CN112952753B - 一种基于阈值自适应调整的低压电网触电事故检测方法及系统 - Google Patents
一种基于阈值自适应调整的低压电网触电事故检测方法及系统 Download PDFInfo
- Publication number
- CN112952753B CN112952753B CN202110277987.1A CN202110277987A CN112952753B CN 112952753 B CN112952753 B CN 112952753B CN 202110277987 A CN202110277987 A CN 202110277987A CN 112952753 B CN112952753 B CN 112952753B
- Authority
- CN
- China
- Prior art keywords
- electric shock
- residual current
- threshold
- low
- delta
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000003044 adaptive effect Effects 0.000 claims abstract description 31
- 230000000737 periodic effect Effects 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 19
- 230000001012 protector Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000010355 oscillation Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 20
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 230000035772 mutation Effects 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000035939 shock Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H5/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal non-electric working conditions with or without subsequent reconnection
- H02H5/12—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal non-electric working conditions with or without subsequent reconnection responsive to undesired approach to, or touching of, live parts by living beings
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/26—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to difference between voltages or between currents; responsive to phase angle between voltages or between currents
- H02H3/32—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to difference between voltages or between currents; responsive to phase angle between voltages or between currents involving comparison of the voltage or current values at corresponding points in different conductors of a single system, e.g. of currents in go and return conductors
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于阈值自适应调整的低压电网触电事故检测方法及系统,包括步骤:采集线路中的总剩余电流;将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40,并获取c40的周期变化量;计算自适应阈值;采用自适应阈值对周期变化量进行触电检测。本发明可根据线路运行状态实时更新的自适应阈值,能避免周围电气环境变化、电网结构改变、负荷波动以及线路中谐波对总剩余电流的干扰,防止剩余电流保护装置频繁误动。
Description
技术领域
本发明涉及触电保护技术领域,特别是一种基于阈值自适应调整的低压电网触电事故检测方法及系统。
背景技术
电能是一种经济、实用、且容易控制和转换形态的清洁能源,随着社会的发展和其在传输上的便捷,现已被广泛应用于人们的生产生活。虽然与其他能源相比,电能确有很大的优势,但是正因为它在生活中随处可见,使它在给人类提供便捷的同时,也带来不少隐患。近年来,我国经济发展迅猛,社会电气化程度大幅提高,由电网线路损坏或者电气设备漏电等原因造成的火灾事故和人身触电事故也时常发生,用电安全问题成为人们关注的热点话题。触电检测方法从原理上可分为电压型检测法和电流型检测法,但由于电压型检测方法存在的缺陷良多,如今的学者多以电流型检测方法研究为主,通过检测线路中总剩余电流的变化来判断是否发生触电或其他接地漏电事故。目前在用的剩余电流保护器多用的是电流幅值法,通过设定固定阈值对线路中总剩余电流有效值进行检测。当线路中总剩余电流有效值超过阈值时,即判断其发生触电或其他的接地漏电事故,保护启动。但在电网运行过程中,总剩余电流常常会随着周围电气环境的变化、电网结构的改变、负荷的波动以及线路中谐波的产生而发生改变。传统剩余电流检测方法因无法避免这些外界干扰,常常发生误动。再者,由于自然泄漏电流的存在,传统剩余电流检测方法还具有一定的触电保护死区。因此,需研究一种能根据电网运行状况自适应调节阈值大小的方法对触电事故进行检测,保证事故检测的可靠性,同时消除保护死区。
利用剩余电流有效值作为唯一判据的触电检测方法除了容易受到外界电气环境变化等干扰而发生误动,还会存在一定的触电保护死区。这是由于电网及用电设备无法达到完全的绝缘,使得其与大地之间会存在分布电容和对地绝缘电阻。因此在电网的正常运行中,系统就存在自然泄漏电流。这导致剩余电流保护器所测得的剩余电流并不是真正的触电电流,而是自然泄漏电流与触电电流的矢量和。当触电电流与自然泄漏电流的夹角超过某个值时,可能导致二者叠加之后幅值变小,使测得的剩余电流值偏小,达不到保护器的动作值,从而发生拒动。此外,在用户侧触电事故的发生具有很大的随机性,对事故发生处进行定位也非常困难,至今没有较好的解决方案。
发明内容
有鉴于此,本发明的目的是提出一种基于阈值自适应调整的低压电网触电事故检测方法及系统,能够克服上述问题。
本发明采用以下方案实现:一种基于阈值自适应调整的低压电网触电事故检测方法,具体包括以下步骤:
采集线路中的总剩余电流;
将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40,并获取c40的周期变化量Δc;
计算自适应阈值λ;
采用自适应阈值λ对Δc进行触电检测。
进一步地,所述将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40具体为:
基于Mallat小波变换对总剩余电流波形信号进行降噪预处理;
选取Daubechies小波作为Mallat小波分解的基函数,对原始总剩余电流进行4层分解,选取第四层0~312.5Hz的低频段分量c40作为滤波后的有效信号。
进一步地,所述获取c40的周期变化量Δc具体为:采用下式
式中,m为当前点与参考点之间间隔的周期数;q为每个工频周期的采样点数,Δc(i)表示当前点低频段分量c40的周期变化量,表示当前点低频段分量c40的值,表示与当前点间隔m个周期的参考点的c40分量的值。
进一步地,所述计算自适应阈值λ具体包括以下步骤:
计算震荡区前一个周期内Δc的平均值δ;
计算震荡区前一个周期内Δc的最大值η;
结合δ与η计算自适应阈值λ如下:
λ(i)=δ(i)+Kη(i)×η(i);
式中,i表示第i个采样点,Kη为最大值利用系数。
进一步地,所述最大值利用系数Kη的计算如下:
进一步地,所述采用自适应阈值λ对Δc进行触电检测具体为:
首先通过自适应阈值λ对Δc的波形进行实时监测;
当周期变化量Δc的值超过其所对应的自适应阈值时,即判定此时出现了扰动,记录第一个越限时刻;同时,自适应阈值的计算停止,阈值保持为该时刻计算所得的值,直到判断流程结束,周期变化量Δc的值仍在实时计算,与阈值进行比较;
若在扰动时刻后续的等待时间Td秒内,Δc的越限次数超过其对应的越限次数阈值ω,则判断此时发生了触电事故;反之,若在等待时间内,Δc的越限次数未达到阈值ω上限,则故障时刻被清零,判断流程结束,返回正常检测状态,并重新开始自适应阈值的计算。
进一步地,所述等待时间Td的取值为0.25T,T为一个工频周期。
进一步地,所述越限次数阈值ω的取值为等待时间内采样点数的五分之一。
本发明还提供了一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本发明还提供了一种基于阈值自适应调整的低压电网触电事故检测系统,包括剩余电流互感器、剩余电流保护器、智能电能表以及采集主站;
所述剩余电流互感器用以采集线路中的总剩余电流;并将其传输至剩余电流保护器中;
所述剩余电流保护器中的存储器存储有计算机程序指令,当剩余电流保护器运行该计算机程序指令时,能够实现如上文所述的方法步骤,实现触电检测;
当剩余电流保护器判断此时发生了触电事故,则控制继电器跳闸,并将触电信息发送给线路所属的智能电能表;
智能电能表通过主动上报事件,告知主站此处发生了触电事故;主站通过查阅智能电能表信息,定位到触电事故发生的位置。
与现有技术相比,本发明有以下有益效果:本发明基于突变量的自适应触电检测算法,把对原始总剩余电流突变量的检测转化为对Δc波形突变量的检测,这样不仅使原来较为微弱的剩余电流信号突变特征得到放大,通过对周期变化量的检测还能避免触电保护死区问题。且基于Δc的历史波形数据构造出的可根据线路运行状态实时更新的自适应阈值,能避免周围电气环境变化、电网结构改变、负荷波动以及线路中谐波对总剩余电流的干扰,防止剩余电流保护装置频繁误动。最后,通过与智能电能表的联动,构建出一个触电检测系统,通过电表信息实现触电事故的初步定位功能,大大缩小了触电事故的排查范围。
附图说明
图1为本发明实施例的系统示意图。
图2为本发明实施例的系统流程示意图。
图3为本发明实施例的触电检测方法示意图。
图4为本发明实施例的Mallat小波分解过程示意图。
图5为本发明实施例的触电后总剩余电流各频带能量示意图。
图6为本发明实施例的震荡区的选择示意图。
图7为本发明实施例的自适应触电判断过程示意图。
图8为本发明实施例的低压配电网触电实验软件仿真平台示意图。
图9为本发明实施例的低压触电物理实验平台示意图。
图10为本发明实施例的软件仿真平台实验结果示意图。其中,(a)为C相电压信号,(b)为线路正常运行时总剩余电流信号,(c)为非生命体触电时总剩余电流信号,(d)为生命体触电时总剩余电流信号。
图11为本发明实施例的物理仿真平台实验结果示意图。其中,(a)为C相电压信号,(b)为线路正常运行时总剩余电流信号,(c)为非生命体触电时总剩余电流信号,(d)为生命体触电时总剩余电流信号。
图12为本发明实施例正常情况下总剩余电流波形及其对应的检测过程。其中,(a)为原始总剩余电流波形,(b)为总剩余电流波形低频c40分量,(c)为周期变化量及自适应阈值,(d)为启动信号。
图13为本发明实施例非生命体触电总剩余电流波形及其对应的检测过程。其中,(a)为电源电压过零时刻触电,(b)为电源电压最大值时刻触电。
图14为本发明实施例生命体触电总剩余电流波形及其对应的检测过程。其中,(a)为电源电压过零时刻触电,(b)为电源电压最大值时刻触电。
图15为本发明实施例的负载投入时总剩余电流波形及其对应的检测过程。
图16为本发明实施例的触电实验装置物理样机。
具体实施方式
下面结合附图及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,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请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申请的示例性实施方式。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,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图3所示,本实施例提供了一种基于阈值自适应调整的低压电网触电事故检测方法,具体包括以下步骤:
采集线路中的总剩余电流;
将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40,并获取c40的周期变化量Δc;考虑到剩余电流信号存在于线路中都比较微弱,本实施例通过计算c40分量的周期变化量Δc来放大波形突变特征,将传统方法对总剩余电流波形突变的检测转化为对Δc波形突变的检测;
计算自适应阈值λ;
采用自适应阈值λ对Δc进行触电检测。
在本实施例中,所述将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40具体为:
基于Mallat小波变换对总剩余电流波形信号进行降噪预处理;
选取Daubechies小波作为Mallat小波分解的基函数,对原始总剩余电流进行4层分解,选取第四层0~312.5Hz的低频段分量c40作为滤波后的有效信号。
具体的,Mallat算法在保留了小波变换强大的时频分解能力的同时大大简化了小波变换复杂的计算函数。相比于小波算法,Mallat算法在极大程度上降低了计算负担,节约了波形数据处理所用的时间。Mallat算法的递推公式如式(1)所示:
式中,j为分解尺度;c2j f(i)为第j尺度的平滑分量;h2j f(i)为第j尺度的细节分量;和/>分别为平滑分量的系数和细节分量的系数;/>为第j-1尺度对应(i-2j-1k)点的值,k为平滑分量的系数和细节分量的系数对应的下标;
由式(1)可知Mallat递推公式中,需要确定的参数只有低频平滑分量和高频细节分量的系数,而这些系数都是由所选取的小波基函数来确定的。所以需要先为其选取合适的小波基,才能对信号进行有效地分解。对小波基函数的选取一般需要考虑它的正交性、紧支性、正则性和消失矩。其中正交性好的小波基函数可以简化分解过程,使信号的重构更加精确。消失矩则是为了削弱高频噪声而设置的限制条件。消失矩越大时高频噪声衰减的越快,信号频域定域性越好,频带划分也就越准确。但此时紧支撑长度就越长,会增加分解计算时间。紧支撑长度决定的是局部时频分解的能力,长度越短越有利于瞬时信号和突变量地检测,一般紧支撑长度取在5~9之间。除此之外,消失矩还对小波基函数的正则性有一定影响。正则性好的基函数分解重构后的波形更加平滑,且分解所得的频域也更加准确。对于样条小波、Daubechies小波等基函数,随着消失矩增大,正则性也增大。因此,在选取小波基函数时需要对各特性进行综合考虑,权衡好它们之间的比重,才能达到一个比较好的分解效果。基于以上分析本研究选择具有良好正交性、紧支性和平滑性的Daubechies小波作为Mallat小波分解的基函数。Daubechies小波是由比利时物理学家IngridDaubechies提出的,一般简写成dbN,N为阶数,可取值为1,2,3,…,10。dbN小波基的紧支撑长度为2N-1,消失矩长度为N。综合各方面性能的考虑,设定小波的阶数N=3,使得小波滤波呈现良好的局部时频特征,计算过程简单且对信号突变具有较大的敏感性。确定了小波基函数,就可以根据式(1)对原始信号进行多分辨率分析,分解流程如图4所示。
为选出总剩余电流特征蕴含量比较丰富的频带,本实施例采用小波包变换分析其暂态时频特征的分布情况。将触电后的原始总剩余电流进行小波包分解,并计算分解后各频带的小波包能量。小波包分解与重构公式,如式(2)和(2)所示。
式中,m为分解层数;为第m层第n个小波包系数;k为平移因子;g(k)为高频滤波器;h(k)为低频滤波器,i表示第i个采样点;
计算重构后第m层第n频段的小波包能量,公式如式(4)所示:
式中,对进行归一化处理,如式(5)所示:
对触电后原始总剩余电流进行小波包变换8层分解,即分为256个频带。由于采样频率为10kHz,分解所得每个频带宽度为19.53Hz。计算每个频带的小波包能量,并进行归一化处理,结果如图5所示。
从图5可以看出能量集中分布在前7个频带,即0-136.72Hz之间,该区间段能量占总能量比值达96.27%。由以上分析可知触电后总剩余电流暂态时频特征主要分布在0-136.72Hz频段,综合考虑分解层数过多会增加算法的复杂度,对原始总剩余电流进行4层分解,即把总剩余电流分解成16个频段,每个频段宽度为312.5Hz。
如图4,原始信号为c20 f,采样频率fs为10kHz,经过Mallat小波变换后,选取第4层0-312.5Hz的低频段c24 f分量c40作为滤波后的有效信号进行触电事故检测。
剩余电流在电网中的存在一般都比较微弱,总剩余电流幅值较小,在几十毫安到几安范围内。因此常常导致故障电流突变特征不够明显,容易和线路干扰造成的微小突变混淆在一起难以分辨,而给检测工作带来极大的困难。为了放大故障特征,本实施例对经Mallat小波变换得到的低频c40分量进一步处理,获取它的周期变化量Δc。这样就把低频c40分量波形的变化放大成周期变化量的变化。正常运行情况下,c40分量的周期变化量一般都在零附近波动,只有出现扰动或者触电事故时,才会发生突变。因此,传统方法中直接对原始总剩余电流突变量的检测最终转化成为了对Δc波形突变量的检测,除了使故障特征得到了放大,还能消除传统触电检测方法存在故障保护死区的问题,同时,使保护动作更加准确、迅速。在本实施例中,所述获取c40的周期变化量Δc具体为:采用下式
式中,m为当前点与参考点之间间隔的周期数;q为每个工频周期的采样点数,Δc(i)表示当前点低频段分量c40的周期变化量,表示当前点低频段分量c40的值,表示与当前点间隔m个周期的参考点的c40分量的值。由于采样频率为10kHz,故q的值为200;m的值取整数2。
在本实施例中,所述计算自适应阈值λ具体包括以下步骤:
计算震荡区前一个周期内Δc的平均值δ;公式如下:
式中,Zq为震荡区长度。因为接近故障点处,低频c40分量可能会出现震荡,所以在计算自适应阈值时,设置一个震荡区Zq,并跳开这个震荡区去计算自适应阈值,以避免发生故障时的震荡对阈值计算产生影响,震荡区的选取如图6所示,其中Zq的取值为八分之一个工频周期的采样点数。
计算震荡区前一个周期内Δc的最大值η;公式如下:
η(i)=max[|Δc(i-Zq-q)|,…,|Δc(i-Zq)|]; (8)
结合δ与η计算自适应阈值λ如下:
λ(i)=δ(i)+Kη(i)×η(i); (9)
式中,i表示第i个采样点,Kη为最大值利用系数。
在本实施例中,所述最大值利用系数Kη的计算如下:
在本实施例中,所述采用自适应阈值λ对Δc进行触电检测具体为:
为避免触电检测算法受负荷波动和电气环境变化等因素的干扰,本实施例摒弃了以固定阈值作为故障判据的传统思想。设计了一种自适应阈值,它根据每次采集到的新离散数据进行更新,这样计算所得的阈值对线路运行状态的改变就具有很强的敏感性,能实时根据线路运行情况作出相应调整。例如,当线路中总剩余电流随着负荷的增大而逐渐增大时,Δc的值也会被置于一个较高的水平,此时自适应阈值能根据Δc的波形数据实时做出调整,相应地提高自身的值,从而避免发生误判。另外,为提高算法的可靠性,所提触电检测算法还设置了两个额外的参数—等待时间Td和越限次数阈值ω。对线路中触电事故的检测,首先通过自适应阈值对Δc的波形进行实时监测。当周期变化量Δc的值超过其所对应的自适应阈值时,算法即判定此时出现了扰动,记录第一个越限时刻。同时,自适应阈值的计算停止,阈值保持为该时刻计算所得的值,直到判断流程结束。但周期变化量Δc的值仍在实时计算,与阈值进行比较。若在扰动时刻后续的Td秒内,Δc的越限次数超过其对应的越限次数阈值ω,则判断此时发生了触电事故,算法将输出故障启动信号且记录故障时刻;反之,若在等待时间内,Δc的越限次数未达到阈值上限,则故障时刻被清零,跳出故障判断程序。算法回到正常监测状态,自适应阈值的计算也将重新开启。
通过观察线路正常运行情况下受到干扰时与发生触电事故时低频分量c40的变化曲线,发现干扰造成的突变尖峰非常短暂,在10kHz的采样频率下,尖峰越过自适应阈值的点数均在5个点左右。于是,对于等待时间Td,本实施例将其设置为0.25T(T为一个工频周期,即0.02s)。越限次数阈值ω设为等待时间内采样点数的五分之一,即10个点。触电检测算法流程如图7所示。
本实施例还提供了一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本实施例还提供了一种基于阈值自适应调整的低压电网触电事故检测系统,如图1以及图2所示,包括剩余电流互感器、剩余电流保护器、智能电能表以及采集主站;
所述剩余电流互感器用以采集线路中的总剩余电流;并将其传输至剩余电流保护器中;
所述剩余电流保护器中的存储器存储有计算机程序指令,当剩余电流保护器运行该计算机程序指令时,能够实现如上文所述的方法步骤,实现触电检测;
当剩余电流保护器判断此时发生了触电事故,则控制继电器跳闸,并将触电信息发送给线路所属的智能电能表;
智能电能表通过主动上报事件,告知主站此处发生了触电事故;主站通过查阅智能电能表信息,定位到触电事故发生的位置。
在本实施例中,为获取线路正常运行情况下及发生触电事故时的总剩余电流波形,选用Matlab/simulink搭建了一套低压配电网触电实验软件仿真模型,如图8所示。另外,为使实验更加贴近实际还搭建了一套低压配电网触电实验物理仿真模型,如图9所示。其中剩余电流互感器为ALT25-50mA S/V2,输入0~50mA对应输出0~10V。选用KeysightInfiniiVision 3000T X系列示波器对实验所得的总剩余电流波形进行采集。
在本实施例中,采集了线路正常运行情况下有负荷投切及三相不平衡情况下的总剩余电流波形;还有线路发生触电事故时的总剩余电流波形,其中触电对象为小树枝、土壤、雨水、小白鼠、成年家兔等。总剩余电流波形如图10、11所示。
本实施例提出了一种基于突变量的触电检测新方法,并基于Matlab进行算法的编程,根据软件仿真实验平台和物理仿真实验平台所得的不同情况下的1000组总剩余电流波形数据对算法进行验证。其中线路正常运行情况下总剩余电流波形数据共200条,非生命体触电情况下总剩余电流波形数据共400条,生命体触电情况下总剩余电流波形数据共400条。具体实验结果如下:
线路正常运行时,总剩余电流波形及对应的Δc波形,如图12所示,可以看出此时Δc波形基本保持稳定,且幅值远小于自适应阈值。若线路发生触电事故,总剩余电流将迅速增大,Δc波形也将骤增。如图13、14所示,触电事故发生在0.1s处,此时总剩余电流幅值迅速增大,Δc波形也发生大幅突变。且故障发生后Δc的值会迅速越过自适应阈值,并在判断流程结束后,可靠地输出启动信号。
此外,考虑到触电时刻电源电压的幅值会对总剩余电流突变特征有所影响,本实施例分析了电源电压最大值时刻和过零时刻触电两种极端情况。当电源电压较小时发生触电事故,总剩余电流波形突变总会有些许滞后,不能马上反应。情况如图13、14所示,当故障发生在电源电压为最大值时刻,Δc会在1ms内迅速越过自适应阈值,但故障发生在电源电压过零时刻时,Δc波形的突变会发生滞后,触电事故检测所需的时间略微增加,Δc将在3ms内越过自适应阈值。经大量实验发现,随着触电时刻电源电压幅值的减小,Δc波形突变滞后现象越加严重,但其滞后时间最多不会超过3ms,满足实际应用要求。
最后,本实施例还考虑了线路正常运行情况下,负荷波动及三相负载不平衡对总剩余电流的影响。在图9物理仿真实验平台所设的插座处投入电器,结果如图15所示,在0.1s时接通插座投入电吹风,此时总剩余电流出现一个扰动,Δc也发生了突变,越过自适应阈值,触发触电检测算法的判断程序。但在等待时间Td内,Δc的越限次数未达到阈值上限δ,触电检测算法不会对其做出响应。
1000组总剩余电流波形数据的测试结果表明,本实施例所提算法能比较准确地避免线路正常运行时外界因素造成的干扰,识别准确率达99.5%。在判断错误的5笔数据中,其中有3次正常情况发生了误动作,2次非生命体触电事故检测算法发生了严重的滞后现象。在正确动作的实验中,触电事故发生时的平均启动时间为6.2ms,其中有5ms为算法为躲过干扰所设置的等待时间Td。
为进一步验证所提算法的有效性,本实施例还设计了一套触电检测装置物理样机,实物如图16所示。
MCU采用32位微控制器STM32F407。将剩余电流互感器接入本实施例搭建的低压触电物理实验平台中,获取总剩余电流。MCU根据写入的触电检测算法,对采集的总剩余电流进行监测。利用低压触电物理实验平台进行触电实验,测试了生命体与非生命体触电情况各100组,线路正常工作情况50组。触电检测装置识别准确率达98.4%,平均动作耗时0.0525s。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (9)
1.一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,包括以下步骤:
采集线路中的总剩余电流;
将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40,并获取c40的周期变化量Δc;
计算自适应阈值λ;
采用自适应阈值λ对Δc进行触电检测,具体为:
首先通过自适应阈值λ对Δc的波形进行实时监测;
当周期变化量Δc的值超过其所对应的自适应阈值时,即判定此时出现了扰动,记录第一个越限时刻;同时,自适应阈值的计算停止,阈值保持为该时刻计算所得的值,直到判断流程结束,周期变化量Δc的值仍在实时计算,与阈值进行比较;
若在扰动时刻后续的等待时间Td秒内,Δc的越限次数超过其对应的越限次数阈值ω,则判断此时发生了触电事故;反之,若在等待时间内,Δc的越限次数未达到阈值ω上限,则故障时刻被清零,判断流程结束,返回正常检测状态,并重新开始自适应阈值的计算。
2.根据权利要求1所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述将采集到的总剩余电流进行降噪处理,提取小波变换后第4层的低频段分量c40具体为:
基于Mallat小波变换对总剩余电流波形信号进行降噪预处理;
选取Daubechies小波作为Mallat小波分解的基函数,对原始总剩余电流进行4层分解,选取第四层0~312.5Hz的低频段分量c40作为滤波后的有效信号。
3.根据权利要求1所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述获取c40的周期变化量Δc具体为:采用下式
式中,m为当前点与参考点之间间隔的周期数;q为每个工频周期的采样点数,Δc(i)表示当前点低频段分量c40的周期变化量,表示当前点低频段分量c40的值,表示与当前点间隔m个周期的参考点的c40分量的值。
4.根据权利要求1所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述计算自适应阈值λ具体包括以下步骤:
计算震荡区前一个周期内Δc的平均值δ;
计算震荡区前一个周期内Δc的最大值η;
结合δ与η计算自适应阈值λ如下:
λ(i)=δ(i)+Kη(i)×η(i);
式中,i表示第i个采样点,Kη为最大值利用系数。
5.根据权利要求4所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述最大值利用系数Kη的计算如下:
6.根据权利要求1所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述等待时间Td的取值为0.25T,T为一个工频周期。
7.根据权利要求1所述的一种基于阈值自适应调整的低压电网触电事故检测方法,其特征在于,所述越限次数阈值ω的取值为等待时间内采样点数的五分之一。
8.一种计算机可读存储介质,其特征在于,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-7任一项所述的方法步骤。
9.一种基于阈值自适应调整的低压电网触电事故检测系统,其特征在于,包括剩余电流互感器、剩余电流保护器、智能电能表以及采集主站;
所述剩余电流互感器用以采集线路中的总剩余电流;并将其传输至剩余电流保护器中;
所述剩余电流保护器中的存储器存储有计算机程序指令,当剩余电流保护器运行该计算机程序指令时,能够实现如权利要求1-7任一项所述的方法步骤,实现触电检测;
当剩余电流保护器判断此时发生了触电事故,则控制继电器跳闸,并将触电信息发送给线路所属的智能电能表;
智能电能表通过主动上报事件,告知主站此处发生了触电事故;主站通过查阅智能电能表信息,定位到触电事故发生的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110277987.1A CN112952753B (zh) | 2021-03-15 | 2021-03-15 | 一种基于阈值自适应调整的低压电网触电事故检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110277987.1A CN112952753B (zh) | 2021-03-15 | 2021-03-15 | 一种基于阈值自适应调整的低压电网触电事故检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112952753A CN112952753A (zh) | 2021-06-11 |
CN112952753B true CN112952753B (zh) | 2024-05-10 |
Family
ID=76229378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110277987.1A Active CN112952753B (zh) | 2021-03-15 | 2021-03-15 | 一种基于阈值自适应调整的低压电网触电事故检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112952753B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113917294B (zh) * | 2021-09-25 | 2023-10-13 | 湖北创全电气有限公司 | 基于小波分解的智能自适应电弧检测方法及其应用装置 |
CN115498600A (zh) * | 2022-10-09 | 2022-12-20 | 福州大学 | 低压配电网生物触电识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122810A (zh) * | 2011-03-11 | 2011-07-13 | 上海诺雅克电气有限公司 | 用于监测电流互感器状态的电流诊断装置及其诊断方法 |
CN102684141A (zh) * | 2012-04-28 | 2012-09-19 | 中国农业大学 | 触电电流识别方法及剩余电流保护装置 |
CN110445093A (zh) * | 2019-06-10 | 2019-11-12 | 国网陕西省电力公司电力科学研究院 | 一种基于通信的低压配网自适应漏电保护方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858948B (zh) * | 2009-04-10 | 2015-01-28 | 阿海珐输配电英国有限公司 | 用于在三相中压配电系统中进行暂态和间歇性接地故障检测和方向确定的方法和系统 |
FR2986269B1 (fr) * | 2012-01-30 | 2015-08-07 | Snecma | Systeme de detection d'un impact sur une roue aubagee de moteur d'aeronef |
CN104638612B (zh) * | 2015-02-13 | 2017-08-08 | 西安交通大学 | 一种人体触电事故识别与保护方法 |
-
2021
- 2021-03-15 CN CN202110277987.1A patent/CN112952753B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122810A (zh) * | 2011-03-11 | 2011-07-13 | 上海诺雅克电气有限公司 | 用于监测电流互感器状态的电流诊断装置及其诊断方法 |
CN102684141A (zh) * | 2012-04-28 | 2012-09-19 | 中国农业大学 | 触电电流识别方法及剩余电流保护装置 |
CN110445093A (zh) * | 2019-06-10 | 2019-11-12 | 国网陕西省电力公司电力科学研究院 | 一种基于通信的低压配网自适应漏电保护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112952753A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lima et al. | High impedance fault detection based on Stockwell transform and third harmonic current phase angle | |
CN112952753B (zh) | 一种基于阈值自适应调整的低压电网触电事故检测方法及系统 | |
JP7394800B2 (ja) | 非接地配電システムのための過渡状態に基づいた故障位置特定方法 | |
Michalik et al. | New ANN-based algorithms for detecting HIFs in multigrounded MV networks | |
Guo et al. | Wavelet-transform based early detection method for short-circuit faults in power distribution networks | |
US20200393505A1 (en) | Effective feature set-based high impedance fault detection | |
Liu et al. | Application of the variational mode decomposition-based time and time–frequency domain analysis on series DC arc fault detection of photovoltaic arrays | |
Wang et al. | High impedance fault detection method based on improved complete ensemble empirical mode decomposition for DC distribution network | |
Lin et al. | Power quality detection with classification enhancible wavelet-probabilistic network in a power system | |
US20100161275A1 (en) | Trend Analysis Methods and System for Incipient Fault Prediction | |
CN104730423A (zh) | 光伏并网发电系统的孤岛效应检测方法 | |
CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法 | |
CN104410360A (zh) | 光伏发电系统安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置 | |
Shafiullah et al. | Machine learning tools for active distribution grid fault diagnosis | |
CN110007198A (zh) | 一种新型的单相接地故障启动方法 | |
Mahela et al. | A hybrid signal processing technique for recognition of complex power quality disturbances | |
Li et al. | A single-phase-to-ground fault location method based on convolutional deep belief network | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和系统 | |
Costa et al. | A method for fault classification in transmission lines based on ann and wavelet coefficients energy | |
Mahela et al. | A protection scheme for distribution utility grid with wind energy penetration | |
Sheng et al. | An improved high-impedance fault identification scheme for distribution networks based on kernel extreme learning machine | |
de Souza et al. | High impedance fault detection in distribution systems: An approach based on fourier transform and artificial neural networks | |
Varghese P et al. | Application of signal processing techniques and intelligent classifiers for high-impedance fault detection in ensuring the reliable operation of power distribution systems | |
CN104730384A (zh) | 基于不完全s变换的电能扰动识别与定位方法 | |
TWI694386B (zh) | 田口法與人工神經網路進行微電網靜態開關之故障偵測、分類與定位之方法 |
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 |