CN117706277A - 基于图形分析识别的配电网故障选线方法 - Google Patents
基于图形分析识别的配电网故障选线方法 Download PDFInfo
- Publication number
- CN117706277A CN117706277A CN202410148732.9A CN202410148732A CN117706277A CN 117706277 A CN117706277 A CN 117706277A CN 202410148732 A CN202410148732 A CN 202410148732A CN 117706277 A CN117706277 A CN 117706277A
- Authority
- CN
- China
- Prior art keywords
- gray
- current
- value
- zero sequence
- average value
- 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 78
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000010187 selection method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012360 testing method 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
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及电力系统技术领域，尤其涉及基于图形分析识别的配电网故障选线方法。所述方法包括：获取采集到的零序电压波形图像，并确定所述零序电压波形图像的零序电压灰度值；确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，获取采集的各个零序电流波形图像，并确定所述零序电流波形图像的零序电流灰度值，其中，所述零序电压灰度阈值与所述零序电压灰度值相关联；确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线，其中，所述零序电流灰度阈值与所述零序电流灰度值相关联。旨在解决如何提高故障选线效率的问题。
Description
技术领域
本发明涉及电力系统技术领域，尤其涉及基于图形分析识别的配电网故障选线方法。
背景技术
在配电网故障选线的领域，采用中性点经消弧线圈接地系统进行故障选线是目前常见的一种故障选线方式，相较于传统的采用比幅、比相原理选线的方式，具有选线效率更高的优势。
然而，发明人在构思及实现本方案时，发现至少存在以下缺陷：对于传统的中性点经消弧线圈接地系统，由于系统存在不对称分量及稳态工频分量的因素，导致在故障选线时只能由人工测波，存在效率较低、适用性较差的缺陷。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于图形分析识别的配电网故障选线方法，旨在解决如何提高故障选线效率的问题。
为实现上述目的，本发明提供的一种基于图形分析识别的配电网故障选线方法，所述方法包括：
获取采集到的零序电压波形图像，并确定所述零序电压波形图像的零序电压灰度值；
确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，获取采集的各个零序电流波形图像，并确定所述零序电流波形图像的零序电流灰度值，其中，所述零序电压灰度阈值与所述零序电压灰度值相关联；
确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线，其中，所述零序电流灰度阈值与所述零序电流灰度值相关联。
可选地，所述零序电压灰度阈值的计算步骤包括：
确定所述零序电压波形图像的第一最大灰度值和第一最小灰度值；
确定所述第一最大灰度值和所述第一最小灰度值之间的灰度均值，将所述灰度均值作为第一灰度均值；
根据所述第一灰度均值对所述零序电压波形图像进行阈值划分处理，得到电压阈值划分图像，其中，所述电压阈值划分图像包括前景部分和后景部分；
确定所述电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及所述电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值；
将所述第一前景灰度比值和所述第一后景灰度比值之间的均值，确定为第二灰度均值；
确定所述第二灰度均值是否与所述第一灰度均值相等；
若是，将所述第二灰度均值确定为所述零序电压灰度阈值。
可选地，所述确定所述第二灰度均值是否与所述第一灰度均值相等的步骤之后，还包括：
若所述第二灰度均值与所述第一灰度均值不相等，将所述第二灰度均值作为当前第一灰度均值，根据所述当前第一灰度均值对所述电压阈值划分图像进行复次阈值划分处理，得到复次电压阈值划分图像，所述复次电压阈值划分图像包括前景部分和后景部分；
确定所述复次电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第二灰度均值；
确定所述当前第二灰度均值是否与所述当前第一灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第二灰度均值与所述当前第一灰度均值相等，将与所述当前第一灰度均值的所述当前第二灰度均值确定为所述零序电压灰度阈值。
可选地，所述零序电流灰度阈值的确定步骤包括：
确定所述零序电流波形图像的第二最大灰度值和第二最小灰度值；
确定所述第二最大灰度值和所述第二最小灰度值之间的灰度均值，将所述灰度均值作为第三灰度均值；
根据所述第一灰度均值对所述零序电流波形图像进行阈值划分处理，得到电流阈值划分图像，其中，所述电流阈值划分图像包括前景部分和后景部分；
确定所述电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第二前景灰度比值，以及所述电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第二后景灰度比值；
将所述第二前景灰度比值和所述第二后景灰度比值之间的均值，确定为第四灰度均值；
确定所述第四灰度均值是否与所述第三灰度均值相等；
若是，将所述第四灰度均值确定为所述零序电流灰度阈值。
可选地，所述确定所述第三灰度均值是否与所述第四灰度均值相等步骤之后，还包括：
若所述第四灰度均值与所述第三灰度均值不相等，将所述第四灰度均值作为当前第三灰度均值，根据所述当前第三灰度均值对所述电流阈值划分图像进行复次阈值划分处理，得到复次电流阈值划分图像，所述复次电流阈值划分图像包括前景部分和后景部分；
确定所述复次电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第四灰度均值；
确定所述当前第四灰度均值是否与所述当前第三灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第四灰度均值与所述当前第三灰度均值相等，将与所述当前第三灰度均值相等的所述当前第四灰度均值确定为所述零序电流灰度阈值。
可选地，所述确定所述零序电压波形图像的零序电压灰度值的步骤包括：
确定所述零序电压波形图像中的背景灰度值，以及所述零序电压波形图像中的背景灰度数总和；
确定所述背景灰度值和所述背景灰度数总和之间的比值；
将所述比值与预设灰度系数的乘积，确定为所述零序电压灰度值。
可选地，所述确定所述零序电流灰度值是否大于零序电流灰度阈值的步骤之后，还包括：
若所述零序电流灰度值小于或等于零序电流灰度阈值，则判断所述零序电流灰度值对应的馈线为健全馈线。
此外，为实现上述目的，本发明还提供一种配电网故障选线装置，所述配电网故障选线装置包括：
图像数据采集模块，用于获取采集到的零序电压波形图像，以及用于获取采集的各个零序电流波形图像；
数值计算模块，用于确定所述零序电压波形图像的零序电压灰度值，以及用于确定所述零序电流波形图像的零序电流灰度值；
逻辑判断模块，用于确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，则获取采集的各个零序电流波形图像；以及用于确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线。
此外，为实现上述目的，本发明还提供一种配电网故障选线系统，所述配电网故障选线系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于图形分析识别的配电网故障选线程序，所述基于图形分析识别的配电网故障选线程序被所述处理器执行时实现如上所述的基于图形分析识别的配电网故障选线方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于图形分析识别的配电网故障选线程序，所述基于图形分析识别的配电网故障选线程序被处理器执行时实现如上所述的基于图形分析识别的配电网故障选线方法的步骤。
本发明实施例提供一种基于图形分析识别的配电网故障选线方法、装置、系统以及计算机可读存储介质，通过零序电压波形图像的灰度值来判断是否出现故障，当出现故障时，又根据零序电流波形图像的灰度值来确定出配电网中的故障馈线，由于不采用单纯的时域波形分析去判断故障，因此对于高阻接地的配电网也可以及时作出判断、准确选线，从而实现高效、准确的故障选线。
附图说明
图1为本发明实施例涉及的配电网故障选线系统的硬件运行环境的架构示意图；
图2为本发明基于图形分析识别的配电网故障选线方法的第一实施例的流程示意图；
图3为本发明基于图形分析识别的配电网故障选线方法的第二实施例的流程示意图；
图4为本发明基于图形分析识别的配电网故障选线方法的第二实施例中的另一流程示意图；
图5为本发明基于图形分析识别的配电网故障选线方法的第三实施例的流程示意图；
图6为本发明基于图形分析识别的配电网故障选线方法的第三实施例中的另一流程示意图；
图7为本发明实施例涉及的三条馈线灰度值与得到的零序电流灰度阈值之间的对比波形图；
图8为本发明配电网故障选线装置的架构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图作进一步说明。
具体实施方式
本申请通过零序电压波形图像的灰度值来判断是否出现故障，当出现故障时，又根据零序电流波形图像的灰度值来确定出配电网中的故障馈线，由于不采用单纯的时域波形分析去判断故障，因此对于高阻接地的配电网也可以及时作出判断、准确选线，从而实现高效、准确的故障选线。
为了更好地理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
作为一种实现方案，图1为本发明实施例方案涉及的配电网故障选线系统的硬件运行环境的架构示意图。
如图1所示，该配电网故障选线系统可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的配电网故障选线系统架构并不构成对配电网故障选线系统限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于图形分析识别的配电网故障选线程序。其中，操作系统是管理和控制配电网故障选线系统的硬件和软件资源的程序，基于图形分析识别的配电网故障选线程序以及其他软件或程序的运行。
在图1所示的配电网故障选线系统中，用户接口1003主要用于连接终端，与终端进行数据通信；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的基于图形分析识别的配电网故障选线程序。
在本实施例中，配电网故障选线系统包括：存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的基于图形分析识别的配电网故障选线程序，其中：
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
获取采集到的零序电压波形图像，并确定所述零序电压波形图像的零序电压灰度值；
确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，获取采集的各个零序电流波形图像，并确定所述零序电流波形图像的零序电流灰度值，其中，所述零序电压灰度阈值与所述零序电压灰度值相关联；
确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线，其中，所述零序电流灰度阈值与所述零序电流灰度值相关联。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
确定所述零序电压波形图像的第一最大灰度值和第一最小灰度值；
确定所述第一最大灰度值和所述第一最小灰度值之间的灰度均值，将所述灰度均值作为第一灰度均值；
根据所述第一灰度均值对所述零序电压波形图像进行阈值划分处理，得到电压阈值划分图像，其中，所述电压阈值划分图像包括前景部分和后景部分；
确定所述电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及所述电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值；
将所述第一前景灰度比值和所述第一后景灰度比值之间的均值，确定为第二灰度均值；
确定所述第二灰度均值是否与所述第一灰度均值相等；
若是，将所述第二灰度均值确定为所述零序电压灰度阈值。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
若所述第二灰度均值与所述第一灰度均值不相等，将所述第二灰度均值作为当前第一灰度均值，根据所述当前第一灰度均值对所述电压阈值划分图像进行复次阈值划分处理，得到复次电压阈值划分图像，所述复次电压阈值划分图像包括前景部分和后景部分；
确定所述复次电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第二灰度均值；
确定所述当前第二灰度均值是否与所述当前第一灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第二灰度均值与所述当前第一灰度均值相等，将与所述当前第一灰度均值的所述当前第二灰度均值确定为所述零序电压灰度阈值。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
确定所述零序电流波形图像的第二最大灰度值和第二最小灰度值；
确定所述第二最大灰度值和所述第二最小灰度值之间的灰度均值，将所述灰度均值作为第三灰度均值；
根据所述第一灰度均值对所述零序电流波形图像进行阈值划分处理，得到电流阈值划分图像，其中，所述电流阈值划分图像包括前景部分和后景部分；
确定所述电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第二前景灰度比值，以及所述电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第二后景灰度比值；
将所述第二前景灰度比值和所述第二后景灰度比值之间的均值，确定为第四灰度均值；
确定所述第四灰度均值是否与所述第三灰度均值相等；
若是，将所述第四灰度均值确定为所述零序电流灰度阈值。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
若所述第四灰度均值与所述第三灰度均值不相等，将所述第四灰度均值作为当前第三灰度均值，根据所述当前第三灰度均值对所述电流阈值划分图像进行复次阈值划分处理，得到复次电流阈值划分图像，所述复次电流阈值划分图像包括前景部分和后景部分；
确定所述复次电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第四灰度均值；
确定所述当前第四灰度均值是否与所述当前第三灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第四灰度均值与所述当前第三灰度均值相等，将与所述当前第三灰度均值相等的所述当前第四灰度均值确定为所述零序电流灰度阈值。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
确定所述零序电压波形图像中的背景灰度值，以及所述零序电压波形图像中的背景灰度数总和；
确定所述背景灰度值和所述背景灰度数总和之间的比值；
将所述比值与预设灰度系数的乘积，确定为所述零序电压灰度值。
处理器1001调用存储器1005中存储的基于图形分析识别的配电网故障选线程序时，执行以下操作：
若所述零序电流灰度值小于或等于零序电流灰度阈值，则判断所述零序电流灰度值对应的馈线为健全馈线。
基于上述基于电力系统技术的配电网故障选线系统的硬件架构，提出本发明基于图形分析识别的配电网故障选线方法的实施例。
第一实施例
参照图2，在第一实施例中，所述基于图形分析识别的配电网故障选线方法包括以下步骤：
步骤S10，获取采集到的零序电压波形图像，并确定所述零序电压波形图像的零序电压灰度值；
在本实施例中，配电网故障选线系统根据采集到的零序电压波形生成零序电压波形图像并获取，然后计算出零序电压波形图像对应的零序电压灰度值。
可选地，零序电压波形图像可以为便于存储处理的BMP格式。
可选地，零序电压灰度值的计算方式，可以将零序电压波形图像进行灰度值处理，得到灰度图之后，确定出零序电压波形图像中的背景灰度值，以及零序电压波形图像中的背景灰度数总和，确定背景灰度值和背景灰度数总和之间的比值，根据该比值与预设灰度系数的乘积，确定为所述零序电压灰度值。可选地，预设灰度系数可以为255。
示例性地，零序电压灰度值的计算公式为：
其中，为背景灰度数，为背景灰度数总和，255为预设灰度系数。
步骤S20，确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，获取采集的各个零序电流波形图像，并确定所述零序电流波形图像的零序电流灰度值；
在本实施例中，确定出零序电压灰度值之后，判断零序电压灰度值是否大于零序电压灰度阈值，若大于，则判断此时配电网出现故障，则配电网故障选线系统根据采集到的零序电流波形生成零序电流波形图像并获取，然后计算零序电流波形图像对应的零序电流灰度值。
需要说明的是，零序电压灰度阈值并非为一预设值，而是根据采集的零序电压波形图像的灰度值实时计算并相应变化的一个变量阈值，也即零序电压灰度阈值与零序电压灰度值相关联。零序电压灰度阈值的计算将在后续实施例中展开叙述，此处不赘述。
可选地，零序电流波形图像也可以为便于存储处理的BMP格式。
可选地，零序电流灰度值的计算方式与零序电压灰度值的计算方式相似，将零序电流波形图像进行灰度值处理，得到灰度图之后，确定出零序电流波形图像中的背景灰度值，以及零序电流波形图像中的背景灰度数总和，确定背景灰度值和背景灰度数总和之间的比值，根据该比值与预设灰度系数的乘积，确定为所述零序电流灰度值。可选地，预设灰度系数也可以为255。
步骤S30，确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线。
在本实施例中，在确定出零序电流灰度值之后，配电网故障选线系统对零序电流灰度值是否大于零序电流灰度阈值作判断确定，若大于该阈值，则判断所述零序电流灰度值对应的馈线为故障馈线。
需要说明的是，零序电流灰度阈值同样并非为一预设值，也是根据采集的零序电流波形图像的灰度值实时计算并相应变化的一个变量阈值，也即零序电流灰度阈值与零序电流灰度值相关联。零序电流灰度阈值的计算将在后续实施例中展开叙述，此处不赘述。
进一步的，在本实施例中，所述步骤S30之后还包括：
步骤S40，若所述零序电流灰度值小于或等于零序电流灰度阈值，则判断所述零序电流灰度值对应的馈线为健全馈线。
作为一可选实施方式，当配电网故障选线系统判断零序电流灰度值小于或等于零序电流灰度阈值时，则判断零序电流灰度值对应的馈线为健全馈线。
可选地，配电网故障选线系统的故障选线方式，可以是选取其中一条馈线来进行判断，当判断该馈线非故障馈线时，选取任意的另一根馈线来作再一次的故障选线判断；也可以是一次性选取配电网中的每一根馈线进行故障选线判断，并在判断出现配电网中故障馈线时，对每一馈线进行一次判断，找出存在故障的故障馈线。
在本实施例提供的技术方案中，通过零序电压波形图像的灰度值来判断是否出现故障，当出现故障时，又根据零序电流波形图像的灰度值来确定出配电网中的故障馈线，由于不采用单纯的时域波形分析去判断故障，因此对于高阻接地的配电网也可以及时作出判断、准确选线，从而实现高效、准确的故障选线。
第二实施例
参照图3，在第二实施例中，基于第一实施例，所述零序电压灰度阈值的计算步骤包括：
步骤S100，确定所述零序电压波形图像的第一最大灰度值和第一最小灰度值；
步骤S200，确定所述第一最大灰度值和所述第一最小灰度值之间的灰度均值，将所述灰度均值作为第一灰度均值；
步骤S300，根据所述第一灰度均值对所述零序电压波形图像进行阈值划分处理，得到电压阈值划分图像；
步骤S400，确定所述电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及所述电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值；
步骤S500，将所述第一前景灰度比值和所述第一后景灰度比值之间的均值，确定为第二灰度均值；
步骤S600，确定所述第二灰度均值是否与所述第一灰度均值相等；
步骤S700，若是，将所述第二灰度均值确定为所述零序电压灰度阈值。
作为一可选实施例，在本实施例中，零序电压灰度阈值的计算具体可以为，选取零序电压波形图像中的一定大小的部分区域，其中，部分区域的选取方式，要求各个区域的区域面积相同，计算该部分区域的灰度值：
其中，为零序电压波形图像中部分区域的灰度值，为背景灰度数，
为背景灰度数总和，255为预设灰度系数。
计算出各个部分区域中的最大灰度值和最小灰度值，分别作为第一最大灰度值和第一最小灰度值；
接着，对第一最大灰度值和第一最小灰度值求均值，得到第一灰度均值，其中，第一灰度均值指的是用于对零序电压波形图像进行阈值划分处理的值；
示例性地，第一灰度均值的计算表达式如下：
其中，为第一最大灰度值，为第一最小灰度值。
接着，通过得到的第一灰度均值对零序电压波形图像进行阈值划分处理，得到包括前景部分和后景部分的电压阈值划分图。
可选地，对于如何根据第一灰度均值对零序电压波形图像进行阈值划分处理，将零序电压波形图像中大于第一灰度均值部分的作为前景部分，小于第一灰度均值的部分作为后景部分。
接着，在划分得到电压阈值划分图之后，确定出电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及所确定出电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值，并进一步将第一前景灰度比值和第一后景灰度比值之间的均值，确定为第二灰度均值，其中，第二灰度均值指的是用于作为零序电压灰度阈值的值。
示例性地，第二灰度均值的表达式如下：
其中，Z1为第一前景灰度比值，Z2为第一后景灰度比值。
接着，判断得到的第二灰度均值是否与第一灰度均值相等。若相等，则
将第二灰度均值确定为所述零序电压灰度阈值。
进一步的，参照图4，在本实施例中，步骤S600之后，还包括：
步骤S701，若所述第二灰度均值与所述第一灰度均值不相等，将所述第二灰度均值作为当前第一灰度均值，根据所述当前第一灰度均值对所述电压阈值划分图像进行复次阈值划分处理，得到复次电压阈值划分图像，所述复次电压阈值划分图像包括前景部分和后景部分；
步骤S801，确定所述复次电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
步骤S901，将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第二灰度均值；
步骤S1001，确定所述当前第二灰度均值是否与所述当前第一灰度均值相等；
步骤S1101，若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第二灰度均值与所述当前第一灰度均值相等，将与所述当前第一灰度均值的所述当前第二灰度均值确定为所述零序电压灰度阈值。
可选地，在本实施例中，若判断第二灰度均值与第一灰度均值不相等，则将第二灰度均值作为当前循环中的第一灰度均值，即当前第一灰度均值，根据当前第一灰度均值对电压阈值划分图像进行再次阈值划分，即进行复次阈值划分处理，得到前景部分和后景部分的复次电压阈值划分图像。
接着，再次确定出复次电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及复次电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值，并再次求当前前景灰度比值和当前后景灰度比值的均值，作为当前第二灰度均值。
接着，再次去判断当前第二灰度均值是否与当前第一灰度均值相等，若不等，则再次将当前第二灰度均值，作为下一循环中的当前第一灰度均值，基于当前第一灰度均值对复次电压阈值划分图像进行第三次灰度划分、当前前景灰度比值、当前后景灰度比值的计算、比值均值的计算以及均值判断的步骤，直到当前第二灰度均值与当前第一灰度均值相等，则退出该递归循环，将当前第二灰度均值，作为零序电压灰度阈值的最优解，确定出零序电压灰度阈值。
在本实施例提供的技术方案中，首先通过图像中部分区域的最大灰度值和最小灰度值的均值，对初次划分零序电压波形图像作划分处理，然后计算划分得到的电压阈值划分图像的前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值，将第一前景灰度比值和第一后景灰度比值的均值作为第二灰度均值，判断第二灰度均值与第一灰度均值相同后，则将第二灰度均值作为零序电压灰度阈值；若不相等，则递归循环上述步骤，直到求解出与当前循环作为划分处理的均值的当前第一灰度均值相同的当前第二灰度均值，作为零序电压灰度阈值的最优解，通过迭代的方式，动态求解零序电压灰度阈值，使得配电网故障选线系统能够根据实际情况不断调整配电网中的故障判别条件，确保了故障选线的准确性。
第三实施例
参照图5，基于任一实施例，所述零序电流灰度阈值的计算步骤包括：
步骤102，确定所述零序电流波形图像的第二最大灰度值和第二最小灰度值；
步骤202，确定所述第二最大灰度值和所述第二最小灰度值之间的灰度均值，将所述灰度均值作为第三灰度均值；
步骤302，根据所述第一灰度均值对所述零序电流波形图像进行阈值划分处理，得到电流阈值划分图像；
步骤402，确定所述电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第二前景灰度比值，以及所述电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第二后景灰度比值；
步骤502，将所述第二前景灰度比值和所述第二后景灰度比值之间的均值，确定为第四灰度均值；
步骤602，确定所述第四灰度均值是否与所述第三灰度均值相等；
步骤702，若是，将所述第四灰度均值确定为所述零序电流灰度阈值。
作为一可选实施例，在本实施例中，零序电流灰度阈值的计算具体可以为，选取零序电流波形图像中的一定大小的部分区域，其中，部分区域的选取方式，要求各个区域的区域面积相同，计算该部分区域的灰度值：
其中，为零序电流波形图像中部分区域的灰度值，为背景灰度数，为背景灰度数总和，255为预设灰度系数。
计算出各个部分区域中的最大灰度值和最小灰度值，分别作为第二最大灰度值和第二最小灰度值；
接着，对第二最大灰度值和第二最小灰度值求均值，得到第三灰度均值，其中，第三灰度均值指的是用于对零序电流波形图像进行阈值划分处理的值；
示例性地，第三灰度均值的计算表达式如下：
其中，为第二最大灰度值，为第二最小灰度值。
接着，通过得到的第三灰度均值对零序电流波形图像进行阈值划分处理，得到包括前景部分和后景部分的电流阈值划分图。
可选地，对于如何根据第三灰度均值对零序电流波形图像进行阈值划分处理，通过将零序电流波形图像中大于第三灰度均值部分的作为前景部分，小于第三灰度均值的部分作为后景部分。
接着，在划分得到电流阈值划分图之后，确定出电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第二前景灰度比值，以及所确定出电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第二后景灰度比值，并进一步将第一前景灰度比值和第一后景灰度比值之间的均值，确定为第四灰度均值，其中，第四灰度均值指的是用于作为零序电流灰度阈值的值。
示例性地，第四灰度均值的表达式如下：
其中，Z3为第二前景灰度比值，Z4为第二后景灰度比值。
最后，判断得到的第四灰度均值是否与第三灰度均值相等。若相等，
则将第四灰度均值确定为所述零序电流灰度阈值。
进一步的，参照图6，在本实施例中，步骤S602之后，还包括：
步骤S703，若所述第四灰度均值与所述第三灰度均值不相等，将所述第四灰度均值作为当前第三灰度均值，根据所述当前第三灰度均值对所述电流阈值划分图像进行复次阈值划分处理，得到复次电流阈值划分图像；
步骤S803，确定所述复次电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
步骤S903，将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第四灰度均值；
步骤S1003，确定所述当前第四灰度均值是否与所述当前第三灰度均值相等；
步骤S1103，若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第四灰度均值与所述当前第三灰度均值相等，将与所述当前第三灰度均值相等的所述当前第四灰度均值确定为所述零序电流灰度阈值。
可选地，在本实施例中，若判断第四灰度均值与第三灰度均值不相等，则将第四灰度均值作为当前循环中的第三灰度均值，即当前第三灰度均值，根据当前第三灰度均值对电流阈值划分图像进行再次阈值划分，即进行复次阈值划分处理，得到前景部分和后景部分的复次电流阈值划分图像。
接着，再次确定出复次电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及复次电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值，并再次求当前前景灰度比值和当前后景灰度比值的均值，作为当前第四灰度均值。
接着，再次去判断当前第四灰度均值是否与当前第三灰度均值相等，若不等，则再次将当前第四灰度均值，作为下一循环中的当前第三灰度均值，基于当前第三灰度均值对复次电流阈值划分图像进行第三次灰度划分、当前前景灰度比值、当前后景灰度比值的计算、比值均值的计算以及均值判断的步骤，直到当前第四灰度均值与当前第三灰度均值相等，则退出该递归循环，将当前第四灰度均值，作为零序电流灰度阈值的最优解，确定出零序电流灰度阈值。
在本实施例提供的技术方案中，首先通过图像中部分区域的最大灰度值和最小灰度值的均值，对初次划分零序电流波形图像作划分处理，然后计算划分得到的电流阈值划分图像的前景部分灰度数和前景部分的灰度总和之间的第三前景灰度比值，以及后景部分的灰度数和后景部分的灰度总和之间的第三后景灰度比值，将第三前景灰度比值和第三后景灰度比值的均值作为第四灰度均值，判断第四灰度均值与第三灰度均值相同后，则将第四灰度均值作为零序电流灰度阈值；若不相等，则递归循环上述步骤，直到求解出与当前循环作为划分处理的均值的当前第三灰度均值相同的当前第四灰度均值，作为零序电流灰度阈值的最优解，通过迭代的方式，动态求解零序电流灰度阈值，使得配电网故障选线系统能够在配电网中出现故障时，根据实际情况不断调整故障选线条件，确保了故障选线的准确性。
此外，参照图7，图7为一具体实施方式中测试得到的三条馈线灰度值与得到的零序电流灰度阈值之间的对比波形图，可以看到，故障馈线的灰度值明显高于零序电流灰度阈值。
此外，参照图8，本实施例还提出一种配电网故障选线装置，所述配电网故障选线装置包括：
图像数据采集模块100，用于获取采集到的零序电压波形图像，以及用于获取采集的各个零序电流波形图像；
数值计算模块200，用于确定所述零序电压波形图像的零序电压灰度值，以及用于确定所述零序电流波形图像的零序电流灰度值；
逻辑判断模块300，用于确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，则获取采集的各个零序电流波形图像；以及用于确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线。
此外，本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令，计算机程序可以存储于一存储介质中，该存储介质为计算机可读存储介质。该程序指令被配电网故障选线系统中的至少一个处理器执行，以实现上述方法的实施例的流程步骤。
因此，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于图形分析识别的配电网故障选线程序，所述基于图形分析识别的配电网故障选线程序被处理器执行时实现如上实施例所述的基于图形分析识别的配电网故障选线方法的各个步骤。
其中，所述计算机可读存储介质可以是U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
需要说明的是，由于本申请实施例提供的存储介质，为实施本申请实施例的方法所采用的存储介质，故而基于本申请实施例所介绍的方法，本领域所属人员能够了解该存储介质的具体结构及变形，故而在此不再赘述。凡是本申请实施例的方法所采用的存储介质都属于本申请所欲保护的范围。
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。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于图形分析识别的配电网故障选线方法，其特征在于，所述基于图形分析识别的配电网故障选线方法包括以下步骤：
获取采集到的零序电压波形图像，并确定所述零序电压波形图像的零序电压灰度值；
确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，获取采集的各个零序电流波形图像，并确定所述零序电流波形图像的零序电流灰度值，其中，所述零序电压灰度阈值与所述零序电压灰度值相关联；
确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线，其中，所述零序电流灰度阈值与所述零序电流灰度值相关联。
2.如权利要求1所述的方法，其特征在于，所述零序电压灰度阈值的计算步骤包括：
确定所述零序电压波形图像的第一最大灰度值和第一最小灰度值；
确定所述第一最大灰度值和所述第一最小灰度值之间的灰度均值，将所述灰度均值作为第一灰度均值；
根据所述第一灰度均值对所述零序电压波形图像进行阈值划分处理，得到电压阈值划分图像，其中，所述电压阈值划分图像包括前景部分和后景部分；
确定所述电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第一前景灰度比值，以及所述电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第一后景灰度比值；
将所述第一前景灰度比值和所述第一后景灰度比值之间的均值，确定为第二灰度均值；
确定所述第二灰度均值是否与所述第一灰度均值相等；
若是，将所述第二灰度均值确定为所述零序电压灰度阈值。
3.如权利要求2所述的方法，其特征在于，所述确定所述第二灰度均值是否与所述第一灰度均值相等的步骤之后，还包括：
若所述第二灰度均值与所述第一灰度均值不相等，将所述第二灰度均值作为当前第一灰度均值，根据所述当前第一灰度均值对所述电压阈值划分图像进行复次阈值划分处理，得到复次电压阈值划分图像，所述复次电压阈值划分图像包括前景部分和后景部分；
确定所述复次电压阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电压阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第二灰度均值；
确定所述当前第二灰度均值是否与所述当前第一灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第二灰度均值与所述当前第一灰度均值相等，将与所述当前第一灰度均值的所述当前第二灰度均值确定为所述零序电压灰度阈值。
4.如权利要求1所述的方法，其特征在于，所述零序电流灰度阈值的确定步骤包括：
确定所述零序电流波形图像的第二最大灰度值和第二最小灰度值；
确定所述第二最大灰度值和所述第二最小灰度值之间的灰度均值，将所述灰度均值作为第三灰度均值；
根据所述第一灰度均值对所述零序电流波形图像进行阈值划分处理，得到电流阈值划分图像，其中，所述电流阈值划分图像包括前景部分和后景部分；
确定所述电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的第二前景灰度比值，以及所述电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的第二后景灰度比值；
将所述第二前景灰度比值和所述第二后景灰度比值之间的均值，确定为第四灰度均值；
确定所述第四灰度均值是否与所述第三灰度均值相等；
若是，将所述第四灰度均值确定为所述零序电流灰度阈值。
5.如权利要求4所述的方法，其特征在于，所述确定所述第三灰度均值是否与所述第四灰度均值相等步骤之后，还包括：
若所述第四灰度均值与所述第三灰度均值不相等，将所述第四灰度均值作为当前第三灰度均值，根据所述当前第三灰度均值对所述电流阈值划分图像进行复次阈值划分处理，得到复次电流阈值划分图像，所述复次电流阈值划分图像包括前景部分和后景部分；
确定所述复次电流阈值划分图像中前景部分灰度数和前景部分的灰度总和之间的当前前景灰度比值，以及所述复次电流阈值划分图像中后景部分的灰度数和后景部分的灰度总和之间的当前后景灰度比值；
将所述当前前景灰度比值和所述当前后景灰度比值之间的均值，确定为当前第四灰度均值；
确定所述当前第四灰度均值是否与所述当前第三灰度均值相等；
若不相等，返回执行复次阈值划分处理步骤，直至得到的当前第四灰度均值与所述当前第三灰度均值相等，将与所述当前第三灰度均值相等的所述当前第四灰度均值确定为所述零序电流灰度阈值。
6.如权利要求1所述的方法，其特征在于，所述确定所述零序电压波形图像的零序电压灰度值的步骤包括：
确定所述零序电压波形图像中的背景灰度值，以及所述零序电压波形图像中的背景灰度数总和；
确定所述背景灰度值和所述背景灰度数总和之间的比值；
将所述比值与预设灰度系数的乘积，确定为所述零序电压灰度值。
7.如权利要求1所述的方法，其特征在于，所述确定所述零序电流灰度值是否大于零序电流灰度阈值的步骤之后，还包括：
若所述零序电流灰度值小于或等于零序电流灰度阈值，则判断所述零序电流灰度值对应的馈线为健全馈线。
8.一种配电网故障选线装置，其特征在于，所述配电网故障选线装置包括：
图像数据采集模块，用于获取采集到的零序电压波形图像，以及用于获取采集的各个零序电流波形图像；
数值计算模块，用于确定所述零序电压波形图像的零序电压灰度值，以及用于确定所述零序电流波形图像的零序电流灰度值；
逻辑判断模块，用于确定所述零序电压灰度值是否大于零序电压灰度阈值，若是，则获取采集的各个零序电流波形图像；以及用于确定所述零序电流灰度值是否大于零序电流灰度阈值，若是，判断所述零序电流灰度值对应的馈线为故障馈线。
9.一种配电网故障选线系统，其特征在于，所述配电网故障选线系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于图形分析识别的配电网故障选线程序，所述基于图形分析识别的配电网故障选线程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于图形分析识别的配电网故障选线方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于图形分析识别的配电网故障选线程序，所述基于图形分析识别的配电网故障选线程序被处理器执行时实现如权利要求1至7中任一项所述的基于图形分析识别的配电网故障选线方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410148732.9A CN117706277B (zh) | 2024-02-02 | 2024-02-02 | 基于图形分析识别的配电网故障选线方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410148732.9A CN117706277B (zh) | 2024-02-02 | 2024-02-02 | 基于图形分析识别的配电网故障选线方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117706277A true CN117706277A (zh) | 2024-03-15 |
| CN117706277B CN117706277B (zh) | 2024-06-07 |
Family
ID=90151857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410148732.9A Active CN117706277B (zh) | 2024-02-02 | 2024-02-02 | 基于图形分析识别的配电网故障选线方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117706277B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101867178A (zh) * | 2010-03-30 | 2010-10-20 | 昆明理工大学 | 输电线路单相接地故障电流行波三基色表示的故障测距方法 |
| CN108279364A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 基于卷积神经网络的配电网单相接地故障选线方法 |
| JP2018116795A (ja) * | 2017-01-17 | 2018-07-26 | 株式会社デンソー | スイッチ異常検出装置、スイッチ異常検出方法 |
| CN110346692A (zh) * | 2019-08-20 | 2019-10-18 | 国网河南省电力公司电力科学研究院 | 一种基于时频图像信息的配电网单相接地故障选线方法 |
| US20200387785A1 (en) * | 2019-06-05 | 2020-12-10 | Wuhan University | Power equipment fault detecting and positioning method of artificial intelligence inference fusion |
| CN112240965A (zh) * | 2019-07-17 | 2021-01-19 | 南京南瑞继保工程技术有限公司 | 一种基于深度学习算法的接地选线装置及方法 |
| CN113552444A (zh) * | 2021-06-11 | 2021-10-26 | 中国电力科学研究院有限公司 | 一种泄漏电流特征阈值在线整定方法及装置 |
| CN114113774A (zh) * | 2021-11-19 | 2022-03-01 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于零线电流数据的配电变压器的状态分析方法 |
| WO2022121138A1 (zh) * | 2020-12-09 | 2022-06-16 | 山东大学 | 一种谐振接地系统高阻故障选线和区段定位方法及系统 |
| CN116863233A (zh) * | 2023-07-13 | 2023-10-10 | 福州大学 | 一种基于图像分类的配电网高阻接地故障智能识别方法 |
| CN117434384A (zh) * | 2023-11-07 | 2024-01-23 | 南方电网科学研究院有限责任公司 | 一种配电网绝缘故障辨识方法及相关装置 |
-
2024
- 2024-02-02 CN CN202410148732.9A patent/CN117706277B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101867178A (zh) * | 2010-03-30 | 2010-10-20 | 昆明理工大学 | 输电线路单相接地故障电流行波三基色表示的故障测距方法 |
| JP2018116795A (ja) * | 2017-01-17 | 2018-07-26 | 株式会社デンソー | スイッチ異常検出装置、スイッチ異常検出方法 |
| CN108279364A (zh) * | 2018-01-30 | 2018-07-13 | 福州大学 | 基于卷积神经网络的配电网单相接地故障选线方法 |
| US20200387785A1 (en) * | 2019-06-05 | 2020-12-10 | Wuhan University | Power equipment fault detecting and positioning method of artificial intelligence inference fusion |
| CN112240965A (zh) * | 2019-07-17 | 2021-01-19 | 南京南瑞继保工程技术有限公司 | 一种基于深度学习算法的接地选线装置及方法 |
| CN110346692A (zh) * | 2019-08-20 | 2019-10-18 | 国网河南省电力公司电力科学研究院 | 一种基于时频图像信息的配电网单相接地故障选线方法 |
| WO2022121138A1 (zh) * | 2020-12-09 | 2022-06-16 | 山东大学 | 一种谐振接地系统高阻故障选线和区段定位方法及系统 |
| CN113552444A (zh) * | 2021-06-11 | 2021-10-26 | 中国电力科学研究院有限公司 | 一种泄漏电流特征阈值在线整定方法及装置 |
| CN114113774A (zh) * | 2021-11-19 | 2022-03-01 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于零线电流数据的配电变压器的状态分析方法 |
| CN116863233A (zh) * | 2023-07-13 | 2023-10-10 | 福州大学 | 一种基于图像分类的配电网高阻接地故障智能识别方法 |
| CN117434384A (zh) * | 2023-11-07 | 2024-01-23 | 南方电网科学研究院有限责任公司 | 一种配电网绝缘故障辨识方法及相关装置 |
Non-Patent Citations (4)
| Title |
|---|
| CHEN CHUNYU 等: "Fault Line Selection Based on Improved Grey Relation Analysis of Zero-sequence Transient Current in Small Current Grounding System", INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS, COMMUNICATIONS AND NETWORKS, 30 April 2011 (2011-04-30), pages 1 - 5 * |
| MOU-FA GUO: "Deep-learning-based earth fault detection using continuous wavelet transform and convolutional neural network in resonant grounding distribution systems", IEEE SENSORS JOURNAL, vol. 18, no. 3, 1 February 2018 (2018-02-01), pages 1291 - 1299, XP011675579, DOI: 10.1109/JSEN.2017.2776238 * |
| 束洪春;彭仕欣;李斌;赵兴兵: "利用测后模拟的谐振接地系统故障选线方法", 中国电机工程学报, no. 016, 31 December 2008 (2008-12-31), pages 59 - 64 * |
| 郭谋发;严敏;陈彬;杨耿杰;: "基于波形时域特征聚类法的谐振接地系统故障选线", 电力自动化设备, vol. 35, no. 11, 30 November 2015 (2015-11-30), pages 64 - 71 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117706277B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
| CN109544568A (zh) | 目标图像分割方法、装置及设备 | |
| CN111797022A (zh) | 分单业务的测试用例生成方法、装置、电子设备及介质 | |
| CN104867225A (zh) | 一种纸币的面向识别方法及装置 | |
| US20210350205A1 (en) | Convolution Processing Method and Apparatus for Convolutional Neural Network, and Storage Medium | |
| KR20150089663A (ko) | 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법 | |
| CN110046622A (zh) | 一种有目标的攻击样本生成方法、装置、设备及存储介质 | |
| CN112115676B (zh) | 静态电压降修复方法、装置、设备及存储介质 | |
| CN111400521B (zh) | 一种图数据处理方法、装置、设备、介质 | |
| KR20200057823A (ko) | 영상 데이터 증식 장치 및 방법 | |
| CN117671431B (zh) | 一种工业缺陷图像生成方法、装置、设备及存储介质 | |
| CN113269280B (zh) | 文本检测方法、装置、电子设备及计算机可读存储介质 | |
| CN117706277B (zh) | 基于图形分析识别的配电网故障选线方法 | |
| US9971676B2 (en) | Systems and methods for state based test case generation for software validation | |
| CN111160385B (zh) | 海量位置点聚合的方法、装置、设备及存储介质 | |
| CN111488494A (zh) | 账户资金转账网络图着色方法及装置 | |
| CN106558019B (zh) | 图片排列方法及装置 | |
| CN111462278A (zh) | 基于深度的素材排序渲染方法、介质、设备及装置 | |
| CN113838146B (zh) | 验证摄像头模组标定精度、摄像头模组测试方法及装置 | |
| CN111382834B (zh) | 一种置信度比较方法及装置 | |
| CN111679991B (zh) | 一种利用大数据生成测试用例的方法及系统 | |
| CN110543664A (zh) | 一种面向具有特有结构fpga的工艺映射方法 | |
| CN115905135B (zh) | 多帧3d文件处理方法及装置 | |
| JP5602273B1 (ja) | 電力系統シミュレータならびに電力系統のシミュレーションプログラムおよびシミュレーション方法 | |
| CN115049847B (zh) | 一种基于orb描述子的特征点局部邻域特征匹配方法 |
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 |