JP2021148778A - 非接地配電システムのための過渡状態に基づいた故障位置特定方法 - Google Patents
非接地配電システムのための過渡状態に基づいた故障位置特定方法 Download PDFInfo
- Publication number
- JP2021148778A JP2021148778A JP2021021772A JP2021021772A JP2021148778A JP 2021148778 A JP2021148778 A JP 2021148778A JP 2021021772 A JP2021021772 A JP 2021021772A JP 2021021772 A JP2021021772 A JP 2021021772A JP 2021148778 A JP2021148778 A JP 2021148778A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- instantaneous
- ued
- feature attributes
- waveform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000001052 transient effect Effects 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 238000003062 neural network model Methods 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 11
- 230000016507 interphase Effects 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims 1
- 238000010248 power generation Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract description 8
- 238000009795 derivation Methods 0.000 abstract 2
- 230000000875 corresponding effect Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005654 stationary process Effects 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G01R31/088—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
- G01R31/50—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
- G01R31/08—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
- G01R31/081—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
Abstract
Description
本開示は、概して電力システムに関し、より具体的には非接地配電システムのための過渡状態に基づいた故障位置特定方法に関する。
エネルギ消費者の需要は増加し続けているが、公共電力会社は、エネルギ消費者の増加し続ける需要に追いつくための既存の機器のアップグレードを行っておらず、結果として、公共電力会社は、その既存の電力システムを最大限に活用することを強いられている。現代のエネルギ消費者が期待する主なゴールの1つは、より信頼性が高く停電がほとんどまたは全くない電力システムが継続的にエネルギを供給することである。公共電力会社が使用してきたいくつかの解決策は、電力システムにおける故障の頻度および継続時間を減じること、または、より現実的には、故障の問題を迅速に解決してエネルギ消費者の需要に応えるために迅速に故障を検出し故障位置を特定しようと努力することである。電力会社が故障の問題に迅速に対処する必要がある理由は、顧客の停電回数および顧客の経済的損失を減じるためであり、そうすることで、電力会社のメンテナンスおよび運転コストを下げるすなわち故障の問題を解決しなかった場合の財政的損失を少なくすることもできる。このように、現代のエネルギ消費者に確実にエネルギを継続供給することは、電力システムが克服すべき最も重要な課題のうちの1つである。
本開示は、電力システムに関し、より具体的には非接地配電システムのための過渡状態に基づいた故障位置特定方法に関する。
本開示は、電力システムに関し、より具体的には非接地配電システムのための過渡状態に基づいた故障位置特定方法に関する。
図2は、本開示のいくつかの実施形態に係る、インテリジェントスイッチを備えた配電システムの構成要素を示す概略図である。
引続き図2を参照して、本開示において、故障タイプは、先ず、インテリジェントスイッチから収集された有効測定電圧および電流に基づいて判断される。
図3Aおよび図3Bは、本開示のいくつかの実施形態に係る、測定された過渡信号310およびその主振動モード320を示す概略図である。
・ステップ1で、繰り返しの数をk=0と設定すると、信号留数(residuum)r0[n]=x[n]である。
・ステップ2で、rk[n]の最小および最大を見つけ出す。
・ステップ3で、3次スプラインを用いて、最小および最大の値を内挿することにより、最小および最大のエンベロープekmin[n]およびekmax[n]を生成する。
・ステップ4で、最小および最大のエンベロープから中間値を得る。
・xi[n]=x[n]+wi[n]を生成。wi[n](i=1,…,I)は、ホワイトガウスノイズの異なる実現である。
・xi[n]ごとにEMDを用いてDVMi[n]を得る。
・対応するDVMi[n]の平均としてDVM[n]を求める。
主振動モードを得た後に、瞬時特徴属性のセットを得ることにより、ヒルベルト・ファン変換(HHT)を用いて主振動モードを特徴付けることができる。
図5Aは、本開示のいくつかの実施形態に係る、教師あり学習方法を用いて故障位置を予測することを説明する概略図である。本開示の側面は、教師あり学習方法を用いて、故障位置を主特徴でモデル化し、学習したモデルを用いて故障位置を予測する。この方法の全体のスキームの実施形態が図5Aに示されており、これは、2つの部分を、すなわちオフライン段階510およびオンライン段階520を含み、前者はデータ生成517およびニューラルネットワークモデルの訓練519のためのものであり、後者は、リアルタイムの故障位置予測525のためにオンライン測定521および訓練されたニューラルネットワークを使用する。
故障が、変電所変圧器の直に下流にあるインテリジェントスイッチでの有効電圧および電流測定値に基づいて検出されると、対応する故障タイプが特定される。変電所変圧器の下流にある各回路またはフィーダー区間は、求めた故障タイプに従って、訓練されたニューラルネットワークを用いることで、故障位置特定タスクをトリガすることができる。
本開示のいくつかの局面は以下を含む。訓練されたニューラルネットワークモデルは、各故障タイプごとの訓練されたニューラルネットワークモデルを含み、故障タイプは、一相地絡故障と、相間故障、二相地絡故障、三相地絡故障、および三相間故障等の、多相故障とを含み、故障タイプは、有効値を有する電圧および電流測定に基づいて求められる。
以下の説明は、具体例としての実施形態を提供しているにすぎず、本開示の範囲、利用可能性、または構成を限定することを意図していない。むしろ、具体例としての実施形態の以下の説明は、具体例としての1つ以上の実施形態を実現することを可能にする説明を当業者に提供するであろう。添付されている請求項に記載の、開示されている主題の精神および範囲から逸脱することなく、要素の機能および構成に対して行い得る、さまざまな変更が意図されている。
Claims (20)
- 非接地配電(UED)システムにおける故障状態を特定するためのシステムであって、前記システムは、訓練されたニューラルネットワークモデルを含むデータが格納されたメモリと、故障イベントが特定されたときに、対応付けられた瞬時値と有効値とを有する測定を、前記UEDシステムに設置されたインテリジェントスイッチから、前記UEDシステムと通信する情報ネットワークを介して受信する送受信機とを有し、前記インテリジェントスイッチは、測定された電圧/電流過渡応答波形と故障タイプとを求め、前記システムは、
前記情報ネットワークと通信するコンピュータのプロセッサを備え、前記プロセッサは、
経験的モード分解を前記電圧および電流応答波形の測定に適用することにより、主振動モードと、前記主振動モードに対応する、対応付けられた導出波形とを抽出し、かつヒルベルト変換を前記対応付けられた導出波形に適用することにより、瞬時および積分特徴属性のセットを取得するように構成され、
故障前特徴属性のサブセットを取得するための故障前期間、故障発生特徴属性のサブセットを取得するための故障発生期間、および、故障発生特徴属性のサブセットを取得するための故障後期間における、前記瞬時および積分特徴属性のセットからのサブセットの、対応する時間的関係を、計算するように構成され、
前記瞬時および積分特徴属性のサブセットを、特定した前記故障タイプに対応付けられた、前記格納されている訓練されたニューラルネットワークモデルに入力するように構成され、前記訓練されたニューラルネットワークモデルは、位置パラメータを出力し、いくつかの位置パラメータは、1つ以上のインテリジェントスイッチ位置と推定された故障位置との間の関係を記述し、
前記位置パラメータを用いて、前記UEDシステムのトポロジー接続性解析により、故障区間、故障線分および故障位置ポイントを求めるように構成され、
前記UEDシステムにおける故障状態に対応付けられた、前記求めた故障位置ポイントを、前記送受信機を介してオペレータに送ることにより、前記求めた故障位置ポイントに対応付けられたアクションを前記情報ネットワークを介して開始するように構成されている、システム。 - 前記訓練されたニューラルネットワークモデルは、各故障タイプごとの訓練されたニューラルネットワークモデルを含み、故障タイプは、一相地絡故障と、相間故障、二相地絡故障、三相地絡故障、および三相間故障等の、多相故障とを含み、前記故障タイプは、有効値を有する電圧および電流測定に基づいて求められる、請求項1に記載のシステム。
- 各故障タイプごとの訓練されたニューラルネットワークモデルは、故障イベントサンプルのセットを用いて訓練され、各故障イベントサンプルは、所定の故障状態および所定のシステム状態と、前記UEDシステムに設置された前記インテリジェントスイッチにおける対応する電圧/電流過渡応答波形の測定とを含み、前記故障状態は、故障タイプ、故障位置ポイント、前記故障位置ポイントにおける故障インピーダンス、および故障発生時間を含み、前記システム状態は、負荷需要、発電出力、および電圧レベルを含む、請求項2に記載のシステム。
- 前記訓練されたニューラルネットワークモデルは、回路またはフィーダー上のインテリジェントスイッチのセットによって囲まれた前記回路またはフィーダーの区間の故障状態の特定に限定される、請求項3に記載のシステム。
- 前記有効値は、瞬時値サンプルレートよりも小さいレートでサンプリングされた二乗平均平方根(RMS)の値を含み、前記有効値は、システム定常状態挙動を表すために使用され前記UEDシステムに故障状態があるか否かを判断するために採用される、測定である、請求項1に記載のシステム。
- 前記瞬時値の測定は、故障イベントに対するシステム過渡応答をキャプチャするために使用され、実際の故障区間、実際の故障線分および前記故障線分に沿った実際の故障ポイントを求めるために採用される、請求項1に記載のシステム。
- 前記故障前期間、前記故障発生期間および前記故障後期間における前記瞬時および積分特徴属性のセットは、前記故障イベントの前の半周期、前記故障イベントの発生時間、および前記故障イベント後の半周期における、瞬時振幅、瞬時位相、瞬時周波数、積分振幅、振幅二乗の積分、および振幅と周波数の積の二乗の積分を含む、請求項1に記載のシステム。
- 前記故障発生時間は、瞬時振幅の対応付けられた波形のピークのタイミングと、瞬時位相の対応付けられた波形の上向きになるポイントのタイミングとに基づいて、求められる、請求項7に記載のシステム。
- 3つの位置パラメータを使用することにより、前記故障ポイントからインテリジェントスイッチまでの相対距離を記述し、前記3つの位置パラメータは、抵抗とインダクタンスの積の等価平方根、等価インダクタンス、およびインダクタンスとキャパシタンスの積の等価平方根を含み、これらは、前記故障ポイントから前記インテリジェントスイッチまでの最短経路上のすべての線分についての分散抵抗、インダクタンスおよびキャパシタンスに基づいて求められる、請求項1に記載のシステム。
- 前記故障区間は、前記故障イベントの前記求めた位置パラメータを、前記UEDシステムにおける各回路またはフィーダー区間の境界のインテリジェントスイッチについて求めた対応する位置パラメータのセットと比較することによって求められ、前記故障線分および前記故障位置ポイントは、前記故障イベントの前記求めた位置パラメータを、前記求めた故障区間における各線分の終端バスについて求めた前記対応する位置パラメータのセットと比較することによって求められる、請求項1に記載のシステム。
- 経験的モード分解が、前記電圧および電流応答波形の測定に加えてガウスホワイトノイズに適用されて、主振動モードと、前記主振動モードに対応する対応付けられた導出波形とを抽出する、請求項1に記載のシステム。
- 非接地配電(UED)システムにおける故障状態を特定する方法であって、前記方法は、訓練されたニューラルネットワークモデルを含むデータが格納されたメモリを有し、故障イベントが特定されたときに、対応付けられた瞬時値と有効値とを有する測定を、前記UEDシステムに設置されたインテリジェントスイッチから、前記UEDシステムと通信するネットワークを介して取り出し、前記インテリジェントスイッチは、測定された電圧/電流過渡応答波形と故障タイプとを求め、前記方法は、
前記ネットワークと通信するコンピュータのハードウェアプロセッサを使用するステップを含み、前記ハードウェアプロセッサは、
経験的モード分解を前記電圧および電流応答波形の測定に適用することにより、主振動モードと、前記主振動モードに対応する、対応付けられた導出波形とを抽出するように構成され、
ヒルベルト変換を前記対応付けられた導出波形に適用することにより、瞬時および積分特徴属性のセットを取得するように構成され、
故障前特徴属性のサブセットを取得するための故障前期間、故障発生特徴属性のサブセットを取得するための故障発生期間、および、故障発生特徴属性のサブセットを取得するための故障後期間における、前記瞬時および積分特徴属性のセットからのサブセットの、対応する時間的関係を、計算するように構成され、
前記瞬時および積分特徴属性のサブセットを、特定した前記故障タイプに対応付けられた、前記格納されている訓練されたニューラルネットワークモデルに入力するように構成され、前記訓練されたニューラルネットワークモデルは、位置パラメータを出力し、いくつかの位置パラメータは、1つ以上のインテリジェントスイッチ位置と推定された故障位置との間の関係を記述し、
前記位置パラメータを用いて、前記UEDシステムのトポロジー接続性解析により、故障区間、故障線分および故障位置ポイントを求めるように構成され、
前記UEDシステムにおける故障状態に対応付けられた、前記求めた故障位置ポイントを、オペレータに送ることにより、前記求めた故障位置ポイントに対応付けられたアクションを前記ネットワークを介して開始するように構成されている、方法。 - 前記訓練されたニューラルネットワークモデルは、各故障タイプごとの訓練されたニューラルネットワークモデルを含み、故障タイプは、一相地絡故障と、相間故障、二相地絡故障、三相地絡故障、および三相間故障等の、多相故障とを含み、前記故障タイプは、有効値を有する電圧および電流測定に基づいて求められる、請求項12に記載の方法。
- 各故障タイプごとの訓練されたニューラルネットワークモデルは、故障イベントサンプルのセットを用いて訓練され、各故障イベントサンプルは、所定の故障状態と、前記UEDシステムに設置された前記インテリジェントスイッチにおける対応する電圧/電流過渡応答波形の測定とを含み、前記故障状態は、故障タイプ、故障位置ポイント、前記故障位置ポイントにおける故障インピーダンス、および故障発生時間を含み、前記システム状態は、負荷需要、発電出力、および電圧レベルを含む、請求項13に記載の方法。
- 前記故障前期間、前記故障発生期間および前記故障後期間における前記瞬時および積分特徴属性のセットは、前記故障イベントの前の半周期、前記故障イベントの発生時間、および前記故障イベント後の半周期における、瞬時振幅、瞬時位相、瞬時周波数、積分振幅、振幅二乗の積分、および振幅と周波数の積の二乗の積分を含む、請求項12に記載の方法。
- 3つの位置パラメータを使用することにより、前記故障ポイントからインテリジェントスイッチまでの相対距離を記述し、前記3つの位置パラメータは、抵抗とインダクタンスの積の等価平方根、等価インダクタンス、およびインダクタンスとキャパシタンスの積の等価平方根を含み、これらは、前記故障ポイントから前記インテリジェントスイッチまでの最短経路上のすべての線分についての分散抵抗、インダクタンスおよびキャパシタンスに基づいて求められる、請求項12に記載の方法。
- 前記故障発生時間は、瞬時振幅の対応付けられた波形のピークのタイミングと、瞬時位相の対応付けられた波形の上向きになるポイントのタイミングとに基づいて、求められる、請求項12に記載の方法。
- 前記故障区間は、前記故障イベントの前記求めた位置パラメータを、前記UEDシステムにおける各回路またはフィーダー区間の境界のインテリジェントスイッチについて求めた対応する位置パラメータのセットと比較することによって求められ、前記故障線分および前記故障位置ポイントは、前記故障イベントの前記求めた位置パラメータを、前記求めた故障区間における各線分の終端バスについて求めた前記対応する位置パラメータのセットと比較することによって求められる、請求項12に記載の方法。
- 前記インテリジェントスイッチは、相互に通信し、制御コマンドを発行するように構成されている、請求項12に記載の方法。
- 非接地配電(UED)システムにおける故障状態を特定する方法を実行するためにコンピュータが実行可能なプログラムが実現される非一時的なコンピュータ読取可能記憶媒体であって、前記方法は、訓練されたニューラルネットワークモデルを含むデータが格納されたメモリを有し、故障イベントが特定されたときに、対応付けられた瞬時値と有効値とを有する測定を、前記UEDシステムに設置されたインテリジェントスイッチから、前記UEDシステムと通信するネットワークを介して取り出し、前記インテリジェントスイッチは、測定された電圧/電流過渡応答波形と故障タイプとを求め、前記方法は、
前記ネットワークと通信するコンピュータのプロセッサを使用するステップを含み、前記プロセッサは、
経験的モード分解を前記電圧および電流応答波形の測定に適用することにより、主振動モードと、前記主振動モードに対応する、対応付けられた導出波形とを抽出するように構成され、
ヒルベルト変換を前記対応付けられた導出波形に適用することにより、瞬時および積分特徴属性のセットを取得するように構成され、
故障前特徴属性のサブセットを取得するための故障前期間、故障発生特徴属性のサブセットを取得するための故障発生期間、および、故障発生特徴属性のサブセットを取得するための故障後期間における、前記瞬時および積分特徴属性のセットからのサブセットの、対応する時間的関係を、計算するように構成され、
前記瞬時および積分特徴属性のサブセットを、特定した前記故障タイプに対応付けられた、前記格納されている訓練されたニューラルネットワークモデルに入力するように構成され、前記訓練されたニューラルネットワークモデルは、位置パラメータを出力し、いくつかの位置パラメータは、1つ以上のインテリジェントスイッチ位置と推定された故障位置との間の関係を記述し、
前記位置パラメータを用いて、前記UEDシステムのトポロジー接続性解析により、故障区間、故障線分および故障位置ポイントを求めるように構成され、
前記UEDシステムにおける故障状態に対応付けられた、前記求めた故障位置ポイントを、オペレータに送ることにより、前記求めた故障位置ポイントに対応付けられたアクションを前記ネットワークを介して開始するように構成されている、非一時的なコンピュータ読取可能記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/822,261 US11680977B2 (en) | 2020-03-18 | 2020-03-18 | Transient based fault location method for ungrounded power distribution systems |
US16/822,261 | 2020-03-18 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021148778A true JP2021148778A (ja) | 2021-09-27 |
JP2021148778A5 JP2021148778A5 (ja) | 2023-08-03 |
JP7394800B2 JP7394800B2 (ja) | 2023-12-08 |
Family
ID=77747995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021021772A Active JP7394800B2 (ja) | 2020-03-18 | 2021-02-15 | 非接地配電システムのための過渡状態に基づいた故障位置特定方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11680977B2 (ja) |
JP (1) | JP7394800B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220196710A1 (en) * | 2020-12-18 | 2022-06-23 | Schneider Electric USA, Inc. | Systems and methods for improving identification of issues associated with detecting anomalous conditions |
CN113820566B (zh) * | 2021-10-10 | 2023-05-09 | 西安科技大学 | 一种煤矿电网选漏方法 |
CN114089121B (zh) * | 2021-11-30 | 2023-07-07 | 华北电力大学(保定) | 一种针对不对称接地短路的风电场集电线故障测距方法 |
CN114113911A (zh) * | 2021-12-06 | 2022-03-01 | 国网山东省电力公司电力科学研究院 | 一种基于故障波形的故障类型判别方法及判别系统 |
CN114689991A (zh) * | 2022-03-24 | 2022-07-01 | 浙江华云清洁能源有限公司 | 一种高压电缆故障时间的确定方法、系统及相关组件 |
WO2023212280A1 (en) * | 2022-04-29 | 2023-11-02 | Aclara Technologies Llc | Systems and methods for estimating neutral impedance and detecting faulted neutral connection in an electrical meter |
CN115144703B (zh) * | 2022-08-31 | 2022-11-15 | 南京邮电大学 | 基于零序差分电流和能量矩指标的高阻接地故障识别方法 |
CN115932484B (zh) * | 2023-02-15 | 2023-07-18 | 重庆大学 | 输电线路故障辨识与故障测距方法、装置和电子设备 |
CN116660688B (zh) * | 2023-07-28 | 2023-09-22 | 深圳市鼎信智慧科技有限公司 | 远程型电力线路故障预警监测系统及方法 |
CN117031382B (zh) * | 2023-10-10 | 2024-02-20 | 云南电力试验研究院(集团)有限公司 | 一种基于信噪比和正弦拟合方法的单端行波装置校验方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001281289A (ja) * | 2000-03-31 | 2001-10-10 | Furukawa Electric Co Ltd:The | 送配電線故障位置標定方法及びそのシステム |
JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
US20110031977A1 (en) * | 2008-04-16 | 2011-02-10 | O'sullivan Charles Brendan | System and method for locating line faults in a medium voltage network |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6590362B2 (en) * | 2001-07-27 | 2003-07-08 | Texas A&M University System | Method and system for early detection of incipient faults in electric motors |
US7346461B2 (en) * | 2005-09-30 | 2008-03-18 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method of analyzing vibrations and identifying failure signatures in the vibrations |
EP2985613B1 (en) * | 2013-03-29 | 2022-02-09 | Beijing Inhand Networks Technology Co., Ltd. | Method and system for detecting and locating single-phase ground fault on low current grounded power-distribution network |
US20200292608A1 (en) * | 2019-03-13 | 2020-09-17 | General Electric Company | Residual-based substation condition monitoring and fault diagnosis |
-
2020
- 2020-03-18 US US16/822,261 patent/US11680977B2/en active Active
-
2021
- 2021-02-15 JP JP2021021772A patent/JP7394800B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001281289A (ja) * | 2000-03-31 | 2001-10-10 | Furukawa Electric Co Ltd:The | 送配電線故障位置標定方法及びそのシステム |
JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
US20110031977A1 (en) * | 2008-04-16 | 2011-02-10 | O'sullivan Charles Brendan | System and method for locating line faults in a medium voltage network |
Also Published As
Publication number | Publication date |
---|---|
JP7394800B2 (ja) | 2023-12-08 |
US11680977B2 (en) | 2023-06-20 |
US20210293873A1 (en) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7394800B2 (ja) | 非接地配電システムのための過渡状態に基づいた故障位置特定方法 | |
US10742068B2 (en) | Real-time deviation detection of power system electrical characteristics using time-synchronized measurements | |
US11674994B2 (en) | Distribution fault location using graph neural network with both node and link attributes | |
EP2082246B1 (en) | Cable fault detection | |
AU2020101683A4 (en) | Fault detection, location, and prediction within an electricity power transmission and distribution networks | |
CN109655713B (zh) | 一种单相接地故障定位方法和系统 | |
Gashteroodkhani et al. | A protection scheme for microgrids using time-time matrix z-score vector | |
CN109001593B (zh) | 一种配电网故障录波控制方法 | |
CN108344917A (zh) | 基于轨迹法的110kV交联聚乙烯交叉互联电缆在线故障诊断方法 | |
CN104198890A (zh) | 中低压配电网小电流接地智能选线系统 | |
CN107064630A (zh) | 一种电力系统频率测量方法及装置 | |
Srivastava et al. | Data driven approach for fault detection and Gaussian process regression based location prognosis in smart AC microgrid | |
CN115656702A (zh) | 一种基于边缘计算的配电网单相接地故障定位方法及系统 | |
Alencar et al. | Euclidean distance-based method for fault detection and classification in transmission lines | |
CN104090211B (zh) | 一种配电线路高阻接地故障的在线检测方法 | |
US20130158903A1 (en) | Method and System for Detecting Transients in Power Grids | |
Ananthan et al. | Model-based approach integrated with fault circuit indicators for fault location in distribution systems | |
CN113484683A (zh) | 一种基于暂态信息的配电网故障定位系统及方法 | |
von Meier et al. | Diagnostic applications for micro-synchrophasor measurements | |
CN107632237A (zh) | 一种基于故障后小波特征量相关性的单相接地故障选线方法 | |
Hossain et al. | Distribution high impedance fault location using localized voltage magnitude measurements | |
CN115632410A (zh) | 一种针对新能源电力系统宽频振荡保护方法 | |
Guha et al. | Real-time wide-area fault locator for power transmission networks using sparse PMU measurements | |
CN114636883A (zh) | 基于交流量的电力系统故障确定方法、装置及存储介质 | |
CN113777434A (zh) | 一种故障监测方法、装置及供配电系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230726 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230726 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230816 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230925 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7394800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |