CN113933563A - 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 - Google Patents
基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 Download PDFInfo
- Publication number
- CN113933563A CN113933563A CN202111150182.7A CN202111150182A CN113933563A CN 113933563 A CN113933563 A CN 113933563A CN 202111150182 A CN202111150182 A CN 202111150182A CN 113933563 A CN113933563 A CN 113933563A
- Authority
- CN
- China
- Prior art keywords
- waveform
- sampling
- abnormal
- value
- filtering
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 104
- 238000005070 sampling Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000001914 filtration Methods 0.000 title claims abstract description 57
- 230000003044 adaptive effect Effects 0.000 title claims description 24
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000012723 sample buffer Substances 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R15/00—Details of measuring arrangements of the types provided for in groups G01R17/00 - G01R29/00, G01R33/00 - G01R33/26 or G01R35/00
- G01R15/14—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks
- G01R15/18—Adaptations providing voltage or current isolation, e.g. for high-voltage or high-current networks using inductive devices, e.g. transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Emergency Protection Circuit Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统,所述方法包括根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。本发明能够解决在继电保护装置发生采样异常大值的情况下,容易导致保护误启动、误动作的技术问题。
Description
技术领域
本发明属于电力系统继电保护技术领域,具体涉及一种基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统。
背景技术
变电所内的保护装置是通过经一次互感器转换后的二次电压、电流并经装置自身的互感器或重采样元件采样后对系统的运行状态进行分析,并由装置内部继电保护元件进行保护逻辑判别的。由于智能变电所引入了智能设备,如合并单元,或者,保护装置所处的运行环境发生了改变,可能会对保护装置的逻辑判断造成干扰或者不利的影响,主要表现为:装置可能会出现采样异常大值,进而导致某些保护元件误起动;如果采样异常大值的幅值较大,甚至会导致装置保护元件误动作。保护装置采样异常大值主要的特点是,持续时间与工频相比很短,不易发觉,对工频判别的影响可能与故障相似,会影响保护元件误起动。
发明内容
针对上述问题,本发明提出一种基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统,能够解决变电所保护装置采样异常大值的技术问题。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,包括:
根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;
采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
可选地,所述原始采样缓冲数据包括由变电所内继电保护装置互感器采集到的电压信号或电流信号。
可选地,所述波形是否异常的判断方法包括:
计算所述电压信号或电流信号的波形平滑度;
当所述波形平滑度在预设范围内时,判定波形异常。
可选地,所述波形平滑度的计算公式为:
式中,U1为电压信号或电流信号采样数据U的基波有效值,URMS为采样数据的真有效值,RU分别为采样数据U的波形平滑度。
可选地,所述采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新对应的采样缓冲数据。具体包括以下步骤:
根据波形平滑度RU的大小自适应调整数学形态法结构元素的尺寸S;
对缓冲数据进行多次自适应迭代运算数学形态法采样大值处理,直至残留噪声能量比低于阈值,更新缓冲数据并停止运算。
可选地,所述自适应调整数学形态法结构元素的尺寸采用的公式为:
式中,SN为结构元素尺寸的默认值,n为波形平滑度缩放系数。
可选地,所述残留噪声比的计算公式为:
式中,N为缓冲区长度。
第二方面,本发明提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除装置,包括:
判断模块,用于根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;
异常滤除模块,用于采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
第三方面,本发明提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除系统,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据第一方面中任一项所述的方法。
与现有技术相比,本发明的有益效果:
本发明利用对原始采样缓冲区的数据进行平滑度计算与监测,以区分装置采样波形的异常和正常状态。采用自适应迭代运算数学形态法对判断为异常的波形数据进行一次或多次迭代运算,计算残留噪声能量比并判断波形是否确存在采样异常大值,对判断为确存在采样异常大值的波形数据滤除异常大值后得到复原信号,并更新采样缓冲数据。经多次迭代运算后,得到滤除异常大值干扰的复原信号,将该信号用于逻辑判断则可能显著减少采样异常大值对逻辑判别造成的不利影响。本发明方法在技术实施过程中亦提供了区分采样异常大值和实际故障的方法,因此适用于任意一种工况。
附图说明
为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明一种实施例的基于自适应迭代运算数学形态法的采样异常大值滤除方法的流程示意图;
图2为本发明一种实施例的根据波形平滑度进行波形判断的示意图;
图3为本发明一种实施例的干扰波形与正常波形平滑度大小示意图;
图4为本发明一种实施例的余弦结构元素示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例中提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,如图1所示,具体包括以下步骤:
根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;在本发明实施例的具体实施过程中,所述原始采样缓冲数据可以选用包括由变电所内继电保护装置互感器采集到的电压信号或电流信号;
采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
在本发明实施例的一种具体实施方式中,所述波形是否异常的判断方法包括:
计算所述电压信号或电流信号的波形平滑度;
当所述波形平滑度在预设范围内时,判定波形异常。
其中,所述波形平滑度的计算公式为:
式中,U1为电压信号或电流信号采样数据U的基波有效值,URMS为采样数据的真有效值,RU分别为采样数据U的波形平滑度。
在本发明实施例的一种具体实施方式中,所述采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新对应的采样缓冲数据。具体包括以下步骤:
根据波形平滑度RU的大小自适应调整数学形态法结构元素的尺寸S;由于本发明实施例中的方法会存在对波形数据进行多次异常滤除,每次的波形数据异常部分有差异,所以,为了更好的匹配波形数据,需要调整结构元素的尺寸;
对缓冲数据进行多次自适应迭代运算数学形态法采样大值处理,直至残留噪声能量比低于阈值,更新缓冲数据并停止运算。
其中,所述自适应调整数学形态法结构元素的尺寸采用的公式为:
式中,SN为结构元素尺寸的默认值,n为波形平滑度缩放系数。
所述残留噪声比的计算公式为:
式中,N为缓冲区长度。
下面结合一具体实施方式对本发明实施例中的基于自适应迭代运算数学形态法的采样异常大值滤除方法进行详细说明。
本发明具体实施方式中提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,所述方法分为两阶段:第一阶段为波形平滑度判别;第二阶段为采样异常大值滤除。其中,第一阶段的波形平滑度判别,是根据采样缓冲区内的基波有效值在真有效值中的占比大小来判断波形平滑度,从而初步区分采样波形为异常波形或是其他正常波形。如图2所示,本发明实施例中所述波形平滑度计算和区分方法如流程图所示,从采样缓冲区中得到当前参与计算的所有数据(通常为一个工频周波时间长度对应的数据数量),计算这些数据的基波有效值,以及真有效值,最终计算两者的比值得到波形平滑度。从图3中可知,当波形中没有非工频的干扰时,波形平滑度的大小接近1;若非工频的干扰比较多,则波形平滑度的大小则小于1。这一特点可用于确定波形平滑度判据。
接下来,进入第二阶段的采样异常大值滤除。在该阶段中,使用了自适应迭代运算数学形态法,根据第一阶段所述内容,当采样值存在大值干扰时,波形平滑度值比较低,采用如图4所示的余弦结构元素,其尺寸A按默认值和最新更新后的波形平滑度的值自适应迭代计算获得,其宽度D按默认值设置。利用该结构尺寸采用数学形态学方法进行异常大值滤波处理,根据滤波的结果,获取滤波前后数据差值中,绝对值最大的点号和值,从缓冲区所在点滤除该值,得到了滤除异常大值的数据。
由于在第一次计算波形平滑度时,可能存在实际故障波形也与采样大值波形具有相似的波形平滑度,为了避免错误的对实际故障波形进行大值滤除处理,在第一次滤波后,从缓冲区数据中减去滤波后数据,得到残留噪声,计算噪声最大值的残留噪声能量比,如果该比值超过一定的阈值,则使用该数据更新缓冲区,否则,本次不进行采样大值滤除。更新缓冲区后,再次按照上述过程进行波形平滑度计算、结构元素尺寸自适应计算、数学形态法滤波处理、异常大值滤除;需要说明的是,在第二次迭代运算时,由于在第一次已经识别为采样异常大值数据,因此,不再进行是否为故障波形的判别。
本发明实施例中,采样异常大值滤除的具体步骤如下:
(1)根据对采样缓冲区的数据计算得到的波形平滑度的值自适应的确定数学形态法结构元素的尺寸,并基于数学形态法进行第一次数据处理,采样大值滤除,计算残留噪声比,在阈值范围内的,保留滤除结果,否则结束;
(2)由于采样异常大值的持续时间与工频波形的时间尺度不一样,为达到更优的效果,需要进行第二次滤除,即进行迭代运算,用第一次滤除大值后的数据,更新缓冲区,重复步骤1(本次不再计算残留噪声比),最终得到的即为滤除采样大值的数据。
实施例2
基于与实施例1相同的发明构思,本发明提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除装置,包括:
判断模块,用于根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;
异常滤除模块,用于采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
其余部分均与实施例1相同。
实施例3
基于与实施例1相同的发明构思,本发明实施例中提供了一种基于自适应迭代运算数学形态法的采样异常大值滤除系统,包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述的方法。
综上可见,本发明通过计算采样缓冲区数据的波形平滑度,并以此确定是否进行采样异常大值滤除处理,并根据波形平滑度值自适应的获得数学形态法结构元素尺寸,该方法在采样数据缓冲区内进行连续的自适应迭代运算数学形态法处理,在手段上易于实现和应用。同时,该方法在技术实施过程中亦提供了区分采样异常大值和实际故障的方法,因此适用于任意一种工况。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,其特征在于,包括:
根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;
采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
2.根据权利要求1所述的一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,其特征在于:所述原始采样缓冲数据包括由变电所内继电保护装置互感器采集到的电压信号或电流信号。
3.根据权利要求2所述的一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,其特征在于,所述波形是否异常的判断方法包括:
计算所述电压信号或电流信号的波形平滑度;
当所述波形平滑度在预设范围内时,判定波形异常。
5.根据权利要求1所述的一种基于自适应迭代运算数学形态法的采样异常大值滤除方法,其特征在于:所述采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新对应的采样缓冲数据。具体包括以下步骤:
根据波形平滑度RU的大小自适应调整数学形态法结构元素的尺寸S;
对缓冲数据进行多次自适应迭代运算数学形态法采样大值处理,直至残留噪声能量比低于阈值,更新缓冲数据并停止运算。
8.一种基于自适应迭代运算数学形态法的采样异常大值滤除装置,其特征在于,包括:
判断模块,用于根据原始采样缓冲数据,计算波形平滑度,并判断波形是否异常;
异常滤除模块,用于采用自适应迭代运算数学形态法对判断为异常的波形进行一次或多次迭代运算;计算残留噪声能量比,并判断波形是否确存在采样异常大值;对判断为确存在采样异常大值的波形,滤除异常大值后得到复原信号,并更新原始采样缓冲数据。
9.一种基于自适应迭代运算数学形态法的采样异常大值滤除系统,其特征在于:包括存储介质和处理器;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150182.7A CN113933563B (zh) | 2021-09-29 | 2021-09-29 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150182.7A CN113933563B (zh) | 2021-09-29 | 2021-09-29 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113933563A true CN113933563A (zh) | 2022-01-14 |
CN113933563B CN113933563B (zh) | 2024-04-26 |
Family
ID=79277431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111150182.7A Active CN113933563B (zh) | 2021-09-29 | 2021-09-29 | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113933563B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070168A (zh) * | 2024-04-19 | 2024-05-24 | 西安石油大学 | 一种基于大数据的化工数据分析方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508013A (zh) * | 2011-11-25 | 2012-06-20 | 国网技术学院 | 改进数学形态学滤波器的电流报警信号处理方法 |
CN102707132A (zh) * | 2012-05-21 | 2012-10-03 | 国电南瑞科技股份有限公司 | 一种数字化保护测控装置异常采样值动态处理方法 |
CN103969067A (zh) * | 2014-04-01 | 2014-08-06 | 中北大学 | 一种基于广义形态学的自动装填系统故障诊断方法 |
CN104155573A (zh) * | 2014-07-21 | 2014-11-19 | 华南理工大学 | 一种基于形态学的电力系统低频振荡检测方法 |
CN104267343A (zh) * | 2014-10-17 | 2015-01-07 | 广东电网有限责任公司佛山供电局 | 断路器故障状态诊断方法和断路器故障状态诊断装置 |
CN105913835A (zh) * | 2016-06-15 | 2016-08-31 | 华北电力大学 | 一种基于数学形态学的自适应滤波方法 |
CN106845334A (zh) * | 2016-11-29 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于数学形态学的新型噪声提取方法 |
US20170356944A1 (en) * | 2016-06-14 | 2017-12-14 | General Electric Company | Filtration thresholding |
CN108332955A (zh) * | 2017-12-22 | 2018-07-27 | 江苏新道格自控科技有限公司 | 一种基于振动信号的机械链接松动检测与预警方法 |
CN109412109A (zh) * | 2018-11-14 | 2019-03-01 | 上海思源弘瑞自动化有限公司 | 一种识别异常大数的方法、装置和继电保护设备 |
CN109684937A (zh) * | 2018-12-06 | 2019-04-26 | 国电南瑞科技股份有限公司 | 一种基于fft及数学形态法的信号去噪方法及装置 |
CN110988515A (zh) * | 2019-11-06 | 2020-04-10 | 汪祺航 | 一种变电站继电保护装置的电压通道采样异常检测方法 |
CN111738128A (zh) * | 2020-06-17 | 2020-10-02 | 山东卓文信息科技有限公司 | 一种基于形态学滤波和mmg的串联故障电弧检测方法 |
CN111812431A (zh) * | 2020-06-11 | 2020-10-23 | 国电南瑞南京控制系统有限公司 | 一种数字化变电站数据处理方法、设备及存储介质 |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN112230103A (zh) * | 2020-10-23 | 2021-01-15 | 云南电网有限责任公司昭通供电局 | 一种雷击和接地波形滤波方法 |
-
2021
- 2021-09-29 CN CN202111150182.7A patent/CN113933563B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508013A (zh) * | 2011-11-25 | 2012-06-20 | 国网技术学院 | 改进数学形态学滤波器的电流报警信号处理方法 |
CN102707132A (zh) * | 2012-05-21 | 2012-10-03 | 国电南瑞科技股份有限公司 | 一种数字化保护测控装置异常采样值动态处理方法 |
CN103969067A (zh) * | 2014-04-01 | 2014-08-06 | 中北大学 | 一种基于广义形态学的自动装填系统故障诊断方法 |
CN104155573A (zh) * | 2014-07-21 | 2014-11-19 | 华南理工大学 | 一种基于形态学的电力系统低频振荡检测方法 |
CN104267343A (zh) * | 2014-10-17 | 2015-01-07 | 广东电网有限责任公司佛山供电局 | 断路器故障状态诊断方法和断路器故障状态诊断装置 |
US20170356944A1 (en) * | 2016-06-14 | 2017-12-14 | General Electric Company | Filtration thresholding |
CN105913835A (zh) * | 2016-06-15 | 2016-08-31 | 华北电力大学 | 一种基于数学形态学的自适应滤波方法 |
CN106845334A (zh) * | 2016-11-29 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于数学形态学的新型噪声提取方法 |
CN108332955A (zh) * | 2017-12-22 | 2018-07-27 | 江苏新道格自控科技有限公司 | 一种基于振动信号的机械链接松动检测与预警方法 |
CN109412109A (zh) * | 2018-11-14 | 2019-03-01 | 上海思源弘瑞自动化有限公司 | 一种识别异常大数的方法、装置和继电保护设备 |
CN109684937A (zh) * | 2018-12-06 | 2019-04-26 | 国电南瑞科技股份有限公司 | 一种基于fft及数学形态法的信号去噪方法及装置 |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN110988515A (zh) * | 2019-11-06 | 2020-04-10 | 汪祺航 | 一种变电站继电保护装置的电压通道采样异常检测方法 |
CN111812431A (zh) * | 2020-06-11 | 2020-10-23 | 国电南瑞南京控制系统有限公司 | 一种数字化变电站数据处理方法、设备及存储介质 |
CN111738128A (zh) * | 2020-06-17 | 2020-10-02 | 山东卓文信息科技有限公司 | 一种基于形态学滤波和mmg的串联故障电弧检测方法 |
CN112230103A (zh) * | 2020-10-23 | 2021-01-15 | 云南电网有限责任公司昭通供电局 | 一种雷击和接地波形滤波方法 |
Non-Patent Citations (2)
Title |
---|
史维: "基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制", 《科学技术与工程》, vol. 19, no. 9, 31 March 2019 (2019-03-31), pages 36 - 42 * |
周华良: "特高压输电线路分布式故障诊断系统研制及其关键技术", 《电力系统保护与控制》, vol. 47, no. 24, 31 December 2019 (2019-12-31), pages 115 - 122 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070168A (zh) * | 2024-04-19 | 2024-05-24 | 西安石油大学 | 一种基于大数据的化工数据分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113933563B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110912091B (zh) | 一种柔性直流输电线路单端行波超高速保护系统及方法 | |
CN107994866A (zh) | 直流电弧故障检测的方法、装置、设备及存储介质 | |
CN108344924B (zh) | 一种直流输电线路行波故障测距装置启动方法及系统 | |
CN116703183B (zh) | 一种新型配电网系统用电负荷评估方法 | |
CN110007198B (zh) | 一种单相接地故障启动方法 | |
CN109490705A (zh) | 基于数学形态梯度和数学形态熵的直流输电线路保护方法 | |
CN111007359A (zh) | 一种配电网单相接地故障识别启动方法及系统 | |
CN111551819B (zh) | 一种微电网故障检测方法、装置及存储介质 | |
CN108594156B (zh) | 一种改进的电流互感器饱和特性识别方法 | |
CN108090270B (zh) | 一种基于形态学滤波和盲源分离的暂态振荡参数识别方法 | |
CN113933563A (zh) | 基于自适应迭代运算数学形态法的采样异常大值滤除方法、装置及系统 | |
CN109684937A (zh) | 一种基于fft及数学形态法的信号去噪方法及装置 | |
CN117590174A (zh) | 一种局部放电检测去噪方法、装置及可读存储介质 | |
CN117289087A (zh) | 一种基于czt变换的串联故障电弧检测方法 | |
LU502454B1 (en) | A Bearing Fault Identification Method and System Based on EEMD Sparse Decomposition | |
CN115563472A (zh) | 一种基于振动信号包络线识别的高压断路器故障诊断方法 | |
CN112444704A (zh) | 一种配电网行波故障定位方法及装置 | |
CN110579672A (zh) | 一种基于能量特征分析的输电线路故障检测系统及方法 | |
CN115128400A (zh) | 一种配网故障类型识别与故障选线综合研判方法及系统 | |
CN111382790B (zh) | 一种基于小波变换的高压直流故障分类方法 | |
CN114924110A (zh) | 一种基于自适应阈值的触电检测系统及方法 | |
CN114062880A (zh) | 基于自适应信号处理及cart树集成学习的直流故障电弧检测方法 | |
CN106324403A (zh) | 一种基于状态识别的继电保护适应性滤波算法 | |
CN113552441A (zh) | 一种单相接地故障检测方法及装置 | |
Radil et al. | On-line detection and classification of power quality disturbances in a single-phase power system |
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 |