性。基于FCM多维特征聚类分析的母线故障判别主要分为以下8个步骤:
1)将录波数据中提取的多种特征进行顺序排列,形成FCM聚类的输入向量:xj=(xj1,xj2,…,xjs);
2)由于各个特征具有不同的属性和值域,直接进行聚类影响求解速度和聚类准确度,需要按下式对各维特征进行标准化预处理。将输入向量转化为无量纲的纯数值,便于求解并提高聚类准确性:
3)对于维空间内的n个数据组成的向量数据集X,描述为:
5)对于上述给定的数据集X,利用FCM聚类算法划分结果为:
6)每一个聚类形成的集合,都有一个中心点,中心点的特征可以表示为:pi=[pi1pi2 … pis];聚类中心点的s维特征代表了这一子集的数据特征,对于所有子集,形成聚类中心矩阵为:P=[pij]c×s;
8)在给定隶属度函数时的最优聚类中心点为:将停电母线上可能出现的各类短路故障规定为总集,在不同的故障情况下,将不同输入数据根据上述算法进行迭代,得到在给定隶属度函数时的最优聚类中心点,再根据不同输出结果距离中心点的接近程度将故障划分至不同类故障集合中,即可完成母线故障判别。
另外,所述步骤5中的输出报告包含母线故障类型以及是否具备恢复送电条件的内容。
最后,与传统技术方案相比,本发明的技术效果为:
本发明的技术方案可以在设备(停电母线及其附属的断路器、引接线、电流互感器(CT)、电压互感器(PT)、避雷器等电气设备)故障后(冷/热备用状态),通过感应电压和感应电流感知判断设备的故障情况,不用实施断开刀闸、放电等措施,实现无接触测量,大大减少了测量工作量及测量时间,确保检测人员人身安全,故障后检测判断时间可达分钟级,大幅提高运行人员对设备状态的感知能力,为母线故障后实现快速恢复送电提供技术手段,确保电网安全运行及电力可靠供应。
需要声明的是,上述发明内容及具体实施方式意在证明本发明所提供技术方案的实际应用,不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理内,当可作各种修改、等同替换或改进。本发明的保护范围以所附权利要求书为准。
Claims (4)
1.一种基于感应电的快速判断高压母线短路故障的方法,其特征在于,所述判断方法包括如下步骤:
步骤1):数据提取;利用计算机上的采集程序,从调度控制系统的采集WAMS数据中获取特征电气量的实时参数,并将获取的数值存储至数据库中;
步骤2):提取基于FCM聚类的母线感应电故障聚类特征量,包括感应电压和感应电流;首先,感应电压的提取和判断;采集恢复运行前停运母线的各相感应电压,故障相感应电压降低接近于0,非故障相感应电压变化较小;从恢复运行前停运母线的WAMS有效录波数据中提取感应电压作为特征识别故障:式中,为停电母线上第相感应电压相量,Up为提取的感应电压特征值;线路母线某一相的感应电压特征大于设定值,则认为该母线为故障母线,其判断公式为:式中,为母线相感应电压特征,Uset为母线感应电压的门槛值;然后,感应电流的提取和判断;采集恢复运行前停运母线上所有出线的感应电流数据计算分相差流作为特征,停运母线的分相差流为故障电流,非故障母线的分相差流计算值接近于0;对母线感应电流的差流特征计算,先计算母线各出线上电流工频感应电流相量,则母线差流特征按下式计算:式中,I1,I2,…,Ik分别为母线的k条出线上的感应电流相量,母线电流纵差特征为分相计算;如果母线某一相的纵差特征大于设定值,则认为该母线为故障母线,其判断公式为:式中为母线相差流特征,Iset为母线差流的门槛值;
步骤3):搭建母线感应电压计算模型;模型不仅包括母线模型,还包括母线上其他对感应电压影响较大的设备模型,包括断路器、引接线对地电容、电压互感器、电流互感器;模型中停电母线在无短路故障情况下的感应电压计算公式为:
式中,UA:运行母线A相电压,
Ua:停运母线a相感应电压,
CAa:运行母线A相、停运母线a相之间的耦合电容,
Ca:停运母线a相对地电容,
CF1~CFn:断路器1~断路器n的断口电容,
C1~Cn:断路器1~断路器n的引接线对地电容,
PT:电压互感器对地电容,
CT:电流互感器对地电容;
步骤4):基于FCM聚类的母线故障判断;并行的双回母线一回停电检修后,基于感应电压和感应电流的2个聚类特征,构建FCM多维特征聚类分析,从而实现母线故障判别,提高算法的容错性;
步骤5):结论输出;将判断结论推送至结论输出,给出母线故障情况的输出报告。
2.如权利要求1所述的判断方法,其特征在于,所述步骤3中母线感应电压计算模型的感应电压包括电磁感应电压与静电感应电压个两部分;若停电母线一端停电,另一端正常运行,则停电母线上测得的感应电压主要由电磁感应产生;若停电母线首末双端无接地,则感应电压仅由静电感应产生。
3.如权利要求1所述的判断方法,其特征在于,所述步骤4中的基于FCM多维特征聚类分析的母线故障判别主要分为以下8个步骤:
1)将录波数据中提取的多种特征进行顺序排列,形成FCM聚类的输入向量xj=(xj1,xj2,…,xjs);
2)由于各个特征具有不同的属性和值域,直接进行聚类影响求解速度和聚类准确度,对各维特征进行标准化预处理,将输入向量转化为无量纲的纯数值;标准化预处理计算式为:
3)对于维空间内的n个数据组成的向量数据集X,描述为:
4)确定分类数C,把X划分为C个子集合,则各类子集的关系式为:
5)对于上述给定的数据集X,利用FCM聚类算法划分结果为:
6)每一个聚类形成的集合,都有一个中心点,中心点的特征可以表示为pi=[pi1 pi2…pis];聚类中心点的S维特征代表了这一子集的数据特征,对于所有子集,形成聚类中心矩阵P=[pij]c×s;
4.如权利要求1所述的判断方法,其特征在于,所述步骤5中的输出报告包含母线故障类型以及是否具备恢复送电条件的内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066497.7A CN112904226B (zh) | 2021-01-19 | 2021-01-19 | 一种基于感应电的快速判断高压母线短路故障的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110066497.7A CN112904226B (zh) | 2021-01-19 | 2021-01-19 | 一种基于感应电的快速判断高压母线短路故障的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904226A CN112904226A (zh) | 2021-06-04 |
CN112904226B true CN112904226B (zh) | 2022-08-23 |
Family
ID=76115129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110066497.7A Active CN112904226B (zh) | 2021-01-19 | 2021-01-19 | 一种基于感应电的快速判断高压母线短路故障的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904226B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117435947A (zh) * | 2023-12-20 | 2024-01-23 | 山东和兑智能科技有限公司 | 一种避雷器状态监测系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316841A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 一种利用故障录波数据辨识线路全参数的方法 |
CN106058819A (zh) * | 2016-06-06 | 2016-10-26 | 国家电网公司 | 电压闭锁式弧光保护系统及方法 |
CN108693442A (zh) * | 2018-05-17 | 2018-10-23 | 辽宁石油化工大学 | 电网故障的检测方法及系统 |
CN111880046A (zh) * | 2020-07-22 | 2020-11-03 | 国网河北省电力有限公司 | 一种快速识别线路故障原因的装置及方法 |
CN111965477A (zh) * | 2020-06-30 | 2020-11-20 | 中国电力科学研究院有限公司 | 一种计及零序互感影响确定短路电流的方法及系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8743513B2 (en) * | 2010-06-03 | 2014-06-03 | Shakira Limited | Arc fault detector for AC or DC installations |
CN106383259A (zh) * | 2016-09-06 | 2017-02-08 | 广东电网有限责任公司江门供电局 | 一种同塔多回输电线路的感应电流和感应电压测量方法 |
CN106370981B (zh) * | 2016-09-30 | 2019-03-26 | 中国石油化工股份有限公司 | 一种基于模糊聚类分析的配电网故障线路选线方法 |
DE102017110620A1 (de) * | 2017-05-16 | 2018-11-22 | Technische Universität Dortmund | Fehlerdiagnose in einem elektrischen Netzwerk |
CN108181500B (zh) * | 2017-12-28 | 2020-02-14 | 中国南方电网有限责任公司超高压输电公司南宁局 | 一种输变电设备合闸无压定值确定方法 |
CN109100646A (zh) * | 2018-08-17 | 2018-12-28 | 国网江苏省电力有限公司检修分公司 | 一种高压断路器故障诊断方法 |
CN109342882A (zh) * | 2018-11-06 | 2019-02-15 | 长沙理工大学 | 基于多源特征值分析的电缆故障在线监测方法 |
EP3723224B1 (en) * | 2019-04-08 | 2023-08-23 | Hitachi Energy Switzerland AG | Time domain distance protection based on polarity comparison for power transmission lines |
CN110297161B (zh) * | 2019-06-21 | 2021-10-15 | 国网河北省电力有限公司 | 防范电网设备带接地点送电的方法及调度系统 |
CN111458599A (zh) * | 2020-04-16 | 2020-07-28 | 福州大学 | 基于一维卷积神经网络的串联电弧故障检测方法 |
CN112180204A (zh) * | 2020-07-10 | 2021-01-05 | 国网河北省电力有限公司雄安新区供电公司 | 一种基于电气量信息的电网线路故障诊断方法 |
-
2021
- 2021-01-19 CN CN202110066497.7A patent/CN112904226B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104316841A (zh) * | 2014-11-14 | 2015-01-28 | 国家电网公司 | 一种利用故障录波数据辨识线路全参数的方法 |
CN106058819A (zh) * | 2016-06-06 | 2016-10-26 | 国家电网公司 | 电压闭锁式弧光保护系统及方法 |
CN108693442A (zh) * | 2018-05-17 | 2018-10-23 | 辽宁石油化工大学 | 电网故障的检测方法及系统 |
CN111965477A (zh) * | 2020-06-30 | 2020-11-20 | 中国电力科学研究院有限公司 | 一种计及零序互感影响确定短路电流的方法及系统 |
CN111880046A (zh) * | 2020-07-22 | 2020-11-03 | 国网河北省电力有限公司 | 一种快速识别线路故障原因的装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112904226A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dashti et al. | A survey of fault prediction and location methods in electrical energy distribution networks | |
CN107037279B (zh) | 一种并联电容器监测系统及其方法 | |
Zhang et al. | Fault localization in electrical power systems: A pattern recognition approach | |
CN102508076B (zh) | 一种基于多智能体系统和小波分析的故障诊断装置及方法 | |
CN104020754A (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN106199341A (zh) | 一种单相故障接地工况下的故障线路识别方法和装置 | |
CN106291219A (zh) | 单相接地/pt断线故障自动判别报警装置及方法 | |
Gao et al. | Fault line detection using waveform fusion and one-dimensional convolutional neural network in resonant grounding distribution systems | |
Radhakrishnan et al. | Synchrophasor based islanding detection for microgrids using moving window principal component analysis and extended mathematical morphology | |
CN112345865A (zh) | 一种电力电容器运行状态在线评估预警装置及方法 | |
CN109342882A (zh) | 基于多源特征值分析的电缆故障在线监测方法 | |
CN112904226B (zh) | 一种基于感应电的快速判断高压母线短路故障的方法 | |
CN106980051B (zh) | 一种间歇性串联型故障电弧识别方法 | |
CN110212503B (zh) | 一种适用于小电阻接地系统的高阻接地保护方法 | |
CN206096341U (zh) | 应用于配电网单相故障接地工况下的故障线路识别装置 | |
Wang et al. | A novel domain adversarial graph convolutional network for insulation defect diagnosis in gas-insulated substations | |
EP4005047B1 (en) | Anomaly detection in energy systems | |
Cai et al. | Reviews of research on mechanical fault diagnosis in GIS | |
Li et al. | Cable Fault on-Line Monitoring Based on Transient Traveling Wave Signal Analysis Technology | |
Zhai et al. | Improved fault classification method in transmission line based on k-means clustering | |
Sun et al. | Transmission Line Fault Diagnosis Method Based on Improved Multiple SVM Model | |
Jiang et al. | A Novel Protection Method of Wind Farm Collector Line Based on Clustering Algorithm | |
Xiao et al. | A Data-Driven Fault Line Selection Method for Shore Power System | |
Li et al. | An intelligent diagnosis method for analog of the secondary equipment based on the remote dispatching station | |
Long et al. | Fault identification method of voltage transformer based on time series hierarchical clustering |
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 |