CN117110795B - 一种台区线路故障定位系统 - Google Patents
一种台区线路故障定位系统 Download PDFInfo
- Publication number
- CN117110795B CN117110795B CN202311350697.0A CN202311350697A CN117110795B CN 117110795 B CN117110795 B CN 117110795B CN 202311350697 A CN202311350697 A CN 202311350697A CN 117110795 B CN117110795 B CN 117110795B
- Authority
- CN
- China
- Prior art keywords
- fault
- line
- subarea
- sub
- area
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000005856 abnormality Effects 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 46
- 238000012937 correction Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000009413 insulation Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 239000002344 surface layer Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000010410 layer Substances 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及线路故障定位技术领域,具体公开一种台区线路故障定位系统,该系统设置指定台区线路分割模块、子区域线路排查筛分模块、器件信息采集分析模块和异常反馈提示模块,本发明通过提供一种台区线路故障定位系统,将指定台区线路进行二次筛分,最终定位至指定故障区域发生点,通过多维度参数分析,减少了数值分析处理的误差,可以及时掌握台区线路的故障情况,同时通过定位指定故障区域发生点,由此进行异常反馈提示,将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,能够提高台区线路的故障定位分析水平,同时在一定程度上可以提高供电系统的可靠性和稳定性。
Description
技术领域
本发明涉及线路故障定位技术领域,具体为一种台区线路故障定位系统。
背景技术
当前,由于用电频率越来越高,使得线路的故障次数也逐渐增多,如何快速、高效的对线路故障进行定位并及时进行修复,成为当前需要迫切解决的问题之一,同时台区线损是台区发生故障的重要因素之一,通过对台区线路进行故障定位分析,可以了解台区线路发生故障的具体位置,以便能够快速修复线路,并确保用户得到稳定可靠的电力供应,同时提高供电系统的可靠性和稳定性。
如今,在台区线路故障定位方面还存在一些不足,具体体现在以下方面:现有技术在对台区线路故障进行定位分析时,通常是按照以往的故障发生位置进行检查,或是对台区所在区域直接进行一次故障定位从而进行修复,没有全面的考虑引起线路故障的可能位置点,忽视对这些方面的分析,则会使得最终数值分析处理得到的故障定位点与台区线路实际故障位置点出现并不一致的情况,可能会存在结果误判的现象,不仅要增加对线路的维修成本和维修时间,且在一定程度上会对电力供应传输质量产生负面影响。
例如公开号为:CN115498776A的专利申请,公开了一种基于智能融合终端的配电故障快速定位系统,包括故障判定模块、数据分析模块、智能检测模块、监测设定模块和智能筛选模块,通过对配电台区内配电线路的监测等级以及检测工作进行智能设定,并对配电故障定位的工作人员进行筛选,同时对配电线路中总支配电线路和分支配电线路的实时工作情况进行分析,由此对配电台区中配电线路的实时工作情况进行判定,本发明基于配电网中配线电路的线路等级,实现对配电路线的故障快速定位。
但本申请在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:对配电线路故障进行定位时,通常是根据工作人员的工作信息以及设定的线路等级由此进行故障定位,虽然能够满足基础故障定位需求,但是运用的数据并不全面,同时对故障位置只进行一次检测,且设定的等级中引起线路故障的可能位置点并没有达到全方位覆盖,使得最终得到的结果会与实际结果存在很大的误差,不仅影响线路故障定位的进程,且用户需要的稳定电力供应也无法得到高效保障。
发明内容
针对现有技术的不足,本发明提供了一种台区线路故障定位系统,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种台区线路故障定位系统,包括指定台区线路分割模块,用于将指定台区线路进行分割,得到各子区域线路。
子区域线路排查筛分模块,用于设定检测周期,并对各子区域线路的线损信息进行排查,由此筛分得到各故障子区域。
器件信息采集分析模块,用于采集各故障子区域的器件信息,分析各故障子区域的器件异常评估值。
异常反馈提示模块,用于定位指定故障区域发生点,由此进行异常反馈提示。
作为进一步的方案,所述对各子区域线路的线损信息进行排查,具体分析过程为:
将设定的检测周期划分成各检测时间点,同时统计各子区域线路的A相、B相、C相以及零线,由此通过测量主机采集各子区域线路的A相、B相、C相以及零线在各检测时间点对应的电流值,分别记为、/>、/>和/>,其中j表示为各子区域线路的编号,/>,v表示为各检测时间点的编号,/>,w表示为检测时间点的数目。
从数据云平台中提取各子区域线路对应的许可电流差值,计算各子区域线路的第一电流异常程度值/>,计算公式为:,其中/>表示为设定的第一电流对应的修正因子,e表示为自然常数。
同理,根据表达式,分析计算第j个子区域线路的第二电流异常程度值/>,式中/>表示为设定的第二电流对应的修正因子。
计算各子区域线路的第三电流异常程度值,计算公式为:,其中/>表示为设定的第三电流对应的修正因子。
作为进一步的方案,所述筛分得到各故障子区域,具体分析过程为:
通过测量主机对各子区域线路的A相、B相、C相和零线进行电流信号感知,并通过线路组合处理,依次提取各子区域线路的各组合线路电流相位差,其中F表示为各组合线路的编号,/>,K表示为组合线路的数目。
计算各子区域线路的组合线路异常程度值,计算公式为:,其中/>表示为预设的第j个子区域线路的参照电流相位差,/>表示为预定义的线路电流相位差对应的修正因子。
综合计算各子区域线路的线损异常程度值,计算公式为:,其中/>、/>、/>和/>分别表示为预定义的第一电流异常程度值、第二电流异常程度值、第三电流异常程度值和组合线路异常程度值对应的权重因子。
将各子区域线路的线损异常程度值与预设的线损异常程度阈值进行比对,若某子区域线路的线损异常程度值高于线损异常程度阈值,则将该子区域线路记为故障子区域,由此筛分统计各故障子区域。
作为进一步的方案,所述采集各故障子区域的器件信息,具体分析过程为:
统计各故障子区域的各互感器,采集各故障子区域的各互感器在各检测时间点下对应的输入电流值和输出电流值,通过比对处理得到各故障子区域的各互感器在各检测时间点下对应的互感器变比值,其中i表示为各故障子区域的编号,/>,p表示为各互感器的编号,/>,q表示为互感器的数目。
从数据云平台中提取各互感器对应的适配互感器变比值,计算各故障子区域的各互感器所属互感器变比影响系数/>,计算公式为:,其中/>表示为预定义的互感器变比值对应的修正因子。
通过测量主机获取各故障子区域的各互感器在各检测时间点下对应的输入电流信号值以及输出电流信号值,由此构建各故障子区域的各互感器对应的电流信号输入-输出线性曲线,与数据云平台中存储的各互感器对应的电流信号输入-输出参考线性曲线进行重合比对,得到各故障子区域的各互感器对应的电流信号线性曲线重合长度值。
提取数据云平台中存储的各互感器对应的电流信号线性曲线重合长度界定值,计算各故障子区域的各互感器所属电流信号影响系数/>,计算公式为:,其中/>表示为预定义的线性曲线重合长度值对应的修正因子。
获取各故障子区域的各互感器在设定的检测周期内对应的表层温度最大值以及振动次数/>,同时从数据云平台中提取各互感器对应的表层温度许可值/>以及允许振动频率/>。
计算各故障子区域的各互感器所属运行影响系数,计算公式为:,其中/>表示为检测周期的时长,/>和/>分别表示为预定义的表层温度以及振动频率对应的修正因子。
综合计算各故障子区域的互感器影响程度指数,计算公式为:,其中/>、/>和/>分别表示为预设的互感器变比影响系数、电流信号影响系数和运行影响系数对应的权重因子。
统计各故障子区域的各线夹,由此计算各故障子区域的线夹绝缘长度影响程度指数。
作为进一步的方案,所述各故障子区域的线夹绝缘长度影响程度指数,具体分析过程为:
获取各故障子区域的各线夹所属应用年限,其中E表示为各线夹的编号,,U表示为线夹的数目,同时从数据云平台中提取各线夹对应的初始绝缘长度值/>,并提取预设的单位应用年限对应的折损绝缘长度值/>。
计算各故障子区域的线夹绝缘长度影响程度指数,计算公式为:,其中/>表示为预设的第E个线夹对应的绝缘长度界定值,/>表示为预定义的线夹绝缘长度对应的修正因子。
统计各故障子区域的各配电箱,由此计算各故障子区域的配电箱影响程度指数。
作为进一步的方案,所述各故障子区域的配电箱影响程度指数,具体分析过程为:
采集各故障子区域的各配电箱所属投运时长,其中D表示为各配电箱的编号,,N表示为配电箱的数目,从数据云平台中提取各配电箱所属额定运营时长。
计算各故障子区域的各配电箱所属投运时长影响系数,计算公式为:,其中/>表示为预设的配电箱所属投运时长对应的修正因子。
获取各故障子区域的各配电箱所属控制器在设定的检测周期内对应的数据累计存储量,同时从数据云平台中提取各配电箱所属控制器对应的数据存储平均速率。
计算各故障子区域的各配电箱所属控制器影响系数,计算公式为:,其中/>表示为检测周期的时长,/>表示为预设的数据存储速率对应的修正因子。
综合计算各故障子区域的配电箱影响程度指数,计算公式为:,其中/>和/>分别表示为预设的投运时长影响系数和控制器影响系数对应的权值。
作为进一步的方案,所述各故障子区域的器件异常评估值,具体计算公式为:,其中/>表示为第i个故障子区域的器件异常评估值,/>、/>和/>分别表示为预设的互感器影响程度指数、线夹绝缘长度影响程度指数和配电箱影响程度指数对应的权重因子。
作为进一步的方案,所述定位指定故障区域发生点,具体分析过程为:
将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,若某故障子区域的器件异常评估值高于器件异常评估阈值,则定位该故障子区域作为指定故障区域发生点,由此进行异常反馈提示。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
(1)本发明通过提供一种台区线路故障定位系统,将指定台区线路进行二次筛分,最终定位至指定故障区域发生点,为后续进行异常反馈提示提供更加具有科学性和可靠性的数据依据,通过多维度参数分析,减少了数值分析处理的误差,不仅能够及时掌握台区线路的故障情况,同时可以确保供电系统的正常运行和可靠性。
(2)本发明通过对各子区域线路的线损信息进行排查,筛分得到各故障子区域,对各子区域线路的A相、B相、C相以及零线的相关参数进行细致性分析,并采集各子区域线路的各组合线路电流相位差,不仅可以进行一次筛分故障子区域,同时为后续精准定位故障区域发生点提供更加科学的数据支撑。
(3)本发明通过采集各故障子区域的器件信息,并分析各故障子区域的器件异常评估值,将故障区域中的互感器、线夹以及配电箱所属关联信息依次进行判定,使得故障区域所属器件得到更详细的参数评定结果,且有助于提高后续故障管控的评定精准性。
(4)本发明通过定位指定故障区域发生点,由此进行异常反馈提示,将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,能够精准定位至指定故障区域发生点,且能够提高台区线路的故障定位分析水平,同时在一定程度上可以提高供电系统的可靠性和稳定性。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的系统模块连接示意图。
具体实施方式
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。
请参阅图1,本发明实施例提供一种技术方案:一种台区线路故障定位系统,包括指定台区线路分割模块、子区域线路排查筛分模块、器件信息采集分析模块和异常反馈提示模块。
所述指定台区线路分割模块与子区域线路排查筛分模块相连接,子区域线路排查筛分模块与器件信息采集分析模块相连接,器件信息采集分析模块与异常反馈提示模块相连接。
所述指定台区线路分割模块用于将指定台区线路进行分割,得到各子区域线路。
所述子区域线路排查筛分模块用于设定检测周期,并对各子区域线路的线损信息进行排查,由此筛分得到各故障子区域。
具体的,所述对各子区域线路的线损信息进行排查,具体分析过程为:
将设定的检测周期划分成各检测时间点,同时统计各子区域线路的A相、B相、C相以及零线,由此通过测量主机采集各子区域线路的A相、B相、C相以及零线在各检测时间点对应的电流值,分别记为、和/>,其中j表示为各子区域线路的编号,,v表示为各检测时间点的编号,/>,w表示为检测时间点的数目。
从数据云平台中提取各子区域线路对应的许可电流差值,计算各子区域线路的第一电流异常程度值/>,计算公式为:,其中/>表示为设定的第一电流对应的修正因子,e表示为自然常数。
同理,根据表达式,分析计算第j个子区域线路的第二电流异常程度值/>,式中/>表示为设定的第二电流对应的修正因子。
计算各子区域线路的第三电流异常程度值,计算公式为:,其中/>表示为设定的第三电流对应的修正因子。
需要说明的是,上述依次计算各子区域线路的第一电流异常程度值、第二电流异常程度值以及第三电流异常程度值的目的是为后续综合计算各子区域线路的线损异常程度值提供更加精准的数据基础,同时细致性的分析区域线路的电流异常情况可以更加快速的筛分出有可能发生故障的区域,为后续的二次筛分提供数据支撑。
进一步的,所述筛分得到各故障子区域,具体分析过程为:
通过测量主机对各子区域线路的A相、B相、C相和零线进行电流信号感知,并通过线路组合处理,依次提取各子区域线路的各组合线路电流相位差,其中F表示为各组合线路的编号,/>,K表示为组合线路的数目。
需要解释的是,上述提取各子区域线路的各组合线路电流相位差,其中各组合线路包括A相至B相、A相至C相、A相至零线、B相至C相、B相至零线以及C相至零线。
计算各子区域线路的组合线路异常程度值,计算公式为:,其中/>表示为预设的第j个子区域线路的参照电流相位差,/>表示为预定义的线路电流相位差对应的修正因子。
进一步需要说明的是,上述计算各子区域线路的组合线路异常程度值,若组合线路中的电流相位差较大,可能会导致周围设备或线路受损,甚至引发火灾或爆炸等安全隐患,且如果电流分布不均匀,意味着故障发生在一个局部区域,而不是整个线路中,因此分析区域中组合线路的异常程度,可以帮助确定故障发生的位置、程度和范围,以此减少排查故障的时间。
综合计算各子区域线路的线损异常程度值,计算公式为:,其中/>、和/>分别表示为预定义的第一电流异常程度值、第二电流异常程度值、第三电流异常程度值和组合线路异常程度值对应的权重因子。
将各子区域线路的线损异常程度值与预设的线损异常程度阈值进行比对,若某子区域线路的线损异常程度值高于线损异常程度阈值,则将该子区域线路记为故障子区域,由此筛分统计各故障子区域。
在一个具体实施例中,本发明通过对各子区域线路的线损信息进行排查,筛分得到各故障子区域,对各子区域线路的A相、B相、C相以及零线的相关参数进行细致性分析,并采集各子区域线路的各组合线路电流相位差,不仅可以进行一次筛分故障子区域,同时为后续精准定位故障区域发生点提供更加科学的数据支撑。
所述器件信息采集分析模块用于采集各故障子区域的器件信息,分析各故障子区域的器件异常评估值。
具体的,所述采集各故障子区域的器件信息,具体分析过程为:
统计各故障子区域的各互感器,采集各故障子区域的各互感器在各检测时间点下对应的输入电流值和输出电流值,通过比对处理得到各故障子区域的各互感器在各检测时间点下对应的互感器变比值,其中i表示为各故障子区域的编号,/>,p表示为各互感器的编号,/>,q表示为互感器的数目。
需要说明的是,上述采集各故障子区域的各互感器在各检测时间点下对应的输入电流值和输出电流值,所使用的设备为互感器测试仪。
从数据云平台中提取各互感器对应的适配互感器变比值从数据云平台中提取各互感器对应的适配互感器变比值,计算各故障子区域的各互感器所属互感器变比影响系数/>,计算公式为:/>,其中/>表示为预定义的互感器变比值对应的修正因子。
需要说明的是,上述计算各故障子区域的各互感器所属互感器变比影响系数,由于根据互感器的变比值可以检测台区线路中的故障以及确定故障发生的位置,因此变比值的准确性对于准确判断故障电流的大小和方向至关重要,若变比值不准确则可能导致错误的故障定位结果,使得区域线路中电流分布不均匀,影响电力系统的正常运行,因此分析互感器的变比值对于线路故障的影响是十分重要的。
通过测量主机获取各故障子区域的各互感器在各检测时间点下对应的输入电流信号值以及输出电流信号值,由此构建各故障子区域的各互感器对应的电流信号输入-输出线性曲线,与数据云平台中存储的各互感器对应的电流信号输入-输出参考线性曲线进行重合比对,得到各故障子区域的各互感器对应的电流信号线性曲线重合长度值。
提取数据云平台中存储的各互感器对应的电流信号线性曲线重合长度界定值,计算各故障子区域的各互感器所属电流信号影响系数/>,计算公式为:,其中/>表示为预定义的互感器变比值对应的修正因子。
需要说明的是,上述计算各故障子区域的各互感器所属电流信号影响系数,若电流信号线性曲线重合长度较高,那么输入电流和输出电流之间的比例关系较为准确,可以更准确地测量和计算故障电流,但如果电流信号线性曲线重合长度较低,则可能导致测量结果的偏差和不准确性,会导致电力系统中电流分布不均匀,由此引发电流故障,影响电力系统的正常运行和稳定性,因此分析互感器的电流信号影响程度,可以更精确的定位故障区域,减少时间成本。
获取各故障子区域的各互感器在设定的检测周期内对应的表层温度最大值以及振动次数/>,同时从数据云平台中提取各互感器对应的表层温度许可值/>以及允许振动频率/>。
需要说明的是,上述获取各故障子区域的各互感器在设定的检测周期内对应的表层温度最大值以及振动次数,所使用的设备分别为温度传感器以及振动传感器。
计算各故障子区域的各互感器所属运行影响系数,计算公式为:,其中/>表示为检测周期的时长,/>和/>分别表示为预定义的表层温度以及振动频率对应的修正因子。
需要说明的是,上述计算各故障子区域的各互感器所属运行影响系数,当故障发生时,特定区域的表层温度会异常升高,通过监测区域中各互感器表层温度值,可以定位互感器所在故障发生的区域,同时由于故障发生时,互感器的振动频率也会发生异常,因此通过监测互感器的振动频率,也可以用于定位故障发生的区域,由此须对互感器的表层温度以及振动频率进行分析,以便快速定位至故障区域,并进行及时修复。
综合计算各故障子区域的互感器影响程度指数,计算公式为:,其中/>和/>分别表示为预设的互感器变比影响系数、电流信号影响系数和运行影响系数对应的权重因子。
统计各故障子区域的各线夹,由此计算各故障子区域的线夹绝缘长度影响程度指数。
进一步的,所述各故障子区域的线夹绝缘长度影响程度指数,具体分析过程为:
获取各故障子区域的各线夹所属应用年限,其中E表示为各线夹的编号,,U表示为线夹的数目,同时从数据云平台中提取各线夹对应的初始绝缘长度值/>,并提取预设的单位应用年限对应的折损绝缘长度值/>。
需要说明的是,上述获取各故障子区域的各线夹所属应用年限,其中应用年限是从线夹开始运用时间点到检测周期的初始时间点之间的时长。
计算各故障子区域的线夹绝缘长度影响程度指数,计算公式为:,其中/>表示为预设的第E个线夹对应的绝缘长度界定值,/>表示为预定义的线夹绝缘长度对应的修正因子。
需要说明的是,上述计算各故障子区域的线夹绝缘长度影响程度指数,线夹的绝缘长度可以隔离导线与其他接触物之间的电荷,减少绝缘故障的可能性,但当线夹绝缘长度的折损较大时,则会使得线夹无法支撑周围的电场强度,对线路的可靠性会产生负面影响,因此需要对故障区域中的线夹绝缘长度进行分析,以便快速对故障区域进行定位。
统计各故障子区域的各配电箱,由此计算各故障子区域的配电箱影响程度指数。
具体的,所述各故障子区域的配电箱影响程度指数,具体分析过程为:
采集各故障子区域的各配电箱所属投运时长,其中D表示为各配电箱的编号,/>,N表示为配电箱的数目,从数据云平台中提取各配电箱所属额定运营时长。
需要说明的是,上述采集各故障子区域的各配电箱所属投运时长,其中投运时长是从配电箱开始运用时间点到检测周期的初始时间点之间的时长。
计算各故障子区域的各配电箱所属投运时长影响系数,计算公式为:,其中/>表示为预设的配电箱所属投运时长对应的修正因子。
需要说明的是,上述计算各故障子区域的各配电箱所属投运时长影响系数,随着配电箱的投运时长增加,其中的设备和元件可能会发生老化和磨损,而老化和磨损则会导致电路连接不良、绝缘破损、接触电阻增加等问题,从而增加故障的发生概率,同时由于投运时长的增加,其设备质量可能会下降,较低的设备质量则会导致更多的故障和故障区域,因此为了减少故障的发生和定位难度,要对配电箱的投运时长进行分析,不仅能够快速对故障区域进行定位,也为后续确保线路的稳定性提供数据支撑。
获取各故障子区域的各配电箱所属控制器在设定的检测周期内对应的数据累计存储量,同时从数据云平台中提取各配电箱所属控制器对应的数据存储平均速率。
需要说明的是,上述获取各故障子区域的各配电箱所属控制器在设定的检测周期内对应的数据累计存储量,所使用的设备为数据采集器。
计算各故障子区域的各配电箱所属控制器影响系数,计算公式为:,其中/>表示为检测周期的时长,/>表示为预设的数据存储速率对应的修正因子。
需要说明的是,上述计算各故障子区域的各配电箱所属控制器影响系数,控制器中的数据存储速率可以提供故障发生时刻的数据记录,有助于准确地确定故障发生的时间和相关的操作或事件,若控制器的数据存储速率过快,则控制器的存储空间将会不足,会覆盖之前的故障数据记录,可能会影响故障的定位,因此分析控制器的数据存储速率,可以快速定位故障区域,并进行及时的故障诊断和修复。
综合计算各故障子区域的配电箱影响程度指数,计算公式为:,其中/>和/>分别表示为预设的投运时长影响系数和控制器影响系数对应的权值。
进一步的,所述各故障子区域的器件异常评估值,具体计算公式为:,其中/>表示为第i个故障子区域的器件异常评估值,/>、/>和/>分别表示为预设的互感器影响程度指数、线夹绝缘长度影响程度指数和配电箱影响程度指数对应的权重因子。
在一个具体实施例中,本发明通过采集各故障子区域的器件信息,并分析各故障子区域的器件异常评估值,将故障区域中的互感器、线夹以及配电箱所属关联信息依次进行判定,使得故障区域所属器件得到更详细的参数评定结果,且有助于提高后续故障管控的评定精准性。
所述异常反馈提示模块用于定位指定故障区域发生点,由此进行异常反馈提示。
具体的,所述定位指定故障区域发生点,具体分析过程为:
将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,若某故障子区域的器件异常评估值高于器件异常评估阈值,则定位该故障子区域作为指定故障区域发生点,由此进行异常反馈提示。
在一个具体实施例中,本发明通过定位指定故障区域发生点,由此进行异常反馈提示,将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,能够精准定位至指定故障区域发生点,且能够提高台区线路的故障定位分析水平,同时在一定程度上可以提高供电系统的可靠性和稳定性。
所述一种台区线路故障定位系统,还包括数据云平台,其中数据云平台用于存储各子区域线路对应的许可电流差值,并存储各互感器对应的适配互感器变比值、电流信号输入-输出参考线性曲线、电流信号线性曲线重合长度界定值和表层温度许可值以及允许振动频率,还存储各线夹对应的初始绝缘长度值,存储各配电箱所属额定运营时长以及控制器对应的数据存储平均速率。
在一个具体实施例中,本发明通过提供一种台区线路故障定位系统,将指定台区线路进行二次筛分,最终定位至指定故障区域发生点,为后续进行异常反馈提示提供更加具有科学性和可靠性的数据依据,通过多维度参数分析,减少了数值分析处理的误差,不仅能够及时掌握台区线路的故障情况,同时可以确保供电系统的正常运行和可靠性。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.一种台区线路故障定位系统,其特征在于,包括:
指定台区线路分割模块,用于将指定台区线路进行分割,得到各子区域线路;
子区域线路排查筛分模块,用于设定检测周期,并对各子区域线路的线损信息进行排查,由此筛分得到各故障子区域;
器件信息采集分析模块,用于采集各故障子区域的器件信息,分析各故障子区域的器件异常评估值;
异常反馈提示模块,用于定位指定故障区域发生点,由此进行异常反馈提示;
所述各故障子区域的器件异常评估值,具体计算公式为:,其中/>表示为第i个故障子区域的器件异常评估值,/>、/>和/>分别表示为预设的互感器影响程度指数、线夹绝缘长度影响程度指数和配电箱影响程度指数对应的权重因子,/>表示各故障子区域的互感器影响程度指数,表示各故障子区域的线夹绝缘长度影响程度指数,/>表示各故障子区域的配电箱影响程度指数。
2.根据权利要求1所述的一种台区线路故障定位系统,其特征在于:所述对各子区域线路的线损信息进行排查,具体分析过程为:
将设定的检测周期划分成各检测时间点,同时统计各子区域线路的A相、B相、C相以及零线,由此通过测量主机采集各子区域线路的A相、B相、C相以及零线在各检测时间点对应的电流值,分别记为、/>、/>和/>,其中j表示为各子区域线路的编号,/>,v表示为各检测时间点的编号,/>,w表示为检测时间点的数目;
从数据云平台中提取各子区域线路对应的许可电流差值,计算各子区域线路的第一电流异常程度值/>,计算公式为:,其中/>表示为设定的第一电流对应的修正因子,e表示为自然常数;
同理,根据表达式,分析计算第j个子区域线路的第二电流异常程度值/>,式中/>表示为设定的第二电流对应的修正因子;
计算各子区域线路的第三电流异常程度值,计算公式为:,其中/>表示为设定的第三电流对应的修正因子;
所述筛分得到各故障子区域,具体分析过程为:
通过测量主机对各子区域线路的A相、B相、C相和零线进行电流信号感知,并通过线路组合处理,依次提取各子区域线路的各组合线路电流相位差,其中F表示为各组合线路的编号,/>,K表示为组合线路的数目;
计算各子区域线路的组合线路异常程度值,计算公式为:,其中/>表示为预设的第j个子区域线路的参照电流相位差,/>表示为预定义的线路电流相位差对应的修正因子;
综合计算各子区域线路的线损异常程度值,计算公式为:,其中/>、/>、/>和/>分别表示为预定义的第一电流异常程度值、第二电流异常程度值、第三电流异常程度值和组合线路异常程度值对应的权重因子;
将各子区域线路的线损异常程度值与预设的线损异常程度阈值进行比对,若某子区域线路的线损异常程度值高于线损异常程度阈值,则将该子区域线路记为故障子区域,由此筛分统计各故障子区域。
3.根据权利要求1所述的一种台区线路故障定位系统,其特征在于:所述采集各故障子区域的器件信息,具体分析过程为:
统计各故障子区域的各互感器,采集各故障子区域的各互感器在各检测时间点下对应的输入电流值和输出电流值,通过比对处理得到各故障子区域的各互感器在各检测时间点下对应的互感器变比值,其中i表示为各故障子区域的编号,/>,p表示为各互感器的编号,/>,q表示为互感器的数目;
从数据云平台中提取各互感器对应的适配互感器变比值,计算各故障子区域的各互感器所属互感器变比影响系数/>,计算公式为:/>,其中/>表示为预定义的互感器变比值对应的修正因子;
通过测量主机获取各故障子区域的各互感器在各检测时间点下对应的输入电流信号值以及输出电流信号值,由此构建各故障子区域的各互感器对应的电流信号输入-输出线性曲线,与数据云平台中存储的各互感器对应的电流信号输入-输出参考线性曲线进行重合比对,得到各故障子区域的各互感器对应的电流信号线性曲线重合长度值;
提取数据云平台中存储的各互感器对应的电流信号线性曲线重合长度界定值,计算各故障子区域的各互感器所属电流信号影响系数/>,计算公式为:/>,其中/>表示为预定义的线性曲线重合长度值对应的修正因子;
获取各故障子区域的各互感器在设定的检测周期内对应的表层温度最大值以及振动次数/>,同时从数据云平台中提取各互感器对应的表层温度许可值/>以及允许振动频率/>;
计算各故障子区域的各互感器所属运行影响系数,计算公式为:,其中/>表示为检测周期的时长,/>和/>分别表示为预定义的表层温度以及振动频率对应的修正因子;
综合计算各故障子区域的互感器影响程度指数,计算公式为:,其中/>、/>和/>分别表示为预设的互感器变比影响系数、电流信号影响系数和运行影响系数对应的权重因子;
统计各故障子区域的各线夹,由此计算各故障子区域的线夹绝缘长度影响程度指数。
4.根据权利要求3所述的一种台区线路故障定位系统,其特征在于:所述各故障子区域的线夹绝缘长度影响程度指数,具体分析过程为:
获取各故障子区域的各线夹所属应用年限,其中E表示为各线夹的编号,,U表示为线夹的数目,同时从数据云平台中提取各线夹对应的初始绝缘长度值,并提取预设的单位应用年限对应的折损绝缘长度值/>;
计算各故障子区域的线夹绝缘长度影响程度指数,计算公式为:,其中/>表示为预设的第E个线夹对应的绝缘长度界定值,/>表示为预定义的线夹绝缘长度对应的修正因子;
统计各故障子区域的各配电箱,由此计算各故障子区域的配电箱影响程度指数。
5.根据权利要求4所述的一种台区线路故障定位系统,其特征在于:所述各故障子区域的配电箱影响程度指数,具体分析过程为:
采集各故障子区域的各配电箱所属投运时长,其中D表示为各配电箱的编号,,N表示为配电箱的数目,从数据云平台中提取各配电箱所属额定运营时长;
计算各故障子区域的各配电箱所属投运时长影响系数,计算公式为:,其中/>表示为预设的配电箱所属投运时长对应的修正因子;
获取各故障子区域的各配电箱所属控制器在设定的检测周期内对应的数据累计存储量,同时从数据云平台中提取各配电箱所属控制器对应的数据存储平均速率/>;
计算各故障子区域的各配电箱所属控制器影响系数,计算公式为:,其中/>表示为检测周期的时长,/>表示为预设的数据存储速率对应的修正因子;
综合计算各故障子区域的配电箱影响程度指数,计算公式为:,其中/>和/>分别表示为预设的投运时长影响系数和控制器影响系数对应的权值。
6.根据权利要求5所述的一种台区线路故障定位系统,其特征在于:所述定位指定故障区域发生点,具体分析过程为:
将各故障子区域的器件异常评估值与预设的器件异常评估阈值进行比对,若某故障子区域的器件异常评估值高于器件异常评估阈值,则定位该故障子区域作为指定故障区域发生点,由此进行异常反馈提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311350697.0A CN117110795B (zh) | 2023-10-18 | 2023-10-18 | 一种台区线路故障定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311350697.0A CN117110795B (zh) | 2023-10-18 | 2023-10-18 | 一种台区线路故障定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117110795A CN117110795A (zh) | 2023-11-24 |
CN117110795B true CN117110795B (zh) | 2024-01-30 |
Family
ID=88794995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311350697.0A Active CN117110795B (zh) | 2023-10-18 | 2023-10-18 | 一种台区线路故障定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117110795B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118091319A (zh) * | 2024-03-01 | 2024-05-28 | 珠海敏微电科技有限公司 | 一种基于大数据的配电设备线路异常监测系统及方法 |
CN117970166B (zh) * | 2024-03-28 | 2024-07-05 | 国网山西省电力公司经济技术研究院 | 基于大数据的电源信息分析系统及方法 |
CN118150933B (zh) * | 2024-05-09 | 2024-08-30 | 张家港智能电力研究院有限公司 | 一种基于大数据的电气故障位置确认方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04138022A (ja) * | 1990-09-26 | 1992-05-12 | Kyushu Electric Power Co Inc | 配電線微地絡区間探索装置 |
KR20130140237A (ko) * | 2012-06-14 | 2013-12-24 | 주식회사 파워이십일 | 배전 계통의 최적 신뢰도 평가 시스템 및 그 방법 |
CN109379152A (zh) * | 2018-11-16 | 2019-02-22 | 国网江苏省电力有限公司电力科学研究院 | 一种用电信息采集及设备诊断评估仿真装置及实现方法 |
CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和系统 |
CN113793039A (zh) * | 2021-09-17 | 2021-12-14 | 天津大学合肥创新发展研究院 | 一种考虑多类型终端的中低压配电网可靠性评估方法 |
CN113902062A (zh) * | 2021-12-13 | 2022-01-07 | 国网江西省电力有限公司电力科学研究院 | 一种基于大数据的台区线损异常原因分析方法及装置 |
CN114167344A (zh) * | 2021-12-03 | 2022-03-11 | 国网江苏省电力有限公司营销服务中心 | 一种中高压及台区总表计量点误差分析系统 |
CN114862139A (zh) * | 2022-04-19 | 2022-08-05 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数据驱动的台区线损率异常诊断方法 |
CN116823226A (zh) * | 2023-07-06 | 2023-09-29 | 湖南鑫能实业有限公司 | 一种基于大数据的电力台区故障监测系统 |
-
2023
- 2023-10-18 CN CN202311350697.0A patent/CN117110795B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04138022A (ja) * | 1990-09-26 | 1992-05-12 | Kyushu Electric Power Co Inc | 配電線微地絡区間探索装置 |
KR20130140237A (ko) * | 2012-06-14 | 2013-12-24 | 주식회사 파워이십일 | 배전 계통의 최적 신뢰도 평가 시스템 및 그 방법 |
CN109379152A (zh) * | 2018-11-16 | 2019-02-22 | 国网江苏省电力有限公司电力科学研究院 | 一种用电信息采集及设备诊断评估仿真装置及实现方法 |
CN113267692A (zh) * | 2021-05-17 | 2021-08-17 | 国网吉林省电力有限公司营销服务中心 | 一种低压台区线损智能诊断分析方法和系统 |
CN113793039A (zh) * | 2021-09-17 | 2021-12-14 | 天津大学合肥创新发展研究院 | 一种考虑多类型终端的中低压配电网可靠性评估方法 |
CN114167344A (zh) * | 2021-12-03 | 2022-03-11 | 国网江苏省电力有限公司营销服务中心 | 一种中高压及台区总表计量点误差分析系统 |
CN113902062A (zh) * | 2021-12-13 | 2022-01-07 | 国网江西省电力有限公司电力科学研究院 | 一种基于大数据的台区线损异常原因分析方法及装置 |
CN114862139A (zh) * | 2022-04-19 | 2022-08-05 | 国网江苏省电力有限公司南通供电分公司 | 一种基于数据驱动的台区线损率异常诊断方法 |
CN116823226A (zh) * | 2023-07-06 | 2023-09-29 | 湖南鑫能实业有限公司 | 一种基于大数据的电力台区故障监测系统 |
Non-Patent Citations (2)
Title |
---|
10 kV配电网的线损管理及降损策略;杨可盈;;通讯世界(第06期);全文 * |
基于电能表的低压台区线损故障分析和降损措施;吴笛;;电子技术与软件工程(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117110795A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117110795B (zh) | 一种台区线路故障定位系统 | |
CN116069079B (zh) | 一种智能开关柜的散热智能控制方法及系统 | |
WO2018028005A1 (zh) | 一种大型光伏电站中电池面板的故障检测算法 | |
EP3091628A1 (en) | Integrated transformer health monitoring architecture | |
CN109724646A (zh) | 一种配电网开关柜电缆接头监控方法、服务器及系统 | |
CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估系统及方法 | |
CN114252749B (zh) | 基于多传感器的变压器局部放电检测方法及装置 | |
CN114781476B (zh) | 一种量测设备故障分析系统和方法 | |
CN118091490B (zh) | 一种架空高压电缆线路电流检测方法 | |
CN108459269A (zh) | 一种10kV柱上真空开关状态在线评价方法与装置 | |
CN116008753A (zh) | 一种电缆的智能化监测方法及系统 | |
CN114895163A (zh) | 一种基于电缆绝缘性能的电缆巡检定位装置及方法 | |
TWI586943B (zh) | enhanced-FFT線上機台振動量測系統與方法 | |
CN117374976B (zh) | 基于线路故障自动识别的电气安全管理系统 | |
CN111289812A (zh) | 一种输变电设备状态监测管理方法及其系统 | |
CN117578711A (zh) | 一种电网输电量监测系统及其监测方法 | |
CN105589052A (zh) | 一种基于零序电压监视的cvt电容在线监测方法 | |
CN115684829A (zh) | 一种电力二次回路故障检测预警方法及系统 | |
CN115452031A (zh) | 一种旋转编码开关生产用检测系统 | |
CN110259435B (zh) | 一种基于抽油机电参数的井况变化识别方法 | |
CN117978837B (zh) | 一种电力数据采集传输方法及其系统 | |
CN118157325B (zh) | 一种用于新能源电力的实时监测方法及系统 | |
CN221078805U (zh) | 电容器组在线监测装置 | |
CN117169636B (zh) | 一种智能化耐高温铝电解电容器环境检测系统 | |
CN114899938A (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 |