CN113514720A - 一种边缘侧低压交流串联的电弧故障识别方法 - Google Patents
一种边缘侧低压交流串联的电弧故障识别方法 Download PDFInfo
- Publication number
- CN113514720A CN113514720A CN202110679581.6A CN202110679581A CN113514720A CN 113514720 A CN113514720 A CN 113514720A CN 202110679581 A CN202110679581 A CN 202110679581A CN 113514720 A CN113514720 A CN 113514720A
- Authority
- CN
- China
- Prior art keywords
- time
- fault
- arc fault
- characteristic
- arc
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 17
- 238000010891 electric arc Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000000737 periodic effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 206010000369 Accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述识别方法包括:电流信号采集,通过电流传感器采集低压线路中实时的电流信号;信号特征提取,对采集的电流信号进行时频分析和小波分析,提取相应的指标组成面向边缘侧电弧识别的特征指标;实时故障诊断,对特征指标进行判断处理,通过多特征结合的方法对电弧故障进行诊断识别;故障信息输出,对判断为电弧故障的电路做出及时处理并输出故障信息。本发明通过提取关于电流信号的多个电弧故障识别特征指标,并对多个特征指标进行组合分析来判断是否发生电弧故障,能够避免单个特征指标的偶然性,提高故障识别的准确性,同时算法不复杂,对硬件要求不高。
Description
技术领域
本发明涉及电弧故障识别领域,尤其涉及一种边缘侧低压交流串联的电弧故障识别方法。
背景技术
电弧的本质是在外部电场的作用下,大量定向移动的电子将空气击穿导致气体游离放电,并伴随着强烈的电弧放电现象。电弧电流产生的最高温度将达到4000摄氏度,如果不能及时切断线路,将严重危害生命安全。随着高层建筑的不断增加和新型用电设备的不断普及,低压配电系统的规模和容量不断地扩大,对低压配电线路的用电可靠性和安全性提出了更高的要求。尽管低压配电系统配备了剩余电流保护器、微型断路器、熔断器以及其他相关的保护设备,但是从电气火灾事故的原因分析发现,电弧故障引起的电气火灾仍远远超过用电设备过载,金属性短路、私拉电线等引起的火灾。长期以来电弧故障给低压配电线路带来了严重的电气火灾隐患,因电弧故障的高度随机性、复杂性、电流大小变化不明显等特点使得其难以被预知和识别。
近几年,国内外主要研究提出的电弧故障识别技术包括电弧数学模型、电弧物理特性、电弧电流电压波形以及建立智能化电弧识别模型。这四种电弧故障识别技术各有优缺点,应用场合也不同。目前,基于电弧故障识别技术所提出的多数电弧识别算法能够识别特定负载的电弧故障,但由于在实际复杂的电气环境中,负载具有多样性,并存在各种干扰,导致多数的算法误报率较高,无法应用于实际的产品。此外在中国专利文献上公开的“一种故障电弧的识别方法、装置、设备及介质”,公开号CN112505512A,公开日期2021-03-16,通过神经网络模型对采样信号的电弧特征进行判断,有较高的准确性和可靠性,但是其算法复杂,数据量大,硬件要求高,实用性不足。
发明内容
本发明是为了克服现有技术中电弧故障识别方法准确性和实用性无法同时满足的问题,提供了一种边缘侧低压交流串联的电弧故障识别方法,通过对电流信号的多种电弧识别的特征指标结合进行电弧故障判断,提高了对电弧故障识别的准确性和实用性。
为了实现上述目的,本发明采用以下技术方案:
一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述识别方法包括以下步骤:
S1、电流信号采集:通过电流传感器采集低压线路中实时的电流信号;
S2、信号特征提取:对采集的电流信号进行时频分析和小波分析,提取相应的指标组成面向边缘侧电弧识别的特征指标;
S3、实时故障诊断:对特征指标进行判断处理,通过多特征结合的方法对电弧故障进行诊断识别;
S4、故障信息输出:对判断为电弧故障的电路做出及时处理并输出故障信息。
本发明的电弧故障识别方法对采集的电流信号进行时频分析和小波分析,提取多种关于电弧识别的特征指标,并根据这些指标进行综合分析判断是否发生电弧故障,相对于单个电弧识别特征指标的判断方法来说能减少单特征量的偶然性,降低误报率,提高电弧故障识别的准确性。同时在判断为电弧故障后,能够及时对电路进行处理和故障信息输出,提高了故障反应效率,避免电弧故障进一步引发的破坏和损失。
作为优选,所述电流信号采集包括以下步骤:
S11、根据识别过程的处理精度需求和数据量设定电流的采样频率;
S12、对主回路和各支路进线端的交流电信号进行实时采集;
S13、对采集到的电流信号进行放大和滤波处理。
精度要求不高时可以选择较低的采样频率,减少数据处理量来提高反应速度,精度要求较高时可以选择较高的采样频率,以增加一定的反应时间来提高处理精度,信号采集的方式更加灵活。另外在二级和末级配电箱都对电路进线端的交流电信号使用高精度电流互感器进行采集,并进行放大和滤波处理,可以剔除异常信号噪声的干扰。
作为优选,所述信号特征提取包括以下步骤:
S21、对采样到的电流数据进行模数转化;
S22、在时间序列上进行完整性检验,然后进行归一化处理;
S23、对电流信号进行时频分析和小波分析,提取时频特征和小波能量特征。
作为优选,所述实时故障诊断包括以下步骤:
S31、将时频特征和小波能量特征与设定的正常工作阈值进行比较;
S32、统计超过正常工作阈值的特征指标的数量;
S33、将S32的结果与预先设定的电弧故障判断标准进行对比,判断是否发生电弧故障;
S34、若发生电弧故障,则进入S4,反之,则返回S2。
首先根据每一个特征指标和其对应的正常工作阈值进行对比,当某一个特征指标超出其正常工作阈值时,说明在此特征指标下,可以判断发生电弧故障。而其他特征指标还需要继续和其对应正常工作阈值进行比较,判断在该特征指标下是否发生电弧故障。每个特征指标的电弧故障判断都是相互独立的,然后根据所有特征指标下电弧故障的判断结果综合判断电路是否发生电弧故障,避免了单一指标进行故障判断时的偶然性和误判。
作为优选,所述故障信息输出包括声光报警、故障联动脱扣断路器以及发送信息给上端服务器。
在检测到电弧故障并做出及时处理时,报警灯发出闪烁红光报警,并且蜂鸣器启动发出报警声;同时故障联动脱扣断路器也将工作,将外部的分励机构或者断路器导通从而切断故障电路;将报警信息同步上传到上端服务器,实现火灾预警。
作为优选,所述时域特征是指电流周期均值差的时域特征,以一个周期为单位,计算每个周期采样点的均值,后一个周期均值减去前一个周期均值得到周期均值差。
作为优选,所述频域特征是指对电流信号进行快速傅立叶变换后提取的部分间谐波因数频域特征,是部分间谐波因数相对于基频非整数倍的部分间谐波幅值跟基频的幅值之比。
作为优选,所述小波能量特征是指对电流信号进行三层小波分解和重构处理后提取的细节信号能量特征信息,以一个周期为单位,计算每个周期采样点小波高频分量的能量。
作为优选,所述的电弧故障判断标准为:当提取的三种特征指标,时域特征、频域特征和小波能量特征中,有一半及以上的特征指标超过设定的阈值时记为一次电弧,在一定时间内发生电弧次数大于或等于设定次数时,则判定线路中发生电弧故障。
特征指标超过设定的阈值可以判断为是电弧故障,同时也有可能是因为偶然的扰动或其他因素造成的随机性事件,这种随机性事件在一定时间范围内并不会多次发生,因此在设置电弧故障判断标准时设定了一定时间内超过阈值的次数,从而避免了偶然因素造成的特征指标超过阈值而引起的故障误报。
本发明具有以下有益效果:不需要复杂的算法支持,在实行电弧故障识别时对硬件要求不高;同时全方位的进行时频分析和小波分析,提出了基于边缘侧多特征结合的识别方法,克服了单特征量的偶然性,进一步的降低了误报率,提高了电弧故障识别的准确性。
附图说明
图1是本发明电弧故障识别方法的流程图;
图2是本发明电流信号采集的流程图;
图3是本发明信号特征提取的流程图;
图4是本发明实时故障诊断的流程图;
图5是本发明实施例中故障诊断的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所示,一种边缘侧低压交流串联的电弧故障识别方法包括以下四个步骤:
S1、电流信号采集:通过电流传感器采集低压线路中实时的电流信号;
S2、信号特征提取:对采集的电流信号进行时频分析和小波分析,提取相应的指标组成面向边缘侧电弧识别的特征指标;
S3、实时故障诊断:对特征指标进行判断处理,通过多特征结合的方法对电弧故障进行诊断识别;
S4、故障信息输出:对判断为电弧故障的电路做出及时处理并输出故障信息。
本发明的电弧故障识别方法对采集的电流信号进行时频分析和小波分析,提取多种关于电弧识别的特征指标,并根据这些指标进行综合分析判断是否发生电弧故障,相对于单个电弧识别特征指标的判断方法来说能减少单特征量的偶然性,降低误报率,提高电弧故障识别的准确性。同时在判断为电弧故障后,能够及时对电路进行处理和故障信息输出,提高了故障反应效率,避免电弧故障进一步引发的破坏和损失。
如图2所示的S1电流信号采集中具体包括以下步骤:
S11、根据识别过程的处理精度需求和数据量设定电流的采样频率;精度要求不高时可以选择较低的采样频率,减少数据处理量来提高反应速度,精度要求较高时可以选择较高的采样频率,以增加一定的反应时间来提高处理精度,信号采集的方式更加灵活。
S12、对主回路和各支路进线端的交流电信号进行实时采集;可以选择在二级和末级配电箱都对电路进线端的交流电信号使用高精度电流互感器进行采集。
S13、对采集到的电流信号进行放大和滤波处理,可以剔除异常信号噪声的干扰,避免因干扰信号导致的电弧故障误报。
如图3所示的S2信号特征提取中具体包括以下步骤:
S21、对采样到的电流数据进行模数转化;
S22、在时间序列上进行完整性检验,然后进行归一化处理;
S23、对电流信号进行时频分析和小波分析,提取时频特征和小波能量特征。
时域特征是指电流周期均值差的时域特征,以一个周期为单位,计算每个周期采样点的均值,后一个周期均值减去前一个周期均值得到周期均值差。其计算方法如下:
假设每个周期采样点数为N,每个采样点的电流值用i来表示,那么相邻的两个电流值就是ik、ik-1,电流的平均值用Iaver表示。
相邻周期均值差用Isub表示:
Isub=|Iaver(k)-Iaver(k-1)|
频域特征是指对电流信号进行快速傅立叶变换后提取的部分间谐波因数频域特征,是部分间谐波因数相对于基频非整数倍的部分间谐波幅值跟基频的幅值之比。其计算过程如下:
所提取的部分间谐波频率为f=25×(2k-1),hk代表第k次部分间谐波因数,则
其中I0是基频的幅值。hk的大小是k次间谐波对于基波的变化量,即k次间谐波分量相对于基波的能量权重,提取第1、2次的间谐波因数作为识别电弧的频域特征。
小波能量特征是指对电流信号进行三层小波分解和重构处理后提取的细节信号能量特征信息,以一个周期为单位,计算每个周期采样点小波高频分量的能量。其计算过程如下:
式中P代表每周期的小波高频分量的能量,N为每周期的采样点数,d2为小波分解第二层的小波高频分量。
如图4所示的S3实时故障诊断中具体包括以下步骤:
S31、将时频特征和小波能量特征与设定的正常工作阈值进行比较;
S32、统计超过正常工作阈值的特征指标的数量;
S32、将S32的结果与预先设定的电弧故障判断标准进行对比,判断是否发生电弧故障;
S33、若发生电弧故障,则进入S4,反之,则返回S2。
根据每一个特征指标和其对应的正常工作阈值进行对比,当某一个特征指标超出其正常工作阈值时,说明在此特征指标下,可以判断发生电弧故障。而其他特征指标还需要继续和其对应正常工作阈值进行比较,判断在该特征指标下是否发生电弧故障。每个特征指标的电弧故障判断都是相互独立的。
在本实施例中,时域特征是指周期均值差,频域特征是指第一次间谐波因数和第二次间谐波因数,小波能量特征是指小波高频分量的周期能量。当提取的三种特征指标,周期均值差、第一次和第二次部分间谐波因数、小波高频分量的周期能量这四个特征中,有一半及以上的特征指标超过设定的阈值时记为一次电弧,在一定时间内发生电弧次数大于或等于设定次数时,判定线路中发生电弧故障。
特征指标超过设定的阈值可以判断为是电弧故障,同时也有可能是因为偶然的扰动或其他因素造成的随机性事件,这种随机性事件在一定时间范围内并不会多次发生,因此在设置电弧故障判断标准时设定了一定时间内超过阈值的次数,从而避免了偶然因素造成的特征指标超过阈值而引起的故障误报。
本发明的电弧故障识别方法能不间断的对电路进行电弧故障的实时识别,不断在故障识别步骤之间循环,以提高识别反应的速度。
S4中的故障信息输出包括声光报警、故障联动脱扣断路器以及发送信息给上端服务器。在检测到电弧故障并做出及时处理时,报警灯发出闪烁红光报警,并且蜂鸣器启动发出报警声;同时故障联动脱扣断路器也将工作,将外部的分励机构或者断路器导通从而切断故障电路;将报警信息同步上传到上端服务器,实现火灾预警。
如图5所示是在本发明一具体实施例中进行电弧故障智能识别诊断的流程图。提取三种电流信号特征指标中的周期均值差、第一次部分间谐波因数、第二次部分间谐波因数和小波高频分量的周期能量共四个特征指标进行组合判断,当其中两个特征指标及以上达到各自发生电弧故障的阈值条件时,记为一次电弧,当被探测电路被判定为电弧的次数在1s内达到设定次数及其以上时,则判定线路中发生电弧故障,本实施例中设定次数为7次。
开始进行电弧故障智能识别诊断后,将特征指标周期均值差与其对应阈值比较判断是否超标,超标则使超过阈值的特征指标个数加一,不超标则不进行加法操作;其余三个特征指标,第一次部分间谐波因数、第二次部分间谐波因数和小波高频分量的周期能量的操作方式和周期均值差相同。这步操作后,超过阈值的特征指标个数可以分别是0、1、2、3或4个。当超过阈值的特征指标个数是0或1个时,没有达到发生电弧的条件,则继续判断1秒内发生电弧的次数是否大于等于7次,若发生电弧次数大于等于7次,则判定线路确实发生电弧故障,输出电弧故障信息;若发生电弧次数小于7次,则返回初始重新计算。当超过阈值的特征指标个数大于等于2个时,可以判断为发生电弧,累计的电弧次数加一。在1秒内对所有采样的电流特征指标进行对比判断后,如果1秒内被判定发生电弧的次数小于7次,则返回初始位置重新计算;当1秒内被判定发生电弧的次数大于等于7次,则可以判断线路确实发生电弧故障,对电弧故障信息进行输出。
上述实施例只是对本发明的说明和阐述,以便于理解,并不是对本发明的任何限制,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述识别方法包括以下步骤:
S1、电流信号采集:通过电流传感器采集低压线路中实时的电流信号;
S2、信号特征提取:对采集的电流信号进行时频分析和小波分析,提取相应的指标组成面向边缘侧电弧识别的特征指标;
S3、实时故障诊断:对特征指标进行判断处理,通过多特征结合的方法对电弧故障进行诊断识别;
S4、故障信息输出:对判断为电弧故障的电路做出及时处理并输出故障信息。
2.根据权利要求1所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述电流信号采集包括以下步骤:
S11、根据识别过程的处理精度需求和数据量设定电流的采样频率;
S12、对主回路和各支路进线端的交流电信号进行实时采集;
S13、对采集到的电流信号进行放大和滤波处理。
3.根据权利要求1所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述信号特征提取包括以下步骤:
S21、对采样到的电流数据进行模数转化;
S22、在时间序列上进行完整性检验,然后进行归一化处理;
S23、对电流信号进行时频分析和小波分析,提取时频特征和小波能量特征。
4.根据权利要求3所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述实时故障诊断包括以下步骤:
S31、将时频特征和小波能量特征与设定的正常工作阈值进行比较;
S32、统计超过正常工作阈值的特征指标的数量;
S33、将S32的结果与预先设定的电弧故障判断标准进行对比,判断是否发生故障电弧;
S34、若发生故障电弧,则进入S4,反之,则返回S2。
5.根据权利要求1所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述故障信息输出包括声光报警、故障联动脱扣断路器以及发送信息给上端服务器。
6.根据权利要求4所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述时域特征是指电流周期均值差的时域特征,以一个周期为单位,计算每个周期采样点的均值,后一个周期均值减去前一个周期均值得到周期均值差。
7.根据权利要求4所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述频域特征是指对电流信号进行快速傅立叶变换后提取的部分间谐波因数频域特征,是部分间谐波因数相对于基频非整数倍的部分间谐波幅值跟基频的幅值之比。
8.根据权利要求4所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述小波能量特征是指对电流信号进行三层小波分解和重构处理后提取的细节信号能量特征信息,以一个周期为单位,计算每个周期采样点小波高频分量的能量。
9.根据权利要求4中所述的一种边缘侧低压交流串联的电弧故障识别方法,其特征在于,所述的电弧故障判断标准为:当提取的三种特征指标,时域特征、频域特征和小波能量特征中,有一半及以上的特征指标超过设定的阈值时记为发生一次电弧,在一定时间内发生电弧次数大于或等于设定次数时,则判定线路中发生电弧故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679581.6A CN113514720B (zh) | 2021-06-18 | 2021-06-18 | 一种边缘侧低压交流串联的电弧故障识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110679581.6A CN113514720B (zh) | 2021-06-18 | 2021-06-18 | 一种边缘侧低压交流串联的电弧故障识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113514720A true CN113514720A (zh) | 2021-10-19 |
CN113514720B CN113514720B (zh) | 2024-04-19 |
Family
ID=78065738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110679581.6A Active CN113514720B (zh) | 2021-06-18 | 2021-06-18 | 一种边缘侧低压交流串联的电弧故障识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514720B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117590181A (zh) * | 2024-01-18 | 2024-02-23 | 山东理工大学 | 利用电弧电压随机性的低压交流串联电弧故障识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454535A (zh) * | 2013-09-16 | 2013-12-18 | 福州大学 | 一种综合负载串联电弧故障辨识方法 |
CN111257684A (zh) * | 2020-04-01 | 2020-06-09 | 浙江人民电器有限公司 | 一种电弧故障检测的方法及系统 |
CN112183628A (zh) * | 2020-09-28 | 2021-01-05 | 浙江零壹智能电器研究院有限公司 | 基于多种线性时频变换的交流电弧故障检测方法及系统 |
CN112305376A (zh) * | 2020-10-28 | 2021-02-02 | 国网山东省电力公司青岛供电公司 | 一种低压配电线路故障电弧检测及识别方法 |
CN112363021A (zh) * | 2020-11-13 | 2021-02-12 | 重庆大学 | 一种分布式线路故障检测与定位系统及方法 |
CN112583000A (zh) * | 2020-11-25 | 2021-03-30 | 中国科学技术大学先进技术研究院 | 故障电弧识别脱扣装置 |
-
2021
- 2021-06-18 CN CN202110679581.6A patent/CN113514720B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454535A (zh) * | 2013-09-16 | 2013-12-18 | 福州大学 | 一种综合负载串联电弧故障辨识方法 |
CN111257684A (zh) * | 2020-04-01 | 2020-06-09 | 浙江人民电器有限公司 | 一种电弧故障检测的方法及系统 |
CN112183628A (zh) * | 2020-09-28 | 2021-01-05 | 浙江零壹智能电器研究院有限公司 | 基于多种线性时频变换的交流电弧故障检测方法及系统 |
CN112305376A (zh) * | 2020-10-28 | 2021-02-02 | 国网山东省电力公司青岛供电公司 | 一种低压配电线路故障电弧检测及识别方法 |
CN112363021A (zh) * | 2020-11-13 | 2021-02-12 | 重庆大学 | 一种分布式线路故障检测与定位系统及方法 |
CN112583000A (zh) * | 2020-11-25 | 2021-03-30 | 中国科学技术大学先进技术研究院 | 故障电弧识别脱扣装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117590181A (zh) * | 2024-01-18 | 2024-02-23 | 山东理工大学 | 利用电弧电压随机性的低压交流串联电弧故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113514720B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109560770B (zh) | 基于自适应核函数和瞬时频率估计的光伏系统故障电弧检测方法 | |
CN110568327B (zh) | 一种基于机器学习的光伏系统直流故障电弧检测方法 | |
CN108362981B (zh) | 一种主/被动检测结合的光伏系统直流故障电弧检测方法 | |
EP2202859B1 (en) | Parallel arc detection using discrete wavelet transforms | |
CN101673934B (zh) | 串联电弧故障断路器及其串联电弧故障保护的方法 | |
EP1714366B1 (en) | High impedance fault detection | |
EP2200139B1 (en) | Arc detection using detailed and approximate coefficients from discrete wavelet transforms | |
JP5530594B2 (ja) | 少なくとも1つの電気ケーブル上のアーク現象を検出する方法及び装置 | |
CN105510760A (zh) | 一种基于小波分析的短路故障数据检测方法 | |
CN106526468B (zh) | 基于波形特征识别的断路器状态检测方法 | |
Cheng et al. | Series arc fault detection and implementation based on the short-time fourier transform | |
CN107632234B (zh) | 一种基于录波数据的变压器绕组变形评估方法 | |
CN116665424B (zh) | 一种火灾自动报警消防联动系统 | |
CN113514720A (zh) | 一种边缘侧低压交流串联的电弧故障识别方法 | |
CN210111945U (zh) | 光伏系统直流侧电弧故障检测系统 | |
CN114252682B (zh) | 基于非侵入式负荷监测的大型楼宇异常负荷控制方法 | |
CN114527361A (zh) | 确定交流回路电弧故障的方法及装置 | |
US10295587B2 (en) | Method and device for detecting arcing in electrical installation for DC power | |
KR20220061754A (ko) | 전원시스템의 아크 검출 장치 및 이를 이용한 아크 검출 방법 | |
CN113253063A (zh) | 基于长短时记忆网络深度学习的故障电弧检测系统及方法 | |
CN115808600B (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
CN111693829A (zh) | 非接触式超声波检测的局部放电噪声与放电区分的方法 | |
CN111157045A (zh) | 一种人工智能电气线路异常风险程度监测方法及系统 | |
CN113219374B (zh) | 一种变压器电压故障检测方法 | |
CN112904162B (zh) | 一种适用于交流架空线路的异常放电采集与识别方法 |
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 |