CN113311219A - 一种配电网暂时过电压识别方法 - Google Patents
一种配电网暂时过电压识别方法 Download PDFInfo
- Publication number
- CN113311219A CN113311219A CN202110265284.7A CN202110265284A CN113311219A CN 113311219 A CN113311219 A CN 113311219A CN 202110265284 A CN202110265284 A CN 202110265284A CN 113311219 A CN113311219 A CN 113311219A
- Authority
- CN
- China
- Prior art keywords
- signal
- atomic energy
- atom
- overvoltage
- frequency
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
- G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
- G01R19/16547—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies voltage or current in AC supplies
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及一种配电网暂时过电压识别方法,属于配电网的技术领域。该方法提取过电压发生后特定时段数据后,利用原子分解算法分解获得有效原子后,计算波形每个频带的原子能量,并拼接成原子能量E作为特征量,输入SVM中识别得出过电压类型。本发明解决了现有技术的配电网过电压识别方法中特征提取存在区分度低、适用性差等问题。
Description
技术领域
本发明涉及一种配电网暂时过电压识别方法,属于配电网的技术领域。
背景技术
发生在配网中的过电压事故约占整个电力系统过电压事故的70~80%,这其中暂时过电压因持续时间较长,更易引起设备绝缘损坏,从而引发各类短路故障,严重危及配电网供电可靠性。
在暂时过电压发生初期,可能尚未出现设备绝缘击穿,如若能及时进行预警,识别出过电压类型,有利于查明事故原因,评估设备的绝缘状态,这对提高配电网的自愈能力和保障配电网可靠供电具有重要的意义。
目前过电压识别一般分为特征提取和模式识别,其中提取的特征量是否具有区分度是识别的关键。过电压信号为非平稳信号,其频率随时间而改变。常用的分析方法有:小波变换、S变换、希尔伯特-黄变换(HHT)等,但以上方法均存在一定的局限性,如:小波变换频带分析范围取决于采样频率,频带宽度无法自定义,且小波基的选取对变换结果影响很大;S变换对于采样频率较高的信号处理速度较慢,且变换结果存在很大冗余,因此仅适用于分析持续时间较短的操作过电压;HHT变换、局部特征尺度分解(LCD)和变分模态分解(VMD) 等分析方法均存在的端点效应和模态混叠等问题。
现有技术的配电网过电压识别方法中特征提取存在区分度低、适用性差等问题,因此,本发明提供一种配电网暂时过电压识别方法用于解决上述问题。
发明内容
为了解决上述技术问题,本发明提供一种配电网暂时过电压识别方法,本发明抗噪性强、维数低、差异性强。
本发明技术方案如下:
一种配电网暂时过电压识别方法,包括如下步骤:
S1:实时获取并记录母线三相电源的三相电压波形;
S2:提取过电压发生后n个连续周期波内的零序电压;
S3:将零序电压作为待测信号输入至原子分解算法迭代寻找与待测信号最匹配的最优原子的原子参数γ=(f,ρ,φ,ts,te),待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,其中f为频率,ρ为衰减系数;φ为相位, ts为起始时间,te为终止时间;
S4:将最优原子按照频率划分到对应的频带上,计算每个频带所包含最优原子的原子能量Ei,再将每个频带的原子能量Ei拼接获得该波形的原子能量数组E,所述频带为待测信号的频宽;
S5:将拼接后的原子能量数组E作为特征量,输入至多分类SVM模型中识别得出过电压类型。
步骤S5中,所述多分类SVM模型识别方式为:先训练样本特征提取,提取N个样本特征量xl,获取数据集合D={(xl,fi)|l=1,2,…,N},再将原子能量数组E中的每个原子能量Ei分别按照频率划分到n1个频带上,实现5类过电压的识别,其中xl为样本的特征量第l个样本,fi为样本标签。
步骤S1中,通过录波装置实时获取并记录母线三相电源母线三相电压波形,并对是否过电压进行判断,若是,则储存故障点前后各n3个波形。
步骤S3中,将待测信号送入衰减正弦量原子库中,通过ICA优化算法在原子库中寻找与待测信号最为匹配的最优原子,保存所寻最优原子及其参数,待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,
Pi=Gi/G1
判断匹配度Pi是否小于5%,若是,则分解完成,否则返回衰减正弦量原子库中,所述衰减正弦量原子库是根据已知数据构建的。
其中ci(k)为频率属于第i个频带的所有原子在第k个点的幅值;N为信号的数据长度。
步骤S5中,多分类SVM模型将原子能量数组E中的每个原子能量Ei分别按照频率划分到n1个频带上,原子能量即可表征每一类暂时过电压在频域上的差异。
本发明具有如下有益效果:
1、本发明将信号在一组过完备的非正交基上分解,分解的结果是高度稀疏的,原子分解算法处理过电压信号具有更强的适用性,并且原子分解能够较好地分解出频率相近的部分且具有较强的抗噪性;
2、本发明原子能量特征维数低,能够较好地反应过电压波形的本质,并具有较高的区分度,结合SVM分类器能够有效识别暂时过电压;
3、本发明将所提取特征量能够有效表征过电压波形的频率特征,可为过电压的抑制提供数据依据。
附图说明
图1为本发明的方法流程图;
图2为本发明的原子分解算法流程图;
图3为本发明配电网仿真模型图;
图4为本发明暂时过电压样本实验条件示意图;
图5是本发明测试样本识别结果示意图;
图6是本发明实施例3中不同方法识别准确率示意图;
图7是本发明物理仿真系统样本示意图;
图8是本发明故障指示器电压信号波形图;
图9是本发明实施例3中故障指示器波形识别结果;
图10是本发明5类过电压的原子能量示意图。
具体实施方式
下面结合附图和具体实施例来对本发明进行详细的说明。
实施例1:
实施例如图1-2所示,一种配电网暂时过电压识别方法,包括如下步骤:
S1:实时获取并记录母线三相电源的三相电压波形;
S2:提取过电压发生后4个连续周期波内的零序电压;
S3:将零序电压作为待测信号输入至原子分解算法迭代寻找与待测信号最匹配的最优原子的原子参数γ=(f,ρ,φ,ts,te),待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,其中f为频率,ρ为衰减系数;φ为相位, ts为起始时间,te为终止时间;
S4:将最优原子按照频率划分到对应的频带上,计算每个频带所包含最优原子的原子能量Ei,再将每个频带的原子能量Ei拼接获得该波形的原子能量数组E,所述频带为待测信号的频宽;
S5:将拼接后的原子能量数组E作为特征量,输入至多分类SVM模型中识别得出过电压类型。
进一步的,步骤S5中,所述多分类SVM模型识别方式为:先训练样本特征提取,提取N个样本特征量xl,获取数据集合D={(xl,fi)|l=1,2,…,N},再将原子能量数组E中的每个原子能量Ei分别按照频率划分到5个频带上,实现单相金属性接地、分频谐振、基频谐振、高频谐振和间歇性弧光接地共5类过电压的识别,其中xl为样本的特征量第l个样本,fi为样本标签。
进一步的,步骤S1中,通过录波装置实时获取并记录母线三相电源母线三相电压波形,并对是否过电压进行判断,若是,则储存故障点前后各10个波形。
进一步的,步骤S3中,将待测信号送入衰减正弦量原子库中,通过ICA 优化算法在原子库中寻找与待测信号最为匹配的最优原子,保存所寻最优原子及其参数,待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,
Pi=Gi/G1
判断匹配度Pi是否小于5%,若是,则分解完成,否则返回衰减正弦量原子库中,所述衰减正弦量原子库是根据已知数据构建的。
其中ci(k)为频率属于第i个频带的所有原子在第k个点的幅值;N为信号的数据长度。
进一步的,步骤S5中,多分类SVM模型将原子能量数组E中的每个原子能量Ei分别按照频率划分到5个频带上,原子能量即可表征每一类暂时过电压在频域上的差异。
实施例2:
实施例如图1-2所示,一种配电网暂时过电压识别方法,包括如下步骤:
S1:实时获取并记录母线三相电源的三相电压波形;
S2:提取过电压发生后四个连续周期波内的零序电压;
S3:将零序电压作为待测信号输入原子分解算法迭代寻找与待测信号最匹配的原子的原子参数γ=(f,ρ,φ,ts,te),其中f为频率,ρ为衰减系数;φ为相位,ts和te分别为起、止时间;
S4:计算每个频带的原子能量Ei,再将每个频带的原子能量Ei拼接获得该波形的原子能量数组E,所述频带为待测信号的频宽;
S5:将拼接后的原子能量数组E作为特征量,输入多分类SVM模型中识别得出过电压类型,所述多分类SVM模型为支持向量机;
S31:将待测信号送入衰减正弦量原子库中,通过ICA优化算法在原子库中寻找与待测信号最为匹配的最优原子,保存所寻最优原子及其参数,待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,
Pi=Gi/G1
判断匹配度Pi是否小于5%,若是,则分解完成,否则返回衰减正弦量原子库中,所述衰减正弦量原子库的构建采用衰减正弦量模型
式中:每一个衰减正弦量原子模型gr(t)的参数组为γ=(f,φ,ρ,ts,te)。其中, f为原子频率;φ为初相位;ρ为衰减系数;ts和te分别为衰减正弦量原子的开始与终止时间;u(t)为单位阶跃函数;Kγ为原子归一化因子;原子库的规模越大,越能简洁、完全地表示信号,但这将带来严重的计算问题。因此在实际应用中必须对参数组γ=(f,φ,ρ,ts,te)进行离散化处理,处理后为γ=(2πf/N,2πs/N,m/N,ns,ne),f∈[1,N],s∈[0,N-1],m∈[-N,N],0≤ns<ne≤N-1,N为待分解信号的数据点数;
匹配追踪(Matching Pursuit,MP)算法是原子分解过程中常用的一种迭代优化策略,该算法是一种贪婪算法,每次迭代都需要遍历整个原子库,从中得到本次迭代过程中与待分解信号内积值最大的原子(即为最优原子),然后从待分解信号中去除这个最优原子的能量,形成新的信号(称之为残差信号)并重复此过程。将迭代次数或残差信号的能量作为阈值,控制MP算法的计算过程。
假设D为过完备原子库(D∈H),H为有限维Hilbert空间,f为待分解信号,gγ原子库D中的原子。为了能近似表示信号f,在每次分解中,MP算法寻找与当前信号最为匹配的原子,即与当前残差信号(i为分解次数)具有最大的内积。
对每次分解的得到的残差信号重复式和式,n次分解后,信号f可表示为
因此,若不限制分解次数,最优原子的线性组合可以满足待分解信号任何精度的近似,但由于计算量的限制,一般当迭代次数或残差信号能量达到一定阈值时,认为信号的近似程度满足要求,便可停止迭代。阈值可根据实际计算的需要进行设定;
其中ci(k)为频率属于第i个频带的所有原子在第k个点的幅值;N为信号的数据长度;
S51:多分类SVM模型将原子能量数组E中的每个原子能量Ei分别按照频率划分到5个频带上,原子能量即可表征每一类暂时过电压在频域上的差异,所述5个频带为:0~40Hz、40~60Hz、60~100Hz、100~300Hz、300~3000Hz。
进一步的,步骤S5中,所述多分类SVM模型识别方式为:先训练样本特征提取,提取N个样本特征量xl,则数据集合D={(xl,fi)|l=1,2,…,N},再将原子能量数组E中的每个原子能量Ei分别按照频率划分到5个频带上,实现单相金属性接地、分频谐振、基频谐振、高频谐振和间歇性弧光接地共5类过电压的识别,其中xl为样本的特征量第l个样本,维度为5,fi为样本标签。
进一步的,步骤S1中,录波装置实时获取并记录母线三相电源母线三相电压波形,并对是否过电压进行判断,若是,则储存故障点前后各10个波形。
进一步的,步骤S2中,提取过电压发生后故障点开始后的四个连续周期波内的零序电压
实施例3:
仿真波形来源于如图3所示的ATP-EMTP仿真模型,该模型依据某变电站的一次主接线和基本数据搭建。其中,T1为110/10kV主变压器,T2为 10/0.4kV配电变压器,10kV侧为中性点不接地系统;以“F”开头的编号均为仿真实验设置的故障点;负荷由(20+j40)等值替代;母线上挂有电磁式电压互感器;K1为时控开关,Rf为过渡电阻,用于模拟接地故障;馈线共有全架空 (OL)线路、全电缆(CL)线路和线-缆混合线路3种类型,线路参数同文献 [8]。仿真采样率取为10kHz。
利用图3所示的仿真模型生成5类暂时过电压波形作为样本库;
通过改变故障点、故障相别、故障初相角、过渡电阻共4个因素,对图3 所示的中性点不接地系统发生的暂时过电压进行仿真,获得1434个过电压样本,如图6所示,随机选取一半作为训练样本,另一半作为测试样本;
利用训练样本对SVM进行训练后,根据图3的算法流程,对测试样本进行识别,结果见图5。可见,除基频和高频谐振各有1个样本误判为间歇性弧光接地外,其余均识别正确,准确率达99.72%。
与目前过电压识别中常用的时频分析方法进行对比。小波变换只能进行二分类,在10kHz采样率下,无法划分到本文设定的频带区别,因此无法使用小波变换;LCD-Hilbert变换可以设定具体频带,利用该方法构造相同的5个频带能量,送入SVM分类器中,识别结果如图9所示。可见,基频和分频谐振的识别准确率低于90%,这主要是由于LCD-Hilbert变换在相近频带上的分辨率不足,容易产生虚假分量,从而导致误判;因此,本文所提方法具有较高的识别准确率和较强的适应性。
物理波形验证:
为验证所提方法在实际应用中的可行性,利用配电网物理仿真系统中的实测信号进行测试。在物理仿真系统中获得110个过电压样本,其中单相金属性接地样本90个,间歇性弧光接地样本20个,实验条件和识别结果如图7所示。可见,本文所提方法能够有效识别这两类过电压。
故障指示器在线路出现故障时,触发三相同步录波,记录相关波形数据,并由汇集单元进行合成,生成零序波形,并把所有波形上传至主站。图8为故障指示器所采集单相接地、基频谐振、间歇性弧光接地波形。可见,单相接地、基频谐振与仿真波形基本一致;间歇性弧光接地的波形由于采样率降低,其高频成分明显减少。为了检验对故障指示器采集的电压波形的识别能力,选择17组实测过电压信号进行验证,结果如图9所示。实测信号中,单相接地识别率为100%,基频谐振有一个样本被误判,间歇性弧光接地被误判为基频谐振,原因在于设备采样率太低,高频数据丢失严重,随着设备波形采样精度的不断提高,该问题将被解决。
为避免分相判断,将过电压信号发生后4个周波的零序电压波形作为研究对象。图10①~⑤即为提取的5类过电压的原子能量。可见,单相金属性接地主要原子能量分布在第2频带(40~60Hz),此外由于接地时会产生高频振荡,因此在第5频带也存在少量能量;分频谐振在1~3频带均有能量分布,但主要集中在第1频带(0~40Hz);基频谐振除第二频带外,在第1和3频带也有能量分布;高频谐振特点明显,均集中在第4频带(100~300Hz);间歇性弧光接地频带分布较广,在2~5频带均有能量分布。因此,原子能量分布能够反映各类暂时过电压的特性,且有较大区分度。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种配电网暂时过电压识别方法,其特征在于,包括如下步骤:
S1:实时获取并记录母线三相电源的三相电压波形;
S2:提取过电压发生后n个连续周期波内的零序电压;
S3:将零序电压作为待测信号输入至原子分解算法迭代寻找与待测信号最匹配的最优原子的原子参数γ=(f,ρ,φ,ts,te),待测信号与最优原子相减获得残差信号,并计算相对匹配度Pi,其中f为频率,ρ为衰减系数;φ为相位,ts为起始时间,te为终止时间;
S4:将最优原子按照频率划分到对应的频带上,计算每个频带所包含最优原子的原子能量Ei,再将每个频带的原子能量Ei拼接获得该波形的原子能量数组E,所述频带为待测信号的频宽;
S5:将拼接后的原子能量数组E作为特征量,输入至多分类SVM模型中识别得出过电压类型。
2.根据权利要求1所述的一种配电网暂时过电压识别方法,其特征在于:步骤S5中,所述多分类SVM模型识别方式为:先训练样本特征提取,提取N个样本特征量xl,获取数据集合D={(xl,fi)|l=1,2,…,N},再将原子能量数组E中的每个原子能量Ei分别按照频率划分到n1个频带上,实现5类过电压的识别,其中xl为样本的特征量第l个样本,fi为样本标签。
3.根据权利要求1所述的一种配电网暂时过电压识别方法,其特征在于:步骤S1中,通过录波装置实时获取并记录母线三相电源母线三相电压波形,并对是否过电压进行判断,若是,则储存故障点前后各n3个波形。
6.根据权利要求1所述的一种配电网暂时过电压识别方法,其特征在于:步骤S5中,多分类SVM模型将原子能量数组E中的每个原子能量Ei分别按照频率划分到n1个频带上,原子能量即可表征每一类暂时过电压在频域上的差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110265284.7A CN113311219B (zh) | 2021-03-11 | 2021-03-11 | 一种配电网暂时过电压识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110265284.7A CN113311219B (zh) | 2021-03-11 | 2021-03-11 | 一种配电网暂时过电压识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113311219A true CN113311219A (zh) | 2021-08-27 |
CN113311219B CN113311219B (zh) | 2022-11-08 |
Family
ID=77371854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110265284.7A Active CN113311219B (zh) | 2021-03-11 | 2021-03-11 | 一种配电网暂时过电压识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113311219B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135558A (zh) * | 2010-11-05 | 2011-07-27 | 重庆市电力公司綦南供电局 | 过电压数据采集分层识别系统及类型分层模式识别方法 |
CN102854437A (zh) * | 2012-08-22 | 2013-01-02 | 广东电网公司电力科学研究院 | 应用时频原子分解理论的小电流接地系统故障选线方法 |
US20160011252A1 (en) * | 2014-07-11 | 2016-01-14 | Abb Inc. | Decision Support System for Outage Management and Automated Crew Dispatch |
CN106771520A (zh) * | 2016-12-15 | 2017-05-31 | 福州大学 | 一种配电网暂时过电压分类识别方法及装置 |
CN108089100A (zh) * | 2017-12-18 | 2018-05-29 | 广东电网有限责任公司佛山供电局 | 小电流接地系统弧光电阻接地故障的检测方法 |
CN109142851A (zh) * | 2018-07-26 | 2019-01-04 | 福州大学 | 一种新型的配电网内部过电压识别方法 |
CN109241944A (zh) * | 2018-09-07 | 2019-01-18 | 福州大学 | 一种基于改进多分类支持向量机的配电网故障识别方法 |
CN109307824A (zh) * | 2018-09-18 | 2019-02-05 | 福州大学 | 一种基于聚类的配电网单相接地故障区段定位方法 |
CN110108985A (zh) * | 2019-05-29 | 2019-08-09 | 福州大学 | 一种基于原子分解算法的配电网内部过电压的识别方法 |
CN111339872A (zh) * | 2020-02-18 | 2020-06-26 | 国网信通亿力科技有限责任公司 | 一种基于分类模型的电网故障分类方法 |
-
2021
- 2021-03-11 CN CN202110265284.7A patent/CN113311219B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135558A (zh) * | 2010-11-05 | 2011-07-27 | 重庆市电力公司綦南供电局 | 过电压数据采集分层识别系统及类型分层模式识别方法 |
CN102854437A (zh) * | 2012-08-22 | 2013-01-02 | 广东电网公司电力科学研究院 | 应用时频原子分解理论的小电流接地系统故障选线方法 |
US20160011252A1 (en) * | 2014-07-11 | 2016-01-14 | Abb Inc. | Decision Support System for Outage Management and Automated Crew Dispatch |
CN106771520A (zh) * | 2016-12-15 | 2017-05-31 | 福州大学 | 一种配电网暂时过电压分类识别方法及装置 |
CN108089100A (zh) * | 2017-12-18 | 2018-05-29 | 广东电网有限责任公司佛山供电局 | 小电流接地系统弧光电阻接地故障的检测方法 |
CN109142851A (zh) * | 2018-07-26 | 2019-01-04 | 福州大学 | 一种新型的配电网内部过电压识别方法 |
CN109241944A (zh) * | 2018-09-07 | 2019-01-18 | 福州大学 | 一种基于改进多分类支持向量机的配电网故障识别方法 |
CN109307824A (zh) * | 2018-09-18 | 2019-02-05 | 福州大学 | 一种基于聚类的配电网单相接地故障区段定位方法 |
CN110108985A (zh) * | 2019-05-29 | 2019-08-09 | 福州大学 | 一种基于原子分解算法的配电网内部过电压的识别方法 |
CN111339872A (zh) * | 2020-02-18 | 2020-06-26 | 国网信通亿力科技有限责任公司 | 一种基于分类模型的电网故障分类方法 |
Non-Patent Citations (3)
Title |
---|
YUFEI LIAO 等: "Internal Over-Voltage Identification Method of Distribution Network Based on AD-SVM Algorithm", 《IOP CONF. SERIES: EARTH AND ENVIRONMENTAL SCIENCE》 * |
付华 等: "配电网暂时过电压奇异值分解结合支持向量机的识别方法", 《计算机应用与软件》 * |
杨庆等: "基于阈值判断和支持向量机的电网实测过电压识别", 《高电压技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113311219B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451557B (zh) | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 | |
Wang et al. | Optimal features selected by NSGA-II for partial discharge pulses separation based on time-frequency representation and matrix decomposition | |
Chanda et al. | Application of wavelet multiresolution analysis for identification and classification of faults on transmission lines | |
Lovisolo et al. | Location of faults generating short-duration voltage variations in distribution systems regions from records captured at one point and decomposed into damped sinusoids | |
CN103308822A (zh) | 辐射状配网小电流接地故障选线方法 | |
Koley et al. | Wavelet-aided SVM tool for impulse fault identification in transformers | |
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 | |
Bajwa et al. | An investigation into partial discharge pulse extraction methods | |
CN108089100A (zh) | 小电流接地系统弧光电阻接地故障的检测方法 | |
CN111896890B (zh) | 基于希尔伯特-黄变换的微电网线路故障诊断方法及系统 | |
CN113311219B (zh) | 一种配电网暂时过电压识别方法 | |
CN113837895A (zh) | 基于电力扰动数据的配电网异常事件识别方法及系统 | |
Navyasri et al. | Fault analysis in three phase transmission lines using wavelet method | |
Kumar et al. | Classification of PD faults using features extraction and K-means clustering techniques | |
Seo et al. | A novel signal extraction technique for online partial discharge (PD) measurement of transformers | |
Musaruddin et al. | Signal segmentation of fault records based on Empirical Mode Decomposition | |
Mohod et al. | MLP-neural network based detection and classification of Power Quality Disturbances | |
CN114742295A (zh) | 一种基于小波变换技术的设备用电故障预测方法 | |
Gao et al. | Internal overvoltage identification of distribution network via time-frequency atomic decomposition | |
CN111913040A (zh) | 一种基于负载投切和相似度的谐振点的线变关系识别方法 | |
Gayathri et al. | An apt method for fault identification and classification on EHV lines using discrete wavelet transform | |
Li et al. | A novel partial discharge pulse separation method for variable frequency resonant test | |
Avdakovic et al. | Time-frequency analyses of disturbances in power distribution systems | |
Petrarca et al. | An improved methodological approach for denoising of partial discharge data by the wavelet transform | |
Chanda et al. | Identification and classification of faults on transmission lines using wavelet multiresolution analysis |
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 |