CN117693683A - 电信号分析和电器监测 - Google Patents
电信号分析和电器监测 Download PDFInfo
- Publication number
- CN117693683A CN117693683A CN202180100421.XA CN202180100421A CN117693683A CN 117693683 A CN117693683 A CN 117693683A CN 202180100421 A CN202180100421 A CN 202180100421A CN 117693683 A CN117693683 A CN 117693683A
- Authority
- CN
- China
- Prior art keywords
- electrical
- state
- signal
- electrical load
- load
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 11
- 238000004458 analytical method Methods 0.000 title description 14
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000007704 transition Effects 0.000 claims abstract description 19
- 238000013178 mathematical model Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 17
- 239000000872 buffer Substances 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 4
- 238000011010 flushing procedure Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明描述了一种从电信号检测电负载的状态的方法。这包括首先提供电信号的数学模型。然后可使用滑动窗口来估计模型的参数。在这种情况下,确定电信号的多个窗口,将窗口函数应用于窗口中的每一者,并且由插值确定模型的参数。然后可由所确定的参数来重构波形,并且从原始信号中减去所重构的波形以获得残差。然后可在所重构的波形和原始信号之间的差超过阈值的情况下确定状态转换。在连续状态转换之间的时间段内,状态被检测并且被确定为存在。还描述了使用这种方法监测电气系统的方法,以及适于执行此类方法的电气设备。
Description
技术领域
本公开涉及用于电信号分析和电器监测的方法和装置。
背景技术
对于电负载诸如复杂电器而言,与该电负载有关的检测到的电信号(诸如在电源接通时相对于时间的该负载的电流或该负载两端的电压)本身将具有复杂的形式。这种形式将代表复杂电器或其他电负载内的内部状态变化。
期望使用此类电信号的形式来表示和分析此类负载内的内部状态的变化。被证明这样做有效的技术将具有许多用途,例如在电器监测中,电信号形式的变化可用于确定复杂电器内的部件是否故障,或者它是否在其正常操作范围之外工作。
发明内容
在第一方面,本公开提供了一种由电信号检测电负载的状态的方法,该方法包括:提供用于该电信号的数学模型;使用滑动窗口来估计模型的参数,其中确定电信号的多个窗口,将窗口函数应用于该窗口中的每一者,并且由插值来确定模型的参数;由所确定的参数重构波形,并且从原始信号中减去所重构的波形以获得残差信号;确定其中残差信号超过阈值的状态转换;以及在连续状态转换之间的时间段内将状态检测为存在。
使用这种方法,电信号可以被逻辑地和重复地分解为状态序列。该状态序列中的变化(例如,特定状态的缺失,或者特定状态出现或结束所花费的时间的变化)可以用于监测电气设备或电气系统的变化,并且甚至可以用于故障诊断,具体地讲在特定状态可利用特定真实世界状态或标准来识别时。
该数学模型可以为包括基频和该基频的谐波的正弦模型。这是关于AC电信号采用的特别合适的方法。
在实施方案中,窗口函数是Rife-Vincent窗口函数-发现窗口函数的这种选择特别适合于这种分析电信号的方法。这可以是1类Rife-Vincent窗口函数,并且该1类Rife-Vincent窗口函数为6阶或更高。
在实施方案中,其中残差信号超过阈值可包括确定该残差信号的均方根值是否超过该阈值。
在实施方案中,该方法还可包括将电信号采样到缓冲器中,并且将该滑动窗口应用于该缓冲器。然后,当检测到状态转换时,可清空缓冲器。
在第二方面,本公开提供了一种监测电气系统的方法,该方法包括:根据上述第一方面的方法由电信号检测电负载的状态;以及将该电负载的状态与该电负载的预期状态进行比较。
在实施方案中,将该电负载的状态与该电负载的预期状态进行比较可包括确定该电负载的状态的存在或不存在。将该电负载的状态与该电负载的预期状态进行比较还可包括确定电负载的一个或多个状态存在的时间。
在实施方案中,该方法还可包括通过将该电负载的状态与该电负载的预期状态进行比较来确定该电气系统中的故障。
在第三方面中,本公开提供了一种电气设备,该电气设备包括用于检测通过该电气设备的电信号的值的检测元件,其中该电气设备适用于根据上述第一方面或第二方面的方法。
此类电气设备可以是电器,并且其中所检测的状态是电器的状态。另选地,该电气设备可以是断路器。
附图说明
现在将参考以下附图以举例的方式描述本公开的实施方案,其中:
图1示出了其中可以执行根据本公开的实施方案的电信号分析和电器监测的示例性系统;
图2是在本公开的工作实施方案中考虑的与复杂电器(在这种情况下为向加热炉供电的断路器)有关的AC电流波形;
图3示出了根据本公开的广泛实施方案的电信号分析和电器监测的方法;
图4详细示出了根据本公开的电信号分析方法的具体实施方案;
图5示出了针对图2的波形估计的波形模型的参数的时间序列;
图6示出了使用图5的参数对图2的波形的重构;并且
图7示出了将电信号分割成一系列所识别的段,这些段之间具有转换。
具体实施方式
如上所述,期望使用检测到的与电负载相关的电信号来分析与负载相关的内部状态变化。图1示出了配电系统,以示出可进行此类检测和分析的多个点。
建筑物1具有由电源3供电的多个电路2。这些电路2将通常包含控制元件诸如断路器12,此类断路器将是包含检测元件10的特定逻辑点。这不是可以使用该方法的系统中唯一可能的点,然而,其可以在其他地方使用,或者在穿过建筑物1的多个位置中使用,或者在包含建筑物的更宽的电气系统中使用。建筑物内的各个负载可以具有它们自己的检测元件10-例如电器(诸如制冷单元14或加热炉15)可具有它们自己的检测元件10。这些检测元件10可特别用于在接通负载(具体地讲接通电机或一组电机)时的检测和分析。此类检测可用于向一组建筑物供电的本地变电站16,或者甚至用于向多个本地变电站16供电的较大变电站17。
在实施方案中,检测和分析都可发生在检测元件内-例如,在“智能”断路器12内-或者分析可以在连接到检测元件10的计算系统内(诸如家庭计算中心13)进行或者远程进行(例如,通过云服务)。
在本公开的实施方案中采用的一般方法包括由检测元件检测的电信号的自动分割。通常,待从检测元件评估的输入是交流电和电压源的以数字方式采集的时间序列表示。然后,分割过程的输出可以是从对应于在连接负载的不同状态期间采集的数据的时间序列提取的一组段。这通过分析由突变或状态转换的电信号模型产生的残差信号来实现。
转换之间的数据被认为是离散的段(下文称为“段”或“数据段”)。这种电信号分割方法的有益效果在于数据段对应于负载(诸如复杂电器)的单独状态,使得能够单独地分析和跟踪这些单独状态。这使得能够对复杂电器或负载系统进行更精细的单独条件监测。
分割是已知的数据分析方法,具体地讲用于图像,但也用于其他类型的信号。分割算法旨在通过将图像或信号分割成各区域来简化信号或图像的分析,然后可单独地分析该区域。从以下意义上来说,期望所得的图像/信号的分区是有意义的:每个此类分区捕获共享一些特性或包含一些重要特征的数据(这在图像的情况下可以是对象,或者在时间序列的情况下可以是事件)。
在此,其目的在于将AC电信号分区成对应于在处于观察的电路上汲取电力的负载的各种状态的段。这些状态被定义为电信号中两个相邻突变之间的波形数据部分。图2示出了此类分割可如何在特定转换(在这种情况下,打开加热炉)下寻找特定负载,在这种情况下,示出了10个单独的段。此类变化通常存在于电信号中,并且通常对应于这种性质的特定事件。图2的示例将在下文在本公开实施方案的上下文中更详细地讨论。
图3示出根据本公开的广泛实施方案的电信号分析和电器监测的方法。该方法通过由电信号检测电负载的状态来操作-如上所述,该电负载可来自电器,或者来自另一负载,诸如包括负载集合的复合系统。其目的在于识别物理上有意义的负载的操作状态。
首先,提供310电信号的数学模型。在AC波形的情况下,这通常将是包括基频和多个谐波的正弦模型。
与AC波形一起使用的正弦模型可以在数学上被如下公式化:
其中i为电流信号,n为样本指数,J为谐波(包括基频)的数量,j是J的指数,并且cj、fj和θi对应于第J个谐波(包括基频)的振幅、频率和相位;这些是模型的参数。
下一步骤是由检测到的电信号估计320模型参数的值。这可通过在整个检测到的信号数据上使用滑动窗口来实现-将窗口函数应用于322窗口,并且通过插值324来确定模型的参数。
该模型的参数可以例如使用插值加窗快速傅立叶变换(IWFFT)以滑动加窗方式在线估计,该插值加窗快速傅立叶变换将Rife-Vincent窗口函数应用于数据的每个窗口以减少频域中的频谱分量的泄漏,并且然后识别频域中的峰值并且使用导出的表达式在这些峰值之间进行插值。下文更详细地描述了该方法的实际应用。
此后,由确定的参数重构330波形。经由模型重构的信号与原始信号之间的差(称为残差)可经受阈值以检测信号中的事件,该方法在此可用于检测状态转换事件。从原始信号中减去重构的波形以获得340残差信号。根据该残差信号,检测350状态转换,当残差信号超过阈值时识别状态转换。然后,状态被识别360为在连续的状态转换之间存在。然后可以在单独的分析过程370中使用这些状态。
图4详细示出了根据本公开的电信号分析方法的具体实施方案。在图2所示的情况下,电信号在与向加热炉供电的电路相关联的断路器处采样,该电信号可以是电流波形或电压波形。虽然断路器是此类检测元件的一个逻辑位置,但是检测元件可以在另一个电子部件中,或者在电器本身中。下文描述的状态检测方法可以在具有适当的处理器和固件的电子部件中执行,或者来自检测元件的读数可以被本地地或远程地传输到适当配置的计算设备。
电信号在检测元件处被有规律地采样,并且样本被缓冲410直到预定窗口大小。使用FIFO缓冲器,并且如下文将描述的,相同的缓冲器用于表示状态的整个信号段。在此示出的示例中,以1kHz进行采样并且使用1024个样本,从而给出大约一秒的窗口大小。
然后将窗函数应用于420缓冲的数据以防止泄漏,在此可使用广义余弦窗口。这些具有以下形式:
发现特别有效的选择是使用Rife-Vincent窗口,这些使高阶旁瓣振幅最小化-1阶(k=1),这在功能上等同于广泛使用的Hann窗口,在此使用更高阶窗口(在此在考虑的实施方案中为6阶)。
然后将快速傅立叶变换(FFT)应用于430所得数据窗口以获得数据的复频谱。根据该频谱,计算440基频的频率、振幅和相位,以及直至奈奎斯特频率(采样率的一半)的所有谐波的频率、振幅和相位,如果这些谐波包含显著能量,则在这些谐波之间使用插值。具体地,在基频周围的区域中找到442具有最大振幅和第二大振幅的仓,这针对所有谐波进行重复。然后使用针对指定窗口函数(在这种情况下,针对I类、6阶、Rife-Vincent窗口)的频率导出的适当插值表达式来估计444频率(逐个窗口)。合适的表达式可见于Jalenand Dusan Agrez,“Nonparametric Estimation of Power Quantities in theFrequency Domain Using Rife-Vincent Windows”,IEEE Transactions onInstrumentation and Measurement 62(8):2171-2184,2013年8月。然后采用相同的方法来估计振幅446和估计相位448。
以这种方式,建立波形的一组估计参数。然后可根据上述正弦模型利用这些估计的参数来重构450波形。然后可从波形数据的原始窗口中减去460重构的信号,这产生窗口的残差信号。该残差信号用于确定在窗口期间是否存在事件,具体地讲表示状态转换的事件。如果不存在事件,则模型应当提供准确的表示并且残差信号将非常低,但是如果存在事件,则模型将不再准确并且残差信号将显著更大。因此,针对窗口的残差信号确定470均方根值,并且将其与预定阈值进行比较480。如果超过阈值,指示残差信号中的显著能量,则检测到490事件。如果没有检测到事件,则过程返回到开始并且考虑新窗口。如果检测到事件,以及记录事件,则刷新495段缓冲器,该过程然后将针对新窗口开始继续,但也针对新段继续。
图5至图7示出了针对图1所示的波形使用图4所示的方法的实际示例。图5示出了通过加窗插值FFT确定的参数估计的时间序列。在图6示出了由这些参数对波形的重构,如可以看到的,对于大多数波形存在很少误差,但是在表示状态转换的事件处存在显著误差。如果事件中存在足够的能量,则其被认为是状态转换,并且在状态转换之间定义段,如图7中可见的。
所得到的状态段模式可以以多种不同方式使用。在负载是复杂电器的情况下,这些段可用于诊断目的,因为它们通常表示电器内的物理状态。特定状态的不出现可指示部件故障,或者在特定状态出现之前的时间变化可指示部件的劣化--这些段因此可用于帮助维修过程,或者指示维护是必要的。在负载实际上是不同负载的集合的情况下,特定状态可指示特定负载或正作用的负载的组合。
本领域技术人员将理解,在此处阐述的本公开的实质和范围内,许多另外的实施方案是可能的。
Claims (15)
1.一种由电信号检测电负载的状态的方法,所述方法包括:
提供电信号的数学模型;
使用滑动窗口来估计所述模型的参数,其中确定所述电信号的多个窗口,将窗口函数应用于所述窗口中的每一者,并且由插值来确定所述模型的参数;
由所确定的参数重构波形,并且从原始信号中减去所重构的波形以获得残差信号;
在所述残差超过阈值的情况下确定状态转换;以及
在连续状态转换之间的时间段内将状态检测为存在。
2.根据权利要求1所述的方法,其中所述数学模型是包括基频和基频的谐波的正弦模型。
3.根据权利要求1或权利要求2所述的方法,其中所述窗口函数是Rife-Vincent窗口函数。
4.根据权利要求3所述的方法,其中所述Rife-Vincent窗口函数是1类Rife-Vincent窗口函数。
5.根据权利要求4所述的方法,其中所述1类Rife-Vincent窗口函数为6阶或更高。
6.根据任意前述权利要求所述的方法,其中所述残差信号超过阈值包括确定所述残差信号的均方根值是否超过所述阈值。
7.根据任意前述权利要求所述的方法,其中所述方法还包括将所述电信号采样到缓冲器中,以及将所述滑动窗口应用于所述缓冲器。
8.根据权利要求7所述的方法,所述方法还包括当检测到状态转换时清空所述缓冲器。
9.一种监测电气系统的方法,所述方法包括:
根据权利要求1至8中任一项所述的方法由电信号检测电负载的状态;以及
将所述电负载的所述状态与所述电负载的预期状态进行比较。
10.根据权利要求9所述的方法,其中将所述电负载的所述状态与所述电负载的预期状态进行比较包括确定所述电负载的状态的存在或不存在。
11.根据权利要求9或权利要求10所述的方法,其中将所述电负载的所述状态与所述电负载的预期状态进行比较包括确定所述电负载的一个或多个状态存在的时间。
12.根据权利要求9至11中任一项所述的方法,所述方法还包括通过将所述电负载的所述状态与所述电负载的预期状态进行比较来确定所述电气系统中的故障。
13.一种电气设备,所述电气设备包括用于检测通过所述电气设备的电信号的值的检测元件,其中所述电气设备适用于根据权利要求1至12中任一项所述的方法。
14.根据权利要求13所述的电气设备,其中所述电气设备是电器,并且其中检测的状态是所述电器的状态。
15.根据权利要求13所述的电气设备,其中所述电气设备为断路器。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2021/069264 WO2023284934A1 (en) | 2021-07-12 | 2021-07-12 | Electrical signal analysis and appliance monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117693683A true CN117693683A (zh) | 2024-03-12 |
Family
ID=76891077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180100421.XA Pending CN117693683A (zh) | 2021-07-12 | 2021-07-12 | 电信号分析和电器监测 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4370939A1 (zh) |
CN (1) | CN117693683A (zh) |
WO (1) | WO2023284934A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014179221A2 (en) * | 2013-04-29 | 2014-11-06 | Massachusetts Institute Of Technology | Non-intrusive monitoring |
WO2016079229A1 (en) * | 2014-11-21 | 2016-05-26 | Universite Libre De Bruxelles | Improved non-intrusive appliance load monitoring method and device |
US20200293032A1 (en) * | 2019-03-13 | 2020-09-17 | General Electric Company | Extremely fast substation asset monitoring system and method |
US11448671B2 (en) * | 2019-09-24 | 2022-09-20 | General Electric Company | Signature identification for power system events |
-
2021
- 2021-07-12 WO PCT/EP2021/069264 patent/WO2023284934A1/en active Application Filing
- 2021-07-12 CN CN202180100421.XA patent/CN117693683A/zh active Pending
- 2021-07-12 EP EP21740547.1A patent/EP4370939A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4370939A1 (en) | 2024-05-22 |
WO2023284934A1 (en) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8941387B2 (en) | Apparatus and method for fault detection and location determination | |
KR101352204B1 (ko) | 배전 계통에서 발생하는 전력 품질 외란의 원인 판별 장치 및 방법 | |
US9170986B2 (en) | Power quality meter and method of waveform anaylsis and compression | |
Huang et al. | Application of wavelets to classify power system disturbances | |
JP6945371B2 (ja) | 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法 | |
DK2718673T3 (en) | A method of analysis of the power consumption of a system having a plurality of electrical devices | |
CN112964280B (zh) | 提供关于传递函数的不确定性的测量结果的设备和方法 | |
Bhui et al. | Application of recurrence quantification analysis to power system dynamic studies | |
CN104091056B (zh) | 一种实验室设备使用寿命预测系统和方法 | |
CN103018629A (zh) | 一种基于马拉算法的电力系统故障录波数据分析方法 | |
CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
CN114879085B (zh) | 单相接地故障识别方法、装置、电子设备及介质 | |
Devadasu et al. | A novel multiple fault identification with fast fourier transform analysis | |
Jaiswal et al. | FDST‐based PQ event detection and energy metering implementation on FPGA‐in‐the‐loop and NI‐LabVIEW | |
JP2020030125A (ja) | 異常診断装置及び異常診断方法 | |
JP7437584B2 (ja) | 送電線の外乱分類のための機械学習ベースの方法および装置 | |
Johal et al. | Coil current analysis method for predictive maintenance of circuit breakers | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
CN117289087A (zh) | 一种基于czt变换的串联故障电弧检测方法 | |
CN117693683A (zh) | 电信号分析和电器监测 | |
Furlani Bastos et al. | Detection of inconspicuous power quality disturbances through step changes in rms voltage profile | |
CN117269660A (zh) | 基于变异系数差分算法的故障电弧检测方法及系统 | |
Barrera et al. | Waveform segmentation for intelligent monitoring of power events | |
Chang et al. | Performance evaluation of voltage sag detection methods | |
WO2018198210A1 (ja) | 異常機器判別装置、方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |