CN108008244A - 一种小电流接地故障多层次递进式分类识别方法 - Google Patents
一种小电流接地故障多层次递进式分类识别方法 Download PDFInfo
- Publication number
- CN108008244A CN108008244A CN201711006521.8A CN201711006521A CN108008244A CN 108008244 A CN108008244 A CN 108008244A CN 201711006521 A CN201711006521 A CN 201711006521A CN 108008244 A CN108008244 A CN 108008244A
- Authority
- CN
- China
- Prior art keywords
- fault
- faults
- zero
- linear
- resistance
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Locating Faults (AREA)
Abstract
一种小电流接地故障多层次递进式分类识别方法,设置了包括将故障特征分按时域特性、故障点的性质等,自上而下的四层递进式故障分类数据模块,有效解决了小电流接地故障分类不完整、识别类型单一等问题,据此提出了识别方法的5步骤,在不同层次提取零序电压、零序电流等故障波形特征,采用时域特征辨识、启发式分割算法、FFT分析等逐层识别故障类型,最终得出全面表示故障特征的故障类型。所述方法能够有效避免故障识别过程中概念模糊的问题,一方面可深层次掌握故障原因及其分布规律,促进配电网运检查管理精益化水平的持续完善;另一方面可辅助运维人员及时发现配电网“潜伏性隐患”,进一步缩短故障查找时间,促进配网运行可靠性的不断提升。
Description
技术领域
本发明属于配电网故障诊断领域,具体为一种小电流接地方式配电网接地故障类型的识别方法。
背景技术
配电终端、暂态录波型故障指示器等故障录波数据记录了故障前后线路上的电气量变化信息,能真实反映电网的故障状况,利用其进行准确有效的故障诊断成为重要的研究与应用方向。故障类型识别作为故障诊断技术的前提和理论基础,对于深层次掌握故障原因及其分布规律,及时发现配电网“潜伏性隐患”,进一步缩短故障查找时间,促进配网运行可靠性的提升与运检管理精益化水平的持续完善意义十分重大。
近年来,有关小电流接地系统接地故障的类型识别引起了越来越多的关注,相关研究都对故障类型识别起到了积极的作用。根据提取特征量的应用途径不同,可将识别方法分为特征分析法(根据零序电压幅值在多重分形谱上的分布特征识别间歇性故障、根据过渡电阻的非线性特征识别电弧故障、根据高频分量的小波能量矩特征识别高阻故障等)和智能方法(人工神经网络、模糊逻辑、决策树等)。现有小电流接地故障分类方法根据故障的某一种特征进行分类,如根据故障是否需要人工处理分为瞬时性接地和永久性接地;根据过渡电阻的大小分为低阻接地和高阻接地;根据接地点燃弧状况分为稳定性接地和非稳定性接地等。这样的分类方法会导致故障分类不够全面,故障类型间的存在特征交叉,导致故障识别过程中存在识别类型单一和概念模糊等问题。且现有识别方法大多采用仿真数据进行验证,缺乏现场数据的有力支撑,降低了算法的有效性和可行性。
发明内容
为了克服现有故障识别技术中识别类型单一、模糊等问题,本发明提出一种小电流接地故障多层次递进式的分类识别方法,将故障特征分为故障的时域特性、故障点的性质等,自上而下地对不同层次的故障特征进行分析识别,为故障类型处理提供依据。
所述小电流接地故障多层次递进式分类识别方法,包括根据小电流接地故障的特征,设置四层递进式故障分类数据模块,为进一步建立故障识别模型提供依据,具体地,包括第1模块层1,第1模块层1根据故障的时域特性将故障分为永久性故障、瞬时性故障和间歇性故障,永久性故障指单相接地后故障持续存在、直至人工处理的接地状态;瞬时性故障指故障持续一段时间后消失、系统自动恢复正常的接地状态;间歇性接地故障指故障持续一段时间后消失、系统恢复过程中故障再次发生的接地状态;第2模块层2,第2模块层2根据故障的复杂程度将故障分为单一性故障和发展性故障,单一性故障指故障过程中故障性质保持不变的接地状态,发展性故障指故障过程中故障性质发生变化的接地状态;第3模块层3,第3模块层3根据接地点的性质将故障分为线性故障和非线性故障,线性故障指接地点无燃弧状况、过渡电阻呈线性的接地状态,非线性故障指接地点有燃弧状况的接地状态;第4模块层4,第4模块层4根据过渡电阻的大小将线性故障分为金属性故障、低阻故障和高阻故障;将非线性故障分为弧光性低阻故障和弧光性高阻故障,高阻故障指过渡电阻大于1kΩ的线性故障,低阻故障指过渡电阻小于1kΩ的线性故障,金属性故障指过渡电阻为0或接近于0的线性故障,弧光性高阻故障指过渡电阻的最小值大于1kΩ的非线性故障,弧光性低阻故障指过渡电阻的最小值小于1kΩ的非线性故障;
根据上述递进式故障分类数据模块,按照如下小电流接地故障类型多层次递进式识别方法,提取故障波形中不同层次的特征识别故障,具体包括以下步骤:
步骤1:采集母线零序电压及各出线零序电流信号;
步骤2:结合人工处理及零序电压衰减程度识别永久性故障、瞬时性故障和间歇性故障;
步骤3:采用启发式分割算法对零序电流进行处理,识别单一性故障和发展性故障,并对故障波形进行分割处理;
步骤4:对零序电流进行FFT分析,通过比较故障前后零序电流的幅频特性识别线性故障和非线性故障;
步骤5:通过零序电压的大小识别高阻故障和低阻故障;
步骤6:结合不同层次的识别结果,得出最终的故障类型。
前述步骤2结合人工处理及零序电压衰减程度识别永久性故障、瞬时性故障和间歇性故障的具体步骤为:
a.检测每周期零序电压的幅值大小,从左到右计算每周期零序电压波形的衰减程度a;设第T周期的零序电压的衰减程度aT为第T周期的零序电压幅值与第T-1周期的零序电压幅值之比,即:
b.定义计数器M1、M2以识别系统的恢复过程的进行及完成。
计数器M1初值为0,当U0>Uop.set且α<0.85时,每隔一周期计数器M1加1,否则M1清零,其中,U0为零序电压幅值,Uop.set为保护装置零序电压起动值,α为衰减程度;则当M1>2时,认为系统正处于恢复过程;
计数器M2初值为0,当U0<Ucl.set时,每隔一周期计数器M2加1,否则M2清零,其中,Ucl.set为保护装置零序电压返回值。则当M2>2时,认为系统恢复过程已经完成;
c.定义标志量F,初始值为0,若此次故障经人工处理,赋值为1,否则保持不变;
若过程中F=0且α<1,最终M2>2,判断此次故障为瞬时性故障;
若过程中F=0,存在M1>2且α>1,最终M2>2,判断此次故障为间歇性故障;
若过程中F=0且M2<2,最终F=1,判断此次故障为永久性故障。
前述步骤3采用启发式分割算法对零序电流进行处理,识别单一性故障和发展性故障,并对故障波形进行分割处理的具体步骤为:
a.计算采样序列X(t)中任意一点i左右两部分序列的点数Nl、Nr,均值μl(i)、μr(i)和标准差sl(i)、sr(i),则可求得i点两侧序列的合并偏差sD(i)为:
b.计算i点左右两侧均值显著性差异的t假设检验统计值T(i)为:
并从左到右依次对X(t)中的每一点重复上述计算过程,得到检验统计值序列T(t),式中t假设检验为数学专有名词;
c.计算T(t)中的最大值Tmax的统计显著性Pmax,Pmax一般可表示为:
公式中,为不完全β函数,为该不完全β函数的积分上限,δv和δ为该不完全β函数的两个参数,v为t检验的自由度,其中,根据蒙特卡洛模拟得到γ=4.19lnN-11.54,δ=0.40,ν=N-2,N为采样序列总点数;
d.设定门槛值P0=0.95,当T(t)中的最大值Tmax的统计显著性Pmax>P0时,说明X(t)突变显著,对应的录波数据存在趋势突变,即该故障为发展性故障,其中,Tmax对应的i点即为突变点,将波形从i点分割为两部分。
前述步骤4对零序电流进行FFT分析,通过比较故障前后零序电流的幅频特性识别线性故障和非线性故障的具体步骤为:
a.将步骤3得到的零序电流波形进行FFT分析;
b.取故障前一周期为参考量T0,故障后各周期依次为T1、T2…Tn,计算Ti(i=1,2,…,n)各频率幅值相对于基频的百分比;
c.计算Ti相对于T0的各频率幅值百分比变化量,并按从大到小对频率点进行排序,求得Ti前5个频率点幅值百分比变化量的平均值μi;
d.定义计数器N初值为0,当μi<10%时,N加1;否则,N清零;
e.当M1<2时,即系统不处于恢复过程;若同时存在N>2,认为波形的高频分量变化不明显,判断故障为线性故障,否则为非线性故障;
所述步骤4中,利用小电流接地故障多层次分类方法中分类完整的特点,首先进行线性故障的识别,以确保瞬时性的非线性接地电弧不被忽略。
前述步骤5通过零序电压的大小识别高阻故障和低阻故障的具体步骤为:
a.根据故障前相电压Um及金属性故障时故障出线的零序电流3I0,计算系统零序阻抗ZS0:
b.根据母线处零序电压判断过渡电阻的大小:
本发明的有益效果为:
本发明提出一种小电流接地故障的多层次递进式分类方法,有效解决了分类不完整、识别类型单一等问题。据此提出小电流接地故障多层次类型识别方法,通过提取零序电压、零序电流等故障波形特征,逐层识别故障类型。与各种基于单一特征的故障识别方法相比较,本发明所提方法能够有效避免故障识别过程中概念模糊的问题,结构清晰、易于程序化、模块化实现。本发明所提方法能够有效避免故障识别过程中概念模糊的问题,结构清晰、易于程序化实现,可作为基于录波数据的故障类型识别方法的理论依据与实现指引,其意义十分重大:一方面可支撑配电网故障信息系统及“特征指纹库”的建立,深层次掌握故障原因及其分布规律,促进配电网运检查管理精益化水平的持续完善;另一方面可辅助运维人员及时发现配电网“潜伏性隐患”,进一步缩短故障查找时间,促进配网运行可靠性的不断提升。
附图说明
图1为小电流接地故障多层次递进式分类方法;
图2为小电流故障类型多层次递进式识别方法的流程图;
图3为间歇性小电流接地故障录波图;
图4为非线性故障发展为线性故障录波图;
图5为高阻故障发展为低阻故障录波图;
图6为非线性故障发展为线性故障录波的零序电流T检验序列;
图7为高阻故障发展为低阻故障录波的零序电流T检验序列;
图8为非线性故障发展为线性故障的幅频特性;
具体实施方式
为了实现上述目的,本发明采取的技术方案如下参见图1、2:
将故障特征分解为4种不同的因素,在不同的层次上进行分析,形成多层次递进式的故障分类识别方法,为进一步建立故障识别模型提供依据。
所述小电流接地故障多层次递进式分类识别方法,包括根据小电流接地故障的特征,设置四层递进式故障分类数据模块,为进一步建立故障识别模型提供依据,具体地,包括第1模块层1,第1模块层1根据故障的时域特性将故障分为永久性故障、瞬时性故障和间歇性故障,永久性故障指单相接地后故障持续存在、直至人工处理的接地状态;瞬时性故障指故障持续一段时间后消失、系统自动恢复正常的接地状态;间歇性接地故障指故障持续一段时间后消失、系统恢复过程中故障再次发生的接地状态;第2模块层2,第2模块层2根据故障的复杂程度将故障分为单一性故障和发展性故障,单一性故障指故障过程中故障性质保持不变的接地状态,发展性故障指故障过程中故障性质发生变化的接地状态;第3模块层3,第3模块层3根据接地点的性质将故障分为线性故障和非线性故障,线性故障指接地点无燃弧状况、过渡电阻呈线性的接地状态,非线性故障指接地点有燃弧状况的接地状态;第4模块层4,第4模块层4根据过渡电阻的大小将线性故障分为金属性故障、低阻故障和高阻故障;将非线性故障分为弧光性低阻故障和弧光性高阻故障,高阻故障指过渡电阻大于1kΩ的线性故障,低阻故障指过渡电阻小于1kΩ的线性故障,金属性故障指过渡电阻为0或接近于0的线性故障,弧光性高阻故障指过渡电阻的最小值大于1kΩ的非线性故障,弧光性低阻故障指过渡电阻的最小值小于1kΩ的非线性故障;
根据上述递进式故障分类数据模块结构,按照如下小电流接地故障类型多层次递进式识别方法,提取故障波形中不同层次的特征识别故障,具体包括以下步骤:
步骤1:采集母线零序电压及各出线零序电流信号;
步骤2:结合人工处理及零序电压衰减程度识别永久性故障、瞬时性故障和间歇性故障;
所述步骤2的具体过程是:
a.检测每周期零序电压的幅值大小,从左到右计算每周期零序电压波形的衰减程度αT;设第T周期的零序电压的衰减程度αT为第T周期的零序电压幅值与第T-1周期的零序电压幅值之比,即:
b.定义计数器M1、M2以识别系统的恢复过程的进行及完成。
计数器M1初值为0,当U0>Uop.set且α<0.85时,每隔一周期计数器M1加1,否则M1清零,其中,U0为零序电压幅值,Uop.set为保护装置零序电压起动值,α为衰减程度;则当M1>2时,认为系统正处于恢复过程;
计数器M2初值为0,当U0<Ucl.set时,每隔一周期计数器M2加1,否则M2清零,其中,Ucl.set为保护装置零序电压返回值。则当M2>2时,认为系统恢复过程已经完成;
c.定义标志量F,初始值为0,若此次故障经人工处理,赋值为1,否则保持不变。
若过程中F=0,且α<1,最终M2>2,判断此次故障为瞬时性故障;
若过程中F=0,存在M1>2且α>1,最终M2>2,判断此次故障为间歇性故障;
若过程中F=0,且M2<2,最终F=1,判断此次故障为永久性故障。
步骤3:采用启发式分割算法(BG算法)对零序电流进行处理,识别单一性故障和发展性故障,并对故障波形进行分割处理;
所述步骤3的具体过程是:
a.计算采样序列X(t)中任意一点i左右两部分序列的点数Nl、Nr,均值μl(i)、μr(i)和标准差sl(i)、sr(i),则可求得i点两侧序列的合并偏差sD(i)为:
b.计算i点左右两侧均值显著性差异的t假设检验统计值T(i)为:
并从左到右依次对X(t)中的每一点重复上述计算过程,得到检验统计值序列T(t);
c.计算T(t)中的最大值Tmax的统计显著性Pmax,Pmax一般可表示为:
公式中,为不完全β函数,为该不完全β函数的积分上限,δv和δ为该不完全β函数的两个参数,v为t检验的自由度。其中,根据蒙特卡洛模拟得到γ=4.19lnN-11.54,δ=0.40,ν=N-2,N为采样序列总点数。
d.设定门槛值P0=0.95,当T(t)中的最大值Tmax的统计显著性Pmax>P0时,说明X(t)突变显著,对应的录波数据存在趋势突变,即该故障为发展性故障,其中,Tmax对应的i点即为突变点,将波形从i点分割为两部分。
步骤4:对零序电流进行FFT分析,通过比较故障前后零序电流的幅频特性识别线性故障和非线性故障;
所述步骤4的具体过程是:
a.将步骤3得到的零序电流波形进行FFT分析;
b.取故障前一周期为参考量T0,故障后各周期依次为T1、T2…Tn,计算Ti(i=1,2,…,n)各频率幅值相对于基频的百分比;
c.计算Ti相对于T0的各频率幅值百分比变化量,并按从大到小对频率点进行排序,求得Ti前5个频率点幅值百分比变化量的平均值μi;
d.定义计数器N初值为0,当μi<10%时,N加1;否则,N清零;
e.当M1<2时,即系统不处于恢复过程;若同时存在N>2,认为波形的高频分量变化不明显,判断故障为线性故障,否则为非线性故障;
所述步骤4中,利用小电流接地故障多层次分类方法中分类完整的特点,首先进行线性故障的识别,以确保瞬时性的非线性接地电弧不被忽略。
步骤5:通过零序电压的大小识别高阻故障和低阻故障;
所述步骤5的具体过程是:
a.根据故障前相电压Um及金属性故障时故障出线的零序电流3I0,计算系统零序阻抗ZS0:
b.根据母线处零序电压判断过渡电阻的大小:
步骤6:结合不同层次的识别结果,得出最终的故障类型;
下面结合附图和几种典型故障类型录波数据对本发明的方法作进一步详细说明。
以图3所示间歇性接地故障为例,对故障识别过程步骤2所述衰减程度门槛值αset进行说明:
配电网电压等级较低,接地点不稳定,故障消失后,系统存在三相电压的恢复过程,尤其在谐振接地系统中,由于消弧线圈的作用,电压恢复可能需要数十个工频周波。因此,可通过零序电压的衰减过程识别系统的恢复过程,通过判断故障是否在系统恢复过程中再次发生识别间歇性故障。恢复过程中,零序电压u0为自由振荡的衰减分量,可表示为
公式中,u0为恢复过程中零序电压;Upm为相电压的幅值;α为衰减系数,大小与电网的阻尼率有关;e为自然常数;ω0为自由振荡角频率;为系统恢复过程的电压和电流的初始相角。因此,零序电压幅值每周期衰减为原来的1/e2πα。认为系统恢复过程的持续时间最长为20个工频周波,且衰减至故障时幅值的5%以下时,认为系统恢复正常,则每周期至少衰减到为前一周期的85%。故当α<0.85时,认为系统处于恢复过程。
以图4、图5所示两种不同类型的发展性接地故障为例,对步骤3所述BG算法进行说明:
对两种不同类型故障的零序电流分别进行BG算法处理,得到检验统计值序列T(t)如图6、图7所示,可以看出在突变点处T检验序列均取得最大值,证明BG算法可有效识别故障信号中的趋势变化情况。
以图4为例,对步骤4所述FFT分析进行说明:
图4所示的故障录波图有三个阶段:故障前、非线性故障和线性故障,分别对应其中T0、T1、T2。对其分别进行FFT分析,幅频特性如图8所示,计算得T1、T2相对于T0的幅值百分比变化量平均值分别为μ10=95.72%、μ20=9.663%。可见,检测零序电流频率分量的变化可有效识别线性故障和非线性故障。
步骤5所述的过渡电阻测量与系统的电容电流有关,现场数据无法验证其准确性,选取170组现场故障录波对本发明步骤2-4所述故障识别方法进行测试,测试结果如表1所示:
表1小电流接地故障类型识别方法的测试结果
测试综合准确率达92%以上,证明步骤2-4所述故障识别方法是有效的。
采用人工接地试验对步骤5所述高阻故障识别方法的有效性进行测试,试验数据记录如表1所示:
表1人工接地试验数据
试验所测得的零序电压值均较理论计算值偏小,可能的原因是人工接地时难以做到完全的金属性接地,故障相电压不为0,测得的电容电流偏小,系统零序阻抗计算值偏大,最终得到的零序电压偏大。在误差允许的范围内,可认为两种接地方式下试验结果均与理论计算结果相符,证明步骤5所述零序电压高阻识别方法是有效的。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种小电流接地故障多层次递进式分类识别方法,其特征在于:包括根据小电流接地故障的特征,设置四层递进式故障分类数据模块,为进一步建立故障识别模型提供依据,具体地,包括第1模块层(1),第1模块层(1)根据故障的时域特性将故障分为永久性故障、瞬时性故障和间歇性故障,永久性故障指单相接地后故障持续存在、直至人工处理的接地状态;瞬时性故障指故障持续一段时间后消失、系统自动恢复正常的接地状态;间歇性接地故障指故障持续一段时间后消失、系统恢复过程中故障再次发生的接地状态;第2模块层(2),第2模块层(2)根据故障的复杂程度将故障分为单一性故障和发展性故障,单一性故障指故障过程中故障性质保持不变的接地状态,发展性故障指故障过程中故障性质发生变化的接地状态;第3模块层(3),第3模块层(3)根据接地点的性质将故障分为线性故障和非线性故障,线性故障指接地点无燃弧状况、过渡电阻呈线性的接地状态,非线性故障指接地点有燃弧状况的接地状态;第4模块层4,第4模块层(4)根据过渡电阻的大小将线性故障分为金属性故障、低阻故障和高阻故障;将非线性故障分为弧光性低阻故障和弧光性高阻故障,高阻故障指过渡电阻大于1kΩ的线性故障,低阻故障指过渡电阻小于1kΩ的线性故障,金属性故障指过渡电阻为0或接近于0的线性故障,弧光性高阻故障指过渡电阻的最小值大于1kΩ的非线性故障,弧光性低阻故障指过渡电阻的最小值小于1kΩ的非线性故障;
根据上述递进式故障分类数据模块,按照如下小电流接地故障类型多层次递进式识别方法,提取故障波形中不同层次的特征识别故障,具体包括以下步骤:
步骤1:采集母线零序电压及各出线零序电流信号;
步骤2:结合人工处理及零序电压衰减程度识别永久性故障、瞬时性故障和间歇性故障;
步骤3:采用启发式分割算法对零序电流进行处理,识别单一性故障和发展性故障,并对故障波形进行分割处理;
步骤4:对零序电流进行FFT分析,通过比较故障前后零序电流的幅频特性识别线性故障和非线性故障;
步骤5:通过零序电压的大小识别高阻故障和低阻故障;
步骤6:结合不同层次的识别结果,得出最终的故障类型。
2.如权利要求1所述的一种小电流接地故障多层次递进式分类识别方法,其特征在于:步骤2具体为:
a.检测每周期零序电压的幅值大小,从左到右计算每周期零序电压波形的衰减程度α;设第T周期的零序电压的衰减程度αT为第T周期的零序电压幅值与第T-1周期的零序电压幅值之比,即:
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>T</mi>
</msub>
<mo>=</mo>
<mfrac>
<msubsup>
<mi>U</mi>
<mn>0</mn>
<mi>T</mi>
</msubsup>
<msubsup>
<mi>U</mi>
<mn>0</mn>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mfrac>
</mrow>
b.定义计数器M1、M2以识别系统的恢复过程的进行及完成;
计数器M1初值为0,当U0>Uop.set且α<0.85时,每隔一周期计数器M1加1,否则M1清零,其中,U0为零序电压幅值,Uop.set为保护装置零序电压起动值,α为衰减程度。则当M1>2时,认为系统正处于恢复过程;
计数器M2初值为0,当U0<Ucl.set时,每隔一周期计数器M2加1,否则M2清零,其中,Ucl.set为保护装置零序电压返回值。则当M2>2时,认为系统恢复过程已经完成;
c.定义标志量F,初始值为0,若此次故障经人工处理,赋值为1,否则保持不变;
若过程中F=0,且α<1,最终M2>2,判断此次故障为瞬时性故障;
若过程中F=0,存在M1>2且α>1,最终M2>2,判断此次故障为间歇性故障;
若过程中F=0,且M2<2,最终F=1,判断此次故障为永久性故障。
3.如权利要求1中所述的一种小电流接地故障多层次递进式分类识别方法,其特征在于,步骤3具体为:
a.计算采样序列X(t)中任意一点i左右两部分序列的点数Nl、Nr,均值μl(i)、μr(i)和标准差sl(i)、sr(i),则可求得i点两侧序列的合并偏差sD(i)为:
<mrow>
<msub>
<mi>s</mi>
<mi>D</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>s</mi>
<mi>l</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msub>
<mi>s</mi>
<mi>r</mi>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msub>
<mi>N</mi>
<mi>l</mi>
</msub>
<mo>+</mo>
<msub>
<mi>N</mi>
<mi>r</mi>
</msub>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
<mo>)</mo>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>N</mi>
<mi>l</mi>
</msub>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>N</mi>
<mi>r</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
</msqrt>
</mrow>
b.计算i点左右两侧均值显著性差异的t假设检验统计值T(i)为:
<mrow>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<mfrac>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>s</mi>
<mi>D</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>|</mo>
</mrow>
并从左到右依次对X(t)中的每一点重复上述计算过程,得到检验统计值序列T(t);
c.计算T(t)中的最大值Tmax的统计显著性Pmax,Pmax一般可表示为:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>&ap;</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>v</mi>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>+</mo>
<msubsup>
<mi>T</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>(</mo>
<mrow>
<mi>&delta;</mi>
<mi>v</mi>
<mo>,</mo>
<mi>&delta;</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>&gamma;</mi>
</msup>
</mrow>
公式中,为不完全β函数,为该不完全β函数的积分上限,δv和δ为该不完全β函数的两个参数,v为t检验的自由度,其中,根据蒙特卡洛模拟得到γ=4.19lnN-11.54,δ=0.40,ν=N-2,N为采样序列总点数;
d.设定门槛值P0=0.95,当T(t)中的最大值Tmax的统计显著性Pmax>P0时,说明X(t)突变显著,对应的录波数据存在趋势突变,即该故障为发展性故障,其中,Tmax对应的i点即为突变点,将波形从i点分割为两部分。
4.如权利要求所述一种小电流接地故障多层次递进式分类识别方法,其特征在于,所述步骤4具体为:
a.将步骤3得到的零序电流波形进行FFT分析;
b.取故障前一周期为参考量T0,故障后各周期依次为T1、T2…Tn,计算Ti(i=1,2,…,n)各频率幅值相对于基频的百分比;
c.计算Ti相对于T0的各频率幅值百分比变化量,并按从大到小对频率点进行排序,求得Ti前5个频率点幅值百分比变化量的平均值μi;
d.定义计数器N初值为0,当μi<10%时,N加1;否则,N清零;
e.当M1<2时,即系统不处于恢复过程;若同时存在N>2,认为波形的高频分量变化不明显,判断故障为线性故障,否则为非线性故障;
所述步骤4中,利用小电流接地故障多层次分类方法中分类完整的特点,首先进行线性故障的识别,以确保瞬时性的非线性接地电弧不被忽略。
5.如权利要求1所述一种小电流接地故障多层次递进式分类识别方法,其特征在于,所述步骤5具体为:
a.根据故障前相电压Um及金属性故障时故障出线的零序电流3I0,计算系统零序阻抗ZS0:
<mrow>
<msub>
<mi>Z</mi>
<mrow>
<mi>S</mi>
<mn>0</mn>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mn>3</mn>
<msub>
<mi>U</mi>
<mi>m</mi>
</msub>
</mrow>
<mrow>
<mn>3</mn>
<msub>
<mi>I</mi>
<mn>0</mn>
</msub>
</mrow>
</mfrac>
</mrow>
b.根据母线处零序电压判断过渡电阻的大小:
<mrow>
<msub>
<mi>R</mi>
<mi>f</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>U</mi>
<mi>m</mi>
</msub>
<msub>
<mi>U</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mfrac>
<msub>
<mi>Z</mi>
<mrow>
<mi>S</mi>
<mn>0</mn>
</mrow>
</msub>
<mn>3</mn>
</mfrac>
</mrow>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711006521.8A CN108008244B (zh) | 2017-10-25 | 2017-10-25 | 一种小电流接地故障多层次递进式分类识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711006521.8A CN108008244B (zh) | 2017-10-25 | 2017-10-25 | 一种小电流接地故障多层次递进式分类识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108008244A true CN108008244A (zh) | 2018-05-08 |
| CN108008244B CN108008244B (zh) | 2019-07-26 |
Family
ID=62051810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711006521.8A Active CN108008244B (zh) | 2017-10-25 | 2017-10-25 | 一种小电流接地故障多层次递进式分类识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108008244B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108802573A (zh) * | 2018-06-28 | 2018-11-13 | 西门子电力自动化有限公司 | 检测电力系统补偿网络中接地故障消失的方法与装置 |
| CN108983042A (zh) * | 2018-07-25 | 2018-12-11 | 国网湖北省电力有限公司电力科学研究院 | 一种基于knn的配网接地故障原因识别方法 |
| CN109494703A (zh) * | 2018-11-29 | 2019-03-19 | 李景禄 | 一种基于补偿阻尼方式的主动干预型保安消弧方法 |
| CN109901007A (zh) * | 2019-03-21 | 2019-06-18 | 国家电网有限公司 | 基于分层代理智能决策的小电流单相接地故障定位方法 |
| CN111220879A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种小电流接地系统单相接地故障区段定位的方法 |
| EP3745146A1 (de) * | 2019-05-29 | 2020-12-02 | Siemens Aktiengesellschaft | Verfahren, vorrichtung und system zur bestimmung einer leitungseigenschaft einer energieübertragungsleitung |
| CN112364941A (zh) * | 2020-12-07 | 2021-02-12 | 西安德纳检验检测有限公司 | 一种新能源场站频率特性检测方法、装置和系统 |
| CN112557948A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 基于故障多特征量提取的配电网单相接地故障识别方法 |
| CN113379279A (zh) * | 2021-06-23 | 2021-09-10 | 黑龙江大学 | 基于不完整数据的深度强化学习短期电压稳定性评估方法 |
| CN113406455A (zh) * | 2021-07-07 | 2021-09-17 | 福州大学 | 一种低压交流电弧微观状态的宏观表征方法 |
| CN113762412A (zh) * | 2021-09-26 | 2021-12-07 | 国网四川省电力公司电力科学研究院 | 一种配电网单相接地故障识别方法、系统、终端及介质 |
| CN114156831A (zh) * | 2021-11-22 | 2022-03-08 | 昆明理工大学 | 一种光电联合瞬时故障判别方法 |
| CN116125193A (zh) * | 2022-11-28 | 2023-05-16 | 许继集团有限公司 | 接地故障及故障类型综合识别方法 |
| CN117233471A (zh) * | 2023-11-09 | 2023-12-15 | 四川大学 | 基于接触阻抗渐变特性的中压配网树枝碰线故障检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009081215A2 (en) * | 2007-12-21 | 2009-07-02 | Dan Andras | Equipment and procedure to determine fault location and fault resistance during phase to ground faults on a live network |
| CN103323742A (zh) * | 2013-05-31 | 2013-09-25 | 华北电力大学 | 基于随机布点pmu的电网故障识别系统及故障识别方法 |
| CN103424668A (zh) * | 2013-08-05 | 2013-12-04 | 昆明理工大学 | 一种利用馈线零序电流主成分分析和证据理论融合的弧光接地故障连续选线方法 |
| CN103606909A (zh) * | 2013-12-04 | 2014-02-26 | 国家电网公司 | 一种配电网线路保护系统和方法 |
| CN105044560A (zh) * | 2015-08-18 | 2015-11-11 | 海南电网有限责任公司三亚供电局 | 一种基于故障自适应技术的配电网故障判决方法 |
| EP3136526A1 (en) * | 2015-08-25 | 2017-03-01 | GE Energy Power Conversion Technology Ltd | Ground fault protection methods |
| CN106655120A (zh) * | 2016-11-30 | 2017-05-10 | 孙嘉宁 | 配电网中性点智能接地保护方法与系统 |
-
2017
- 2017-10-25 CN CN201711006521.8A patent/CN108008244B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009081215A2 (en) * | 2007-12-21 | 2009-07-02 | Dan Andras | Equipment and procedure to determine fault location and fault resistance during phase to ground faults on a live network |
| CN103323742A (zh) * | 2013-05-31 | 2013-09-25 | 华北电力大学 | 基于随机布点pmu的电网故障识别系统及故障识别方法 |
| CN103424668A (zh) * | 2013-08-05 | 2013-12-04 | 昆明理工大学 | 一种利用馈线零序电流主成分分析和证据理论融合的弧光接地故障连续选线方法 |
| CN103606909A (zh) * | 2013-12-04 | 2014-02-26 | 国家电网公司 | 一种配电网线路保护系统和方法 |
| CN105044560A (zh) * | 2015-08-18 | 2015-11-11 | 海南电网有限责任公司三亚供电局 | 一种基于故障自适应技术的配电网故障判决方法 |
| EP3136526A1 (en) * | 2015-08-25 | 2017-03-01 | GE Energy Power Conversion Technology Ltd | Ground fault protection methods |
| CN106655120A (zh) * | 2016-11-30 | 2017-05-10 | 孙嘉宁 | 配电网中性点智能接地保护方法与系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王谦等: "一种基于录波数据的故障事件检测的混合方法", 《华东电力》 * |
| 薛永端等: "基于零序电压比率制动的小电阻接地系统接地保护", 《电力系统自动化》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108802573A (zh) * | 2018-06-28 | 2018-11-13 | 西门子电力自动化有限公司 | 检测电力系统补偿网络中接地故障消失的方法与装置 |
| CN108983042A (zh) * | 2018-07-25 | 2018-12-11 | 国网湖北省电力有限公司电力科学研究院 | 一种基于knn的配网接地故障原因识别方法 |
| CN109494703A (zh) * | 2018-11-29 | 2019-03-19 | 李景禄 | 一种基于补偿阻尼方式的主动干预型保安消弧方法 |
| CN109901007A (zh) * | 2019-03-21 | 2019-06-18 | 国家电网有限公司 | 基于分层代理智能决策的小电流单相接地故障定位方法 |
| CN109901007B (zh) * | 2019-03-21 | 2020-12-22 | 国家电网有限公司 | 基于分层代理智能决策的小电流单相接地故障定位方法 |
| EP3745146A1 (de) * | 2019-05-29 | 2020-12-02 | Siemens Aktiengesellschaft | Verfahren, vorrichtung und system zur bestimmung einer leitungseigenschaft einer energieübertragungsleitung |
| US11360156B2 (en) | 2019-05-29 | 2022-06-14 | Siemens Aktiengesellschaft | Method, device and system for determining an arc on a power transmission line |
| CN111220879A (zh) * | 2020-01-19 | 2020-06-02 | 重庆大学 | 一种小电流接地系统单相接地故障区段定位的方法 |
| CN112557948A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 基于故障多特征量提取的配电网单相接地故障识别方法 |
| CN112364941A (zh) * | 2020-12-07 | 2021-02-12 | 西安德纳检验检测有限公司 | 一种新能源场站频率特性检测方法、装置和系统 |
| CN113379279A (zh) * | 2021-06-23 | 2021-09-10 | 黑龙江大学 | 基于不完整数据的深度强化学习短期电压稳定性评估方法 |
| CN113406455A (zh) * | 2021-07-07 | 2021-09-17 | 福州大学 | 一种低压交流电弧微观状态的宏观表征方法 |
| CN113406455B (zh) * | 2021-07-07 | 2022-03-15 | 福州大学 | 一种低压交流电弧微观状态的宏观表征方法 |
| CN113762412A (zh) * | 2021-09-26 | 2021-12-07 | 国网四川省电力公司电力科学研究院 | 一种配电网单相接地故障识别方法、系统、终端及介质 |
| CN113762412B (zh) * | 2021-09-26 | 2023-04-18 | 国网四川省电力公司电力科学研究院 | 一种配电网单相接地故障识别方法、系统、终端及介质 |
| CN114156831A (zh) * | 2021-11-22 | 2022-03-08 | 昆明理工大学 | 一种光电联合瞬时故障判别方法 |
| CN116125193A (zh) * | 2022-11-28 | 2023-05-16 | 许继集团有限公司 | 接地故障及故障类型综合识别方法 |
| CN117233471A (zh) * | 2023-11-09 | 2023-12-15 | 四川大学 | 基于接触阻抗渐变特性的中压配网树枝碰线故障检测方法 |
| CN117233471B (zh) * | 2023-11-09 | 2024-01-23 | 四川大学 | 基于接触阻抗渐变特性的中压配网树枝碰线故障检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108008244B (zh) | 2019-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108008244B (zh) | 一种小电流接地故障多层次递进式分类识别方法 | |
| Jamehbozorg et al. | A decision-tree-based method for fault classification in single-circuit transmission lines | |
| Gu et al. | High impedance fault detection in overhead distribution feeders using a DSP-based feeder terminal unit | |
| AU2020101683A4 (en) | Fault detection, location, and prediction within an electricity power transmission and distribution networks | |
| Mortazavi et al. | A hybrid method for arcing faults detection in large distribution networks | |
| CN102135555B (zh) | 低压系统串联电弧故障识别方法 | |
| Mishra et al. | Combined DFT and fuzzy based faulty phase selection and classification in a series compensated transmission line | |
| CN106526468A (zh) | 基于波形特征识别的断路器状态检测方法 | |
| CN118244041B (zh) | 一种高压直流输电线路雷电绕击与反击的识别方法与系统 | |
| CN116540025A (zh) | 一种基于迁移学习与残差网络的故障检测方法 | |
| Nikoofekr et al. | Nature of fault determination on transmission lines for single phase autoreclosing applications | |
| Zhang et al. | Morphology singular entropy-based phase selector using short data window for transmission lines | |
| CN114089218A (zh) | 一种配电网高阻接地故障识别方法、装置、终端及介质 | |
| CN118169604A (zh) | 基于零序电流变化趋势的高阻故障检测方法及系统 | |
| CN108983042B (zh) | 一种基于knn的配网接地故障原因识别方法 | |
| CN104090211B (zh) | 一种配电线路高阻接地故障的在线检测方法 | |
| CN106208052B (zh) | 一种基于暂态电压稳定极限测试的电网暂态电压稳定薄弱点辨识方法 | |
| Shahrtash et al. | High impedance fault detection using harmonics energy decision tree algorithm | |
| Lopes et al. | A transient based approach to diagnose high impedance faults on smart distribution networks | |
| Abohagar et al. | Back propagation neural network aided wavelet transform for high impedance fault detection and faulty phase selection | |
| Jana et al. | Transmission line fault detection and classification using wavelet analysis | |
| Allawi et al. | High Impedance Fault Detection in Distribution Feeder Based on Spectrum Analysis and ANN with Non-Linear Load | |
| Musa et al. | Cross-country, evolving, and inter-circuit relaying scheme for double-circuit transmission line | |
| CN104793105A (zh) | 基于最优fir滤波器与层次聚类的配电网故障选线方法 | |
| JPH0698457A (ja) | 高圧配電線の地絡故障原因判定方法 |
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 |