CN112924810B - 一种基于高频信号识别的电力电缆故障诊断方法及系统 - Google Patents

一种基于高频信号识别的电力电缆故障诊断方法及系统 Download PDF

Info

Publication number
CN112924810B
CN112924810B CN202110111908.XA CN202110111908A CN112924810B CN 112924810 B CN112924810 B CN 112924810B CN 202110111908 A CN202110111908 A CN 202110111908A CN 112924810 B CN112924810 B CN 112924810B
Authority
CN
China
Prior art keywords
signal
frequency
fault
frequency signal
signals
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
Application number
CN202110111908.XA
Other languages
English (en)
Other versions
CN112924810A (zh
Inventor
孔祥清
黄凯
王建训
于洋
郝洪民
孙乾
姚树汾
刘文安
吕东飞
张云舰
王宁
车仁飞
孙冲
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.)
Shandong University
Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Shandong University
Zibo Power Supply Co of State Grid Shandong Electric Power 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 Shandong University, Zibo Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Shandong University
Priority to CN202110111908.XA priority Critical patent/CN112924810B/zh
Publication of CN112924810A publication Critical patent/CN112924810A/zh
Application granted granted Critical
Publication of CN112924810B publication Critical patent/CN112924810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01R31/1263—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 solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—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 solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • 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
    • G01R31/58—Testing of lines, cables or conductors
    • 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

本发明公开一种基于高频信号识别的电力电缆故障诊断方法及系统，包括：根据高频信号中的暂态电流信号得到时域特征；对高频信号进行小波分解后得到小波能量分布特征；根据时域特征和小波能量分布特征构建高频信号的识别规则；根据识别规则得到的高频信号类型判断故障类型。基于高频信号时域特征和小波能量分布特征相结合的高频信号识别方法，并基于高频信号的识别结果进行电缆故障的诊断，有效提高电缆的供电可靠性和安全稳定运行。

Description

一种基于高频信号识别的电力电缆故障诊断方法及系统
技术领域
本发明涉及故障诊断技术领域，特别是涉及一种基于高频信号识别的电力电缆故障诊断方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着国民经济的发展，电力电缆作为输送电能的工具，在电力系统中起到了越来越重要的作用。与架空线路相比，电力电缆在运行时大都埋在地下，具有节省地面空间、安全性较好等优点。但是随着电缆线路在电力系统中的广泛应用，由电缆线路绝缘劣化等原因引起的各种故障对电力系统的安全稳定运行产生很大影响。
发明人认为，电力电缆在实际运行过程中，不可避免地会发生各种各样的故障，有些故障是瞬时性故障，虽然没有引起保护跳闸，但存在着很大的安全隐患，甚至最终会导致永久性的短路故障；而有些故障是永久性的短路故障，一旦发生会引起停电事故，对电力系统运行和经济社会发展带来严重影响。为保证电缆线路的安全可靠运行，及时掌握电缆线路的运行状态，对电缆线路存在的故障隐患和短路故障进行准确判断分析，对保证电力系统的安全稳定运行具有重要意义。
发明内容
为了解决上述问题，本发明提出了一种基于高频信号识别的电力电缆故障诊断方法及系统，基于高频信号时域特征和小波能量分布特征相结合的高频信号识别方法，并基于高频信号的识别结果进行电缆故障的诊断，有效提高电缆的供电可靠性和安全稳定运行。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种基于高频信号识别的电力电缆故障诊断方法，包括：
根据高频信号中的暂态电流信号得到时域特征；
对高频信号进行小波分解后得到小波能量分布特征；
根据时域特征和小波能量分布特征构建高频信号的识别规则；
根据识别规则得到的高频信号类型判断故障类型。
第二方面，本发明提供一种基于高频信号识别的电力电缆故障诊断系统，包括：
第一处理模块，被配置为根据高频信号中的暂态电流信号得到时域特征；
第二处理模块，被配置为对高频信号进行小波分解后得到小波能量分布特征；
信号识别模块，被配置为根据时域特征和小波能量分布特征构建高频信号的识别规则；
故障诊断模块，被配置为根据识别规则得到的高频信号类型判断故障类型。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
由于电缆线路在局部放电、故障、开关操作以及雷击等情况下，电缆线路上都会出现突变及短时冲击的高频暂态信号，而这些高频信号中蕴含着丰富的信息，本发明通过分析电缆线路上的高频信号特征，判断高频信号产生的原因，从而获得电缆线路运行状态，实现对电缆线路的故障诊断，解决了如何对电力电缆上的高频信号进行识别和故障诊断，从而及时发现存在的故障隐患和故障告警的问题。
本发明提出的基于高频信号时域特征和小波能量分布特征相结合的高频信号识别方法，并基于高频信号的识别进行故障诊断和判断电缆的运行状态，对于提高电缆的供电可靠性和安全稳定运行具有重要意义。
本发明的电力电缆故障诊断方法可以有效识别出不同种类的高频信号，并根据高频信号的种类得到电缆线路的故障诊断结果，且识别与故障诊断结果不受故障处过渡电阻、高频信号发生初始角、故障发生距母线距离等因素的影响，可对于电缆线路多种高频信号进行识别与区分，方法简单、准确，易于工程实现。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于高频信号识别的电力电缆故障诊断方法流程图；
图2为本发明实施例1提供的10kV系统模型图；
图3(a)-3(e)为本发明实施例1提供的局部放电信号、短路故障信号、非故障性雷击信号、故障性雷击信号、断路器开关合闸信号的不同高频信号波形图；
图4(a)-4(b)为本发明实施例1提供的局部放电信号和故障性雷击信号的初始波波形图；
图5(a)-5(d)为本发明实施例1提供的短路故障信号、开关合闸信号、非故障性雷击信号、故障性雷击信号的不同高频信号小波能量分布图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种基于高频信号识别的电力电缆故障诊断方法，包括：
S1：根据高频信号中的暂态电流信号得到时域特征；
S2：对高频信号进行小波分解后得到小波能量分布特征；
S3：根据时域特征和小波能量分布特征构建高频信号的识别规则；
S4：根据识别规则得到的高频信号类型判断故障类型。
在本实施例中，通过ATP-EMTP电磁暂态仿真程序获得电缆线路多种高频信号的时域特征，利用小波能量分析不同种类高频信号的小波能量分布特征，采用时域特征与小波能量分布特征相结合的方法，构建不同种类高频信号的识别判据，并根据识别结果得到电缆线路故障诊断结果。
如图2所示为本实施例在ATP-EMTP中建立的10kV系统模型图，电源E为110kV理想三相电源，T为变比为110/10的变压器，变压器绕组采用Y-Y型连接，M为母线，L1、L2、L3分别为长度为30km、40km、40km的电缆线路，电缆线路采用考虑频率变化作用的J-Marti模型，且带有相同的三相负荷阻抗Z，A1、A2、A3为断路器，系统采样频率设置为1MHz；
本实施例在线路L1上针对高频信号进行仿真，并在0.03s时仿真加入高频信号，检测M端的电流波形，高频信号包括局部放电信号、短路故障信号、非故障性雷击信号、故障性雷击、断路器开关合闸信号，每种高频信号的获取方式如下：
(1)局部放电信号：采用双指数衰减模型，在距离M端15km处注入局部放电高频信号。
(2)短路故障信号：在L1线路上模拟单相接地短路故障。
(3)非故障性雷击信号：在线路末端注入Heidler脉冲源模拟非故障性雷电流侵入波信号。
(4)故障性雷击：利用在电缆线路注入高频雷电流侵入信号的瞬间加上一个接地故障来模拟故障性雷击信号。
(5)断路器开关合闸信号：先将A1与A3闭合，A2断开，t＝0.03s时，闭合A2，仿真A2闭合对于线路L1中三相电流的影响。
由此，在所述步骤S1中，获取高频信号，提取高频信号的暂态电流信号具体包括：预设高频电流的暂态分量长度，提取高频暂态分量，以此得到高频信号中的暂态电流信号，得到如图3(a)-3(e)所示的M端各种高频信号电流波形；
本实施例设置暂态分量长度为2ms，提取高频暂态分量为：
ΔI(t)＝I(t)-I(t-T) (1)
其中，I(t)为检测到高频信号时刻电流的幅值，I(t-T)为一个工频周期时刻前的电流的幅值。
本实施例根据暂态电流信号提取不同种类高频信号的时域特征，设置初始脉冲波的波长阈值，根据波长阈值对高频信号进行一次分类，得到局部放电信号和其他高频信号；具体地；
由图3(a)-3(e)可以看出，局部放电信号与故障性雷击信号的初始脉冲波的波长明显小于其他高频信号的波长，图4(a)-4(b)为局部放电信号和故障性雷击信号的初始脉冲波形，可以看出局部放电信号初始脉冲波长为8.7μs，故障性雷击信号初始脉冲波长为77.8μs，局部放电信号的波长明显小于故障性雷击信号的波长；
一般性而言，局部放电信号的波长一般在几十至几百μs之间，雷电流信号波长在20至100μs之间，同时，考虑到局部放电信号在电缆传播过程中的色散效应以及需要留取一定的裕度，本实施例选取15μs作为初始脉冲波的波长阈值，使用T表示信号的初始脉冲波长度，当初始脉冲波长T小于15μs，判定为局部放电信号，故障诊断类型输出为局部放电信号；当初始脉冲波长T大于15μs时，则判定为其他高频信号，需要对其他高频信号进行二次分类。本实施例通过在电缆线路不同位置处仿真局部放电信号，并且设置局部放电信号的不同上升时间，检测到的初始脉冲宽度均可以小于15μs，证明该阈值选取的有效性。
一次分类得到局部放电信号和其他高频信号后，本实施例对其他高频信号进行小波分解，得到小波能量分布特征，以此进行二次分类；具体地；
从多分辨率分析的角度来看，信号的小波分解实质上是利用一对镜像滤波器对采样信号进行二进频带划分，小波分解将原始信号分解为不同的频域分段，并且信号经过小波分解之后的不同频带内的能量和与原始信号的能量相等；
所以，在所述步骤S2中，将其他高频信号分解为细节部分W1(高频分量)和大尺度逼近部分V1(低频分量)，然后将大尺度逼近部分V1进一步分解，如此重复得到任意尺度上的逼近部分和细节部分，即：
Figure BDA0002919564020000071
根据帕仕瓦尔等式，信号在时域上的能量与频域内的能量存在以下关系：
Figure BDA0002919564020000081
式中，f(t)为信号时域表达式；
定义小波变换能量值为小波分解系数的平方和，即：
Ei＝∑k|ci(k)|2 (4)
式中，ci(k)即为小波分解i层的重构小波系数，Ei即为经过i层小波分解之后，信号在该频带内的能量值。
如图5(a)-5(d)所示，本实施例对短路故障信号、故障性雷击信号、非故障性雷击信号、断路器合闸信号进行小波能量分布计算，考虑到故障信号在相对偏低的频率分段内蕴含的信息更为丰富，在Matlab中对于原始信号进行处理，使用采样抽取的方法将采样频率降为100kHz。在此基础上，对于上述四种高频信号进行7层分解，得到8个不同频段内的小波系数，即：D1-D7与A7，其所对应的频带范围按照式(2)进行划分；另外，本实施例考虑到A7频率分段为0-0.39kHz，包含工频频率50Hz，对于电缆高频信号识别的作用不大，所以忽略A7频率分段内的能量值，仅采用D1-D7频率分段内的能量分布。
D1-D7频段内信号的总能量为：
Figure BDA0002919564020000082
对于不同频段内的能量分布进行归一化处理，令：
Figure BDA0002919564020000083
小波能量归一化处理之后，得到上述四种高频暂态信号的小波能量分布特征，如图5(a)-5(d)所示，短路故障信号与断路器合闸信号的小波能量主要分布在X7、X6低频段内，且能量较为集中，并且比较短路故障信号与断路器合闸信号产生的暂态信号，短路故障信号的能量主要集中在X7段，断路器合闸暂态信号的能量主要集中在X6段；
对于非故障性雷击信号与故障性雷击信号，信号能量的分布较为分散，在各个频段内，能量均有所分布，且故障性雷击信号的能量主要集中在X1-X3较高的频率分段内，非故障性雷击信号的能量主要集中在X4-X7中较低频率的分段内；由于不同种类高频信号小波能量分布存在一定区别，因此，本实施例根据不同种类高频信号小波能量分布的特征对不同种类高频信号进行识别。
所以，在所述步骤S3中，通过定义频段阈值识别各类高频信号，具体为：
S3-1：针对雷击信号与其他高频暂态信号，获取雷击信号与其他高频暂态信号的最低频段参数，定义第一频段阈值，根据最低频段参数和第一频段阈值进行初步识别；
由于高频信号小波能量分布规律中短路故障暂态信号与断路器开关合闸暂态信号的小波能量主要集中在X6与X7段内，而雷击信号在X6与X7频段内的能量较少，所以定义Xlow作为区分雷击信号与其余高频信号的特征参数：
Xlow＝X6+X7 (7)
同时，为了得到小波能量分布的一般性规律，改变高频信号的运行参数，包括：不同的短路故障类型、故障过渡电阻、故障初始相角、故障位置、开关合闸的不同合闸过渡电阻、雷电流信号不同幅值，进行大量的仿真计算，得到Xlow参数的取值范围：对于短路故障与开关合闸信号，Xlow取值范围为0.6533-0.9959；对于故障性雷击与非故障性雷击信号，Xlow取值范围为0.1698-0.4368。
根据参数Xlow的差异，本实施例设定区分雷击暂态信号、短路故障暂态信号与开关合闸暂态信号Xlow参数的阈值H为0.5，取可靠系数H0为1.2，则第一频段H1＝H0H＝0.6，当Xlow>H1时，判定信号为短路故障暂态信号或开关合闸暂态信号；当Xlow<H1时，则判定暂态信号为雷击暂态信号。
S3-2：对于短路故障信号与开关合闸信号，根据X7与X6频带内的特征，定义：
Figure BDA0002919564020000101
改变高频信号的运行条件，由大量仿真的统计结果得到，短路故障信号的K值取值范围为1.0447-34.4521，开关合闸信号的K取值范围为0.1057-0.1859。
定义区分短路故障信号与开关合闸信号的阈值Kx为0.6，则第二频段阈值K1＝H0Kx＝0.72，当K大于0.72时，判定信号为短路故障信号，此时，电缆故障诊断结果输出为故障信号；当K小于0.72时，则判定信号为开关合闸信号，此时，电缆故障诊断结果输出为非故障信号。
S3-3：对于故障性雷击与非故障性雷击，根据X1-X3较高频段内的能量分布特征，定义Xhigh作为区分故障性雷击信号与非故障雷击信号的特征参数：
Xhigh＝E1+E2+E3 (9)
改变高频信号的运行条件，由大量仿真的统计结果得到：故障性雷击信号Xhigh的取值范围为0.4341-0.6855；非故障性雷击信号的取值范围为0.088-0.1056。
设定区分故障性雷击与非故障性雷击信号的阈值Zx为0.2，则第三频段阈值Z1＝H0Zx＝0.24，当Xhigh大于0.24时，判定信号为故障性雷击信号，电缆故障诊断结果输出为故障信号；当Xhigh小于0.24时，判定信号为非故障性雷击信号，电缆故障诊断结果输出为非故障信号。
本实施例先通过高频信号时域中的波长特征识别局放信号与其余高频信号，再分别比较高频信号中的小波能量分布的不同特征，实现对于开关合闸信号、短路故障信号、故障性雷击信号与非故障性雷击信号的识别，并根据高频信号的种类，输出电缆故障的诊断结果，即：短路故障信号和故障性雷击信号的电缆线路诊断结果为故障信号；开关合闸信号、非故障性雷击信号和局部放电信号的电缆线路诊断结果为非故障信号。
如表1所示为本实施例通过改变电缆线路高频信号不同的运行条件，采用电缆线路故障诊断算法的仿真验证结果；表1中，R为故障过渡电阻或断路器闭合电阻，单位为Ω；θ为高频信号发生的初始角，D为故障发生处距离母线M处的距离，单位为km；I为雷击信号的幅值。
表1电缆故障诊断结果表
Figure BDA0002919564020000111
Figure BDA0002919564020000121
由表1中故障诊断结果可得，本实施例所提算法可以有效识别出不同种类的高频信号，并根据高频信号的种类得到电缆线路的故障诊断结果，且识别与故障诊断结果不受故障处过渡电阻、高频信号发生初始角、故障发生距母线距离等因素的影响，可对于电缆线路多种高频信号进行识别与区分，并得到电缆故障诊断结果，方法简单、准确，易于工程实现。
实施例2
本实施例提供一种基于高频信号识别的电力电缆故障诊断系统，包括：
第一处理模块，被配置为根据高频信号中的暂态电流信号得到时域特征；
第二处理模块，被配置为对高频信号进行小波分解后得到小波能量分布特征；
信号识别模块，被配置为根据时域特征和小波能量分布特征构建高频信号的识别规则；
故障诊断模块，被配置为根据识别规则得到的高频信号类型判断故障类型。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于高频信号识别的电力电缆故障诊断方法，其特征在于，包括：
根据高频信号中的暂态电流信号得到时域特征；
对高频信号进行小波分解后得到小波能量分布特征；
根据时域特征和小波能量分布特征构建高频信号的识别规则，所述高频信号的识别规则包括：根据时域特征对高频信号进行一次分类，得到局部放电信号和其他高频信号的分类结果，根据小波能量分布特征对其他高频信号进行二次分类，所述根据时域特征对高频信号进行一次分类包括：设置初始脉冲波的波长阈值，根据波长阈值对高频信号进行一次分类，得到局部放电信号和其他高频信号，所述根据小波能量分布特征对其他高频信号进行二次分类包括：通过第一频段阈值得到短路故障信号或断路器开关合闸信号，以及非故障性雷击信号或故障性雷击信号的分类结果；根据第二频段阈值和第三频段阈值分别划分短路故障信号和断路器开关合闸信号，以及非故障性雷击信号和故障性雷击信号；
根据识别规则得到的高频信号类型判断故障类型。
2.如权利要求1所述的一种基于高频信号识别的电力电缆故障诊断方法，其特征在于，所述高频信号包括局部放电信号、短路故障信号、非故障性雷击信号、故障性雷击信号和断路器开关合闸信号。
3.如权利要求1所述的一种基于高频信号识别的电力电缆故障诊断方法，其特征在于，根据预设的暂态分量长度提取高频信号的高频暂态分量，根据高频暂态分量得到高频信号中的暂态电流信号。
4.如权利要求1所述的一种基于高频信号识别的电力电缆故障诊断方法，其特征在于，所述小波分解包括：将高频信号分解为细节部分和大尺度逼近部分，将大尺度逼近部分进一步分解，以此重复得到任意尺度上的逼近部分和细节部分。
5.一种基于高频信号识别的电力电缆故障诊断系统，其特征在于包括：
第一处理模块，被配置为根据高频信号中的暂态电流信号得到时域特征；
第二处理模块，被配置为对高频信号进行小波分解后得到小波能量分布特征；
信号识别模块，被配置为根据时域特征和小波能量分布特征构建高频信号的识别规则，所述高频信号的识别规则包括：根据时域特征对高频信号进行一次分类，得到局部放电信号和其他高频信号的分类结果，根据小波能量分布特征对其他高频信号进行二次分类，所述根据时域特征对高频信号进行一次分类包括：设置初始脉冲波的波长阈值，根据波长阈值对高频信号进行一次分类，得到局部放电信号和其他高频信号，所述根据小波能量分布特征对其他高频信号进行二次分类包括：通过第一频段阈值得到短路故障信号或断路器开关合闸信号，以及非故障性雷击信号或故障性雷击信号的分类结果；根据第二频段阈值和第三频段阈值分别划分短路故障信号和断路器开关合闸信号，以及非故障性雷击信号和故障性雷击信号；
故障诊断模块，被配置为根据识别规则得到的高频信号类型判断故障类型。
6.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-4任一项所述的方法。
CN202110111908.XA 2021-01-27 2021-01-27 一种基于高频信号识别的电力电缆故障诊断方法及系统 Active CN112924810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110111908.XA CN112924810B (zh) 2021-01-27 2021-01-27 一种基于高频信号识别的电力电缆故障诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110111908.XA CN112924810B (zh) 2021-01-27 2021-01-27 一种基于高频信号识别的电力电缆故障诊断方法及系统

Publications (2)

Publication Number Publication Date
CN112924810A CN112924810A (zh) 2021-06-08
CN112924810B true CN112924810B (zh) 2022-06-17

Family

ID=76167159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110111908.XA Active CN112924810B (zh) 2021-01-27 2021-01-27 一种基于高频信号识别的电力电缆故障诊断方法及系统

Country Status (1)

Country Link
CN (1) CN112924810B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019406A (zh) * 2021-09-26 2022-02-08 广西电网有限责任公司电力科学研究院 基于小波变换的配电线路接地故障特征值选取方法及应用

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021961A (zh) * 2015-07-10 2015-11-04 西安交通大学 一种架空绝缘线局部放电检测及定位装置及方法
CN107091973A (zh) * 2017-07-05 2017-08-25 西南交通大学 一种高压直流输电线路雷击点与短路故障点的定位方法
CN108139438A (zh) * 2015-10-13 2018-06-08 施瓦哲工程实验有限公司 使用高频信号的电力系统监测

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323748B (zh) * 2013-06-29 2015-06-10 西安科技大学 基于分形和小波变换的电力电缆故障识别方法
CN103543375B (zh) * 2013-08-26 2016-02-10 上海交通大学 基于小波变换和时域混合特征的交流故障电弧检测方法
CN203811750U (zh) * 2013-11-27 2014-09-03 云南电网公司保山供电局 一种变压器局部放电带电检测系统
CN106054028B (zh) * 2016-07-29 2018-12-21 咸亨国际（杭州）电气制造有限公司 一种基于时域特征和小波分析的电缆故障自动测距方法
EP3385742A1 (en) * 2017-04-05 2018-10-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and apparatus for identifying at least one material comprised in a voxel
EP3457609B1 (en) * 2017-09-18 2020-01-15 Deutsche Telekom AG System and method for computing of anomalies based on frequency driven transformation and computing of new features based on point anomaly density
CN109239551A (zh) * 2018-09-13 2019-01-18 国网湖南省电力有限公司 基于Chirplet变换的局部放电信号时域特征提取方法
CN109861182A (zh) * 2018-12-03 2019-06-07 华中科技大学 一种基于智能控制算法的架空柔直电网故障保护方法
CN111999591B (zh) * 2019-05-27 2023-07-21 北京映翰通网络技术股份有限公司 一种配电网一次设备异常状态的识别方法
CN110703076A (zh) * 2019-09-24 2020-01-17 河海大学 一种基于振动信号频域能量比的gis故障诊断方法
CN111695543B (zh) * 2020-06-23 2022-05-03 贵州电网有限责任公司 一种基于行波时频特性的输电线路隐患放电类型辨识方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021961A (zh) * 2015-07-10 2015-11-04 西安交通大学 一种架空绝缘线局部放电检测及定位装置及方法
CN108139438A (zh) * 2015-10-13 2018-06-08 施瓦哲工程实验有限公司 使用高频信号的电力系统监测
CN107091973A (zh) * 2017-07-05 2017-08-25 西南交通大学 一种高压直流输电线路雷击点与短路故障点的定位方法

Also Published As

Publication number Publication date
CN112924810A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN103344875B (zh) 谐振接地系统单相接地故障分类选线方法
Zhang et al. Transmission line boundary protection using wavelet transform and neural network
CN106501677A (zh) 无需整定阈值的柔性直流输电架空线路故障快速判断方法
CN102135560B (zh) 雷电波侵入变电站的扰动识别方法
CN104237731B (zh) 基于eemd与能量法的谐振接地配电网单相接地故障选线方法
CN104614638A (zh) 小电流系统接地选线方法
Dubey et al. Wavelet based energy function for symmetrical fault detection during power swing
CN112098886B (zh) 一种小电流接地系统单相接地选线方法及系统
CN107765139A (zh) 一种高准确率的谐振接地系统单相接地故障选线方法
CN110007198B (zh) 一种单相接地故障启动方法
Zhang et al. Morphology singular entropy-based phase selector using short data window for transmission lines
CN112924810B (zh) 一种基于高频信号识别的电力电缆故障诊断方法及系统
CN105092997A (zh) 一种特高压输电线路雷电绕击与反击的识别方法
Yong et al. High impedance fault identification method of the distribution network based on discrete wavelet transformation
CN110579684A (zh) 一种基于融合算法的小电流接地系统选线方法
Masood et al. Faults detection and diagnosis of transmission lines using wavelet transformed based technique
CN112485590A (zh) 一种配电网单相断线故障识别方法
Aker et al. Transmission line fault identification and classification with integrated FACTS device using multiresolution analysis and naïve bayes classifier
Ramamurthy et al. High Impedance Fault detection using DWT for transmission and distribution networks
Solak et al. Transmission line impedance-differential protection with improved stabilization for external fault cases
Zaki et al. Integrated discrete wavelet transform-based faulted phase identification for multi-terminals power systems
Jannati et al. A new adaptive single phase auto-reclosure scheme for EHV transmission lines
CN114924161A (zh) 配电系统绝缘态势分析方法及系统
George et al. Traveling wave based autoreclosure scheme for multi-terminal lines
CN112179481B (zh) 一种gis设备的机械故障诊断方法及系统

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