System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电缆电线故障监测,具体涉及一种电缆电线故障监测方法。
技术介绍
1、在现代电力系统中,配电网络是连接发电站与终端用户之间的重要环节。随着城市化进程的加快和工业需求的不断增长,对电力系统的稳定性和可靠性要求越来越高。电缆电线作为传输电能的主要媒介,其运行状态直接关系到整个电网的安全与稳定。因此,及时准确地监测和定位电缆电线的故障,对于保障电力系统的正常运行具有重要意义。
2、传统的电缆故障检测方法多依赖于人工巡检或定期检测,这些方法不仅耗时耗力,而且很难实现实时监测和快速响应。随着技术的发展,一些现代化的故障监测技术被提出并应用于实际中,如基于行波理论的故障定位技术、基于高频信号注入的故障检测技术等。现有的故障监测技术仅能对具体段线缆进行故障测量,无法对配电网络中电缆电线进行故障定位。
技术实现思路
1、针对现有技术中的上述不足,本专利技术提供的一种电缆电线故障监测方法解决了现有技术无法对配电网络中电缆电线进行故障定位的问题。
2、为了达到上述专利技术目的,本专利技术采用的技术方案为:一种电缆电线故障监测方法,包括以下步骤:
3、s1、将配电网络的各环网柜作为各节点,采集各节点电压信号和电流信号;
4、s2、分别对每个节点电压信号进行emd分解,得到电压信号的极大值特征向量和极小值特征向量;
5、s3、分别对每个节点电流信号进行emd分解,得到电流信号的极大值特征向量和极小值特征向量;
6、s4、根
7、s5、找到与故障节点连接的电缆电线,得到故障电缆电线。
8、进一步地,所述s2和s3均包括以下分步骤:
9、a1、提取每个节点原始信号的极大值和极小值,构成极大值向量和极小值向量,其中,原始信号在s2为电压信号,原始信号在s3为电流信号;
10、a2、将每个节点原始信号的极大值和极小值,形成上下包络线;
11、a3、对上下包络线进行线性插值处理,得到平滑包络线;
12、a4、采用原始信号减去平滑包络线,得到残差信号,将残差信号作为新的原始信号,并跳转至a1,直到残差信号无局部震荡;
13、a5、根据各个极大值向量,构建极大值特征向量,根据各个极小值向量,构建极小值特征向量。
14、进一步地,所述a5包括以下分步骤:
15、a51、计算每个极大值向量的均值系数、波动系数和波形系数;
16、a52、将各个极大值向量的均值系数、波动系数和波形系数作为元素,构成极大值特征向量;
17、a53、计算每个极小值向量的均值系数、波动系数和波形系数;
18、a54、将各个极小值向量的均值系数、波动系数和波形系数作为元素,构成极小值特征向量。
19、进一步地,所述a51和a53中均值系数的计算公式均为:,其中,为均值系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,max为取最大值。
20、进一步地,所述a51和a53中波动系数的计算公式均为:,其中,sw为波动系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,max为取最大值,min为取最小值。
21、进一步地,所述a51和a53中波形系数的计算公式均为:,其中,so为波形系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,| |为绝对值。
22、进一步地,所述s4包括以下分步骤:
23、s41、随机取一个未分类节点作为对比节点;
24、s42、根据每个节点电压信号的极大值特征向量和极小值特征向量,以及电流信号的极大值特征向量和极小值特征向量,计算其他未分类节点与对比节点的特征相似度;
25、s43、判断是否存在特征相似度大于阈值,若是,将对应的未分类节点和对比节点分为一类,并跳转至s41,直到所有节点均分类完,若否,将对比节点分为一类,并跳转至s41,直到所有节点均分类完;
26、s44、找到仅包括一个节点的类,将类中节点作为故障节点。
27、进一步地,所述s42包括以下分步骤:
28、s421、根据每个节点的电压信号的极大值特征向量和极小值特征向量,计算其他未分类节点与对比节点的电压相似值;
29、s422、根据每个节点的电流信号的极大值特征向量和极小值特征向量,计算其他未分类节点与对比节点的电流相似值;
30、s423、将电压相似值和电流相似值相加,得到特征相似度。
31、进一步地,所述s421计算电压相似值的公式为:,其中,su为电压相似值,su,max为一个未分类节点的电压信号的极大值特征向量与对比节点的电压信号的极大值特征向量的余弦相似度,su,min为一个未分类节点的电压信号的极小值特征向量与对比节点的电压信号的极小值特征向量的余弦相似度。
32、进一步地,所述s422中计算电流相似值的公式为:,其中,si为电流相似值,si,max为一个未分类节点的电流信号的极大值特征向量与对比节点的电流信号的极大值特征向量的余弦相似度,si,min为一个未分类节点的电流信号的极小值特征向量与对比节点的电流信号的极小值特征向量的余弦相似度。
33、本专利技术的有益效果为:本专利技术将配电网络中各环网柜作为节点,采集节点处的电压信号和电流信号,分别对每个节点电压信号和电流信号进行emd分解,提取分解过程中的极大值和极小值,构建出极大值特征向量和极小值特征向量,表征电压信号和电流信号成分特性,利用各节点电压信号和电流信号的极大值特征向量和极小值特征向量,对各节点进行分类,找到故障节点,实现从配电网络中找出故障电缆电线。
本文档来自技高网...【技术保护点】
1.一种电缆电线故障监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的电缆电线故障监测方法,其特征在于,所述S2和S3均包括以下分步骤:
3.根据权利要求2所述的电缆电线故障监测方法,其特征在于,所述A5包括以下分步骤:
4.根据权利要求3所述的电缆电线故障监测方法,其特征在于,所述A51和A53中均值系数的计算公式均为:,其中,为均值系数,si为向量中第i个元素,N为向量中元素的数量,i为正整数,max为取最大值。
5.根据权利要求4所述的电缆电线故障监测方法,其特征在于,所述A51和A53中波动系数的计算公式均为:,其中,sw为波动系数,si为向量中第i个元素,N为向量中元素的数量,i为正整数,max为取最大值,min为取最小值。
6.根据权利要求4所述的电缆电线故障监测方法,其特征在于,所述A51和A53中波形系数的计算公式均为:,其中,so为波形系数,si为向量中第i个元素,N为向量中元素的数量,i为正整数,| |为绝对值。
7.根据权利要求1所述的电缆电线故障监测方法,其特征在于,所述S
8.根据权利要求7所述的电缆电线故障监测方法,其特征在于,所述S42包括以下分步骤:
9.根据权利要求8所述的电缆电线故障监测方法,其特征在于,所述S421计算电压相似值的公式为:,其中,SU为电压相似值,SU,max为一个未分类节点的电压信号的极大值特征向量与对比节点的电压信号的极大值特征向量的余弦相似度,SU,min为一个未分类节点的电压信号的极小值特征向量与对比节点的电压信号的极小值特征向量的余弦相似度。
10.根据权利要求8所述的电缆电线故障监测方法,其特征在于,所述S422中计算电流相似值的公式为:,其中,SI为电流相似值,SI,max为一个未分类节点的电流信号的极大值特征向量与对比节点的电流信号的极大值特征向量的余弦相似度,SI,min为一个未分类节点的电流信号的极小值特征向量与对比节点的电流信号的极小值特征向量的余弦相似度。
...【技术特征摘要】
1.一种电缆电线故障监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的电缆电线故障监测方法,其特征在于,所述s2和s3均包括以下分步骤:
3.根据权利要求2所述的电缆电线故障监测方法,其特征在于,所述a5包括以下分步骤:
4.根据权利要求3所述的电缆电线故障监测方法,其特征在于,所述a51和a53中均值系数的计算公式均为:,其中,为均值系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,max为取最大值。
5.根据权利要求4所述的电缆电线故障监测方法,其特征在于,所述a51和a53中波动系数的计算公式均为:,其中,sw为波动系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,max为取最大值,min为取最小值。
6.根据权利要求4所述的电缆电线故障监测方法,其特征在于,所述a51和a53中波形系数的计算公式均为:,其中,so为波形系数,si为向量中第i个元素,n为向量中元素的数量,i为正整数,...
【专利技术属性】
技术研发人员:张杰民,石晓悦,邢振强,
申请(专利权)人:青岛悠进电装有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。