CN114221306A - 基于电路波阻抗模型识别sf6断路器线圈故障方法 - Google Patents

基于电路波阻抗模型识别sf6断路器线圈故障方法 Download PDF

Info

Publication number
CN114221306A
CN114221306A CN202111476651.4A CN202111476651A CN114221306A CN 114221306 A CN114221306 A CN 114221306A CN 202111476651 A CN202111476651 A CN 202111476651A CN 114221306 A CN114221306 A CN 114221306A
Authority
CN
China
Prior art keywords
circuit
data information
short
wave impedance
fault
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
Application number
CN202111476651.4A
Other languages
English (en)
Other versions
CN114221306B (zh
Inventor
钱帅伟
周泽民
彭彦军
梁洛耕
杨波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Training And Evaluation Center Of Guangxi Power Grid Co ltd
Guilin Power Supply Bureau of Guangxi Power Grid Co Ltd
Liuzhou Power Supply Bureau of Guangxi Power Grid Co Ltd
Original Assignee
Training And Evaluation Center Of Guangxi Power Grid Co ltd
Guilin Power Supply Bureau of Guangxi Power Grid Co Ltd
Liuzhou Power Supply Bureau of Guangxi Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Training And Evaluation Center Of Guangxi Power Grid Co ltd, Guilin Power Supply Bureau of Guangxi Power Grid Co Ltd, Liuzhou Power Supply Bureau of Guangxi Power Grid Co Ltd filed Critical Training And Evaluation Center Of Guangxi Power Grid Co ltd
Priority to CN202111476651.4A priority Critical patent/CN114221306B/zh
Publication of CN114221306A publication Critical patent/CN114221306A/zh
Application granted granted Critical
Publication of CN114221306B publication Critical patent/CN114221306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Water Supply & Treatment (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Emergency Protection Circuit Devices (AREA)
  • Locating Faults (AREA)

Abstract

本发明公开了基于电路波阻抗模型识别SF6断路器线圈故障方法，包括以下步骤：建立电路波阻抗模型；基于所述电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息；根据所述特征曲线特征参数数据信息获取短路故障数据信息；将所述短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率符合要求则将所述短路故障数据信息对BP神经网络模型进行训练，并更新；实现了精确得到断路器合闸线圈的短路故障程度情况和短路故障位置情况。

Description

基于电路波阻抗模型识别SF6断路器线圈故障方法
技术领域
本发明涉及电力故障分析技术领域，尤其涉及基于电路波阻抗模型识别SF6断路器线圈故障方法。
背景技术
断路器作为电力系统的重要设备之一，既起着带电切合正常负荷电流的控制作用，也起着在规定的时间内承载、开断和关合异常电流的保护作用，对于保证电力系统的安全可靠运行具有十分重大的意义。而分合闸线圈作为断路器操动机构的重要器件，很大程度地影响了断路器动作的可靠性。对于运行中的断路器，由于电、热及环境等多方面因素的影响，其分合闸线圈的绝缘漆逐渐老化，造成绝缘性能下降，可能导致匝间短路故障和层间短路故障。出现轻微短路故障时，即使断路器仍能正常动作，但是线圈的电阻下降会导致工作时通过线圈的电流增大，线圈发热严重，严重时造成线圈烧损，影响断路器的分合闸功能导致拒动，从而影响电网的稳定运行。因此，及时地发现分合闸线圈的绝缘故障从而采取相应的检修措施，对于提高断路器可靠性具有十分重大的意义。
发明内容
为了克服现有技术的不足，本发明提供了基于电路波阻抗模型识别SF6断路器线圈故障方法，实现了精确得到断路器合闸线圈的短路故障程度情况和短路故障位置情况。
为了实现上述发明目的，本发明采用以下技术方案：
S101、建立电路波阻抗模型和BP神经网络模型；
S102、基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息；
S103、根据特征曲线特征参数数据信息获取短路故障数据信息；
S104、将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率符合要求，则执行步骤S105；
S105、将短路故障数据信息对BP神经网络模型进行训练，并更新；
步骤S101至步骤S105，基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息，并根据特征曲线特征参数数据信息获取短路故障数据信息，根据准确率是否符合要求对BP神经网络模型进行训练。
进一步的，建立电路波阻抗模型包括：
通过静电场模块进行矩阵电容计算，得到矩阵电容；
通过磁场模块进行矩阵电感计算，得到矩阵电感；
根据矩阵电容和矩阵电感通过采用二维轴对称模型建立电路波阻抗模型。
进一步的，建立BP神经网络模型，具体包括建立3输入、2输出，隐含层神经元为5个的BP神经网络模型。
进一步的，特征曲线特征参数数据信息包括特征曲线与横轴包围面积、特征曲线最大值和特征曲线起始时间。
进一步的，基于电路波阻抗模型进行作差处理获取特征曲线，作差处理具体包括：
无故障情况下，在电路首端施加高频低压方波脉冲信号，获取末端响应曲线；
通过导线直接短接在波阻抗两端设置不同位置和不同程度的短路故障，获取故障情况下的末端响应曲线；
将故障情况下的末端响应曲线与无故障情况下的末端响应曲线进行作差获取特征曲线。
进一步的，短路故障数据信息包括不同程度短路故障数据信息和不同位置短路故障数据信息。
进一步的，根据特征曲线特征参数数据信息获取短路故障数据信息，获取短路故障数据信息包括：
将特征曲线特征参数数据信息作为BP神经网络模型的输入参数，将不同程度短路故障数据信息和不同位置短路故障数据信息作为BP神经网络模型的输出参数。
进一步的，将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率不符合要求，则对BP神经网络模型不进行训练。
本发明的有益效果：基于电路波阻抗模型识别SF6断路器线圈故障方法，通过将故障情况下的末端响应曲线与无故障情况下的末端响应曲线进行作差获取特征曲线，提取出特征曲线特征参数数据信息，作为BP神经网络模型的输入参数，输出短路故障数据信息，从而能够判断出短路故障的位置和程度，有利于断路器分合闸线圈故障的早期发现和检修工作的开展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明基于电路波阻抗模型识别SF6断路器线圈故障方法的步骤示意图；
图2是本发明基于电路波阻抗模型识别SF6断路器线圈故障方法的步骤示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
实施例一：
基于电路波阻抗模型识别SF6断路器线圈故障方法，包括以下步骤：
S101、建立电路波阻抗模型和BP神经网络模型；
建立电路波阻抗模块，包括以下步骤：
通过静电场模块进行矩阵电容计算，得到矩阵电容，计算公式如下：
Figure BDA0003393669430000041
Figure BDA0003393669430000042
其中，Cii为导体i的自电容即对地电容，Cij为导体i和导体j之间的互电容，Vi为导体i的电势，Vj为导体j的电势，We为整个系统的能量。
通过磁场模块进行矩阵电感计算，得到矩阵电感，计算公式如下：
Figure BDA0003393669430000043
Figure BDA0003393669430000044
其中，Lii为导体的自电感，Lij为导体i和导体j之间的互感，Ii为通过导体i的电流，Ij为通过导体j的电流，Wm为整个导体的能量。
根据矩阵电容和矩阵电感通过采用二维轴对称模型建立电路波阻抗模型。
建立BP神经网络模型，具体包括建立3输入、2输出，隐含层神经元为5个的BP神经网络模型。
S102、基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息；
基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息，特征曲线特征参数数据信息包括特征曲线与横轴包围面积、特征曲线最大值和特征曲线起始时间；作差处理具体包括：
无故障情况下，在电路首端施加高频低压方波脉冲信号，获取末端响应曲线；
通过导线直接短接在波阻抗两端设置不同位置和不同程度的短路故障，获取故障情况下的末端响应曲线；
将故障情况下的末端响应曲线与无故障情况下的末端响应曲线进行作差获取特征曲线。
需要说明的是，由于线圈每一匝的电感电容参数不同，因此当在首端施加高频低压方波脉冲信号时，经过匝与匝之间的连接点时会产生折射波和反射波，而折射波则作为下一匝的输入波继续向前传播。因此在末端能够接收到一个响应波形，而当发生匝间短路时，波在经过故障点的折射波和反射波发生变化，因此在末端的响应波形也发生变化，从而检测末端响应波形的变化就能反映出短路故障信息。
S103、根据特征曲线特征参数数据信息获取短路故障数据信息；
根据特征曲线特征参数数据信息获取短路故障数据信息，短路故障数据信息包括不同程度短路故障数据信息和不同位置短路故障数据信息；获取短路故障数据信息包括：
将特征曲线特征参数数据信息作为BP神经网络模型的输入参数，将不同程度短路故障数据信息和不同位置短路故障数据信息作为BP神经网络模型的输出参数。
S104、将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率符合要求，则执行步骤S105；
将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率符合要求，则执行步骤S105。
S105、将短路故障数据信息对BP神经网络模型进行训练，并更新；
准确率符合要求，将短路故障数据信息对BP神经网络模型进行训练，并更新。
实施例二：
基于电路波阻抗模型识别SF6断路器线圈故障方法，包括以下步骤：
S201、建立电路波阻抗模型和BP神经网络模型；
建立电路波阻抗模块，包括以下步骤：
通过静电场模块进行矩阵电容计算，得到矩阵电容，计算公式如下：
Figure BDA0003393669430000061
Figure BDA0003393669430000062
其中，Cii为导体i的自电容即对地电容，Cij为导体i和导体j之间的互电容，Vi为导体i的电势，Vj为导体j的电势，We为整个系统的能量。
通过磁场模块进行矩阵电感计算，得到矩阵电感，计算公式如下：
Figure BDA0003393669430000063
Figure BDA0003393669430000064
其中，Lii为导体的自电感，Lij为导体i和导体j之间的互感，Ii为通过导体i的电流，Ij为通过导体j的电流，Wm为整个导体的能量。
根据矩阵电容和矩阵电感通过采用二维轴对称模型建立电路波阻抗模型。
建立BP神经网络模型，具体包括建立3输入、2输出，隐含层神经元为5个的BP神经网络模型。
S202、基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息；
基于电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息，特征曲线特征参数数据信息包括特征曲线与横轴包围面积、特征曲线最大值和特征曲线起始时间；作差处理具体包括：
无故障情况下，在电路首端施加高频低压方波脉冲信号，获取末端响应曲线；
通过导线直接短接在波阻抗两端设置不同位置和不同程度的短路故障，获取故障情况下的末端响应曲线；
将故障情况下的末端响应曲线与无故障情况下的末端响应曲线进行作差获取特征曲线。
需要说明的是，由于线圈每一匝的电感电容参数不同，因此当在首端施加高频低压方波脉冲信号时，经过匝与匝之间的连接点时会产生折射波和反射波，而折射波则作为下一匝的输入波继续向前传播。因此在末端能够接收到一个响应波形，而当发生匝间短路时，波在经过故障点的折射波和反射波发生变化，因此在末端的响应波形也发生变化，从而检测末端响应波形的变化就能反映出短路故障信息。
S203、根据特征曲线特征参数数据信息获取短路故障数据信息；
根据特征曲线特征参数数据信息获取短路故障数据信息，短路故障数据信息包括不同程度短路故障数据信息和不同位置短路故障数据信息；获取短路故障数据信息包括：
将特征曲线特征参数数据信息作为BP神经网络模型的输入参数，将不同程度短路故障数据信息和不同位置短路故障数据信息作为BP神经网络模型的输出参数。
S204、将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率不符合要求，则执行步骤S205；
将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率不符合要求，则执行步骤S205。
S205、对BP神经网络模型不进行训练；
准确率不符合要求，对BP神经网络模型不进行训练。
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，包括以下步骤：
S101、建立电路波阻抗模型和BP神经网络模型；
S102、基于所述电路波阻抗模型进行作差处理获取特征曲线，并生成特征曲线特征参数数据信息；
S103、根据所述特征曲线特征参数数据信息获取短路故障数据信息；
S104、将所述短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率符合要求，则执行步骤S105；
S105、将所述短路故障数据信息对BP神经网络模型进行训练，并更新。
2.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述将短路故障数据信息与实际短路故障数据信息进行对比判别准确率是否符合要求，若准确率不符合要求，则对所述BP神经网络模型不进行训练。
3.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述BP神经网络模型建立具体包括建立3输入、2输出，隐含层神经元为5个的BP神经网络模型。
4.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述建立电路波阻抗模型包括：
通过静电场模块进行矩阵电容计算，得到矩阵电容；
通过磁场模块进行矩阵电感计算，得到矩阵电感；
根据矩阵电容和矩阵电感通过采用二维轴对称模型建立电路波阻抗模型。
5.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述特征曲线特征参数数据信息包括特征曲线与横轴包围面积、特征曲线最大值和特征曲线起始时间。
6.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述基于电路波阻抗模型进行作差处理获取特征曲线，作差处理具体包括：
无故障情况下，在电路首端施加高频低压方波脉冲信号，获取末端响应曲线；
通过导线直接短接在波阻抗两端设置不同位置和不同程度的短路故障，获取故障情况下的末端响应曲线；
将故障情况下的末端响应曲线与无故障情况下的末端响应曲线进行作差获取特征曲线。
7.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述短路故障数据信息包括不同程度短路故障数据信息和不同位置短路故障数据信息。
8.根据权利要求1所述的基于电路波阻抗模型识别SF6断路器线圈故障方法，其特征在于，所述根据特征曲线特征参数数据信息获取短路故障数据信息，获取短路故障数据信息包括：
将特征曲线特征参数数据信息作为BP神经网络模型的输入参数，将不同程度短路故障数据信息和不同位置短路故障数据信息作为BP神经网络模型的输出参数。
CN202111476651.4A 2021-12-06 2021-12-06 基于电路波阻抗模型识别sf6断路器线圈故障方法 Active CN114221306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111476651.4A CN114221306B (zh) 2021-12-06 2021-12-06 基于电路波阻抗模型识别sf6断路器线圈故障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111476651.4A CN114221306B (zh) 2021-12-06 2021-12-06 基于电路波阻抗模型识别sf6断路器线圈故障方法

Publications (2)

Publication Number Publication Date
CN114221306A true CN114221306A (zh) 2022-03-22
CN114221306B CN114221306B (zh) 2023-12-15

Family

ID=80699843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111476651.4A Active CN114221306B (zh) 2021-12-06 2021-12-06 基于电路波阻抗模型识别sf6断路器线圈故障方法

Country Status (1)

Country Link
CN (1) CN114221306B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103777114A (zh) * 2014-01-26 2014-05-07 浙江大学 一种单端带并联电抗器输电线路单相永久性故障识别方法
CN106093686A (zh) * 2016-07-27 2016-11-09 国网河北省电力公司电力科学研究院 一种断路器分合闸线圈匝间短路故障检测的方法
CN108132412A (zh) * 2017-12-25 2018-06-08 国网河北省电力有限公司电力科学研究院 线圈型电力设备匝间短路诊断特征提取方法及分析系统
CN108594062A (zh) * 2018-06-04 2018-09-28 广西电网有限责任公司桂林供电局 一种基于特征波形相似度的匝间短路故障定位方法及系统
CN109142943A (zh) * 2018-06-05 2019-01-04 广西电网有限责任公司桂林供电局 一种断路器线圈匝间非金属性短路故障激励装置及方法
CN112782532A (zh) * 2020-10-19 2021-05-11 国网辽宁省电力有限公司 基于断路器合闸产生行波信号的配电网故障测距方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103777114A (zh) * 2014-01-26 2014-05-07 浙江大学 一种单端带并联电抗器输电线路单相永久性故障识别方法
CN106093686A (zh) * 2016-07-27 2016-11-09 国网河北省电力公司电力科学研究院 一种断路器分合闸线圈匝间短路故障检测的方法
CN108132412A (zh) * 2017-12-25 2018-06-08 国网河北省电力有限公司电力科学研究院 线圈型电力设备匝间短路诊断特征提取方法及分析系统
CN108594062A (zh) * 2018-06-04 2018-09-28 广西电网有限责任公司桂林供电局 一种基于特征波形相似度的匝间短路故障定位方法及系统
CN109142943A (zh) * 2018-06-05 2019-01-04 广西电网有限责任公司桂林供电局 一种断路器线圈匝间非金属性短路故障激励装置及方法
CN112782532A (zh) * 2020-10-19 2021-05-11 国网辽宁省电力有限公司 基于断路器合闸产生行波信号的配电网故障测距方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐治平等: "基于重复脉冲法的变压器绕组匝间短路故障诊断", 《电力自动化设备》, vol. 38, no. 10, pages 154 - 158 *

Also Published As

Publication number Publication date
CN114221306B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN110763958B (zh) 直流电弧检测方法、装置、设备、系统及存储介质
CN112285601A (zh) 一种多端小电流接地柔性直流系统单极接地故障选线方法
CN111463764B (zh) 基于初始电压行波频域衰减速率的直流输电线路保护方法
Zeng et al. Faulty feeder selection and segment location method for SPTG fault in radial MMC‐MVDC distribution grid
CN206311733U (zh) 一种发电机定子线圈绝缘状态评估装置
CN104181376A (zh) 基于输电线路雷电压波形的雷击种类识别方法
CN107064677A (zh) 一种判别输电线路雷击闪络与未闪络的方法
CN201876517U (zh) 大气过压侵入波监测系统
CN110133433B (zh) 一种基于突变积分乘积的直流配电网故障扰动辨识方法
CN104538222A (zh) 基于人工神经网络的高压开关选相控制器及方法
CN115275951A (zh) 一种无边界柔性直流配电网单端量保护方法及系统
CN114221306A (zh) 基于电路波阻抗模型识别sf6断路器线圈故障方法
CN114280433A (zh) 一种基于放大电路的变压器套管局部放电风险评估方法
CN114239340A (zh) 一种sf6断路器分合闸线圈绝缘故障评估方法
Xie et al. Voltage pole‐wave protection scheme for multi‐terminal DC grid
CN110988597A (zh) 一种基于神经网络的谐振类别检测方法
CN111561992A (zh) 一种利用b抽样的变压器运行状态振声检测方法和系统
CN111600282A (zh) 一种基于弱边界条件下的多端柔性直流配电系统保护方法
Ma et al. A detection method for HVDC commutation failure based on the variation rate of commutation inductance energy
Gao et al. Single‐pole fault line selection method for MVDC distribution grid based on 0‐mode power
Gao et al. New pilot protection method based on the current fault component waveform similarity
Tzelepis et al. Design of DC‐line terminating inductors for enhancement of protective functions in MTDC grids
Shu et al. A novel bus protection based on transient energy of voltage traveling wave and current traveling wave
CN113131453B (zh) 一种用于柔性直流输电线路的单端行波保护方法
CN114597876B (zh) 一种基于反行波曲率的柔性直流输电线路保护方法

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