CN117368616A - 一种智能化的配电网接地故障监测方法及系统 - Google Patents
一种智能化的配电网接地故障监测方法及系统 Download PDFInfo
- Publication number
- CN117368616A CN117368616A CN202311549030.3A CN202311549030A CN117368616A CN 117368616 A CN117368616 A CN 117368616A CN 202311549030 A CN202311549030 A CN 202311549030A CN 117368616 A CN117368616 A CN 117368616A
- Authority
- CN
- China
- Prior art keywords
- signal
- kurtosis
- identification
- ground fault
- data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 45
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 149
- 238000007728 cost analysis Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 79
- 238000012351 Integrated analysis Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 17
- 238000013095 identification testing Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008859 change Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
-
- 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)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种智能化的配电网接地故障监测方法及系统,涉及电网故障技术领域,该方法包括:通过传感器阵列,在多个时间窗口采集获取配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;进行峭度分析;获取接地故障集成识别器;通过代价分析模块,进行接地故障监测识别的代价分析,获得代价信息;获得四个信号数据代价信息和四个信号峭度数据代价信息;根据所述接地故障集成识别器,进行集成接地故障识别,对集成识别结果进行修正计算,获得接地故障识别结果。本发明解决了现有技术中对配电网接地故障监测准确度低,误报频次高的技术问题,达到了提高接地故障监测可靠性的技术效果。
Description
技术领域
本发明涉及电网故障技术领域,具体涉及一种智能化的配电网接地故障监测方法及系统。
背景技术
配电网的运行可靠程度直接对电力系统运行的稳定性产生影响,然而,由于配电网涉及的设备较多,导致监测存在较大的难度。目前,随着新技术的应用,实现了对配电网的接地故障进行监测。然而,监测过程中由于干扰因素众多,无法提取有效信息,导致监测结果误差较大的后果。现有技术中对配电网接地故障监测准确度低,误报频次高的技术问题。
发明内容
本申请提供了一种智能化的配电网接地故障监测方法及系统,用于针对解决现有技术中对配电网接地故障监测准确度低,误报频次高的技术问题。
鉴于上述问题,本申请提供了一种智能化的配电网接地故障监测方法及系统。
本申请的第一个方面,提供了一种智能化的配电网接地故障监测方法,其中,所述方法应用于一智能化的配电网接地故障监测装置,所述装置包括布设于配电网内的配电线路以及地线的传感器阵列,集成分析模块、代价分析模块和故障监测模块,所述方法包括:
通过传感器阵列,在多个时间窗口采集获取所述配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
本申请的第二个方面,提供了一种智能化的配电网接地故障监测系统,所述系统包括:
信号序列获取模块,用于通过传感器阵列,在多个时间窗口采集获取配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
信号峭度获得模块,用于对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
集成识别器获得模块,用于通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
信号代价信息获得模块,用于通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
数据代价信息获得模块,用于基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
识别结果获得模块,用于通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过传感器阵列,在多个时间窗口采集获取配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列,然后对瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度,进而通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元,然后通过代价分析模块,对四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息,基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息,然后通过故障监测模块,根据接地故障集成识别器,进行集成接地故障识别,并根据四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。达到了提升配电网接地故障识别可靠性,降低故障监测误差的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,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他的附图。
图1为本申请实施例提供的一种智能化的配电网接地故障监测方法流程示意图;
图2为本申请实施例提供的一种智能化的配电网接地故障监测方法中获得接地故障集成识别器的流程示意图;
图3为本申请实施例提供的一种智能化的配电网接地故障监测方法中计算获得四个信号峭度代价信息的流程示意图;
图4为本申请实施例提供的一种智能化的配电网接地故障监测系统结构示意图。
附图标记说明:信号序列获取模块11,信号峭度获得模块12,集成识别器获得模块13,信号代价信息获得模块14,数据代价信息获得模块15,识别结果获得模块16。
具体实施方式
本申请通过提供了一种智能化的配电网接地故障监测方法及系统,用于针对解决现有技术中对配电网接地故障监测准确度低,误报频次高的技术问题。
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。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种智能化的配电网接地故障监测方法,其中,所述方法应用于一智能化的配电网接地故障监测装置,所述装置包括布设于配电网内的配电线路以及地线的传感器阵列,集成分析模块、代价分析模块和故障监测模块,所述方法包括:
步骤S100:通过传感器阵列,在多个时间窗口采集获取所述配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
在本申请的实施例中,配电网用于接收输电网传送的电能,然后通过配电线路将电能分配给各类电力用户。所述配电网接地故障监测装置用于对配电网内发生的接地故障进行监测。所述传感器阵列用于对配电网内的配电线路以及地线电力传输情况进行采集并转换为电信号。所述集成分析模块是利用集成学习的原理将多个识别单元的输出组合在一起,从而提高整体分析的稳定性和可靠性的功能分析模块。所述代价分析模块用于对模型进行接地故障监测识别时可能出现的误差以及利用监测数据进行接地故障监测识别时可能出现的误差进行代价分析的功能模块。所述故障监测模块是用于对智能化配电网接地故障的情况进行可靠监测的功能模块。通过各个模块以及传感器阵列的配合,从而实现智能化的进行接地故障监测的目标。
在一个实施例中,所述多个时间窗口为本领域技术人员设定的多个对配电网内的配电线路和地线运行情况进行监测的时间点。通过利用传感器阵列,分别在多个时间窗口进行监测,并将监测数据按照时间先后顺序进行排列,从而获得所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列,可选的,传感器阵列包括温度传感器、电流传感器等。其中,所述瞬时电流信号序列反映了在时间窗口内配电线路和地线中瞬时电流信号的变化情况。所述电流谐波信号序列反映了在时间窗口内配电线路和地线的电流谐波信号变化情况。所述负荷参数信号序列反映了在时间窗口内配电线路和地线中电力负荷参数的信号变化情况。所述地线温度信号序列反映在时间窗口内地线的温度信号变化情况。也就是说,通过利用传感器阵列在多个时间窗口内采集与接地故障相关性较大的电路参数作为监测对象,从而达到了为后续进行接地故障监测分析提供可靠数据的技术效果。
步骤S200:对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
进一步的,对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,本申请实施例步骤S200还包括:
步骤S210:对所述瞬时电流信号序列进行峭度分析,如下式:
其中,q1为瞬时电流信号峭度,T为多个时间窗口的数量,x1i为第i个时间窗口的瞬时电流信号,为瞬时电流信号序列的均值;
步骤S220:对所述电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度。
在本申请的实施例中,为了能够为后续分析提供更能可靠反映各个信号变化的数据,对获得的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得能够分别反映各信号序列的变化尖峰度的信号峭度,也就是所述瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度。在配电网正常运行的情况下,信号应该在一个范围内进行波动,因此,当出现较多异常信号时,表明此时配电网运行出现故障的可能性较高,可以利用峭度来准确描述信号异常的程度。
在一个实施例中,根据所述瞬时电流信号序列中不同时间窗口的瞬时电流信号进行均值计算,从而获得所述瞬时电流信号序列的均值。进而,将所述瞬时电流信号序列的均值以及第i个时间窗口的瞬时电流信号、多个时间窗口的数量输入上述公式中,从而对所述瞬时电流信号序列进行峭度分析,获得所述瞬时电流信号峭度。基于同样的原理,分别对所述电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行均值计算,然后根据公式计算获得所述电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度。
步骤S300:通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
进一步的,如图2所示,通过集成分析模块,基于集成学习训练获取接地故障集成识别器,本申请实施例步骤S300还包括:
步骤S310:基于集成学习,构建第一信号识别单元,所述第一信号识别单元包括多个第一信号识别路径,所述多个第一信号识别路径的输入数据包括瞬时电流信号序列,输出数据包括接地故障识别结果;
步骤S320:继续构建其他三个信号识别单元和四个信号峭度识别单元;
步骤S330:集成四个信号识别单元和四个信号峭度识别单元,获得接地故障集成识别器。
进一步的,基于集成学习,构建第一信号识别单元,本申请实施例步骤S310还包括:
步骤S311:基于配电网的接地故障监测数据记录,获取样本瞬时电流信号序列集合和样本接地故障识别结果集合;
步骤S312:对所述样本瞬时电流信号序列集合和样本接地故障识别结果集合进行标识,获得第一信号训练集;
步骤S313:构建所述多个第一信号识别路径的网络架构;
步骤S314:对所述第一信号训练集内的M组训练数据分配获得M个第一权值,并采用所述第一信号训练集,对多个第一信号识别路径内的第一个第一信号识别路径进行训练,直到满足训练要求,M为大于1的整数;
步骤S315:对第一个第一信号识别路径进行测试,获得第一信号识别准确率,根据所述第一信号识别准确率和M个第一权值,分配计算获得M个第二权值,如下式:
其中,W2(x1)为第一信号训练集内第1组训练数据的第二权值,W1(x1)为第一信号训练集内第1组训练数据的第一权值,K1为第一信号识别准确率,N为已构建完成的第一信号识别路径的数量,Kj为第j个第一信号识别路径的信号识别准确率;
步骤S316:基于所述M个第二权值,采用第一信号训练集,对第二个第一信号识别路径进行训练,直到满足训练要求,其中,每组训练数据的第二权值的大小与训练资源正相关;
步骤S317:继续完成多个第一信号识别路径的训练,获得所述第一信号识别单元。
在一个可能的实施例中,基于所述集成分析模块进行集成学习训练,从而获得用于对接地故障进行智能化集成识别的所述接地故障集成识别器。其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元。分别从信号和信号峭度两个维度进行接地故障分析,达到了多维度进行可靠接地故障分析,避免偶然误差,提高故障监测准确度的技术效果。
优选的,通过调取所述集成学习模块中的基于卷积神经网络构建的神经网络学习模型作为集成学习的模型,进而,通过多个神经网络学习模型进行集成学习训练,从而构建所述第一信号识别单元。其中,所述第一信号识别单元用于对瞬时电流信号序列中表征的接地故障监测进行智能化集成分析,包括多个第一信号识别路径,所述多个第一信号识别路径的输入数据包括瞬时电流信号序列,输出数据包括接地故障识别结果。进而,基于同样的原理,构建用于对电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行故障识别的三个信号识别单元,以及用于对瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度进行故障识别的四个信号峭度识别单元。然后,利用所述集成分析模块对四个信号识别单元和四个信号峭度识别单元进行集成,从而获得所述接地故障集成识别器。
在一个实施例中,调取所述配电网的接地故障监测数据记录,从中获取在历史时间内配电网出现故障时的瞬时电流信号序列集合和对应的接地故障识别结果集合,作为样本瞬时电流信号序列集合和样本接地故障识别结果集合,并进行数据标识,从而获得第一信号训练集。基于所述集成分析模块中基于卷积神经网络构建的神经网络学习模型,构建所述多个第一信号识别路径的网络架构。可选的,将所述第一信号训练集均等划分为M组,并对M组训练数据进行随机权值分配,生成M个第一权值。其中,第一权值对每组训练数据对第一个第一信号识别路径进行训练时的次数比重进行描述,M个第一权值叠加后为1。基于所述M个第一权值,利用所述M组训练数据对所述第一个第一信号识别路径进行多次训练,直至输出达到收敛。
可选的,从所述M组训练数据中随机获取预设数量的训练数据作为验证数据,将所述验证数据中的样本瞬时电流信号序列集合输入所述第一个第一信号识别路径中,然后利用标识后验证数据中的样本接地故障识别结果集合与输出结果中的输出接地故障识别结果进行匹配,将匹配成功的识别结果占输出接地故障识别结果的比例,作为第一信号识别准确率。进而,将所述第一信号识别准确率和M个第一权值进行下一个第一信号识别路径的M组训练数据的分配权值,获得M个第二权值。其中,所述M个第二权值用于对第二个第一信号识别路径的M组数据对应的训练次数比重进行描述。
进而,基于同样的训练方法,利用M个第二权值和所述第一信号训练集中的M组训练数据对基于卷积神经网络构建的第二个第一信号识别路径进行训练,直至满足训练要求。其中,每组训练数据的第二权值大小与训练资源正相关,例如权值越大的训练数据训练的次数越多。基于同样的原理,完成所述多个第一信号识别路径的训练,从而获得所述第一信号识别单元。基于与所述第一信号识别单元同样的构建原理,构建所述其他三个信号识别单元和四个信号峭度识别单元。
步骤S400:通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
进一步的,如图3所示,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,本申请实施例步骤S400还包括:
步骤S410:基于配电网的接地故障监测数据记录,获取四个信号识别测试集和四个信号峭度识别测试集;
步骤S420:分别采用四个信号识别测试集,对所述四个信号识别单元内的多个信号识别路径进行测试,获取四个信号识别代价信息集合;
步骤S430:基于所述四个信号识别代价信息集合,计算获得四个信号代价信息;
步骤S440:采用四个信号峭度识别测试集,对所述四个信号峭度识别单元进行测试,并计算获得四个信号峭度代价信息。
在一个实施例中,利用所述代价分析模块对所述四个信号识别单元和四个信号峭度识别单元进行故障识别时需要承担的可能出现误差的代价进行分析,从而获得所述四个信号代价信息和四个信号峭度代价信息。也就是说,代价实际就是模型进行故障监测识别时的损失,为1-准确率的值。实现了对利用模型进行接地故障监测识别的误差情况进行分析,提升监测准确性的目标。
优选的,通过从所述配电网的接地故障监测数据记录中调取历史时间内进行接地故障监测时的信号识别情况,从而获得四个信号识别测试集和四个信号峭度识别测试集。信号识别测试集中包括信号电流序列集和接地故障识别集,信号峭度识别测试集中包括信号峭度集和接地故障识别集。可选的,通过分别将所述四个信号识别测试集中的四个信号电流序列集输入所述对应的四个信号识别单元内的多个信号识别路径中,将输出结果与信号识别测试集中的接地故障识别集进行比对,根据比对结果获得四个测试准确率集合。将1与四个测试准确率集合的差值作为所述四个信号识别代价信息集合。进而,分别对所述四个信号识别代价信息集合进行均值计算,从而获得所述四个信号代价信息。基于同样的原理,采用四个信号峭度识别测试集,对所述四个信号峭度识别单元进行测试,并计算获得四个信号峭度代价信息。
步骤S500:基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
进一步的,基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息,本申请实施例步骤S500还包括:
步骤S510:基于历史传感监测数据,获取出现接地故障时的四个历史信号数据集合和四个历史信号峭度数据集合;
步骤S520:对所述四个历史信号数据集合和四个历史信号峭度数据集合进行数据代价分析,获得所述四个信号数据代价信息和四个信号峭度数据代价信息,其中,所述数据代价分析为分析数据的稳定性信息。
在本申请的一个实施例中,调取所述传感器阵列在历史时间内的监测数据,从而获得所述历史传感监测数据。其中,所述历史传感监测数据不仅反映了历史时间内配电网的传输运行情况,也反映了历史传感监测数据本身的稳定性以及可靠程度。通过对所述历史监测数据进行代价分析,从而对发生接地故障的历史数据的稳定性进行可靠分析。可选的,对监测数据进行代价分析可以理解为确定数据中出现较大波动的数据占比情况,从而分析基于历史传感器监测数据进行故障识别的稳定性和可靠性。所述四个信号数据代价信息和四个信号峭度数据代价信息分别反映了根据四个信号序列和四个峭度信号进行接地故障识别时需要承担的可能出现误差的代价。
在一个实施例中,分别对所述四个历史信号数据集合和四个历史信号峭度数据集合进行聚类,将聚类结果中数据数量最大的一个集合作为稳定数据,进而,计算其他集合中所有的数据数量占数据集合的比例,作为代价信息,从而获得所述四个信号数据代价信息和四个信号峭度数据代价信息。其中,所述数据代价分析为分析数据的稳定性信息。
可选的,从所述四个历史信号数据集合中提取历史瞬时电流信号数据集合进行数据代价分析,获得瞬时电流信号数据代价信息。从所述历史瞬时电流信号数据集合中随机不放回抽取一个历史瞬时电流信号数据作为第一历史瞬时电流信号数据,并存储于第一聚类内部结点中,然后利用所述第一聚类内部结点对所述历史瞬时电流信号数据集合进行二分类,然后获得第一聚类结果。
进而,再次从所述历史瞬时电流信号数据集合中随机不放回抽取一个历史瞬时电流信号数据作为第二历史瞬时电流信号数据,并存储于第二聚类内部结点中,然后利用所述第二聚类内部结点对所述第一聚类结果进行二分类,然后第二聚类结果。经过多次划分,获得第P聚类结果。实现对历史瞬时电流信号数据集合进行聚类的目标。然后将所述第P聚类结果中的数据数量最大的一个集合作为稳定数据,进而,计算第P聚类结果中的其他集合的所有数据数量占第P聚类结果中数据总数量的比例,作为瞬时电流信号代价信息。基于同样的原理,对所述四个历史信号数据集合和四个历史信号峭度数据集合进行数据代价分析,获得所述四个信号数据代价信息和四个信号峭度数据代价信息。
步骤S600:通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
进一步的,通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,本申请实施例步骤S600还包括:
步骤S610:将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列分别输入所述接地故障集成识别器内的四个信号识别单元,获得四个信号接地故障识别结果集合;
步骤S620:将所述瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度分别输入所述四个信号峭度识别单元内,获得四个峭度接地故障识别结果集合;
步骤S630:统计所述四个信号接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号代价信息和四个信号数据代价信息,计算获得信号故障识别值;
步骤S640:统计所述四个峭度接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号峭度代价信息和信号峭度数据代价信息,计算获得信号峭度故障识别值;
步骤S650:根据所述信号故障识别值和信号峭度故障识别值,计算获得故障识别值,判断是否大于故障识别值阈值,获得接地故障识别结果。
在一个实施例中,将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列,以及瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度发送至所述接地故障集成识别器中进行智能化的集成接地故障识别,获得集成识别结果。其中,所述集成识别结果为多维度进行接地故障监测后获得的监测结果。然后根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。其中,所述接地故障识别结果反映了配电网在多个时间窗口内发生的接地故障情况。达到了进行可靠的配电网接地故障监测,提高监测可靠性和准确性的技术效果。
在一个实施例中,将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列分别输入所述接地故障集成识别器内的四个信号识别单元,获得四个信号接地故障识别结果集合。然后,将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列分别输入所述接地故障集成识别器内的四个信号识别单元,获得四个信号接地故障识别结果集合。其中,每个信号接地故障识别结果集合中包括多个信号识别路径的多个接地故障识别结果。
在本申请的实施例中,在获得所述四个信号接地故障识别结果集合和所述四个峭度接地故障识别结果集合之后,利用四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得信号故障识别值和信号峭度识别值。示例性的,从所述四个信号接地故障识别结果集合中抽取瞬时电流信号接地故障识别结果集合,确定多个识别路径输出的结果中存在接地故障的结果数量,作为第一故障数量。然后利用公式:第一故障数量×(1-瞬时电流信号代价信息)×(1-瞬时电流信号数据代价信息)=信号故障识别值,计算瞬时电流信号故障识别值。基于同样的原理,获得电流谐波信号故障识别值、负荷参数信号故障识别值和地线温度信号故障识别值。将所述瞬时电流信号故障识别值、电流谐波信号故障识别值、负荷参数信号故障识别值和地线温度信号故障识别值进行加和,从而获得所述信号故障识别值。基于同样的原理,对四个峭度信号识别单元的计算结果进行加和,从而获得所述信号峭度故障识别值。
在一个可能的实施例中,根据所述信号故障识别值和所述信号峭度识别值按照预设比例进行加权计算,从而获得故障识别值,其中,预设比例为本领域技术人员预先设置的权重比。在另一种可实施方式中,对所述信号故障识别值和所述信号峭度识别值进行均值计算,从而获得所述故障识别值。其中,所述故障识别值为监测到接地故障的路径数量。所述故障识别值阈值为本领域技术人员根据所述接地故障集成识别器中具有的信号识别路径数量设置的,可以为信号识别路径数量的50%、60%等。判断所述故障识别值是否大于所述故障识别值阈值,若是,则获得接地故障识别结果。其中,所述接地故障识别结果对配电网接地是否出现故障进行描述。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过传感器阵列对配电网内配电线路和地线的运行情况进行采集,为后续进行故障监测分析提供基础数据,进而,为了充分挖掘采集数据的信息,对数据进行峭度分析,确定异常数据的波动情况,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度,然后通过集成模块进行集成学习,获得接地故障集成识别器,以及通过代价分析模块对四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,以及基于历史传感监测数据,进行数据代价分析,进而利用故障监测模块进行集成接地故障识别,并根据四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。达到了提高配电网接地故障识别可靠性,降低接地故障监测误差的技术效果。
实施例二
基于与前述实施例中一种智能化的配电网接地故障监测方法相同的发明构思,如图4所示,本申请提供了一种智能化的配电网接地故障监测系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
信号序列获取模块11,用于通过传感器阵列,在多个时间窗口采集获取配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
信号峭度获得模块12,用于对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
集成识别器获得模块13,用于通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
信号代价信息获得模块14,用于通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
数据代价信息获得模块15,用于基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
识别结果获得模块16,用于通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
进一步的,所述信号峭度获得模块12用于执行如下方法:
对所述瞬时电流信号序列进行峭度分析,如下式:
其中,q1为瞬时电流信号峭度,T为多个时间窗口的数量,X1I为第i个时间窗口的瞬时电流信号,为瞬时电流信号序列的均值;
对所述电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度。
进一步的,所述集成识别器获得模块13用于执行如下方法:
基于集成学习,构建第一信号识别单元,所述第一信号识别单元包括多个第一信号识别路径,所述多个第一信号识别路径的输入数据包括瞬时电流信号序列,输出数据包括接地故障识别结果;
继续构建其他三个信号识别单元和四个信号峭度识别单元;
集成四个信号识别单元和四个信号峭度识别单元,获得接地故障集成识别器。
进一步的,所述集成识别器获得模块13用于执行如下方法:
基于配电网的接地故障监测数据记录,获取样本瞬时电流信号序列集合和样本接地故障识别结果集合;
对所述样本瞬时电流信号序列集合和样本接地故障识别结果集合进行标识,获得第一信号训练集;
构建所述多个第一信号识别路径的网络架构;
对所述第一信号训练集内的M组训练数据分配获得M个第一权值,并采用所述第一信号训练集,对多个第一信号识别路径内的第一个第一信号识别路径进行训练,直到满足训练要求,M为大于1的整数;
对第一个第一信号识别路径进行测试,获得第一信号识别准确率,根据所述第一信号识别准确率和M个第一权值,分配计算获得M个第二权值,如下式:
其中,W2(x1)为第一信号训练集内第1组训练数据的第二权值,W1(x1)为第一信号训练集内第1组训练数据的第一权值,K1为第一信号识别准确率,N为已构建完成的第一信号识别路径的数量,Kj为第j个第一信号识别路径的信号识别准确率;
基于所述M个第二权值,采用第一信号训练集,对第二个第一信号识别路径进行训练,直到满足训练要求,其中,每组训练数据的第二权值的大小与训练资源正相关;
继续完成多个第一信号识别路径的训练,获得所述第一信号识别单元。
进一步的,所述信号代价信息获得模块14用于执行如下方法:
基于配电网的接地故障监测数据记录,获取四个信号识别测试集和四个信号峭度识别测试集;
分别采用四个信号识别测试集,对所述四个信号识别单元内的多个信号识别路径进行测试,获取四个信号识别代价信息集合;
基于所述四个信号识别代价信息集合,计算获得四个信号代价信息;
采用四个信号峭度识别测试集,对所述四个信号峭度识别单元进行测试,并计算获得四个信号峭度代价信息。
进一步的,所述数据代价信息获得模块15用于执行如下方法:
基于历史传感监测数据,获取出现接地故障时的四个历史信号数据集合和四个历史信号峭度数据集合;
对所述四个历史信号数据集合和四个历史信号峭度数据集合进行数据代价分析,获得所述四个信号数据代价信息和四个信号峭度数据代价信息,其中,所述数据代价分析为分析数据的稳定性信息。
进一步的,所述识别结果获得模块16用于执行如下方法:
将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列分别输入所述接地故障集成识别器内的四个信号识别单元,获得四个信号接地故障识别结果集合;
将所述瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度分别输入所述四个信号峭度识别单元内,获得四个峭度接地故障识别结果集合;
统计所述四个信号接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号代价信息和四个信号数据代价信息,计算获得信号故障识别值;
统计所述四个峭度接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号峭度代价信息和信号峭度数据代价信息,计算获得信号峭度故障识别值;
根据所述信号故障识别值和信号峭度故障识别值,计算获得故障识别值,判断是否大于故障识别值阈值,获得接地故障识别结果。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种智能化的配电网接地故障监测方法,其特征在于,所述方法应用于一智能化的配电网接地故障监测装置,所述装置包括布设于配电网内的配电线路以及地线的传感器阵列,集成分析模块、代价分析模块和故障监测模块,所述方法包括:
通过传感器阵列,在多个时间窗口采集获取所述配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
2.根据权利要求1所述的方法,其特征在于,对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,包括:
对所述瞬时电流信号序列进行峭度分析,如下式:
其中,Q1为瞬时电流信号峭度,T为多个时间窗口的数量,X1i为第i个时间窗口的瞬时电流信号,为瞬时电流信号序列的均值;
对所述电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度。
3.根据权利要求1所述的方法,其特征在于,通过集成分析模块,基于集成学习训练获取接地故障集成识别器,包括:
基于集成学习,构建第一信号识别单元,所述第一信号识别单元包括多个第一信号识别路径,所述多个第一信号识别路径的输入数据包括瞬时电流信号序列,输出数据包括接地故障识别结果;
继续构建其他三个信号识别单元和四个信号峭度识别单元;
集成四个信号识别单元和四个信号峭度识别单元,获得接地故障集成识别器。
4.根据权利要求3所述的方法,其特征在于,基于集成学习,构建第一信号识别单元,包括:
基于配电网的接地故障监测数据记录,获取样本瞬时电流信号序列集合和样本接地故障识别结果集合;
对所述样本瞬时电流信号序列集合和样本接地故障识别结果集合进行标识,获得第一信号训练集;
构建所述多个第一信号识别路径的网络架构;
对所述第一信号训练集内的M组训练数据分配获得M个第一权值,并采用所述第一信号训练集,对多个第一信号识别路径内的第一个第一信号识别路径进行训练,直到满足训练要求,M为大于1的整数;
对第一个第一信号识别路径进行测试,获得第一信号识别准确率,根据所述第一信号识别准确率和M个第一权值,分配计算获得M个第二权值,如下式:
其中,W2(x1)为第一信号训练集内第1组训练数据的第二权值,W1(x1)为第一信号训练集内第1组训练数据的第一权值,K1为第一信号识别准确率,N为已构建完成的第一信号识别路径的数量,Kj为第j个第一信号识别路径的信号识别准确率;
基于所述M个第二权值,采用第一信号训练集,对第二个第一信号识别路径进行训练,直到满足训练要求,其中,每组训练数据的第二权值的大小与训练资源正相关;
继续完成多个第一信号识别路径的训练,获得所述第一信号识别单元。
5.根据权利要求3所述的方法,其特征在于,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,包括:
基于配电网的接地故障监测数据记录,获取四个信号识别测试集和四个信号峭度识别测试集;
分别采用四个信号识别测试集,对所述四个信号识别单元内的多个信号识别路径进行测试,获取四个信号识别代价信息集合;
基于所述四个信号识别代价信息集合,计算获得四个信号代价信息;
采用四个信号峭度识别测试集,对所述四个信号峭度识别单元进行测试,并计算获得四个信号峭度代价信息。
6.根据权利要求1所述的方法,其特征在于,基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息,包括:
基于历史传感监测数据,获取出现接地故障时的四个历史信号数据集合和四个历史信号峭度数据集合;
对所述四个历史信号数据集合和四个历史信号峭度数据集合进行数据代价分析,获得所述四个信号数据代价信息和四个信号峭度数据代价信息,其中,所述数据代价分析为分析数据的稳定性信息。
7.根据权利要求1所述的方法,其特征在于,通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,包括:
将所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列分别输入所述接地故障集成识别器内的四个信号识别单元,获得四个信号接地故障识别结果集合;
将所述瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度分别输入所述四个信号峭度识别单元内,获得四个峭度接地故障识别结果集合;
统计所述四个信号接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号代价信息和四个信号数据代价信息,计算获得信号故障识别值;
统计所述四个峭度接地故障识别结果集合内存在接地故障的信号接地故障识别结果的四个故障数量,结合所述四个信号峭度代价信息和信号峭度数据代价信息,计算获得信号峭度故障识别值;
根据所述信号故障识别值和信号峭度故障识别值,计算获得故障识别值,判断是否大于故障识别值阈值,获得接地故障识别结果。
8.一种智能化的配电网接地故障监测系统,其特征在于,所述系统包括:
信号序列获取模块,用于通过传感器阵列,在多个时间窗口采集获取配电线路和地线的瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列;
信号峭度获得模块,用于对所述瞬时电流信号序列、电流谐波信号序列、负荷参数信号序列和地线温度信号序列进行峭度分析,获得瞬时电流信号峭度、电流谐波信号峭度、负荷参数信号峭度和地线温度信号峭度;
集成识别器获得模块,用于通过集成分析模块,基于集成学习训练获取接地故障集成识别器,其中,所述接地故障集成识别器包括四个信号识别单元和四个信号峭度识别单元;
信号代价信息获得模块,用于通过代价分析模块,对所述四个信号识别单元和四个信号峭度识别单元,进行接地故障监测识别的代价分析,获得四个信号代价信息和四个信号峭度代价信息;
数据代价信息获得模块,用于基于历史传感监测数据,进行代价分析,获得四个信号数据代价信息和四个信号峭度数据代价信息;
识别结果获得模块,用于通过故障监测模块,根据所述接地故障集成识别器,进行集成接地故障识别,并根据所述四个信号代价信息、四个信号峭度代价信息、四个信号数据代价信息和四个信号峭度数据代价信息,对集成识别结果进行修正计算,获得接地故障识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549030.3A CN117368616B (zh) | 2023-11-20 | 2023-11-20 | 一种智能化的配电网接地故障监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311549030.3A CN117368616B (zh) | 2023-11-20 | 2023-11-20 | 一种智能化的配电网接地故障监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117368616A true CN117368616A (zh) | 2024-01-09 |
CN117368616B CN117368616B (zh) | 2024-04-12 |
Family
ID=89391135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311549030.3A Active CN117368616B (zh) | 2023-11-20 | 2023-11-20 | 一种智能化的配电网接地故障监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117368616B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117849536A (zh) * | 2024-03-07 | 2024-04-09 | 江苏中恩网络科技有限公司 | 一种电网配电线路故障在线监测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283432A (zh) * | 2018-10-10 | 2019-01-29 | 珠海许继电气有限公司 | 一种基于频谱序列峭度分析故障区段定位的方法及装置 |
CN112269095A (zh) * | 2020-09-07 | 2021-01-26 | 西安理工大学 | 基于故障电流间歇性重燃与熄灭特征的故障检测方法 |
CN112748359A (zh) * | 2019-10-30 | 2021-05-04 | 中国电力科学研究院有限公司 | 一种基于随机森林的配电网接地故障辨识方法及系统 |
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 |
KR20230126239A (ko) * | 2022-02-21 | 2023-08-30 | 한국전력공사 | 배전계통의 아크 검출 및 구간 판정 시스템 및 방법 |
-
2023
- 2023-11-20 CN CN202311549030.3A patent/CN117368616B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283432A (zh) * | 2018-10-10 | 2019-01-29 | 珠海许继电气有限公司 | 一种基于频谱序列峭度分析故障区段定位的方法及装置 |
CN112748359A (zh) * | 2019-10-30 | 2021-05-04 | 中国电力科学研究院有限公司 | 一种基于随机森林的配电网接地故障辨识方法及系统 |
CN112269095A (zh) * | 2020-09-07 | 2021-01-26 | 西安理工大学 | 基于故障电流间歇性重燃与熄灭特征的故障检测方法 |
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 |
KR20230126239A (ko) * | 2022-02-21 | 2023-08-30 | 한국전력공사 | 배전계통의 아크 검출 및 구간 판정 시스템 및 방법 |
Non-Patent Citations (2)
Title |
---|
肖启明 等: "基于变分模态分解与图信号指标的配电网高阻接地故障识别算法", 《电气技术》, vol. 22, no. 5, 31 May 2021 (2021-05-31), pages 50 - 55 * |
许冲冲 等: "基于频谱序列峭度分析的小电流接地故障区段定位研究", 《电力系统保护与控制》, vol. 46, no. 20, 16 October 2018 (2018-10-16), pages 52 - 58 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117849536A (zh) * | 2024-03-07 | 2024-04-09 | 江苏中恩网络科技有限公司 | 一种电网配电线路故障在线监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117368616B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117368616B (zh) | 一种智能化的配电网接地故障监测方法及系统 | |
US20230152187A1 (en) | Fault signal locating and identifying method of industrial equipment based on microphone array | |
CN109813544B (zh) | 一种基于在线监测的旋转机械早期故障诊断方法及系统 | |
CN110929934A (zh) | 设备故障预测方法、装置、计算机设备和存储介质 | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
KR101214765B1 (ko) | 전력설비 모니터링 시스템 및 방법 | |
CN105974273A (zh) | 配电网故障定位系统 | |
CN117074839B (zh) | 一种电磁阀故障诊断方法及系统 | |
CN110222765A (zh) | 一种永磁同步电机健康状态监测方法及系统 | |
CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
CN110865924A (zh) | 电力信息系统内部服务器健康度诊断方法与健康诊断框架 | |
CN111738348B (zh) | 一种电力数据异常检测方法和装置 | |
Medeiros et al. | Event classification in non-intrusive load monitoring using convolutional neural network | |
CN112305388A (zh) | 一种发电机定子绕组绝缘局部放电故障在线监测诊断方法 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
CN113671363A (zh) | 一种高压断路器状态辨识系统及方法 | |
CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
CN102426671A (zh) | 一种基于综合成本最优的排故方法 | |
CN113672658B (zh) | 基于复相关系数的电力设备在线监测错误数据识别方法 | |
CN106500831B (zh) | 振动传感器的检测方法和装置 | |
CN114564877A (zh) | 一种滚动轴承寿命预测方法、系统、设备及可读存储介质 | |
CN111639621B (zh) | 一种传感器信号诊断故障的方法 | |
CN109492913B (zh) | 一种配电终端的模块化风险预测方法、装置及可存储介质 | |
CN114280383A (zh) | 一种大型地面站天线的健康检测装置及健康检测方法 |
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 |