CN116304646A - 一种浪涌保护器的智能管控方法、装置及电子设备 - Google Patents
一种浪涌保护器的智能管控方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116304646A CN116304646A CN202310561589.1A CN202310561589A CN116304646A CN 116304646 A CN116304646 A CN 116304646A CN 202310561589 A CN202310561589 A CN 202310561589A CN 116304646 A CN116304646 A CN 116304646A
- Authority
- CN
- China
- Prior art keywords
- surge protector
- fault
- overvoltage
- current
- value
- 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
- 230000001012 protector Effects 0.000 title claims abstract description 207
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 230000000630 rising effect Effects 0.000 claims description 31
- 238000007726 management method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 239000002245 particle Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H9/00—Emergency protective circuit arrangements for limiting excess current or voltage without disconnection
- H02H9/04—Emergency protective circuit arrangements for limiting excess current or voltage without disconnection responsive to excess voltage
-
- 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
- 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
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明提供一种浪涌保护器的智能管控方法、装置及电子设备,属于紧急保护电路装置技术领域,具体包括:当浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块进行特征量的提取以及过电压故障值的评估;当浪涌保护器处于非过电压运行状态时,基于运行电流的时域特征量以及运行温度进行运行故障值的评估;基于浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及运行状态故障值,进行浪涌保护器的综合故障值的评估,并基于综合故障值确定是否发出预警信号,从而实现了对浪涌保护器的可靠全面的运行状态的监测。
Description
技术领域
本申请涉及紧急保护电路装置技术领域,具体而言,涉及一种浪涌保护器的智能管控方法、装置及电子设备。
背景技术
浪涌保护器是电子设备雷电防护中不可缺少的一种装置,其作用是把窜入电力线、信号传输线的瞬时过电压限制在设备或系统所能承受的电压范围内,或将强大的雷电流泄流入地,保护被保护的设备或系统不受冲击。由于其能够对间接雷电和直接雷电影响或其他瞬时过压的浪涌进行保护,在新能源电力系统等领域得到了大规模的应用。
目前,用户在安装了浪涌保护器后,一般便不会再对浪涌保护器进行关注,但是一旦浪涌保护器存在故障后,一旦窜入瞬时过电压,则会导致用电设备造成损坏,因此如何实现对浪涌保护器的状态的实时监测成为亟待解决的技术问题。
针对上述技术问题,本发明提供了一种浪涌保护器的智能管控方法、装置及电子设备。
发明内容
为实现本发明目的,本发明采用如下技术方案:
为了解决上述问题,本申请提供了一种浪涌保护器的智能管控方法、装置及电子设备。
第一方面,本申请实施例提供了一种浪涌保护器的智能管控方法,所述方法包括:
基于监测终端实时获取浪涌保护器的运行电压和运行电流,当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
优选的,基于所述浪涌保护的运行电压确定所述浪涌保护是否过电压运行状态。
优选的,基于所述过电压故障值确定所述浪涌保护器处于异常状态时,无需进行运行故障值和综合故障值的评估,并确定需要发出预警信号。
优选的,基于所述运行故障值确定所述浪涌保护器处于异常状态时,无需进行综合故障值的评估,并确定需要发出预警信号。
优选的,基于所述浪涌保护器需要发出预警信号时,并确定所述目标浪涌保护器对应的目标用户在当前时刻的用户状态;
当所述用户状态为工作状态时,在所述用户状态初次切换为休息状态后发送所述预警信号至所述目标用户对应的目标终端;
当所述用户状态为休息状态时,将所述提醒信息发送至所述目标用户对应的目标终端。
优选的,所述过电压故障值的取值范围在0到1之间,其中所述过电压故障值越大,则说明所述浪涌保护器的故障可能性越大。
优选的,基于所述浪涌保护器的运行温度对所述浪涌保护器的运行电流故障值进行修正,得到所述浪涌保护器的运行故障值,具体包括:
当所述浪涌保护器的运行温度小于预设温度时,则无需对所述浪涌保护器的运行故障值进行修正,将所述浪涌保护器的运行电流故障值作为所述浪涌保护器的运行状态值;
当所述浪涌保护器的运行温度大于预设温度时,则基于所述浪涌保护器的运行温度与所述预设温度的比值构建修正量,并将所述修正量与所述运行电流故障值的乘积作为所述浪涌保护器的运行故障值。
第二方面,本申请实施例提供了一种家用电涌保护器的智能管控装置,所述装置包括:
获取模块,用于实时获取浪涌保护器的运行电压和运行电流;
过电压故障值评估模块用于当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
运行故障值评估模块用于当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
预警信号输出模块用于基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
本发明的有益效果在于:
通过结合复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估,从而实现了从过电压运行状态时的运行电压和运行电流的角度实现了对浪涌保护器的故障状态的确定,不仅考虑到运行电流的影响,同时考虑到运行电压的情况,即不同的雷电冲击电压的影响,保证了浪涌保护器的运行状态的评估的准确性,
通过基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估,从而实现了从运行电流和运行温度的角度对浪涌保护器的运行状态的确定,从而进一步提升了浪涌保护器的运行的可靠性和稳定性。
通过结合浪涌保护器的历史过电压次数以及及运行电流超过预设电流的历史过电压次数,并结合设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值进行综合故障值的评估,从而不仅仅考虑到单一的过电压故障值以及运行状态故障值,同时结合历史过电压次数,实现了从历史数据以及故障状态诊断值三个方面对浪涌保护器的运行状态的评估,保证了浪涌保护器的运行状态的评估的准确性。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种浪涌保护器的智能管控方法的流程图;
图2是过电压故障值的评估的具体步骤的流程图;
图3是运行故障值的评估的具体步骤的流程图;
图4是综合故障值构建的具体步骤的流程图;
图5是一种家用电涌保护器的智能管控装置的框架图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例,并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下,对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行,并且可以添加、省略或组合各种步骤。此外,可以将关于一些示例描述的特征组合到其他示例中。
为解决上述问题,根据本发明的一个方面,如图1所示,本申请实施例提供了一种浪涌保护器的智能管控方法,所述方法包括:
S11基于监测终端实时获取浪涌保护器的运行电压和运行电流,当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
需要说明的是,复Gaussian4小波分析模块其小波母函数采用Gaussian4(Gaussian-4)小波函数,在硕士论文《基于小波与人工神经网络的结构损伤识别研究》等文献中均给出了关于该Gaussian4(Gaussian-4)小波函数的具体波形,通过改善传统的Gaussian函数的波形,包括小波的消失矩和对称性,更能准确的实现对运行电压和所述运行电流的波形特征的识别;
需要说明的是,浪涌保护器是否处于过电压运行状态,跟浪涌保护器的运行电压有关,正常情况下其运行电压处于正常状态,而一旦窜入冲击电压时,会导致运行电压急剧增大,因此可以通过运行电压进行过电压运行状态的确定。
可以理解的是,基于所述浪涌保护的运行电压确定所述浪涌保护是否过电压运行状态。
具体的,基于所述过电压故障值确定所述浪涌保护器处于异常状态时,无需进行运行故障值和综合故障值的评估,并确定需要发出预警信号。
具体的举例说明,如图2所示,所述过电压故障值的评估的具体步骤为:
S21采用复Gaussian4小波分析模块获取所述运行电流的跳变起止时刻,所述跳变起止时刻包括暂降起止时刻和暂升起止时刻,并基于所述跳变起止时刻确定所述运行电流的下降坡度、上升坡度以及暂降深度,并结合所述运行电流的有效值得到所述浪涌保护器的电流故障值,并基于所述电流故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述电流故障值作为所述浪涌保护器的过电压故障值,并确定所述浪涌保护器处于故障状态,若否,则进入步骤S22;
具体的,在本实施例中,从而实习了从运行电流的跳变起止时刻的确认,从而实现了从运行电流的波形变动,具体的包括下降坡度、上升坡度以及暂降深度。
S22采用复Gaussian4小波分析模块获取所述运行电压的跳变起止时刻,并基于所述运行电压的跳变起止时刻确定所述运行电压的下降坡度、上升坡度以及暂降深度,并将所述运行电压的下降坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的上升坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的暂降深度与所述运行电流的暂降深度的比值作为运行阻抗的暂降坡度,将所述运行电压的有效值与所述运行电流的有效值的比值作为所述运行阻抗的阻抗值;
S23基于所述运行阻抗的下降坡度、上升坡度以及暂降深度,并结合所述运行阻抗的阻抗值得到所述浪涌保护器的阻抗故障值,并基于所述阻抗故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述阻抗故障值作为所述浪涌保护器的过电压故障值,并确定所述浪涌保护器处于故障状态,若否,则进入步骤S24;
可以理解的是,当浪涌保护器的内部发生故障时,其对外表现的阻抗值会发生一定程度的转变,因此可以确定其处于故障状态。
S24基于所述电流故障值和所述阻抗故障值进行所述浪涌保护器的过电压故障值的确定。
在实际的操作过程中,可以将所述电流故障值和所述阻抗故障值的平均值作为浪涌保护器的过电压故障值,也可以赋予阻抗故障值和电流故障值的权值,从而实现对浪涌保护器的过电压故障值的确定。
在本实施例中,通过结合复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估,从而实现了从过电压运行状态时的运行电压和运行电流的角度实现了对浪涌保护器的故障状态的确定,不仅考虑到运行电流的影响,同时考虑到运行电压的情况,即不同的雷电冲击电压的影响,保证了浪涌保护器的运行状态的评估的准确性。
S12当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
具体的举例说明,如图3所示,所述运行故障值的评估的具体步骤为:
S31基于所述浪涌保护器的运行电流的幅值确定所述浪涌保护器是否处于疑似故障状态,若是,则进入步骤S33,若否,则进入步骤S32;
具体的,当运行电流的幅值较大时,则确定浪涌保护器处于疑似故障状态。
S32基于所述浪涌保护器的运行温度确定所述浪涌保护器是否处于疑似故障状态,若是,则进入步骤S33,若否,则确定所述浪涌保护器的运行故障值为0;
具体的,当浪涌保护器的运行温度较高时,则确定浪涌保护器处于疑似故障状态。
S33基于所述浪涌保护器的运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并基于所述时域特征量进行运行电流故障值的确定,并基于所述运行电流故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述运行电流故障值作为所述浪涌保护器的运行故障值,并确定所述浪涌保护器处于故障状态,若否,则进入步骤S34;
可以理解的是,所述运行电流故障值采取PSO粒子群算法对GRU神经网络模型进行优化预测时,主要包括以下步骤:
1、先对模型的输入数据归一化处理,将训练数据组成特征矩阵并通过PSO粒子群算法进行粒子初始化;
2、对初始化粒子赋予权重并采取GRU神经网络来实现预测,将真实值、预测值互相比较并计算出预测误差;
3、根据预测误差更新粒子全局、个体的最优位置,最后不断迭代求出最优粒子,直到达到设定迭代次数或者达到预设的误差限值;
4、将最优粒子输入GRU神经网络模型中并对其进行预测,并反归一化预测结果,预测运行电流故障值;
标准PSO存在收敛精度低,易陷入局部最优的问题。为了提高算法的收敛速度及精度,可对学习因子进行动态调整,并对最大速度进行动态限制,使得粒子最大速度随迭代次数增加而降低,保证迭代接近尾声时精细搜索,具体的计算公式为:
S34基于所述浪涌保护器的运行温度对所述浪涌保护器的运行电流故障值进行修正,得到所述浪涌保护器的运行故障值。
需要说明的是,基于所述浪涌保护器的运行温度对所述浪涌保护器的运行电流故障值进行修正,得到所述浪涌保护器的运行故障值,具体包括:
当所述浪涌保护器的运行温度小于预设温度时,则无需对所述浪涌保护器的运行故障值进行修正,将所述浪涌保护器的运行电流故障值作为所述浪涌保护器的运行状态值;
当所述浪涌保护器的运行温度大于预设温度时,则基于所述浪涌保护器的运行温度与所述预设温度的比值构建修正量,并将所述修正量与所述运行电流故障值的乘积作为所述浪涌保护器的运行故障值。
具体的,所述过电压故障值的取值范围在0到1之间,其中所述过电压故障值越大,则说明所述浪涌保护器的故障可能性越大。
在本实施例中,通过基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估,从而实现了从运行电流和运行温度的角度对浪涌保护器的运行状态的确定,从而进一步提升了浪涌保护器的运行的可靠性和稳定性。
S13基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
具体的举例说明,如图4所示,所述综合故障值构建的具体步骤为:
S41基于所述浪涌保护器的历史过电压次数确定是否需要对所述浪涌保护器进行综合故障值的评估,若是,则进入步骤S43,若否,则进入步骤S42;
S42基于所述浪涌保护器的运行电流超过预设电流的历史过电压次数确定是否需要对所述浪涌保护器进行综合故障值的评估,若是,则进入步骤S43,若否,则确定所述浪涌保护器无故障,无需发出预警信号;
S43基于所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值的最大值、过电压故障值的方差、过电压故障值的最小值进行所述浪涌保护器的过电压运行状态值的确定;
S44基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数确定所述过电压运行状态值的权值和所述运行状态故障值的权值,并结合所述过电压运行状态值和所述运行状态故障值进行综合故障值的确定。
具体的,所述确定所述目标浪涌保护器对应的目标用户在当前时刻的用户状态,包括:
确定所述目标浪涌保护器对应的目标用户,获取所述目标用户预设的时间规划信息;
查询当前时刻在所述时间规划信息中对应的用户状态。
具体的,基于所述运行故障值确定所述浪涌保护器处于异常状态时,无需进行综合故障值的评估,并确定需要发出预警信号。
在本实施例中,通过结合浪涌保护器的历史过电压次数以及及运行电流超过预设电流的历史过电压次数,并结合设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值进行综合故障值的评估,从而不仅仅考虑到单一的过电压故障值以及运行状态故障值,同时结合历史过电压次数,实现了从历史数据以及故障状态诊断值三个方面对浪涌保护器的运行状态的评估,保证了浪涌保护器的运行状态的评估的准确性。
在另外一种可能的实施例中,基于所述浪涌保护器需要发出预警信号时,并确定所述目标浪涌保护器对应的目标用户在当前时刻的用户状态;
当所述用户状态为工作状态时,在所述用户状态初次切换为休息状态后发送所述预警信号至所述目标用户对应的目标终端;
当所述用户状态为休息状态时,将所述提醒信息发送至所述目标用户对应的目标终端。
第二方面,如图5所示,本申请实施例提供了一种家用电涌保护器的智能管控装置,所述装置包括:
获取模块,用于实时获取浪涌保护器的运行电压和运行电流;
过电压故障值评估模块用于当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
运行故障值评估模块用于当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
预警信号输出模块用于基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
具体的举例说明,过电压故障值的评估的具体步骤为:
S201采用复Gaussian4小波分析模块获取所述运行电流的跳变起止时刻,所述跳变起止时刻包括暂降起止时刻和暂升起止时刻,并基于所述跳变起止时刻确定所述运行电流的下降坡度、上升坡度以及暂降深度,并结合所述运行电流的有效值得到所述浪涌保护器的电流故障值,并基于所述电流故障值确定所述浪涌保护器不处于故障状态,时,进入步骤S22;
S202采用复Gaussian4小波分析模块获取所述运行电压的跳变起止时刻,并基于所述运行电压的跳变起止时刻确定所述运行电压的下降坡度、上升坡度以及暂降深度,并将所述运行电压的下降坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的上升坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的暂降深度与所述运行电流的暂降深度的比值作为运行阻抗的暂降坡度,将所述运行电压的有效值与所述运行电流的有效值的比值作为所述运行阻抗的阻抗值;
S203基于所述运行阻抗的下降坡度、上升坡度以及暂降深度,并结合所述运行阻抗的阻抗值得到所述浪涌保护器的阻抗故障值,并基于所述阻抗故障值确定所述浪涌保护器处于故障状态时,将所述阻抗故障值作为所述浪涌保护器的过电压故障值,并确定所述浪涌保护器处于故障状态。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
上述的方法,具体包括:
S101基于监测终端实时获取浪涌保护器的运行电压和运行电流,当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估,并基于所述过电压故障值确定是否发出预警信号,若是,则确定所述浪涌保护器存在故障,需要发出预警信号,若否,则进入下一步骤;
S102当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估,并基于所述行故障值确定是否发出预警信号,若是,则确定所述浪涌保护器存在故障,需要发出预警信号,若否,则进入下一步骤;
S103基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法。
上述的方法,具体包括:
S201基于监测终端实时获取浪涌保护器的运行电压和运行电流,当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估,并基于所述过电压故障值确定不发出预警信号时,进入下一步骤;
S202当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估,并基于所述行故障值确定发出预警信号时,确定所述浪涌保护器存在故障,需要发出预警信号。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.一种浪涌保护器的智能管控方法,其特征在于,所述方法包括:
基于监测终端实时获取浪涌保护器的运行电压和运行电流,当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
2.如权利要求1所述的智能管控方法,其特征在于,基于所述浪涌保护的运行电压确定所述浪涌保护是否过电压运行状态。
3.如权利要求1所述的智能管控方法,其特征在于,基于所述过电压故障值确定所述浪涌保护器处于异常状态时,无需进行运行故障值和综合故障值的评估,并确定需要发出预警信号。
4.如权利要求1所述的智能管控方法,其特征在于,基于所述运行故障值确定所述浪涌保护器处于异常状态时,无需进行综合故障值的评估,并确定需要发出预警信号。
5.如权利要求1所述的智能管控方法,其特征在于,所述过电压故障值的评估的具体步骤为:
采用复Gaussian4小波分析模块获取所述运行电流的跳变起止时刻,所述跳变起止时刻包括暂降起止时刻和暂升起止时刻,并基于所述跳变起止时刻确定所述运行电流的下降坡度、上升坡度以及暂降深度,并结合所述运行电流的有效值得到所述浪涌保护器的电流故障值,并基于所述电流故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述电流故障值作为所述浪涌保护器的过电压故障值,并确定所述浪涌保护器处于故障状态,若否,则进入下一步骤;
采用复Gaussian4小波分析模块获取所述运行电压的跳变起止时刻,并基于所述运行电压的跳变起止时刻确定所述运行电压的下降坡度、上升坡度以及暂降深度,并将所述运行电压的下降坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的上升坡度与所述运行电流的下降坡度的比值作为运行阻抗的下降坡度,将所述运行电压的暂降深度与所述运行电流的暂降深度的比值作为运行阻抗的暂降坡度,将所述运行电压的有效值与所述运行电流的有效值的比值作为所述运行阻抗的阻抗值;
基于所述运行阻抗的下降坡度、上升坡度以及暂降深度,并结合所述运行阻抗的阻抗值得到所述浪涌保护器的阻抗故障值,并基于所述阻抗故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述阻抗故障值作为所述浪涌保护器的过电压故障值,并确定所述浪涌保护器处于故障状态,若否,则进入下一步骤;
基于所述电流故障值和所述阻抗故障值进行所述浪涌保护器的过电压故障值的确定。
6.如权利要求5所述的智能管控方法,其特征在于,所述过电压故障值的评估的具体步骤为:所述过电压故障值的取值范围在0到1之间,其中所述过电压故障值越大,则说明所述浪涌保护器的故障可能性越大。
7.如权利要求1所述的智能管控方法,其特征在于,所述过电压故障值的评估的具体步骤为:所述运行故障值的评估的具体步骤为:
S31基于所述浪涌保护器的运行电流的幅值确定所述浪涌保护器是否处于疑似故障状态,若是,则进入步骤S33,若否,则进入步骤S32;
S32基于所述浪涌保护器的运行温度确定所述浪涌保护器是否处于疑似故障状态,若是,则进入步骤S33,若否,则确定所述浪涌保护器的运行故障值为0;
S33基于所述浪涌保护器的运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并基于所述时域特征量进行运行电流故障值的确定,并基于所述运行电流故障值确定所述浪涌保护器是否处于故障状态,若是,则将所述运行电流故障值作为所述浪涌保护器的运行故障值,并确定所述浪涌保护器处于故障状态,若否,则进入步骤S34;
S34基于所述浪涌保护器的运行温度对所述浪涌保护器的运行电流故障值进行修正,得到所述浪涌保护器的运行故障值。
8.如权利要求1所述的智能管控方法,其特征在于,所述过电压故障值的评估的具体步骤为:基于所述浪涌保护器的运行温度对所述浪涌保护器的运行电流故障值进行修正,得到所述浪涌保护器的运行故障值,具体包括:
当所述浪涌保护器的运行温度小于预设温度时,则无需对所述浪涌保护器的运行故障值进行修正,将所述浪涌保护器的运行电流故障值作为所述浪涌保护器的运行状态值;
当所述浪涌保护器的运行温度大于预设温度时,则基于所述浪涌保护器的运行温度与所述预设温度的比值构建修正量,并将所述修正量与所述运行电流故障值的乘积作为所述浪涌保护器的运行故障值。
9.一种家用浪涌保护器的智能管控装置,采用权利要求1-8任一项所述的智能管控方法,所述装置包括:
获取模块,用于实时获取浪涌保护器的运行电压和运行电流;
过电压故障值评估模块用于当所述浪涌保护器处于过电压运行状态时,采用复Gaussian4小波分析模块确定所述运行电压和所述运行电流的下降坡度、上升坡度以及暂降深度的特征量,并基于所述特征量进行过电压故障值的评估;
运行故障值评估模块用于当所述浪涌保护器处于非过电压运行状态时,基于所述运行电流进行电流上升率、正弦度、幅值的时域特征量的提取,并结合所述浪涌保护器的运行温度进行运行故障值的评估;
预警信号输出模块用于基于所述浪涌保护器的历史过电压次数以及运行电流超过预设电流的历史过电压次数,并结合所述浪涌保护器的最近的设定数量的处于过电压运行状态时的过电压故障值以及所述运行状态故障值,进行所述浪涌保护器的综合故障值的评估,并基于所述综合故障值确定是否发出预警信号。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8任一项所述的智能管控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561589.1A CN116304646B (zh) | 2023-05-18 | 2023-05-18 | 一种浪涌保护器的智能管控方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561589.1A CN116304646B (zh) | 2023-05-18 | 2023-05-18 | 一种浪涌保护器的智能管控方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116304646A true CN116304646A (zh) | 2023-06-23 |
CN116304646B CN116304646B (zh) | 2023-10-10 |
Family
ID=86781917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310561589.1A Active CN116304646B (zh) | 2023-05-18 | 2023-05-18 | 一种浪涌保护器的智能管控方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304646B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050171647A1 (en) * | 2004-02-02 | 2005-08-04 | Abb Inc. | High impedance fault detection |
KR101352204B1 (ko) * | 2012-07-05 | 2014-01-16 | 성균관대학교산학협력단 | 배전 계통에서 발생하는 전력 품질 외란의 원인 판별 장치 및 방법 |
CN104617571A (zh) * | 2015-01-20 | 2015-05-13 | 长沙飞波通信技术有限公司 | 一种电子电气设备过压过流保护器 |
CN105807153A (zh) * | 2015-12-29 | 2016-07-27 | 深圳市恒毅兴实业有限公司 | 电源浪涌保护器故障原因诊断方法和装置 |
CN108344904A (zh) * | 2017-03-23 | 2018-07-31 | 长沙理工大学 | 一种直流电缆故障监测和辨识新方法 |
CN108683168A (zh) * | 2018-05-11 | 2018-10-19 | 杭州易龙防雷科技有限公司 | 一种具有阻燃功能的智能电涌保护器 |
CN110109015A (zh) * | 2019-05-31 | 2019-08-09 | 中南大学 | 一种基于深度学习的异步电动机故障监测与诊断方法 |
CN111239545A (zh) * | 2020-02-06 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 一种雷击过电压故障定位方法 |
CN111262230A (zh) * | 2020-03-30 | 2020-06-09 | 江西省气象服务中心(江西省专业气象台、江西省气象影视中心) | 基于雷电预警信息自动投切的信号浪涌保护器及运行方法 |
CN113054624A (zh) * | 2021-05-10 | 2021-06-29 | 浙江中新电力工程建设有限公司 | 一种智能型低压电涌保护器专用断路器及其控制方法 |
CN115864347A (zh) * | 2022-12-09 | 2023-03-28 | 国网湖南省电力有限公司 | 风力发电机电子电气系统用浪涌保护器的选择分析方法 |
-
2023
- 2023-05-18 CN CN202310561589.1A patent/CN116304646B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050171647A1 (en) * | 2004-02-02 | 2005-08-04 | Abb Inc. | High impedance fault detection |
KR101352204B1 (ko) * | 2012-07-05 | 2014-01-16 | 성균관대학교산학협력단 | 배전 계통에서 발생하는 전력 품질 외란의 원인 판별 장치 및 방법 |
CN104617571A (zh) * | 2015-01-20 | 2015-05-13 | 长沙飞波通信技术有限公司 | 一种电子电气设备过压过流保护器 |
CN105807153A (zh) * | 2015-12-29 | 2016-07-27 | 深圳市恒毅兴实业有限公司 | 电源浪涌保护器故障原因诊断方法和装置 |
CN108344904A (zh) * | 2017-03-23 | 2018-07-31 | 长沙理工大学 | 一种直流电缆故障监测和辨识新方法 |
CN108683168A (zh) * | 2018-05-11 | 2018-10-19 | 杭州易龙防雷科技有限公司 | 一种具有阻燃功能的智能电涌保护器 |
CN110109015A (zh) * | 2019-05-31 | 2019-08-09 | 中南大学 | 一种基于深度学习的异步电动机故障监测与诊断方法 |
CN111239545A (zh) * | 2020-02-06 | 2020-06-05 | 云南电网有限责任公司电力科学研究院 | 一种雷击过电压故障定位方法 |
CN111262230A (zh) * | 2020-03-30 | 2020-06-09 | 江西省气象服务中心(江西省专业气象台、江西省气象影视中心) | 基于雷电预警信息自动投切的信号浪涌保护器及运行方法 |
CN113054624A (zh) * | 2021-05-10 | 2021-06-29 | 浙江中新电力工程建设有限公司 | 一种智能型低压电涌保护器专用断路器及其控制方法 |
CN115864347A (zh) * | 2022-12-09 | 2023-03-28 | 国网湖南省电力有限公司 | 风力发电机电子电气系统用浪涌保护器的选择分析方法 |
Non-Patent Citations (4)
Title |
---|
CLEMENS ZOELLER等: "Prevention of Traction Drives Stator Insulation Faults Based on Overvoltage Reduction Utilizing Active Edge Shaping", IEEE * |
匡军: "超高压输电线路单端暂态电流保护算法的研究", 中国优秀硕士学位论文全文数据库工程科技II辑, no. 11 * |
张正根: "基于小波变换的高压输电线路雷击过电压识别方法研究", 中国优秀硕士学位论文全文数据库工程科技II辑, no. 02 * |
易秀成 等: "多要素防雷装置综合测试仪研发", 电子测量技术 * |
Also Published As
Publication number | Publication date |
---|---|
CN116304646B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106990324B (zh) | 一种配电网接地故障检测定位方法 | |
US20200393505A1 (en) | Effective feature set-based high impedance fault detection | |
Chen et al. | Intelligent transient overvoltages location in distribution systems using wavelet packet decomposition and general regression neural networks | |
CN105067963A (zh) | 基于暂态波形的配网故障预警方法和系统 | |
CN110930265A (zh) | 一种基于移地距离的电力系统虚假数据注入攻击检测方法 | |
CN117150419B (zh) | 基于数据分析的储能电源运行环境检测系统 | |
CN104091056A (zh) | 一种实验室设备使用寿命预测系统和方法 | |
Bao et al. | Resilience-oriented transmission line fragility modeling and real-time risk assessment of thunderstorms | |
CN115078938B (zh) | 一种避雷器绝缘性能的识别方法及装置 | |
CN107292512B (zh) | 一种基于符号动力学和隐马尔科夫模型的电力设备时空多维安全评估方法 | |
CN113222260A (zh) | 输电线路的雷击跳闸率预测模型 | |
CN105974270A (zh) | 一种输电线路故障类型诊断方法及系统 | |
CN112366708A (zh) | 一种充电管理方法、装置、设备及存储介质 | |
CN116304646B (zh) | 一种浪涌保护器的智能管控方法、装置及电子设备 | |
Ye et al. | Single pole‐to‐ground fault location method for mmc‐hvdc system using wavelet decomposition and dbn | |
CN107944721A (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及系统 | |
Rao et al. | Fault recognition and diagnosis based on a decision tree for power distribution systems | |
CN114184870A (zh) | 非侵入式负荷识别方法及设备 | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和系统 | |
Khediri et al. | Deep-belief network based prediction model for power outage in smart grid | |
CN110058119A (zh) | 一种利用衰减非周期分量的故障选极方法 | |
CN115587673A (zh) | 一种电压互感器误差状态预测方法及系统 | |
Regev et al. | Hybrid ai-based anomaly detection model using phasor measurement unit data | |
CN115733139A (zh) | 一种基于线性潮流的动态防雷方法及系统 | |
CN115561575A (zh) | 基于多维矩阵轮廓的海上风电场电气异常状态辨别方法 |
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 |