CN117572157A - 一种配网线路异常行波定位方法及系统 - Google Patents
一种配网线路异常行波定位方法及系统 Download PDFInfo
- Publication number
- CN117572157A CN117572157A CN202410050489.7A CN202410050489A CN117572157A CN 117572157 A CN117572157 A CN 117572157A CN 202410050489 A CN202410050489 A CN 202410050489A CN 117572157 A CN117572157 A CN 117572157A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- traveling wave
- abnormal
- network line
- line
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 329
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000003745 diagnosis Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000003750 conditioning effect Effects 0.000 claims description 31
- 238000005192 partition Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000010187 selection method Methods 0.000 claims description 11
- 230000006698 induction Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 19
- 238000005070 sampling Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G01R31/081—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
- 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
- G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种配网线路异常行波定位方法及系统,系统包括:异常信号采集模块采集得到配网线路的工频信号及行波信号;异常行波监测模块对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;配网线路故障诊断模块用于变电站馈线的故障选线;动态重构配网拓扑,识别配网线路异常区域,利用断路器开关事件进行配网线路故障点精确定位;利用零序电压越界事件,运用时间相关性趋势法分析确定预设时间内隐患点真实性,对配网线路真实隐患点进行隐患预警;对于故障事件,利用配网线路异常特征指纹库,运用神经网络相似度算法对故障进行故障类型识别,加强配网线路潜在隐患的提前预防,提高配网线路异常状态的运维效率。
Description
技术领域
本发明属于电力系统技术领域,尤其涉及一种配网线路异常行波定位方法及系统。
背景技术
配电线路是指从降压变电站把电力送到配电变压器或将配电变电站的电力送到用电单位的线路。随着智能配电网建设的开展,配电网向架空线及电缆混合线路,线路分支多,分布式电源的接入使得配电线路更加复杂,同时各个行业对电力系统的供电要求也越来越高。配电网作为电力系统与用户用电直接关联的配电网络,面广线多,是电力系统发生故障最频繁一环,据不完全统计,电力系统故障事件中配电网占60%以上,配电网发生故障,将影响电网的安全运行,可能会带来人畜触电、森林火害等重大事故。
目前对配电线路潜在隐患没有预警机制,不能提前预防,由潜在隐患发展为故障事件,提高配电线路停电时间。
对于配电线路在发生故障时,目前采用的方式是已知配电线路的接地线路后,由人工沿着配电线路中的接地线路寻找故障点。
传统的人工巡线方法需要消耗大量时间,对于具体故障点位置定位非常困难,并且依赖巡线人员的经验来进行隐患预警和故障类型识别,从而导致了配电线路的运维过程复杂、费时。
发明内容
为了弥补现有技术的缺陷,本发明提供了一种配网线路异常行波定位方法及系统。
为了解决上述技术问题,本发明所采用的技术方案是:
第一方面,提供一种配网线路异常行波定位系统,包括:
异常信号采集模块、异常行波监测模块及配网线路故障诊断模块;
异常信号采集模块包含多个采集单元,分别设置在变电站馈线的出线、配网线路主线及分支线、配网线路的柱上断路器和配电变压器二次侧;
异常信号采集模块,用于采集得到配网线路异常状态的工频信号及行波信号;
异常行波监测模块,用于对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;
配网线路故障诊断模块,用于利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;
配网线路故障诊断模块,还用于利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器开关状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
配网线路故障诊断模块,还用于根据工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
配网线路故障诊断模块,还用于当发生断路器开关事件时,根据断路器开关事件,运用网络定位法从配网线路异常区域中计算故障点的精确位置;
配网线路故障诊断模块,还用于利用配网线路异常特征指纹库,运用神经网络相似度算法对故障点进行故障类型识别;
配网线路故障诊断模块,还用于当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
进一步的,异常信号采集模块的多个采集单元分别为变电站采集单元、断路器采集单元、配网线路采集单元和配变采集单元;
变电站采集单元包括变电站母线零序电压行波传感器、变电站馈线零序电流行波传感器、变电站零序电压和零序电流互感器,设置在变电站的母线及馈线的出线;
断路器采集单元包括配网断路器电压互感器、配网断路器电磁式电流互感器、配网断路器电子式电流互感器及极柱内嵌入式电流行波传感器,均设置在配网线路的柱上断路器;
配网线路采集单元包括配网线路开口式电流行波传感器、配网线路感应式电压传感器及配网线路开口式电流互感器,均设置在配网线路主线、分支线;
配变采集单元包括配变二次侧电压行波传感器、配变二次侧电流行波传感器及配变接地线行波传感器,均设置在配电变压器二次侧。
进一步的,异常行波监测模块包括:
变电站馈线异常监测单元、基于馈线终端FTU异常行波监测单元、分布式配网线路异常行波监测单元及配变二次侧异常监测行波单元;
变电站馈线异常监测单元与变电站采集单元连接;
基于FTU异常行波监测单元与断路器采集单元连接;
分布式配网线路异常行波监测单元与配网线路采集单元连接;
配变二次侧异常监测行波单元与配变采集单元连接。
进一步的,配网线路故障诊断模块包括:
工频录波分析单元,用于对工频录波文件进行特征分析,得到变电站所有监测馈线的零序电流数据及变电站母线的零序电压越界值、零序电压变化率数据;
行波录波分析单元,用于对行波录波文件进行分析得到监测馈线的行波首波的时间、幅值和极性;
配网线路故障选线单元,用于利用变电站母线的零序电压越界值、零序电压变化率及行波幅值启动选线计算,利用预设稳态分析法及行波选线法,对所述变电站馈线进行故障选线;所述预设稳态分析法为群体比幅比相法、特征频段法、有功功率法、谐波法。
进一步的,配网线路故障诊断模块还包括:
配网线路网络动态重构单元及配网线路异常分区识别单元;
行波录波分析单元,还用于按配网线路预设时段内的行波录波文件提取异常行波的首波信息,首波信息包括首波波头时间、幅值与极性;
配网线路异常分区识别单元,用于获取预定的柱上断路器的安装位置,根据断路器安装位置划分出配网线路区域;根据配网线路区域内的监测点形成对应的固有行波时差矩阵;
配网线路网络动态重构单元,用于根据异常前断路器状态中的合状态,将相邻的连续配网线路区域合并,得到重构配网线路网络拓扑结构;
配网线路异常分区识别单元,还用于根据合并的配网线路区域,合并对应的固有行波时差矩阵,得到重构固有行波时差矩阵;根据异常行波的波头时间信息构建异常行波时差矩阵;根据异常行波时差矩阵及重构固有行波时差矩阵构建出异常分区计算行波时差矩阵,根据异常分区计算行波时差矩阵从配网线路区域中识别出配网线路异常区域。
进一步的,配网线路故障诊断模块还包括:
配网线路网络故障定位单元,用于当发生断路器开关事件时,依据断路器开关事件,根据配网线路异常区域中两边集合的监测点,搜索所有的计算路径,采用基于双端行波定位的网络定位法交叉计算得到多个故障定位结果,将所有的故障定位结果进行线性拟合和核对,选择出故障点的精确位置。
进一步的,配网线路故障诊断模块还包括:
配网线路异常特征指纹库,用于存储并自学习配网线路不同故障类型的异常特征;故障类型包括感应雷故障、断线故障、弧光接地故障、低阻接地故障及高阻接地故障;
配网线路故障类型识别单元,用于提取故障点的异常特征,运用神经网络相似度算法及配网线路异常特征指纹库对故障点进行故障类型识别。
进一步的,配网线路故障诊断模块还包括:
配网线路隐患预警分析单元,用于当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,采用基于双端行波定位的网络定位法交叉计算得到的隐患定位结果进行线性拟合和核对,选择精确的隐患定位结果,基于预设时间内的多次隐患定位结果,运用时间相关性趋势法分析确定真实的隐患点位置。
第二方面,提供了一种配网线路异常行波定位方法,应用于第一方面的配网线路异常行波定位系统,配网线路异常行波定位系统包括异常信号采集模块、异常行波监测模块及配网线路故障诊断模块,配网线路异常行波定位方法包括:
异常信号采集模块采集得到配网线路异常状态的工频信号及行波信号;
异常行波监测模块对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;
配网线路故障诊断模块利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;
利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
根据工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
当发生断路器开关事件时,根据断路器开关事件,运用网络定位法从配网线路异常区域中计算故障点的精确位置;利用配网线路异常特征指纹库,运用神经网络相似度算法对所述故障点进行故障类型识别;
当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
本发明所达到的有益效果:
异常信号采集模块采集得到工频信号及行波信号;异常行波监测模块对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;配网线路故障诊断模块利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;当发生断路器开关事件时,根据断路器开关事件,运用网络定位法从配网线路异常区域中计算故障点的精确位置;利用配网线路异常特征指纹库,运用神经网络相似度算法对故障点进行故障类型识别;当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。与现有的人工巡线方法相比,节省了巡检时间的同时,能够精准的定位到故障点的位置,并且识别出故障点的故障类型,对隐患点进行隐患预警,提前预防,提高配网线路异常状态的运维效率。
附图说明
图1为本发明配网线路异常行波定位系统的第一结构图;
图2为本发明配网线路异常行波定位系统的第二结构图;
图3为本发明配网线路的实例电路图;
图4为本发明配网线路异常行波定位方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1及图2所示,本发明实施例提供了一种配网线路异常行波定位系统,包括:
异常信号采集模块101、异常行波监测模块102及配网线路故障诊断模块103;
异常信号采集模块101包含多个采集单元,分别设置在变电站馈线的出线、配网线路主线及分支线、配网线路的柱上断路器和配电变压器二次侧;
异常信号采集模块101,用于采集得到配网线路异常状态的工频信号及行波信号;
异常行波监测模块102,用于对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;
配网线路故障诊断模块103,用于利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;
利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器开关状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
根据工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
当发生断路器开关事件时,根据断路器开关事件,运用网络定位法从配网线路异常区域中识别出故障点的精确位置;
利用配网线路异常特征指纹库,运用神经网络相似度算法对故障点进行故障类型识别,确定故障点的故障类型;
当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
具体的,异常信号采集模块101的多个采集单元分别为变电站采集单元、断路器采集单元、配网线路采集单元和配变采集单元;
变电站采集单元主要是用于采集变电站所有馈线的工频信号和行波信号,包括变电站母线零序电压行波传感器及变电站馈线零序电流行波传感器、变电站零序电压和零序电流互感器,设置在变电站的母线及馈线的出线;
断路器采集单元包括配网断路器电压互感器、配网断路器电磁式电流互感器、配网断路器电子式电流互感器及极柱内嵌入式电流行波传感器,均设置在配网线路的柱上断路器;从配网断路器电压互感器的二次侧采集得到配网线路异常工频相电压和、零序电压信号及电压行波信号;从配网断路器电磁式电流互感器、配网断路器电子式电流互感器及极柱内嵌入式电流行波传感器采集配网线路得到电流行波信号;
配网线路采集单元包括配网线路开口式电流行波传感器、配网线路感应式电压传感器及配网线路开口式电流互感器,设置在配网线路主线、分支线;配网线路开口式电流行波传感器套接于配网线路上,采集配网线路电流行波信号;配网线路感应式电压传感器采集配网线路的电压行波信号;配网线路开口式电流互感器采集配网线路异常工频电流信号;
配变采集单元包括配变二次侧电压行波传感器、配变二次侧电流行波传感器及配变接地线行波传感器,均设置在配电变压器二次侧;配变二次侧电压行波传感器并接于配电变电器的二次侧,采集配网线路的电压行波信号;配变二次侧电流行波传感器套接于配电变压器二次侧线路上,采集配网线路的电流行波信号;配变接地线行波传感器套接于配电变压器的接地线上,采集配网线路的电压行波信号。
通过以上描述的各传感器和各互感器,就能实现配网线路所有的工频信号和行波信号的采集。
针对以上各传感器和各互感器的设置,异常行波监测模块102包括:
变电站馈线异常监测单元、基于馈线终端(Feeder Terminal Unit,FTU)异常行波监测单元、分布式配网线路异常行波监测单元及配变二次侧异常监测行波单元;
变电站馈线异常监测单元与变电站采集单元连接;
基于FTU异常行波监测单元与断路器采集单元连接;
分布式配网线路异常行波监测单元与配网线路采集单元连接;
配变二次侧异常监测行波单元与配变采集单元连接。
需要说明的是,变电站馈线异常监测单元的电路结构具体包括了行波信号调理电路、工频信号调理电路、AD采样电路、FPGA电路、北斗+GPS双模授时电路、存储电路、MCU电路、网络通信电路。行波信号调理电路、工频信号调理电路与AD采样电路连接,AD采集电路、北斗+GPS双模授时电路与FPGA电路相连,FPGA电路、北斗+GPS双模授时电路、存储电路和MCU电路连接,MCU电路和网络通信电路连接,行波信号调理电路能够对行波信号进行调理,工频信号调理电路能够对工频信号进行调理,北斗+GPS双模授时电路对行波信号和工频信号进行授时,得到的工频录波文件和行波录波文件可以保存在存储电路中,并且通过网络通信电路将工频录波文件和行波录波文件发送到配网线路故障诊断模块103;
基于FTU异常行波监测单元包括电压行波信号调理电路、电流行波信号调理电路、相电压及零序电压信号调理电路、工频电流信号调理电压、AD采样电路、北斗+GPS双模授时电路、存储电路、MCU电路、网络通信电路,电压行波信号调理电路、电流行波信号调理电路、相电压及零序电压信号调理电路、工频电流信号调理电压与AD采样电路连接,信号调理电路、AD采样电路与MCU电路连接,AD采样电路、北斗+GPS双模授时电路、存储电路和MCU电路连接,MCU电路和网络通信电路连接;
分布式配网线路异常行波监测单元包括电源控制器及电源单元、太阳能板及电池、电流行波信号调理电路、工频电流信号调理电路、工频电压信号调理电路、AD采样电路、FPGA电路、北斗+GPS双模授时电路、存储电路、MCU电路、网络通信电路。电流行波信号调理电路、工频电流信号调理电路、工频电压信号调理电路与AD采样电路连接,AD采样电路与FPGA电路连接,北斗+GPS双模授时电路与FPGA电路、MCU电路连接,FPGA电路、存储电路与MCU电路连接,MCU电路和网络通信电路连接,太阳能板及电池与电源控制器及电源单元连接,电源控制器及电源单元与所有器件提供直流电源;
配变二次侧异常监测行波单元包括电流行波信号调理电路、电压行波信号调理电路、AD采样电路、FPGA电路、北斗+GPS双模授时电路、存储电路、MCU电路、网络通信电路。电流行波信号调理电路、电压行波信号调理电路与AD采样电路连接,信号调理电路AD采样电路与FPGA电路连接,北斗+GPS双模授时电路与FPGA电路、MCU电路连接,FPGA电路、存储电路与MCU电路连接,MCU电路和网络通信电路连接;
基于以上关于变电站馈线异常监测单元、基于FTU异常行波监测单元、分布式配网线路异常行波监测单元及配变二次侧异常监测行波单元的电路结构描述,证明了异常行波监测模块102中各单元能够实现对信号的调理和授时之后发送给配网线路故障诊断模块103。
下面通过(一)至(五)的内容描述分别针对配网线路故障诊断模块的故障选线功能、异常区域识别功能、故障定位功能、故障类型识别功能和隐患预警功能进行说明。
(一)、配网线路故障诊断模块的故障选线功能
配网线路故障诊断模块103包括:
工频录波分析单元,用于对工频录波文件进行特征分析,得到变电站所有监测馈线的零序电流数据及变电站母线的零序电压越界值、零序电压变化率数据;
行波录波分析单元,用于对行波录波文件进行分析得到监测馈线的行波首波的时间、幅值和极性;
配网线路故障选线单元,用于利用变电站母线的零序电压越界值、零序电压变化率及行波幅值启动选线计算,利用预设稳态分析法及行波选线法,对工频数据进行分析对变电站馈线进行故障选线;预设稳态分析法为群体比幅比相法、特征频段法、有功功率法、谐波法。
(二)、配网线路故障诊断模块的异常区域识别功能
配网线路故障诊断模块103还包括:
配网线路网络动态重构单元及配网线路异常分区识别单元;
行波录波分析单元,还用于按配网线路预设时段内的行波录波文件提取异常行波的首波信息,首波信息包括首波波头时间、幅值与极性;
配网线路异常分区识别单元,用于获取预定的柱上断路器的安装位置,根据断路器安装位置划分出配网线路区域,例如将配网线路分解为k个区域Z1至Zk,区域的首尾端为断路器或馈线首尾端或分支线末端;
根据配网线路区域内的监测点形成对应的固有行波时差矩阵;2个监测点的固有行波时差为,/>为监测点i、j间的距离,v为波速度,架空线一般取296m/us,电缆一般取160m/us(将电缆的波速度与电缆长度归一化为架空线的波速度),根据监测点构建k个区域的固有行波时差矩阵,第一个区域的区域固有行波时差矩阵为,同理,第k个区域的固有行波时差矩阵为:
配网线路网络动态重构单元,用于根据异常前断路器状态中的合状态,将相邻的连续配网线路区域合并,得到重构配网线路网络拓扑结构,合并固有行波时差矩阵为:
配网线路异常分区识别单元,还用于根据合并的配网线路区域,合并对应的固有行波时差矩阵,得到重构固有行波时差矩阵;根据异常行波的波头时间信息构建异常行波时差矩阵为:
;
根据异常行波时差矩阵及重构固有行波时差矩阵构建出异常分区计算行波时差矩阵:
,
其中;
根据异常分区计算行波时差矩阵从配网线路区域中识别出配网线路异常区域。
为了更好的对异常区域识别功能进行详细说明,提供图3所示的配网线路的实例电路图,在图3中配网线路的变电站馈线异常监测单元m0、m21安装于变电站监测室内,基于FTU异常行波监测单元m1、m2、m3、m4、m5安装于断路器的FTU内,分布式配网线路异常行波监测单元m6、m7套装于配网线路上,配变二次侧异常行波监测单元m8、m9、m10、m11、m12、m13、m14、m15、m16、m17、m18、m19、m20安装于配电变压器的二次侧,如附图3所示,根据监测馈线的断路器QF1至QF5的安装位置,将馈线分成Z1至Z4的4个区域,由各个区域内监测点构建4个固有行波时差矩阵:
若故障前,断路器QF1、QF2、QF4、QF5运行的合状态,QF3为分状态;
需要对配网线路网络拓扑进行重构,Z1和Z3区域合并,Z2和Z4区域合并,合并的2个固有行波时差矩阵为:
根据监测点监测的行波数据,如故障发生在区域Z1,由区域Z1的监测点检测行波波头时间,形成异常行波时差矩阵为:
由矩阵A1和B构成计算行波时差矩阵C:
其中,;
如果时,此2个监测点的区域为正常区域,如果/>时,此2个监测点的区域为异常区域,其中/>一般取1us,确定配网线路的异常区域。
(三)、配网线路故障诊断模块的故障定位功能
配网线路故障诊断模块还包括:
配网线路网络故障定位单元,用于当发生断路器开关事件时,依据断路器开关事件,根据配网线路异常区域中两边集合的监测点,搜索所有的计算路径,采用基于双端行波定位的网络定位法交叉计算得到多个故障定位结果,将所有的故障定位结果进行线性拟合和核对后,选择出故障点精确位置。
(四)、配网线路故障诊断模块的故障类型识别功能
配网线路故障诊断模块还包括:
配网线路异常特征指纹库,用于存储并自学习配网线路不同故障类型的异常特征;故障类型包括感应雷故障、断线故障、弧光接地故障、低阻接地故障及高阻接地故障;
配网线路故障类型识别单元,用于提取故障点位置的异常特征,运用神经网络相似度算法及预置配网线路异常特征指纹库,识别故障点的故障类型。
(五)、配网线路故障诊断模块的隐患预警功能
配网线路隐患预警分析单元,用于当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,采用基于双端行波定位的网络定位法交叉计算得到的隐患定位结果进行线性拟合和核对,选择精确的隐患定位结果,基于预设时间内的多次隐患定位结果,运用时间相关性趋势法分析确定真实的隐患点位置,确定了隐患点位置,进行隐患预警。
具体的隐患预警过程为:
监测配网线路异常时,当未发生断路器开关事件,但是发生了零序电压越界事件时,根据变电站馈线异常监测单元、基于FTU异常行波监测单元的零序电压越界事件,计算时间段一般取零序电压越界事件绝对时间前1.5秒内,零序电压越界事件绝对时间前1.5秒的所有工频录波数据,由工频录波分析单元分析各个监测点各相工频电流突变异常特征,由行波录波分析单元分析各个监测点各相的行波特征,根据配网线路动态重构单元形成的故障前配网线路拓扑,以及配网线路异常分区识别单元识别配网线路异常分区,将监测点按异常区域分为二个集合,由配网线路隐患预警分析单元依据故障区域两边集合监测点,搜索所有计算路径,采用双端行波定位方法,交叉计算得到多个定位结果,将所有定位结果进行线性拟合与核对,自动选择精确的隐患定位结果,配网线路隐患预警分析单元对同一条监测馈线的10次零序电压越界事件中5次及以上隐患点定位位置误差在300m以内时,才确定为配网线路真实隐患点位置。
需要说明的是,处理以上实施例中描述的配网线路故障诊断模块的功能之外,还可以具有其他的单元来执行多种功能,例如:
用户区域管理单元将配网线路按县、市管辖区域进行分区,设定用户管理权限,所述基础参数管理模块将配网线路杆塔、杆间距、线路类型,以及波速度等基础参数进行设定;
台账管理单元对监测装置、装置归属管理局域、序列号;
装置在线与缺陷管理单元对监测装置在线率、缺陷率进行统计与分区权限管理;
故障定位准确率管理单元对故障定位位置、巡线位置进行统计与分析,按设定时间及管理区域进行故障定位准确率统计;
异常短信控制单元对故障定位、预警信息以短信方式推送给相关人员,指导配网线路运维。
基于以上实施例中描述的配网线路异常行波定位系统,下面通过实施例对应用于配网线路异常行波定位系统的配网线路异常行波定位方法进行描述,如图4所示,本发明实施例提供了一种配网线路异常行波定位方法包括:
401,异常信号采集模块采集得到配网线路异常状态的工频信号及行波信号;
402,异常行波监测模块对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;
403,配网线路故障诊断模块利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;
需要说明的是,故障选线功能和故障类型识别、故障定位及隐患预警功能都不相关,因此步骤403与步骤404、步骤405及步骤406没有先后顺序的关联。
404,利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
405,根据工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
406,当发生断路器开关事件时,根据断路器开关事件,运用网络定位法从配网线路异常区域中计算故障点的精确位置;利用配网线路异常特征指纹库,运用神经网络相似度算法对故障点进行故障类型识别;
407,当未发生断路器开关事件,发生零序电压越界事件时,根据零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
综合以上描述的配网线路异常行波定位系统和配网线路异常行波定位方法,可以得出本发明具体以下的优点:
异常信号采集模块采集得到工频信号及行波信号;异常行波监测模块对工频信号及行波信号进行调理和授时,得到工频录波文件和行波录波文件;配网线路故障诊断模块利用预设稳态分析法对工频录波文件进行分析,并综合行波选线法对变电站馈线进行故障选线;利用小波包分析算法识别行波录波文件中异常行波的首波信息;基于配网线路的断路器状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据异常拓扑网络信息及异常行波的首波信息,结合行波时差法识别出配网线路异常区域;根据断路器开关事件,运用网络定位法从配网线路异常区域中识别出故障点位置;利用配网线路异常特征指纹库,运用神经网络相似度算法对故障点进行故障类型识别,确定故障的故障类型;根据零序电压越界事件,利用网络定位法从所述配网线路异常区域中识别出隐患点位置,运用时间相关性趋势法分析确定预设时间内隐患点真实性,并对真实隐患点进行隐患预警;与现有的人工巡线方法相比,节省了巡检时间的同时,能够精准的定位故障点位置,并且识别出故障点的故障类型,对隐患点进行隐患预警,提前预防,提高配网线路异常状态的运维效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (9)
1.一种配网线路异常行波定位系统,其特征在于,包括:
异常信号采集模块、异常行波监测模块及配网线路故障诊断模块;
所述异常信号采集模块包含多个采集单元,分别设置在变电站馈线的出线、配网线路主线及分支线、配网线路的柱上断路器和配电变压器二次侧;
所述异常信号采集模块,用于采集得到配网线路异常状态的工频信号及行波信号;
所述异常行波监测模块,用于对所述工频信号及所述行波信号进行调理和授时,得到工频录波文件和行波录波文件;
所述配网线路故障诊断模块,用于利用预设稳态分析法对所述工频录波文件进行分析,并综合行波选线法对所述变电站馈线进行故障选线;
所述配网线路故障诊断模块,还用于利用小波包分析算法识别所述行波录波文件中异常行波的首波信息;基于配网线路的断路器开关状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据所述异常拓扑网络信息及所述异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
所述配网线路故障诊断模块,还用于根据所述工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
所述配网线路故障诊断模块,还用于当发生所述断路器开关事件时,根据所述断路器开关事件,运用网络定位法从所述配网线路异常区域中计算故障点的精确位置;
所述配网线路故障诊断模块,还用于利用配网线路异常特征指纹库,运用神经网络相似度算法对所述故障点进行故障类型识别;
所述配网线路故障诊断模块,还用于当未发生所述断路器开关事件,发生所述零序电压越界事件时,根据所述零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
2.根据权利要求1所述的配网线路异常行波定位系统,其特征在于,
所述异常信号采集模块的多个采集单元分别为变电站采集单元、断路器采集单元、配网线路采集单元和配变采集单元;
所述变电站采集单元包括变电站母线零序电压行波传感器、变电站馈线零序电流行波传感器、变电站零序电压和零序电流互感器,设置在变电站的母线及馈线的出线;
所述断路器采集单元包括配网断路器电压互感器、配网断路器电磁式电流互感器、配网断路器电子式电流互感器及极柱内嵌入式电流行波传感器,均设置在配网线路的柱上断路器;
所述配网线路采集单元包括配网线路开口式电流行波传感器、配网线路感应式电压传感器及配网线路开口式电流互感器,设置在配网线路主线、分支线;
所述配变采集单元包括配变二次侧电压行波传感器、配变二次侧电流行波传感器及配变接地线行波传感器,均设置在配电变压器二次侧。
3.根据权利要求2所述的配网线路异常行波定位系统,其特征在于,所述异常行波监测模块包括:
变电站馈线异常监测单元、基于馈线终端FTU异常行波监测单元、分布式配网线路异常行波监测单元及配变二次侧异常监测行波单元;
所述变电站馈线异常监测单元与所述变电站采集单元连接;
所述基于FTU异常行波监测单元与所述断路器采集单元连接;
所述分布式配网线路异常行波监测单元与所述配网线路采集单元连接;
所述配变二次侧异常监测行波单元与所述配变采集单元连接。
4.根据权利要求3所述的配网线路异常行波定位系统,其特征在于,所述配网线路故障诊断模块包括:
工频录波分析单元,用于对所述工频录波文件进行特征分析,得到变电站所有监测馈线的零序电流数据及变电站母线的零序电压越界值、零序电压变化率数据;
行波录波分析单元,用于对所述行波录波文件进行分析得到监测馈线的行波首波的时间、幅值和极性;
配网线路故障选线单元,用于利用所述变电站母线的零序电压越界值、所述零序电压变化率及所述行波幅值启动选线计算,利用预设稳态分析法及行波选线法,对所述变电站馈线进行故障选线;所述预设稳态分析法为群体比幅比相法、特征频段法、有功功率法、谐波法。
5.根据权利要求4所述的配网线路异常行波定位系统,其特征在于,所述配网线路故障诊断模块还包括:
配网线路网络动态重构单元及配网线路异常分区识别单元;
所述行波录波分析单元,还用于按配网线路预设时段内的行波录波文件提取异常行波的首波信息,所述首波信息包括首波波头时间、幅值与极性;
所述配网线路异常分区识别单元,用于获取所述柱上断路器的断路器安装位置,根据所述断路器安装位置划分出配网线路区域;根据所述配网线路区域内的监测点形成对应的固有行波时差矩阵;
所述配网线路网络动态重构单元,用于根据所述异常前断路器状态中的合状态,将相邻的连续配网线路区域合并,得到重构配网线路网络拓扑结构;
所述配网线路异常分区识别单元,还用于根据合并的配网线路区域,合并对应的固有行波时差矩阵,得到重构固有行波时差矩阵;根据所述异常行波的波头时间信息构建异常行波时差矩阵;根据所述异常行波时差矩阵及所述重构固有行波时差矩阵构建出异常分区计算行波时差矩阵,根据所述异常分区计算行波时差矩阵从所述配网线路区域中识别出配网线路异常区域。
6.根据权利要求5所述的配网线路异常行波定位系统,其特征在于,所述配网线路故障诊断模块还包括:
配网线路网络故障定位单元,用于当发生所述断路器开关事件时,依据所述断路器开关事件,根据所述配网线路异常区域中两边集合的监测点,搜索所有的计算路径,采用基于双端行波定位的网络定位法交叉计算得到多个故障定位结果,将所有的故障定位结果进行线性拟合和核对,选择出故障点的精确位置。
7.根据权利要求6所述的配网线路异常行波定位系统,其特征在于,所述配网线路故障诊断模块还包括:
配网线路异常特征指纹库,用于存储并自学习配网线路不同故障类型的异常特征;所述故障类型包括感应雷故障、断线故障、弧光接地故障、低阻接地故障及高阻接地故障;
配网线路故障识别单元,用于提取所述故障点的异常特征,运用神经网络相似度算法及所述配网线路异常特征指纹库对所述故障点进行故障类型识别。
8.根据权利要求5所述的配网线路异常行波定位系统,其特征在于,所述配网线路故障诊断模块还包括:
配网线路隐患预警分析单元,用于当未发生所述断路器开关事件,发生所述零序电压越界事件时,根据所述零序电压越界事件,采用基于双端行波定位的网络定位法计算并线性拟合和核对隐患定位结果,基于预设时间内的多次隐患定位结果,运用时间相关性趋势法分析确定真实的隐患点位置。
9.一种配网线路异常行波定位方法,其特征在于,应用于权利要求1-8所述的配网线路异常行波定位系统,所述配网线路异常行波定位系统包括异常信号采集模块、异常行波监测模块及配网线路故障诊断模块,所述配网线路异常行波定位方法包括:
所述异常信号采集模块采集得到配网线路异常状态的工频信号及行波信号;
所述异常行波监测模块对所述工频信号及所述行波信号进行调理和授时,得到工频录波文件和行波录波文件;
所述配网线路故障诊断模块利用预设稳态分析法对所述工频录波文件进行分析,并综合行波选线法对所述变电站馈线的故障选线;
利用小波包分析算法识别所述行波录波文件中异常行波的首波信息;基于配网线路的断路器状态进行网络拓扑动态重构,得到异常拓扑网络信息;根据所述异常拓扑网络信息及所述异常行波的首波信息,结合行波时差法识别出配网线路异常区域;
根据所述工频录波文件分析是否发生断路器开关事件及零序电压越界事件;
当发生所述断路器开关事件时,根据所述断路器开关事件,运用网络定位法从所述配网线路异常区域中计算故障点的精确位置;利用配网线路异常特征指纹库,运用神经网络相似度算法对所述故障点进行故障类型识别;
当未发生所述断路器开关事件,发生所述零序电压越界事件时,根据所述零序电压越界事件,运用时间相关性趋势法分析识别潜在隐患。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050489.7A CN117572157B (zh) | 2024-01-15 | 2024-01-15 | 一种配网线路异常行波定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050489.7A CN117572157B (zh) | 2024-01-15 | 2024-01-15 | 一种配网线路异常行波定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117572157A true CN117572157A (zh) | 2024-02-20 |
CN117572157B CN117572157B (zh) | 2024-04-12 |
Family
ID=89864567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410050489.7A Active CN117572157B (zh) | 2024-01-15 | 2024-01-15 | 一种配网线路异常行波定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117572157B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242179A (zh) * | 2015-09-25 | 2016-01-13 | 山东山大电力技术有限公司 | 一种阻抗法和行波法相结合的行波综合测距方法 |
CN108020754A (zh) * | 2017-11-24 | 2018-05-11 | 山东理工大学 | 基于波形重构的单端行波故障测距方法 |
CN109557421A (zh) * | 2018-12-29 | 2019-04-02 | 山东科技大学 | 一种基于初始行波时差关系的多分支配电网故障测距方法 |
US20210373064A1 (en) * | 2017-10-29 | 2021-12-02 | Tianjin University | Time domain calculation method of voltage traveling-wave differential protection for vsc-hvdc transmission lines |
CN114675134A (zh) * | 2022-04-18 | 2022-06-28 | 四川思极科技有限公司 | 一种基于行波时空矩阵的配电网故障定位方法与系统 |
CN115951174A (zh) * | 2023-03-14 | 2023-04-11 | 湖南湘能电气自动化有限公司 | 基于电网异常可信区识别的行波测距网络校正方法及系统 |
CN116125192A (zh) * | 2022-11-28 | 2023-05-16 | 湖南湘能智能电器股份有限公司 | 基于行波模量分析的输电线路故障测距与预警装置及方法 |
CN116520080A (zh) * | 2023-04-25 | 2023-08-01 | 国网湖南省电力有限公司 | 基于时差矩阵数据拟合的配电网多分支故障行波定位方法和装置 |
CN116559591A (zh) * | 2023-05-17 | 2023-08-08 | 湖南湘能智能电器股份有限公司 | 一种智能输配电分布式故障诊断及类型识别系统 |
CN116559579A (zh) * | 2023-04-14 | 2023-08-08 | 国网辽宁省电力有限公司电力科学研究院 | 基于改进的VMD和Teager能量算子故障定位方法 |
CN117250436A (zh) * | 2023-09-26 | 2023-12-19 | 中宝电气有限公司 | 基于动态模式和双端行波法的配电网行波信号定位方法 |
-
2024
- 2024-01-15 CN CN202410050489.7A patent/CN117572157B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242179A (zh) * | 2015-09-25 | 2016-01-13 | 山东山大电力技术有限公司 | 一种阻抗法和行波法相结合的行波综合测距方法 |
US20210373064A1 (en) * | 2017-10-29 | 2021-12-02 | Tianjin University | Time domain calculation method of voltage traveling-wave differential protection for vsc-hvdc transmission lines |
CN108020754A (zh) * | 2017-11-24 | 2018-05-11 | 山东理工大学 | 基于波形重构的单端行波故障测距方法 |
CN109557421A (zh) * | 2018-12-29 | 2019-04-02 | 山东科技大学 | 一种基于初始行波时差关系的多分支配电网故障测距方法 |
CN114675134A (zh) * | 2022-04-18 | 2022-06-28 | 四川思极科技有限公司 | 一种基于行波时空矩阵的配电网故障定位方法与系统 |
CN116125192A (zh) * | 2022-11-28 | 2023-05-16 | 湖南湘能智能电器股份有限公司 | 基于行波模量分析的输电线路故障测距与预警装置及方法 |
CN115951174A (zh) * | 2023-03-14 | 2023-04-11 | 湖南湘能电气自动化有限公司 | 基于电网异常可信区识别的行波测距网络校正方法及系统 |
CN116559579A (zh) * | 2023-04-14 | 2023-08-08 | 国网辽宁省电力有限公司电力科学研究院 | 基于改进的VMD和Teager能量算子故障定位方法 |
CN116520080A (zh) * | 2023-04-25 | 2023-08-01 | 国网湖南省电力有限公司 | 基于时差矩阵数据拟合的配电网多分支故障行波定位方法和装置 |
CN116559591A (zh) * | 2023-05-17 | 2023-08-08 | 湖南湘能智能电器股份有限公司 | 一种智能输配电分布式故障诊断及类型识别系统 |
CN117250436A (zh) * | 2023-09-26 | 2023-12-19 | 中宝电气有限公司 | 基于动态模式和双端行波法的配电网行波信号定位方法 |
Non-Patent Citations (3)
Title |
---|
刘亮;曾祥君;邓名高;邓丰;: "基于线路归一和网络解耦的配网故障测距方法", 仪器仪表学报, no. 01, 15 January 2018 (2018-01-15), pages 246 - 252 * |
夏良标 等: "复杂配电网故障行波矩阵网络定位研究与应用", 电子制作, no. 11, 30 June 2017 (2017-06-30), pages 45 - 48 * |
姜雨轩 等: "基于行波时差矩阵算法的10kV电缆网络故障定位", 水电能源科学, vol. 38, no. 7, 31 July 2020 (2020-07-31), pages 184 - 188 * |
Also Published As
Publication number | Publication date |
---|---|
CN117572157B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104297632B (zh) | 有限pmu下基于最小二乘法估计的电网故障在线检测方法 | |
CN109655713B (zh) | 一种单相接地故障定位方法和系统 | |
CN106124935A (zh) | 中低压配电网络故障定位方法 | |
CN111208385A (zh) | 电网在线故障分层诊断方法 | |
CN114429092B (zh) | 一种基于数字孪生的继电保护设备数字化仿真系统 | |
CN105093063B (zh) | 基于多源数据特征单元组合判断的在线电网故障诊断方法 | |
CN107808044A (zh) | 一种考虑运行温度影响的变压器绝缘纸劣化评估方法 | |
CN114383652A (zh) | 一种配电网潜在故障在线风险辨识方法、系统及装置 | |
CN110299758A (zh) | 一种变电站综合在线监测及诊断系统 | |
CN110794254A (zh) | 一种基于强化学习的配电网故障预测方法及系统 | |
CN115169506A (zh) | 一种供变电关键设备故障快速诊断方法及系统 | |
Ananthan et al. | Model-based approach integrated with fault circuit indicators for fault location in distribution systems | |
CN113820567A (zh) | 一种小电流接地的单相接地故障处理分析定位方法及装置 | |
CN117572157B (zh) | 一种配网线路异常行波定位方法及系统 | |
CN110674240B (zh) | 一种基于gis的电力设备分布式多级智能故障诊断系统 | |
CN105652157B (zh) | 基于行波电气量的配电网健康状态分析方法 | |
CN117007901A (zh) | 一种基于电力输电线路拓扑的接头故障诊断方法及系统 | |
Li et al. | A decentralized fault section location method using autoencoder and feature fusion in resonant grounding distribution systems | |
CN111786462A (zh) | 一种基于多维全景数据的电网信息校验系统及校验方法 | |
CN115459449A (zh) | 一种可实时分析变压器运行性能的变电站监测方法及系统 | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
CN113097981B (zh) | 一种变电站监控告警信号漏发的判断方法 | |
CN110579323B (zh) | 一种用于高压断路器绝缘气体的机器人测值识别算法 | |
CN114626440A (zh) | 一种监控信号的对象化分析方法及装置 | |
CN110988520B (zh) | 一种时标无误差的波形分析方法 |
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 |