CN113917364A - 一种配电网高阻接地识别方法和装置 - Google Patents
一种配电网高阻接地识别方法和装置 Download PDFInfo
- Publication number
- CN113917364A CN113917364A CN202111178131.5A CN202111178131A CN113917364A CN 113917364 A CN113917364 A CN 113917364A CN 202111178131 A CN202111178131 A CN 202111178131A CN 113917364 A CN113917364 A CN 113917364A
- Authority
- CN
- China
- Prior art keywords
- characteristic value
- information
- fault judgment
- ground fault
- resistance ground
- 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 114
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- 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
Abstract
本发明公开了一种配电网高阻接地识别方法和装置,同时使用多种高阻接地故障判定方法进行高阻接地故障判定,当判定结果不一致时,通过计算各高阻接地故障判定方法的特征值信息采纳度进行比对,以特征值信息采纳度较高的高阻接地故障判定方法的高阻接地故障判定结果作为最终的判定结果,实现了智能地选择可信度更大的判定结果进行输出,避免了单个故障识别方式出现判定错误时,直接导致高阻接地故障的误判的问题,且不需要人工干预和依赖于专家经验,解决了现有的使用单故障识别方式无法很好地保证高阻接地故障识别的精度的技术问题。
Description
技术领域
本发明涉及配电网故障识别技术领域,尤其涉及一种基于配电网高阻接地识别方法和装置。
背景技术
高阻接地故障(HIF)是指电力线路通过道路、土壤、树枝或者水泥建筑物等导电介质所发生的接地故障。配电网高电阻接地故障容易引起火灾或者人身触电事件,影响配电网供电可靠性,造成较大的社会影响。传统的高阻接地故障识别采用接地故障选线装置来进行识别,接地故障选线装置基于电压信号和电流信号的最大值、最小值和平均值的方式来提取电压信号和电流信号的特征值来分析三次谐波、电流幅值、相对相角等阈值进行故障判定。而随着人工智能算法的发展,高阻接地故障识别也向人工智能方向发生转变,涌现出了诸如基于神经网络等人工智能算法的高阻接地故障识别方法。然而,单故障识别方式无法很好地保证高阻接地故障识别的精度,当使用单个故障识别方式进行高阻接地故障判定时,若出现判定错误,则将直接导致高阻接地故障的误判,影响配电网的稳定运行。
发明内容
本发明实施例提供了一种基于配电网高阻接地识别方法和装置,用以解决现有的使用单故障识别方式无法很好地保证高阻接地故障识别的精度的技术问题。
有鉴于此,本发明第一方面提供了一种配电网高阻接地识别方法,所述方法包括:
获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同;
比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度;
将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
可选地,将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果,之前还包括:
获取第一故障判定方法和第二故障判定方法在高阻接地故障判定结果不一致时的历史采纳次数,取历史采纳次数较高的故障判定方法的历史采纳次数;
将第一特征值信息采纳度和第二特征值信息采纳度分别做幂次方为历史采纳次数较高的故障判定方法的历史采纳次数的幂运算,更新第一特征值信息采纳度和第二特征值信息采纳度。
可选地,第一特征值信息采纳度和第二特征值信息采纳度的计算方法包括:
计算任意两特征值之间的相关系数,根据相关系数计算特征值的信息浓度,根据特征值的信息浓度计算特征值的信息价值;
计算特征值的信息偏离系数,根据信息分离系数计算特征值的传递损失系数,根据传递损失系数计算特征值的信息真实度;
根据特征值的信息价值和信息真实度计算特征值信息采纳度。
可选地,根据相关系数计算特征值的信息浓度的计算公式为:
其中,moi为特征i的特征值信息浓度,n为特征值数量,coij为特征i和特征j之间的相关系数。
可选地,根据特征值的信息浓度计算特征值的信息价值的计算公式为:
其中,vii为特征i的特征值信息价值,fi为特征i的特征值。
可选地,特征值的信息偏离系数的计算公式为:
其中,dei为特征i的特征值偏离系数,n为特征值数量,fi为特征i的特征值。
可选地,特征值的传递损失系数的计算公式为:
其中,ofi为特征i的特征值的传递损失系数。
可选地,特征值的信息真实度的计算公式为:
其中,tri为特征i的特征值信息真实度,tri∈[0,1]。
可选地,根据特征值的信息价值和信息真实度计算特征值信息采纳度的计算公式为:
aci=tri×vii
其中,aci为特征i的特征值信息采纳度,tri为特征i的特征值信息真实度,vii为特征i的特征值信息价值。
本发明第二方面提供一种配电网高阻接地识别装置,所述装置包括:
获取模块,用于获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同;
判定结果比对模块,用于比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致;
判定结果输出模块,用于:
在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度;
将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明中提供的配电网高阻接地识别方法,同时使用多种高阻接地故障判定方法进行高阻接地故障判定,当判定结果不一致时,通过计算各高阻接地故障判定方法的特征值信息采纳度进行比对,以特征值信息采纳度较高的高阻接地故障判定方法的高阻接地故障判定结果作为最终的判定结果,实现了智能地选择可信度更大的判定结果进行输出,避免了单个故障识别方式出现判定错误时,直接导致高阻接地故障的误判的问题,且不需要人工干预和依赖于专家经验,解决了现有的使用单故障识别方式无法很好地保证高阻接地故障识别的精度的技术问题。
进一步地,本发明中提供的配电网高阻接地识别方法还考虑了各高阻接地故障判定方法的历史判定结果的倾向性和参考性,利用了历史判定结果的辅助价值,降低了高阻接地故障判定的错误率,也加快了处理速率。
附图说明
图1为本发明实施例中提供的配电网高阻接地识别方法的一个流程示意图;
图2为本发明实施例中提供的考虑历史判定结果的步骤流程图;
图3为本发明实施例中提供的特征值信息采纳度的计算方法流程图;
图4为本发明实施例中提供的配电网高阻接地识别装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,图1为本发明实施例中提供的配电网高阻接地识别方法,如图1所示,配电网高阻接地识别方法包括:
步骤101、获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同。
在一个实施例中,可以通过一个数据采集模块,分别采集配电网的三相电压信号、三相电流信号、零序电压信号和零序电流信号,不同故障判定方法的不同故障判定模块可以共享数据采集模块的采集数据,数据采集模块将采集的信号分别送入采用不同故障判定方法的不同故障判定模块,各故障判定模块分别通过相应的特征提取方法对以上信号进行特征提取,例如一个故障判定模块采用的是传统的采集信号的平均值作为特征值来分析三次谐波、电流幅值、相对相角等阈值进行故障判定,另一个故障判定模块采用的是神经网络或决策树等人工智能故障判定方式,基于小波变换提取特征值,因而,两个判定模块所采用的判定特征值是不同的。利用不同的判定特征值分别得出不同的故障判定方法的故障判定结果。
步骤102、比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致。
当得到两个以上的高阻接地故障判定结果时,将各高阻接地故障判定结果进行比对,判断故障判定结果是否一致,即第一高阻接地故障判定结果和第二高阻接地故障判定结果是否均为发生故障或未发生故障。当故障判定结果一致时,执行步骤103,否则依次执行步骤104和步骤105。
步骤103、在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果。
当第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,则支持输出结果,直接输出高阻接地故障判定结果。
步骤104、在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度。
步骤105、将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
当第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,则进行判定结果举证辩论来确定最终的判定结果。本发明中采用特征值信息采纳度来表征该特征在处理故障判定结果不一致时的可接收程度,特征值信息采纳度越高,则表明该特征在处理故障判定结果不一致时的可接收程度越高。通过计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度,将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
本发明实施例中提供的配电网高阻接地识别方法,同时使用多种高阻接地故障判定方法进行高阻接地故障判定,当判定结果不一致时,通过计算各高阻接地故障判定方法的特征值信息采纳度进行比对,以特征值信息采纳度较高的高阻接地故障判定方法的高阻接地故障判定结果作为最终的判定结果,实现了智能地选择可信度更大的判定结果进行输出,避免了单个故障识别方式出现判定错误时,直接导致高阻接地故障的误判的问题,且不需要人工干预和依赖于专家经验,解决了现有的使用单故障识别方式无法很好地保证高阻接地故障识别的精度的技术问题。
在一个实施例中,如图2所示,在步骤105之前,还可以先执行以下步骤:
步骤1051、获取第一故障判定方法和第二故障判定方法在高阻接地故障判定结果不一致时的历史采纳次数,取历史采纳次数较高的故障判定方法的历史采纳次数;
步骤1052、将第一特征值信息采纳度和第二特征值信息采纳度分别做幂次方为历史采纳次数较高的故障判定方法的历史采纳次数的幂运算,更新第一特征值信息采纳度和第二特征值信息采纳度。
若不考虑历史判定结果的倾向性和参考性,则容易忽略了历史判定结果的辅助价值。因此,本发明中,在高阻接地故障判定结果不一致时,需要获取第一故障判定方法和第二故障判定方法在高阻接地故障判定结果不一致时的历史采纳次数m,如果某故障判定方法的历史采纳次数较高,则表明该故障判定方法能够充分挖掘此类故障的隐性特征,准确地识别故障。考虑历史判定结果,对各故障判定方法的特征值信息采纳度进行更新,更新公式为:
ac′i=(aci)m
其中,ac′i为更新后的特征值信息采纳度,aci为步骤104中计算出的原特征值信息采纳度。
更新特征值信息采纳度之后,再执行步骤105,输出特征值信息采纳度较大值对应的高阻接地故障判定结果,并相应增加该故障判定方法的采纳次数。
因而,本发明考虑了各高阻接地故障判定方法的历史判定结果的倾向性和参考性,利用了历史判定结果的辅助价值,降低了高阻接地故障判定的错误率,也加快了处理速率。
在一个实施例中,如图3所示,本发明提供的特征值信息采纳度的计算方法包括:
步骤1041、计算任意两特征值之间的相关系数,根据相关系数计算特征值的信息浓度,根据特征值的信息浓度计算特征值的信息价值。
计算任意两特征值(特征i的特征值fi和特征j的特征值fj)之间的相关系数coij,相关系数coij的计算可采用spearman相关系数、欧式距离、Pearson相关系数或Cosine相似度等方法计算。
特征值的信息浓度计算方式为:
其中,moi为特征i的特征值信息浓度,n为特征值数量,coij为特征i和特征j之间的相关系数。
特征值的信息价值计算方式为:
其中,vii为特征i的特征值信息价值,fi为特征i的特征值。
步骤1042、计算特征值的信息偏离系数,根据信息分离系数计算特征值的传递损失系数,根据传递损失系数计算特征值的信息真实度。
利用特征值的信息偏离系数分析该特征值与特征值集合的整体偏离程度。特征值的信息偏离系数的计算方式为:
其中,dei为特征i的特征值偏离系数,n为特征值数量,fi为特征i的特征值。dei数值越大,表示该特征i的离散特征越强,数据存疑度越高。
利用特征值的传递损失系数分析特征值的偏差导致判定结果的偏差程度。特征值的传递损失系数的计算方式为:
其中,ofi为特征i的特征值的传递损失系数。ofi数值越大,表示数据偏差信息对判定结果的影响越大。
利用特征值的信息真实度来表征该特征值在作为判定依据时的可信程度。特征值的信息真实度的计算方式为:
其中,tri为特征i的特征值信息真实度,tri∈[0,1]。tri数值越大,则表明特征i在作为判定依据时越值得相信。
步骤1043、根据特征值的信息价值和信息真实度计算特征值信息采纳度。
特征值信息采纳度的计算公式为:
aci=tri×vii
其中,aci为特征i的特征值信息采纳度,tri为特征i的特征值信息真实度,vii为特征i的特征值信息价值。
为了便于理解,请参阅图4,本发明中还提供了一种配电网高阻接地识别装置的实施例,包括:
获取模块401,用于获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同;
判定结果比对模块402,用于比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致;
判定结果输出模块403,用于:
在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度;
将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
进一步地,还包括特征值信息采纳度更新模块404,用于:
获取第一故障判定方法和第二故障判定方法在高阻接地故障判定结果不一致时的历史采纳次数,取历史采纳次数较高的故障判定方法的历史采纳次数;
将第一特征值信息采纳度和第二特征值信息采纳度分别做幂次方为历史采纳次数较高的故障判定方法的历史采纳次数的幂运算,更新第一特征值信息采纳度和第二特征值信息采纳度。
进一步地,第一特征值信息采纳度和第二特征值信息采纳度的计算方法包括:
计算任意两特征值之间的相关系数,根据相关系数计算特征值的信息浓度,根据特征值的信息浓度计算特征值的信息价值;
计算特征值的信息偏离系数,根据信息分离系数计算特征值的传递损失系数,根据传递损失系数计算特征值的信息真实度;
根据特征值的信息价值和信息真实度计算特征值信息采纳度。
进一步地,根据相关系数计算特征值的信息浓度的计算公式为:
其中,moi为特征i的特征值信息浓度,n为特征值数量,coij为特征i和特征j之间的相关系数。
进一步地,根据特征值的信息浓度计算特征值的信息价值的计算公式为:
其中,vii为特征i的特征值信息价值,fi为特征i的特征值。
进一步地,特征值的信息偏离系数的计算公式为:
其中,dei为特征i的特征值偏离系数,n为特征值数量,fi为特征i的特征值。
进一步地,特征值的传递损失系数的计算公式为:
其中,ofi为特征i的特征值的传递损失系数。
进一步地,特征值的信息真实度的计算公式为:
其中,tri为特征i的特征值信息真实度,tri∈[0,1]。
进一步地,根据特征值的信息价值和信息真实度计算特征值信息采纳度的计算公式为:
aci=tri×vii
其中,aci为特征i的特征值信息采纳度,tri为特征i的特征值信息真实度,vii为特征i的特征值信息价值。
本发明中提供的配电网高阻接地识别装置,用于执行前述配电网高阻接地识别方法实施例中的配电网高阻接地识别方法,其工作原理与前述配电网高阻接地识别方法实施例相同,在此不再进行赘述。
本发明中提供的配电网高阻接地识别装置,同时使用多种高阻接地故障判定方法进行高阻接地故障判定,当判定结果不一致时,通过计算各高阻接地故障判定方法的特征值信息采纳度进行比对,以特征值信息采纳度较高的高阻接地故障判定方法的高阻接地故障判定结果作为最终的判定结果,实现了智能地选择可信度更大的判定结果进行输出,避免了单个故障识别方式出现判定错误时,直接导致高阻接地故障的误判的问题,且不需要人工干预和依赖于专家经验,解决了现有的使用单故障识别方式无法很好地保证高阻接地故障识别的精度的技术问题。
进一步地,本发明中提供的配电网高阻接地识别装置还考虑了各高阻接地故障判定方法的历史判定结果的倾向性和参考性,利用了历史判定结果的辅助价值,降低了高阻接地故障判定的错误率,也加快了处理速率。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种配电网高阻接地识别方法,其特征在于,包括:
获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同;
比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度;
将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
2.根据权利要求1所述的配电网高阻接地识别方法,其特征在于,将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果,之前还包括:
获取第一故障判定方法和第二故障判定方法在高阻接地故障判定结果不一致时的历史采纳次数,取历史采纳次数较高的故障判定方法的历史采纳次数;
将第一特征值信息采纳度和第二特征值信息采纳度分别做幂次方为历史采纳次数较高的故障判定方法的历史采纳次数的幂运算,更新第一特征值信息采纳度和第二特征值信息采纳度。
3.根据权利要求1所述的配电网高阻接地识别方法,其特征在于,第一特征值信息采纳度和第二特征值信息采纳度的计算方法包括:
计算任意两特征值之间的相关系数,根据相关系数计算特征值的信息浓度,根据特征值的信息浓度计算特征值的信息价值;
计算特征值的信息偏离系数,根据信息分离系数计算特征值的传递损失系数,根据传递损失系数计算特征值的信息真实度;
根据特征值的信息价值和信息真实度计算特征值信息采纳度。
9.根据权利要求3所述的配电网高阻接地识别方法,其特征在于,根据特征值的信息价值和信息真实度计算特征值信息采纳度的计算公式为:
aci=tri×vii
其中,aci为特征i的特征值信息采纳度,tri为特征i的特征值信息真实度,vii为特征i的特征值信息价值。
10.一种配电网高阻接地识别装置,其特征在于,包括:
获取模块,用于获取根据第一故障判定方法获得的第一高阻接地故障判定结果和根据第二故障判定方法获得的第二高阻接地故障判定结果,其中,第一故障判定方法和第二故障判定方法的特征值提取方式不同;
判定结果比对模块,用于比对第一高阻接地故障判定结果和第二高阻接地故障判定结果是否一致;
判定结果输出模块,用于:
在第一高阻接地故障判定结果和第二高阻接地故障判定结果一致时,直接输出高阻接地故障判定结果;
在第一高阻接地故障判定结果和第二高阻接地故障判定结果不一致时,分别计算第一故障判定方法的第一特征值信息采纳度和第二故障判定方法的第二特征值信息采纳度;
将第一特征值信息采纳度和第二特征值信息采纳度做比较,输出特征值信息采纳度较大值对应的高阻接地故障判定结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111178131.5A CN113917364B (zh) | 2021-10-09 | 2021-10-09 | 一种配电网高阻接地识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111178131.5A CN113917364B (zh) | 2021-10-09 | 2021-10-09 | 一种配电网高阻接地识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113917364A true CN113917364A (zh) | 2022-01-11 |
CN113917364B CN113917364B (zh) | 2024-03-08 |
Family
ID=79238767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111178131.5A Active CN113917364B (zh) | 2021-10-09 | 2021-10-09 | 一种配电网高阻接地识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113917364B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764915A (zh) * | 2018-04-26 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 模型训练方法、数据类型识别方法和计算机设备 |
CN108872791A (zh) * | 2018-07-10 | 2018-11-23 | 重庆大学 | 小电阻接地配电网的单相高阻接地故障识别以及保护方法 |
CN110780160A (zh) * | 2019-12-06 | 2020-02-11 | 广东电网有限责任公司 | 一种弧光高阻接地故障检测方法及其装置 |
CN111796166A (zh) * | 2020-08-27 | 2020-10-20 | 广东电网有限责任公司电力调度控制中心 | 一种配电网单相高阻接地故障选线方法、系统以及设备 |
CN111860698A (zh) * | 2020-08-05 | 2020-10-30 | 中国工商银行股份有限公司 | 确定学习模型的稳定性的方法和装置 |
CN112711765A (zh) * | 2020-12-30 | 2021-04-27 | 深圳前海微众银行股份有限公司 | 样本特征的信息价值确定方法、终端、设备和存储介质 |
CN113138322A (zh) * | 2021-05-11 | 2021-07-20 | 南方电网科学研究院有限责任公司 | 配电网高阻接地故障的检测方法、装置、设备和存储介质 |
WO2021164382A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 针对用户分类模型进行特征处理的方法及装置 |
-
2021
- 2021-10-09 CN CN202111178131.5A patent/CN113917364B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764915A (zh) * | 2018-04-26 | 2018-11-06 | 阿里巴巴集团控股有限公司 | 模型训练方法、数据类型识别方法和计算机设备 |
CN108872791A (zh) * | 2018-07-10 | 2018-11-23 | 重庆大学 | 小电阻接地配电网的单相高阻接地故障识别以及保护方法 |
CN110780160A (zh) * | 2019-12-06 | 2020-02-11 | 广东电网有限责任公司 | 一种弧光高阻接地故障检测方法及其装置 |
WO2021164382A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 针对用户分类模型进行特征处理的方法及装置 |
CN111860698A (zh) * | 2020-08-05 | 2020-10-30 | 中国工商银行股份有限公司 | 确定学习模型的稳定性的方法和装置 |
CN111796166A (zh) * | 2020-08-27 | 2020-10-20 | 广东电网有限责任公司电力调度控制中心 | 一种配电网单相高阻接地故障选线方法、系统以及设备 |
CN112711765A (zh) * | 2020-12-30 | 2021-04-27 | 深圳前海微众银行股份有限公司 | 样本特征的信息价值确定方法、终端、设备和存储介质 |
CN113138322A (zh) * | 2021-05-11 | 2021-07-20 | 南方电网科学研究院有限责任公司 | 配电网高阻接地故障的检测方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
薛飞;孙蓓蓓;陈建栋;焦仁强;: "U型波纹管声学传递损失的数值分析与实验验证", 振动与冲击, no. 15, 15 August 2018 (2018-08-15), pages 90 - 96 * |
Also Published As
Publication number | Publication date |
---|---|
CN113917364B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034244B (zh) | 基于电量曲线特征模型的线损异常诊断方法及装置 | |
CN107422266B (zh) | 一种大容量电池储能系统的故障诊断方法及装置 | |
CN104809722A (zh) | 一种基于红外热像的电气设备故障诊断方法 | |
CN108459240A (zh) | 一种配电网线路故障区间定位方法 | |
CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
CN109193635B (zh) | 一种基于自适应稀疏回归方法的配电网拓扑结构重建方法 | |
CN112485598A (zh) | 结合波形相关性与幅值特征的小电流接地故障定位方法 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN110929563A (zh) | 一种用电器识别方法及装置 | |
CN114386537A (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
CN117411189A (zh) | 一种微电网协调控制器的监测数据增强方法 | |
CN116758056B (zh) | 一种电器端子生产缺陷检测方法 | |
CN104655991A (zh) | 基于突变点检测组合算法的电力系统故障数据匹配方法 | |
CN113917364A (zh) | 一种配电网高阻接地识别方法和装置 | |
CN110212503B (zh) | 一种适用于小电阻接地系统的高阻接地保护方法 | |
CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
CN117236022A (zh) | 互感器剩余寿命预测模型训练方法、应用方法及电子设备 | |
CN116203351A (zh) | 线路阻抗异常的检测方法及系统 | |
CN113240005B (zh) | 基于静态网络表示的电力系统复杂网络虚假数据检测方法 | |
CN115963350A (zh) | 一种直流配电网故障定位方法及装置 | |
CN112834959A (zh) | 基于高频特征提取的直流配电系统故障检测方法 | |
CN111639141B (zh) | 数据测试方法、装置及计算机终端 | |
CN113538884B (zh) | 一种提高电力采集终端采集成功率的方法及电力采集终端 | |
CN116304776B (zh) | 基于k-Means算法的电网数据值异常检测方法及系统 | |
CN116501876B (zh) | 用于云端协同数字化服务的大数据跟踪方法及ai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 |