CN117368799B - 一种电力系统输电线路短路故障的诊断方法 - Google Patents
一种电力系统输电线路短路故障的诊断方法 Download PDFInfo
- Publication number
- CN117368799B CN117368799B CN202311665868.9A CN202311665868A CN117368799B CN 117368799 B CN117368799 B CN 117368799B CN 202311665868 A CN202311665868 A CN 202311665868A CN 117368799 B CN117368799 B CN 117368799B
- Authority
- CN
- China
- Prior art keywords
- short
- sequence
- circuit transient
- component
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000005540 biological transmission Effects 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 title abstract description 11
- 230000001052 transient effect Effects 0.000 claims abstract description 144
- 230000000737 periodic effect Effects 0.000 claims abstract description 23
- 230000001932 seasonal effect Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000009191 jumping Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009827 uniform distribution 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/58—Testing of lines, cables or conductors
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- 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
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及输电线路故障诊断技术领域,提出了一种电力系统输电线路短路故障的诊断方法,包括:获取电流时序数据;将电流时序数据划分为单位子序列;将单位子序列分解为趋势分量、季节分量和随机分量;根据趋势分量和季节分量计算电流基波跳变规律系数;根据随机分量和电流基波跳变规律系数获取随机分量波动水平,进而获取电流信号均衡度;根据电流时序数据获取非周期分量电流序列,进而获得短路暂态序列的短路暂态序列一致性指数;根据短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段。本发明旨在解决输电线路短路故障诊断不准确的问题。
Description
技术领域
本发明涉及输电线路故障诊断技术领域,具体涉及一种电力系统输电线路短路故障的诊断方法。
背景技术
为解决能源资源和重负荷用电不平衡问题,需要将电能进行远距离输送。在输电过程中,输电线路通常会穿过多样的地形和地貌,同时还要应对复杂的气候条件。地理条件和环境因素对输电线路的运行产生重大影响。如果发生短路故障,将极大地妨碍电能的传输过程。继电保护方法已成为保障输电系统稳定运行的关键技术手段,而故障诊断作为继电保护的重要辅助工具,在输电系统发生故障时及时可根据保护动作信息对故障进行排查。因而,对短路故障诊断具有重要意义。
在短路故障检测中,通过异常检测算法来监测输电线路中电压电流的异常信号。其中,COF异常检测算法不需要预设参数就能检测到各种类型的异常,但对于分布较为均匀的线路短路故障的电流数据,检测精度不高,使输电线路短路故障诊断不准确。
发明内容
为解决上述技术问题,本发明的目的在于提供一种电力系统输电线路短路故障的诊断方法,以解决输电线路短路故障诊断不准确的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种电力系统输电线路短路故障的诊断方法,该方法包括以下步骤:
S1、采集电流数据,获取预设时间窗口长度的电流时序数据;将电流时序数据划分为单位子序列;
S2、将单位子序列分解为趋势分量、季节分量和随机分量;根据趋势分量和季节分量计算电流基波跳变规律系数;根据随机分量包含的元素值划分子区间,进而获得子区间的概率统计值;根据子区间的概率统计值和单位子序列的电流基波跳变规律系数获取单位子序列的随机分量波动水平;
S3、根据单位子序列中包含的电流数据与随机分量波动水平获取单位子序列的电流信号均衡度;根据电流时序数据获取非周期分量电流序列,进而结合单位子序列的电流信号均衡度获取单位子序列的短路暂态跳变距离;根据短路暂态跳变距离获取短路暂态序列,进而获得短路暂态序列的短路暂态序列一致性指数;
S4、根据当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段。
进一步,所述将电流时序数据划分为单位子序列,包括的具体方法为:
将预设时间窗口长度平均划分为第一预设数量个周期;
将周期内包含的电流时序数据记为子序列;
分别将相邻的两个子序列组合为一个单位子序列。
进一步,所述将单位子序列分解为趋势分量、季节分量和随机分量,包括的具体方法为:
对单位子序列使用时序序列分解算法,获得单位子序列的趋势分量、季节分量和随机分量。
进一步,所述根据趋势分量和季节分量计算电流基波跳变规律系数,包括的具体方法为:
分别将趋势分量中的元素记为待分析元素;
将季节分量中与待分析元素的位置相同的元素记为对应元素;
将待分析元素的元素值与对应元素的元素值之间的差值的平方记为待分析元素与对应元素之间的差异值;
将趋势分量中的所有元素与对应元素之间的差异值之和记为单位子序列的波动值;
将以自然常数为底数,单位子序列的波动值的相反数为指数的幂记为单位子序列的波动系数;
将趋势分量中所有元素的元素值的均值记为趋势分量均值;
将季节分量中所有元素的元素值的均值记为季节分量均值;
将待分析元素与趋势分量均值之间的差值的绝对值记为待分析元素的跳变值;
将对应元素与季节分量均值之间的差值的绝对值记为对应元素的跳变值;
将待分析元素的跳变值与对应元素的跳变值的乘积记为待分析元素的跳变波动值;
将趋势分量中的所有元素的跳变波动值之和记为单位子序列的跳变波动系数;
将单位子序列的波动系数与跳变波动系数的比值记为单位子序列的电流基波跳变规律系数。
进一步,所述根据随机分量包含的元素值划分子区间,进而获得子区间的概率统计值,包括的具体方法为:
将单位子序列的随机分量的最小元素值与随机分量的最大元素值所组成的区间等距划分为第二预设数量个子区间;
分别将每个子区间记为待分析子区间;
将随机分量中落入待分析子区间的概率记为待分析子区间的概率统计值。
进一步,所述根据子区间的概率统计值和单位子序列的电流基波跳变规律系数获取单位子序列的随机分量波动水平,包括的具体方法为:
将以数字2为底数的待分析子区间的概率统计值的对数记为待分析子区间的概率分布;
将待分析子区间的概率统计值与概率分布的相反数的比值记为待分析子区间的概率分布系数;
将所有子区间的概率分布系数之和与单位子序列的电流基波跳变规律系数的比值记为单位子序列的随机分量波动水平。
进一步,所述根据单位子序列中包含的电流数据与随机分量波动水平获取单位子序列的电流信号均衡度,包括的具体方法为:
将单位子序列中包含的电流数据的均值与单位子序列的随机分量波动水平的乘积记为单位子序列的电流信号均衡度。
进一步,所述根据电流时序数据获取非周期分量电流序列,进而结合单位子序列的电流信号均衡度获取单位子序列的短路暂态跳变距离,包括的具体方法为:
使用小波变换提取电流时序数据的非周期分量电流序列;
获取非周期分量电流序列的单位子序列;
分别将非周期分量电流序列的每个单位子序列记为待分析单位子序列;
将待分析单位子序列中包含的所有元素的均值与待分析单位子序列的信息熵的乘积记为待分析单位子序列的电流跳变值;
将电流时序数据的单位子序列中与待分析单位子序列对应的单位子序列记为对应单位子序列;
将待分析单位子序列的电流跳变值与对应单位子序列的电流信号均衡度的差值的绝对值记为待分析单位子序列的短路暂态跳变距离。
进一步,所述根据短路暂态跳变距离获取短路暂态序列,进而获得短路暂态序列的短路暂态序列一致性指数,包括的具体方法为:
将非周期分量电流序列中包含的所有单位子序列的短路暂态跳变距离按照时间顺序排列获得短路暂态序列;
将预设调节系数与短路暂态序列中包含的所有短路暂态跳变距离的标准差的差值记为短路暂态序列的调节系数;
将以数字2为底数的调节系数的对数记为短路暂态序列的波动差异因子;
分别将短路暂态序列中的每个短路暂态跳变距离记为待分析短路暂态跳变距离;
将待分析短路暂态跳变距离与短路暂态序列中包含的所有短路暂态跳变距离的均值记为待分析短路暂态跳变距离的偏离值;
将波动差异因子与待分析短路暂态跳变距离的偏离值的比值记为待分析元素的短路暂态值;
将短路暂态序列中包含的所有短路暂态跳变距离的短路暂态值之和与预设单位子序列数量的比值记为短路暂态序列的短路暂态序列一致性指数。
进一步,所述根据当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段,包括的具体方法为:
将当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数按照时间顺序排列获得短路暂态一致性序列;
对短路暂态一致性序列使用异常检测算法获得每个短路暂态序列一致性指数的异常因子;
将异常因子大于预设阈值的短路暂态序列一致性指数对应的短路暂态序列记为短路故障序列;
将短路故障序列对应的时间段记为短路故障时段。
本发明的有益效果是:本发明通过在频域空间下分析电流时序数据的噪声异常响应,根据电流信号的周期性,将单位子序列分解为趋势分量、季节分量和随机分量;分析了趋势分量与季节分量之间的相似性,根据趋势分量与季节分量之间的拟合程度获取电流基波跳变规律系数;电流基波跳变规律系数反映了电流数据大幅度跳动的可能性;分析了噪声对随机分量的稳定性的影响,构建随机分量波动水平反映噪声对随机分量的影响程度;通过分析短路暂态过程中的非周期分量的特征构建短路暂态序列,进而根据短路暂态序列的稳定程度构建短路暂态序列一致性指数,短路暂态序列一致性指数反映了线路出现短路故障的可能性;将连续的暂态序列一致性指数输入COF算法进行短路故障检测,增大了正常值与短路故障异常值间的差异,提高了COF检测算法在分布较为均匀的线路短路故障的电流数据的检测精度,进一步提高了输电线路短路故障诊断的准确度。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种电力系统输电线路短路故障的诊断方法流程示意图;
图2为电流时序数据波动示意图。
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,其示出了本发明一个实施例所提供的一种电力系统输电线路短路故障的诊断方法流程图,该方法包括以下步骤:
步骤S1、采集电流数据,获取预设时间窗口长度的电流时序数据;将电流时序数据划分为单位子序列。
对于电力系统输电线路用电负荷端的人来说,电力的源头是终端的电力变压器,当负载侧发生短路时,电力变压器附近的电流数据相应的会发生较大变化,存在一个电流波动从不稳定到逐渐稳定的阶段。负载侧是短路故障频发的位置,为了及时发现故障,了解变压器负载均衡,本发明在电力变压器附近处进行电流检测。
输电线路中通常采用50HZ的交流电进行电力传输,其电流信号在理想状态下呈现为正弦波形,并以0.02秒为一个周期进行波动。在变压器附近安装霍尔效应传感器采集电流数据。为方便对以周期为单位的时序数据进行分析,电流传感器每秒采集一次电流数据。由于电流传感器采集数据是一个持续不断地过程,为方便对足够长的时序数据进行分析,本发明将时间窗口/>设置为1s,将时间窗口内包含的所有电流数据按照时间顺序排列获得电流时序数据/>。为了避免采集过程受仪器及外部各种因素的干扰,造成的电流采集不准确的影响,本实施例采用Binning分箱算法对电流时序数据进行清洗。
将时间窗口平均划分为n个周期,n的经验取值为50,则周期长度为0.02秒。将一个周期的电流时序数据作为一个子序列。传输过程中由于受天气条件、负荷变化、谐波影响和电网扰动等因素,导致电流信号波形发生畸变。发生短路故障瞬间,由于短路减小了线路中的电阻,并降低了电路的总阻抗,导致电流峰值瞬间增加。相邻两个周期内的电流信号产生明显波动,在后续的计算中,分别将相邻的两个子序列组合为一个单位子序列,将单位子序列中包含的电流数据数量记为单位子序列的长度,本实施例中/>的值为40。
至此,获得单位子序列。
步骤S2、将单位子序列分解为趋势分量、季节分量和随机分量;根据趋势分量和季节分量计算电流基波跳变规律系数;根据随机分量包含的元素值划分子区间,进而获得子区间的概率统计值;根据子区间的概率统计值和单位子序列的电流基波跳变规律系数获取单位子序列的随机分量波动水平。
需要说明的是,受负荷变化或谐波等噪声的影响,真实的电流信号在基波频率附近出现跳动。电流信号本身具有一定的周期性,如图2所示,电流时序数据随时间/>周期性波动的示意图,图中横轴为时间,纵轴为电流时序数据,电流时序数据随时间变化呈周期性波动趋势。因此,可采用基于局部加权回归的时序序列分解算法,将时间窗口/>中的第个单位子序列进行序列分解,计算公式为:
式中,表示时间窗口/>中的第/>个单位子序列;/>表示单位子序列的趋势分量;/>表示单位子序列的季节分量;/>表示单位子序列的随机分量。
在正常电流信号中,单位子序列中的电流数据与基波的形态比较贴合,并且数据本身呈现规则的正弦波。进行STL序列分解后,得到的趋势分量与季节分量与正弦波形类似,二者具有较高的拟合程度。若受到谐波分量导致电流信号失真,趋势分量与季节分量的拟合程度偏低。根据该特征,计算电流基波跳变规律系数,计算公式为:
式中,表示时间窗口/>中第/>个单位子序列的电流基波跳变规律系数,/>为单位子序列的长度,/>为时间窗口/>中第/>个单位子序列的趋势分量中的第/>个元素值;/>为时间窗口/>中第/>个单位子序列的季节分量中的第/>个元素值,/>表示以自然常数为底数的指数函数,/>为时间窗口/>中第/>个单位子序列的趋势分量中所有元素值的均值;/>为时间窗口/>中第/>个单位子序列的季节分量中所有元素值的均值。
当输电线路出现异常时,电流信号的失真越严重,越容易出现电流波形的不规则跳动,使得趋势分量与季节分量的差值越大,计算的电流基波跳变规律系数越小;同时,趋势分量和季节分量的不稳定,使单位子序列中的值越远离对应分量的均值,使得计算的电流基波跳变规律系数变小,表明该单位子序列内可能出现电流数据大幅度跳动。
趋势分量和季节分量表示的是时序数据的整体走势,然而输电线路中可能受负荷变化或电网扰动等影响,存在一些噪声。这些噪声使得电流短时急剧增大,瞬间达到峰值,导致分解出来的随机分量越不稳定。首先,将时间窗口中第/>个单位子序列的随机分量的最小值与最大值所组成的区间等间距分割为20个子区间,统计每一子区间内随机分量值落入的概率/>,进而计算时间窗口/>中第/>个单位子序列的随机分量波动水平/>,计算公式为:
式中,为时间窗口/>中第/>个单位子序列的随机分量波动水平;/>表示时间窗口/>中第/>个单位子序列的电流基波跳变规律系数;/>表示子区间的数量;表示时间窗口/>中/>单位子序列的随机分量中的元素落入第/>个子区间的概率;/>表示以2为底数的对数。
当随机分量越不稳定,使得异常值出现的概率增大,即值变大,减小,同时不规则的跳动使单位子序列的电流基波跳变规律系数值变小,则随机分量波动水平变大,表明当前线路受噪声影响严重。
步骤S3、根据单位子序列中包含的电流数据与随机分量波动水平获取单位子序列的电流信号均衡度;根据电流时序数据获取非周期分量电流序列,进而结合单位子序列的电流信号均衡度获取单位子序列的短路暂态跳变距离;根据短路暂态跳变距离获取短路暂态序列,进而获得短路暂态序列的短路暂态序列一致性指数。
通过上述分析可得到每个单位子序列的噪声影响情况,若瞬间电流数据变化程度异常,则有可能出现短路故障。根据单位子序列的随机分量波动水平构建电流信号均衡度,计算公式为:
式中,表示时间窗口/>中的第/>个单位子序列的电流信号均衡度,为时间窗口/>中第/>个单位子序列中包含的电流数据的均值,/>为时间窗口中第/>个单位子序列的随机分量波动水平。
输电线路中的电阻分为线路电阻和负载电阻两部分,其中线路电阻一般远小于负载电阻,一旦发生短路故障时,负载两侧的电压略微减小,几乎保持不变。而根据欧姆定律计算出的电流值则会陡增,然后逐渐达到相交于短路前电流更大的平稳状态,将该过程称之为短路暂态过程。短路暂态过程中的电流时序数据可分为周期分量和非周期分量,周期分量相比于原始电流信号更大,具有同样的波动周期;而电流的非周期分量从短路瞬间开始逐渐减少,当非周期分量减为零后,电流进入短路稳态过程。
经过上述分析,可根据短路暂态过程的非周期分量来对输电线路的短路故障进行诊断,首先采用小波变换提取电流时序数据在时间窗口中的非周期分量电流序列。按照电流时序数据的单位子序列划分方法,将/>划分为非周期分量电流序列的单位子序列/>。短路发生瞬间,非周期分量会随着电流信号均衡度/>的增加而增加。
根据上述电流信号均衡度与非周期分量值的特征,构建短路暂态序列。首先将中第一个单位子序列中的信息熵与单位子序列中包含的所有元素的均值的乘积记为/>,然后计算电流时序数据的第一个单位子序列的电流信号均衡度/>,将与/>的差值的绝对值记为时间窗口/>的短路暂态跳变距离/>;同理,计算/>中第二个单位子序列中的信息熵与电流均值乘积/>和电流时序数据的第二个单位子序列的电流信号均衡度/>,将/>与/>的差值记为时间窗口/>的短路暂态跳变距离/>,进而获得所有短路暂态跳变距离,构建时间窗口/>的短路暂态序列/>。
基于上述分析,若短路故障发生,根据上述分析,其暂态序列值相对稳定。由此,构建短路暂态序列一致性指数,计算公式为:
式中,表示时间窗口/>下的短路暂态序列一致性指数;/>为时间窗口/>中的单位子序列数量,经验取值为50;/>表示短路暂态序列中第/>个元素值;/>为时间窗口/>的短路暂态序列中所有短路暂态跳变距离的均值;/>为时间窗口/>的短路暂态序列中所有短路暂态跳变距离的标准差;/>为调节系数,设置经验值为12;/>表示以2为底数的对数。
若线路出现短路故障,其计算得出的暂态序列值越稳定,短路暂态序列中短路暂态跳变距离与所有短路暂态跳变距离的均值相差越小,计算的短路暂态序列一致性指数越大;同时短路暂态序列中所有短路暂态跳变距离的标准差越小,最终计算的短路暂态序列一致性指数越大,说明在该时间窗内越可能发生了短路故障。
至此,获取短路暂态序列一致性指数。
步骤S4、根据当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段。
计算时间窗口的下一个时间窗口/>的短路暂态序列一致性指数/>,依次类推,将连续时间窗口下计算的短路暂态序列一致性指数依次排列组成一个短路暂态一致性序列/>。将当前时间点前1分钟内计算的短路暂态一致性序列作为COF异常检测算法的输入,获得短路暂态一致性序列中每个短路暂态序列一致性指数的异常因子OF。若OF大于3,将短路暂态序列一致性指数对应的短路暂态序列记为短路故障序列;将短路故障序列对应的时间段记为短路故障时段。
至此,完成对电力系统输电线路短路故障的诊断。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,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 (3)
1.一种电力系统输电线路短路故障的诊断方法,其特征在于,该方法包括以下步骤:
S1、采集电流数据,获取预设时间窗口长度的电流时序数据;将电流时序数据划分为单位子序列;
S2、将单位子序列分解为趋势分量、季节分量和随机分量;根据趋势分量和季节分量计算电流基波跳变规律系数;根据随机分量包含的元素值划分子区间,进而获得子区间的概率统计值;根据子区间的概率统计值和单位子序列的电流基波跳变规律系数获取单位子序列的随机分量波动水平;
S3、根据单位子序列中包含的电流数据与随机分量波动水平获取单位子序列的电流信号均衡度;根据电流时序数据获取非周期分量电流序列,进而结合单位子序列的电流信号均衡度获取单位子序列的短路暂态跳变距离;根据短路暂态跳变距离获取短路暂态序列,进而获得短路暂态序列的短路暂态序列一致性指数;
S4、根据当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段;
所述根据趋势分量和季节分量计算电流基波跳变规律系数,包括的具体方法为:
分别将趋势分量中的元素记为待分析元素;
将季节分量中与待分析元素的位置相同的元素记为对应元素;
将待分析元素的元素值与对应元素的元素值之间的差值的平方记为待分析元素与对应元素之间的差异值;
将趋势分量中的所有元素与对应元素之间的差异值之和记为单位子序列的波动值;
将以自然常数为底数,单位子序列的波动值的相反数为指数的幂记为单位子序列的波动系数;
将趋势分量中所有元素的元素值的均值记为趋势分量均值;
将季节分量中所有元素的元素值的均值记为季节分量均值;
将待分析元素与趋势分量均值之间的差值的绝对值记为待分析元素的跳变值;
将对应元素与季节分量均值之间的差值的绝对值记为对应元素的跳变值;
将待分析元素的跳变值与对应元素的跳变值的乘积记为待分析元素的跳变波动值;
将趋势分量中的所有元素的跳变波动值之和记为单位子序列的跳变波动系数;
将单位子序列的波动系数与跳变波动系数的比值记为单位子序列的电流基波跳变规律系数;
所述根据随机分量包含的元素值划分子区间,进而获得子区间的概率统计值,包括的具体方法为:
将单位子序列的随机分量的最小元素值与随机分量的最大元素值所组成的区间等距划分为第二预设数量个子区间;
分别将每个子区间记为待分析子区间;
将随机分量中落入待分析子区间的概率记为待分析子区间的概率统计值;
所述根据子区间的概率统计值和单位子序列的电流基波跳变规律系数获取单位子序列的随机分量波动水平,包括的具体方法为:
将以数字2为底数的待分析子区间的概率统计值的对数记为待分析子区间的概率分布;
将待分析子区间的概率统计值与概率分布的相反数的比值记为待分析子区间的概率分布系数;
将所有子区间的概率分布系数之和与单位子序列的电流基波跳变规律系数的比值记为单位子序列的随机分量波动水平;
所述根据单位子序列中包含的电流数据与随机分量波动水平获取单位子序列的电流信号均衡度,包括的具体方法为:
将单位子序列中包含的电流数据的均值与单位子序列的随机分量波动水平的乘积记为单位子序列的电流信号均衡度;
所述根据电流时序数据获取非周期分量电流序列,进而结合单位子序列的电流信号均衡度获取单位子序列的短路暂态跳变距离,包括的具体方法为:
使用小波变换提取电流时序数据的非周期分量电流序列;
获取非周期分量电流序列的单位子序列;
分别将非周期分量电流序列的每个单位子序列记为待分析单位子序列;
将待分析单位子序列中包含的所有元素的均值与待分析单位子序列的信息熵的乘积记为待分析单位子序列的电流跳变值;
将电流时序数据的单位子序列中与待分析单位子序列对应的单位子序列记为对应单位子序列;
将待分析单位子序列的电流跳变值与对应单位子序列的电流信号均衡度的差值的绝对值记为待分析单位子序列的短路暂态跳变距离;
所述根据短路暂态跳变距离获取短路暂态序列,进而获得短路暂态序列的短路暂态序列一致性指数,包括的具体方法为:
将非周期分量电流序列中包含的所有单位子序列的短路暂态跳变距离按照时间顺序排列获得短路暂态序列;
将预设调节系数与短路暂态序列中包含的所有短路暂态跳变距离的标准差的差值记为短路暂态序列的调节系数;
将以数字2为底数的调节系数的对数记为短路暂态序列的波动差异因子;
分别将短路暂态序列中的每个短路暂态跳变距离记为待分析短路暂态跳变距离;
将待分析短路暂态跳变距离与短路暂态序列中包含的所有短路暂态跳变距离的均值记为待分析短路暂态跳变距离的偏离值;
将波动差异因子与待分析短路暂态跳变距离的偏离值的比值记为待分析元素的短路暂态值;
将短路暂态序列中包含的所有短路暂态跳变距离的短路暂态值之和与预设单位子序列数量的比值记为短路暂态序列的短路暂态序列一致性指数;
所述根据当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数获得短路暂态一致性序列,对短路暂态一致性序列使用异常检测算法获得短路故障时段,包括的具体方法为:
将当前时刻之前预设时段内包含的所有短路暂态序列的短路暂态序列一致性指数按照时间顺序排列获得短路暂态一致性序列;
对短路暂态一致性序列使用异常检测算法获得每个短路暂态序列一致性指数的异常因子;
将异常因子大于预设阈值的短路暂态序列一致性指数对应的短路暂态序列记为短路故障序列;
将短路故障序列对应的时间段记为短路故障时段。
2.根据权利要求1所述的一种电力系统输电线路短路故障的诊断方法,其特征在于,所述将电流时序数据划分为单位子序列,包括的具体方法为:
将预设时间窗口长度平均划分为第一预设数量个周期;
将周期内包含的电流时序数据记为子序列;
分别将相邻的两个子序列组合为一个单位子序列。
3.根据权利要求1所述的一种电力系统输电线路短路故障的诊断方法,其特征在于,所述将单位子序列分解为趋势分量、季节分量和随机分量,包括的具体方法为:
对单位子序列使用时序序列分解算法,获得单位子序列的趋势分量、季节分量和随机分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665868.9A CN117368799B (zh) | 2023-12-07 | 2023-12-07 | 一种电力系统输电线路短路故障的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311665868.9A CN117368799B (zh) | 2023-12-07 | 2023-12-07 | 一种电力系统输电线路短路故障的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117368799A CN117368799A (zh) | 2024-01-09 |
CN117368799B true CN117368799B (zh) | 2024-02-23 |
Family
ID=89391372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311665868.9A Active CN117368799B (zh) | 2023-12-07 | 2023-12-07 | 一种电力系统输电线路短路故障的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117368799B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892066B (zh) * | 2024-03-14 | 2024-05-28 | 杭州银湖电气设备有限公司 | 一种磁控电抗器振动噪声数据处理方法 |
CN118074058B (zh) * | 2024-04-16 | 2024-07-02 | 山西国辰建设工程勘察设计有限公司 | 一种智能配电室安全管控方法及系统 |
CN118091300B (zh) * | 2024-04-28 | 2024-06-28 | 佛山迈亚科技有限公司 | 基于数据分析的贴片电阻故障诊断方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2307172A1 (en) * | 1998-12-21 | 2001-10-27 | Bruce F. Macbeth | Arc fault circuit detector device detecting pulse width modulation of arc noise |
CN101154807A (zh) * | 2007-10-11 | 2008-04-02 | 天津大学 | 基于暂态零序电流的配电网单相接地故障自适应选线方法 |
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
CN104635109A (zh) * | 2015-01-23 | 2015-05-20 | 云南电网有限责任公司电力科学研究院 | 一种从故障录波数据中直接计算提取电网暂态非周期分量幅值和时间常数的高精度方法 |
CN105449653A (zh) * | 2015-12-24 | 2016-03-30 | 章则明 | 一种交流电网中自动限制短路故障电流的装置 |
CN106886651A (zh) * | 2017-03-06 | 2017-06-23 | 云南电网有限责任公司电力科学研究院 | 绝缘子金属附件腐蚀电荷量预测方法 |
KR101772605B1 (ko) * | 2017-07-12 | 2017-08-30 | 주식회사 중앙씨아이씨 | 가공송전선로의 고장정보 데이터 수집장치 |
CN109307811A (zh) * | 2018-08-06 | 2019-02-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于大数据挖掘的用户专用变压器用电监测方法 |
CN109991508A (zh) * | 2019-04-15 | 2019-07-09 | 中国计量大学 | 一种基于动态非线性特征序列的变压器绕组状态诊断方法 |
CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
CN110221167A (zh) * | 2019-05-15 | 2019-09-10 | 广东工业大学 | 一种基于确定学习的电力系统输电线短路故障诊断方法 |
CN112117792A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种基于模型的被动均衡系统及均衡电流估计方法 |
CN112256550A (zh) * | 2020-11-19 | 2021-01-22 | 深信服科技股份有限公司 | 存储容量预测模型生成方法、存储容量预测方法 |
CN112782523A (zh) * | 2020-12-23 | 2021-05-11 | 南京工程学院 | 基于动态模式匹配距离的配电网单相接地故障选线方法 |
CN113837289A (zh) * | 2021-09-26 | 2021-12-24 | 创新奇智(重庆)科技有限公司 | 模型训练方法、故障预测方法、装置及电子设备 |
CN114189170A (zh) * | 2022-02-16 | 2022-03-15 | 中国人民解放军海军工程大学 | 一种用于三电平npc逆变器的新型动态混合调制方法 |
CN116204786A (zh) * | 2023-01-18 | 2023-06-02 | 北京控制工程研究所 | 生成指定故障趋势数据的方法和装置 |
CN116522193A (zh) * | 2023-03-21 | 2023-08-01 | 宁波送变电建设有限公司运维分公司 | 基于因子分析法的电网设备电压异常特征提取方法及系统 |
CN116739562A (zh) * | 2023-06-15 | 2023-09-12 | 国网安徽省电力有限公司宿州供电公司 | 一种基于lstm的配电网稳定性运维方法 |
CN117154738A (zh) * | 2023-09-21 | 2023-12-01 | 华南理工大学 | 一种随机响应面的配电网随机潮流计算方法、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6177208B2 (ja) * | 2014-09-24 | 2017-08-09 | 株式会社日立製作所 | 電力系統監視装置および電力系統監視システム |
-
2023
- 2023-12-07 CN CN202311665868.9A patent/CN117368799B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2307172A1 (en) * | 1998-12-21 | 2001-10-27 | Bruce F. Macbeth | Arc fault circuit detector device detecting pulse width modulation of arc noise |
CN101154807A (zh) * | 2007-10-11 | 2008-04-02 | 天津大学 | 基于暂态零序电流的配电网单相接地故障自适应选线方法 |
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
CN104635109A (zh) * | 2015-01-23 | 2015-05-20 | 云南电网有限责任公司电力科学研究院 | 一种从故障录波数据中直接计算提取电网暂态非周期分量幅值和时间常数的高精度方法 |
CN105449653A (zh) * | 2015-12-24 | 2016-03-30 | 章则明 | 一种交流电网中自动限制短路故障电流的装置 |
CN106886651A (zh) * | 2017-03-06 | 2017-06-23 | 云南电网有限责任公司电力科学研究院 | 绝缘子金属附件腐蚀电荷量预测方法 |
KR101772605B1 (ko) * | 2017-07-12 | 2017-08-30 | 주식회사 중앙씨아이씨 | 가공송전선로의 고장정보 데이터 수집장치 |
CN109307811A (zh) * | 2018-08-06 | 2019-02-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于大数据挖掘的用户专用变压器用电监测方法 |
CN110069810A (zh) * | 2019-03-11 | 2019-07-30 | 北京百度网讯科技有限公司 | 电池故障预测方法、装置、设备和可读存储介质 |
CN109991508A (zh) * | 2019-04-15 | 2019-07-09 | 中国计量大学 | 一种基于动态非线性特征序列的变压器绕组状态诊断方法 |
CN110221167A (zh) * | 2019-05-15 | 2019-09-10 | 广东工业大学 | 一种基于确定学习的电力系统输电线短路故障诊断方法 |
CN112117792A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种基于模型的被动均衡系统及均衡电流估计方法 |
CN112256550A (zh) * | 2020-11-19 | 2021-01-22 | 深信服科技股份有限公司 | 存储容量预测模型生成方法、存储容量预测方法 |
CN112782523A (zh) * | 2020-12-23 | 2021-05-11 | 南京工程学院 | 基于动态模式匹配距离的配电网单相接地故障选线方法 |
CN113837289A (zh) * | 2021-09-26 | 2021-12-24 | 创新奇智(重庆)科技有限公司 | 模型训练方法、故障预测方法、装置及电子设备 |
CN114189170A (zh) * | 2022-02-16 | 2022-03-15 | 中国人民解放军海军工程大学 | 一种用于三电平npc逆变器的新型动态混合调制方法 |
CN116204786A (zh) * | 2023-01-18 | 2023-06-02 | 北京控制工程研究所 | 生成指定故障趋势数据的方法和装置 |
CN116522193A (zh) * | 2023-03-21 | 2023-08-01 | 宁波送变电建设有限公司运维分公司 | 基于因子分析法的电网设备电压异常特征提取方法及系统 |
CN116739562A (zh) * | 2023-06-15 | 2023-09-12 | 国网安徽省电力有限公司宿州供电公司 | 一种基于lstm的配电网稳定性运维方法 |
CN117154738A (zh) * | 2023-09-21 | 2023-12-01 | 华南理工大学 | 一种随机响应面的配电网随机潮流计算方法、设备和介质 |
Non-Patent Citations (3)
Title |
---|
"城市轨道交通直流牵引供电系统短路故障辨识及定位研究";2021-07-15;《中国优秀硕士学位论文全文数据库》;第6-50页 * |
"基于暂态特征的VSC-HVDC输电线路单端故障定位方法";毕安露;《中国优秀硕士学位论文全文数据库》;第11-54页 * |
"能量法配电网单相接地故障定位的研究与实现";曹盛;《中国优秀硕士学位论文全文数据库》;第8-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117368799A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117368799B (zh) | 一种电力系统输电线路短路故障的诊断方法 | |
Chen et al. | Probabilistic stability analysis of subsynchronous resonance for series-compensated DFIG-based wind farms | |
CN117421687B (zh) | 一种数字化电力环网柜运行状态监测方法 | |
CN116703183B (zh) | 一种新型配电网系统用电负荷评估方法 | |
CN109613324B (zh) | 一种谐波放大的检测方法及装置 | |
CN108921409B (zh) | 一种电压暂降严重度等级判定方法 | |
CN109299134B (zh) | 一种非侵入式监测系统下电器的识别方法 | |
CN116861797B (zh) | 一种基于机器学习的隧道电缆剩余寿命预测方法及装置 | |
Cui et al. | An anomaly detection approach using wavelet transform and artificial neural networks for condition monitoring of wind turbines' gearboxes | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN116643163A (zh) | 一种真空断路器远程在线监测系统 | |
CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN115639502A (zh) | 异常工况下变压器绕组运行状态下的综合评估方法及系统 | |
CN117892246A (zh) | 一种智能化开关柜用数据处理方法 | |
CN117176199B (zh) | 一种hplc通信单元故障诊断方法及装置 | |
CN112597607B (zh) | 风力发电机高速轴承的预测性维修方法及系统 | |
CN116593829B (zh) | 基于数据分析的输电线路隐患在线监测系统 | |
CN108562828A (zh) | 基于小波检测提高电网低电压穿越能力的方法 | |
CN116510223B (zh) | 基于物联网的自识别消防泵电参数巡检监测系统 | |
CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
CN115808600B (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
Hong et al. | Short-time fourier transform based analysis to characterization of series arc fault | |
CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
CN112434567B (zh) | 一种利用噪声抖动性质的功率信号滤波方法和系统 |
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 |