CN113342993B - 电力故障图谱生成方法 - Google Patents
电力故障图谱生成方法 Download PDFInfo
- Publication number
- CN113342993B CN113342993B CN202110751541.8A CN202110751541A CN113342993B CN 113342993 B CN113342993 B CN 113342993B CN 202110751541 A CN202110751541 A CN 202110751541A CN 113342993 B CN113342993 B CN 113342993B
- Authority
- CN
- China
- Prior art keywords
- sampling
- point
- sampling time
- time point
- power failure
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 82
- 239000013598 vector Substances 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
一种电力故障图谱生成方法,涉及电力系统技术领域,该方法将包含有相电流录波数据、相电压录波数据的电力故障历史录波数据作为样本,按时序从中选取取样时间点,将相关数据换算成向量,再利用向量构建梯度图像作为电力故障图谱,在电力故障发生时可利用电力故障图谱检测故障类型。本发明提供的方法,适合电力系统中检测电力故障。
Description
技术领域
本发明涉及电力系统的技术,特别是涉及一种电力故障图谱生成方法的技术。
背景技术
电力故障录波系统是用于记录电力故障数据(发生电力故障时的相电流、相电压等)的系统,通过对电力故障数据的分析,可以找到故障数据特征,从而判断出故障原因。
目前都采用神经网络对电力故障数据进行分析,这种分析方法需要提取故障特征,以匹配分类故障类型,但是现有的提取故障特征的算法比较复杂,存在着计算速度慢的缺陷,以及对新的故障类型检测困难的缺陷。
发明内容
针对上述现有技术中存在的缺陷,本发明所要解决的技术问题是提供一种能在电力故障发生时快速检测出故障类型的电力故障图谱生成方法。
为了解决上述技术问题,本发明所提供的一种电力故障图谱生成方法,其特征在于,具体步骤如下:
1)获取包含有相电流录波数据、相电压录波数据的电力故障历史录波数据;
2)把电力故障历史录波数据中的相电流录波数据划分为R个相电流波段,并且每个相电流波段的时长为一个周波,并且每个相电流波段的起始点落在横坐标轴上,所述周波是指工频电流的一个完整的正弦波形;
3)在每个相电流波段上取L个取样点,并将每个取样点所对应的时间点定义为取样时间点,再将各个取样时间点组成一个R行L列的矩阵G;
在矩阵G中,同一行的各个取样时间点按由先至后的时序从左至右依序排列,上一行的取样时间点的时序先于下一行的取样时间点的时序;
每个取样时间点有三个值,该三个值分别为该取样时间点的相电流标幺值I、相电压标幺值U、相电流与相电压的相角差а,该三个值从电力故障历史录波数据中的相电流录波数据、相电压录波数据中获取;
4)为每个取样时间点设定一个取样点向量,并计算每个取样时间点的取样点向量的向量幅值、向量角度,计算方法为:
对每个取样点,为该取样时间点构建一个由S1、S2、S3三条边组成的三角形,并将该取样时间点的相电流标幺值I的数值作为S1的边长,将该取样时间点的相电压标幺值U的数值作为S2的边长,将该取样时间点的相电流与相电压的相角差а作为S1与S2之间的夹角;然后计算出S3的长度,S1与S3之间的夹角β,再将S3的长度设定为该取样时间点的取样点向量的向量幅值,将S1与S3之间的夹角β设定为该取样时间点的取样点向量的向量角度;
5)将各个取样时间点的取样点向量组成一个R行L列的矩阵M,矩阵M中各个取样点向量的排列方式,与各个取样点向量所属的取样时间点在矩阵G中的排列方式一致;
6)构建一个由R行L列的像素点组成的梯度图像P,计算梯度图像P中的每个像素点的梯度值、梯度方向值,计算公式为:
θ(x,y)=int(8×Mβ(x,y)/2π)
式中,H(x,y)为梯度图像P中的第x行第y列的像素点的梯度值,θ(x,y)为梯度图像P中的第x行第y列的像素点的梯度方向值,Ml(x,y)为矩阵M中的第x行第y列的元素的向量幅值,Mβ(x,y)为矩阵M中的第x行第y列的元素的向量角度,int()为取整函数;
7)将梯度图像P作为电力故障图谱,在电力故障发生时利用电力故障图谱检测故障类型。
本发明提供的电力故障图谱生成方法,以电力故障历史录波数据为样本,将相电流录波数据、相电压录波数据转换为向量,构建一个梯度图像,并将构建的梯度图像作为电力故障图谱,利用电力故障图谱模拟电力故障发生时的数据特征分类,在电力故障发生时可以根据电力故障图谱快速检测出故障类型。
具体实施方式
以下结合具体实施例对本发明的技术方案作进一步详细描述,但本实施例并不用于限制本发明,凡是采用本发明的相似结构及其相似变化,均应列入本发明的保护范围,本发明中的顿号均表示和的关系,本发明中的英文字母区分大小写。
本发明实施例所提供的一种电力故障图谱生成方法,其特征在于,具体步骤如下:
1)获取包含有相电流录波数据、相电压录波数据的电力故障历史录波数据;
电力故障历史录波数据可以通过现有的电力故障录波系统获取,相电流录波数据、相电压录波数据均为采用二维直角坐标表示的波形数据,相电流录波数据及相电压录波数据的横坐标轴均为时间轴,相电流录波数据的纵坐标轴为相电流数值轴,相电压录波数据的纵坐标轴为相电压数值轴;
2)把电力故障历史录波数据中的相电流录波数据划分为R个相电流波段,并且每个相电流波段的时长为一个周波,并且每个相电流波段的起始点落在横坐标轴上,所述周波是指工频电流的一个完整的正弦波形;
3)在每个相电流波段上取L个取样点,并将每个取样点所对应的时间点定义为取样时间点,再将各个取样时间点组成一个R行L列的矩阵G;
在矩阵G中,同一行的各个取样时间点按由先至后的时序从左至右依序排列,上一行的取样时间点的时序先于下一行的取样时间点的时序;
每个取样时间点有三个值,该三个值分别为该取样时间点的相电流标幺值I、相电压标幺值U、相电流与相电压的相角差а,该三个值从电力故障历史录波数据中的相电流录波数据、相电压录波数据中获取;
4)为每个取样时间点设定一个取样点向量,并计算每个取样时间点的取样点向量的向量幅值、向量角度,计算方法为:
对每个取样点,为该取样时间点构建一个由S1、S2、S3三条边组成的三角形,并将该取样时间点的相电流标幺值I的数值作为S1的边长,将该取样时间点的相电压标幺值U的数值作为S2的边长,将该取样时间点的相电流与相电压的相角差а作为S1与S2之间的夹角;然后计算出S3的长度,S1与S3之间的夹角β,再将S3的长度设定为该取样时间点的取样点向量的向量幅值,将S1与S3之间的夹角β设定为该取样时间点的取样点向量的向量角度;
5)将各个取样时间点的取样点向量组成一个R行L列的矩阵M,矩阵M中各个取样点向量的排列方式,与各个取样点向量所属的取样时间点在矩阵G中的排列方式一致;
6)构建一个由R行L列的像素点组成的梯度图像P,计算梯度图像P中的每个像素点的梯度值、梯度方向值,计算公式为:
θ(x,y)=int(8×Mβ(x,y)/2π)
式中,H(x,y)为梯度图像P中的第x行第y列的像素点的梯度值,θ(x,y)为梯度图像P中的第x行第y列的像素点的梯度方向值,Ml(x,y)为矩阵M中的第x行第y列的元素的向量幅值,Mβ(x,y)为矩阵M中的第x行第y列的元素的向量角度,int()为取整函数;
7)将梯度图像P作为电力故障图谱,在电力故障发生时利用电力故障图谱检测故障类型。
Claims (1)
1.一种电力故障图谱生成方法,其特征在于,具体步骤如下:
1)获取包含有相电流录波数据、相电压录波数据的电力故障历史录波数据;
2)把电力故障历史录波数据中的相电流录波数据划分为R个相电流波段,并且每个相电流波段的时长为一个周波,并且每个相电流波段的起始点落在横坐标轴上,所述周波是指工频电流的一个完整的正弦波形;
3)在每个相电流波段上取L个取样点,并将每个取样点所对应的时间点定义为取样时间点,再将各个取样时间点组成一个R行L列的矩阵G;
在矩阵G中,同一行的各个取样时间点按由先至后的时序从左至右依序排列,上一行的取样时间点的时序先于下一行的取样时间点的时序;
每个取样时间点有三个值,该三个值分别为该取样时间点的相电流标幺值I、相电压标幺值U、相电流与相电压的相角差а,该三个值从电力故障历史录波数据中的相电流录波数据、相电压录波数据中获取;
4)为每个取样时间点设定一个取样点向量,并计算每个取样时间点的取样点向量的向量幅值、向量角度,计算方法为:
对每个取样点,为该取样时间点构建一个由S1、S2、S3三条边组成的三角形,并将该取样时间点的相电流标幺值I的数值作为S1的边长,将该取样时间点的相电压标幺值U的数值作为S2的边长,将该取样时间点的相电流与相电压的相角差а作为S1与S2之间的夹角;然后计算出S3的长度,S1与S3之间的夹角β,再将S3的长度设定为该取样时间点的取样点向量的向量幅值,将S1与S3之间的夹角β设定为该取样时间点的取样点向量的向量角度;
5)将各个取样时间点的取样点向量组成一个R行L列的矩阵M,矩阵M中各个取样点向量的排列方式,与各个取样点向量所属的取样时间点在矩阵G中的排列方式一致;
6)构建一个由R行L列的像素点组成的梯度图像P,计算梯度图像P中的每个像素点的梯度值、梯度方向值,计算公式为:
θ(x,y)=int(8×Mβ(x,y)/2π)
式中,H(x,y)为梯度图像P中的第x行第y列的像素点的梯度值,θ(x,y)为梯度图像P中的第x行第y列的像素点的梯度方向值,Ml(x,y)为矩阵M中的第x行第y列的元素的向量幅值,Mβ(x,y)为矩阵M中的第x行第y列的元素的向量角度,int()为取整函数;
7)将梯度图像P作为电力故障图谱,在电力故障发生时利用电力故障图谱检测故障类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751541.8A CN113342993B (zh) | 2021-07-02 | 2021-07-02 | 电力故障图谱生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751541.8A CN113342993B (zh) | 2021-07-02 | 2021-07-02 | 电力故障图谱生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113342993A CN113342993A (zh) | 2021-09-03 |
CN113342993B true CN113342993B (zh) | 2023-10-03 |
Family
ID=77482319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751541.8A Active CN113342993B (zh) | 2021-07-02 | 2021-07-02 | 电力故障图谱生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342993B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104698343A (zh) * | 2015-03-26 | 2015-06-10 | 广东电网有限责任公司电力调度控制中心 | 基于历史录波数据的电网故障判断方法和系统 |
CN110108964A (zh) * | 2019-05-23 | 2019-08-09 | 上海申瑞继保电气有限公司 | 基于物联网的电力系统监控对象故障录波数据处理方法 |
CN111737496A (zh) * | 2020-06-29 | 2020-10-02 | 东北电力大学 | 一种电力设备故障知识图谱构建方法 |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278162A1 (en) * | 2013-03-15 | 2014-09-18 | Echelon Corporation | Detecting and locating power outages via low voltage grid mapping |
-
2021
- 2021-07-02 CN CN202110751541.8A patent/CN113342993B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104698343A (zh) * | 2015-03-26 | 2015-06-10 | 广东电网有限责任公司电力调度控制中心 | 基于历史录波数据的电网故障判断方法和系统 |
CN110108964A (zh) * | 2019-05-23 | 2019-08-09 | 上海申瑞继保电气有限公司 | 基于物联网的电力系统监控对象故障录波数据处理方法 |
CN111737496A (zh) * | 2020-06-29 | 2020-10-02 | 东北电力大学 | 一种电力设备故障知识图谱构建方法 |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
Non-Patent Citations (1)
Title |
---|
一起500 kV变电站35 kV电容器组故障分析及防范措施;唐武等;《电网技术》(第191期);第28-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113342993A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Dilated residual networks | |
WO2021190056A1 (zh) | 一种瓷质绝缘子串红外零值诊断方法及系统 | |
CN106951669A (zh) | 一种基于视觉认知的滚动轴承变工况故障诊断方法 | |
CN102737243A (zh) | 获取多幅图像的描述信息的方法及装置与图像匹配方法 | |
CN105321254A (zh) | 检测被测物体厚度的设备、方法及装置 | |
CN117786587A (zh) | 基于数据分析的电网数据质量异常诊断方法 | |
CN114624551A (zh) | 一种基于空间数据融合的配电线路故障定位方法 | |
CN113468760A (zh) | 基于字典学习的电机微弱故障检测方法及系统 | |
CN113420837A (zh) | 基于多源压缩感知的故障诊断方法 | |
Imran et al. | Image-based automatic energy meter reading using deep learning | |
CN113342993B (zh) | 电力故障图谱生成方法 | |
CN102831295B (zh) | 基于纹理聚类的电力塔杆图像描述方法 | |
CN106570146A (zh) | 一种船体冰载荷精细测试数据的动态历程可视化方法 | |
Sun et al. | Anomaly detection based on tree topology for hyperspectral images | |
Li et al. | Insulator infrared image segmentation algorithm based on dynamic mask and box annotation | |
Wang et al. | Collaborative filter pruning for efficient automatic surface defect detection | |
Xiao et al. | Ship detection based on compressive sensing measurements of optical remote sensing scenes | |
Mitiche et al. | Naive bayes multi-label classification approach for high-voltage condition monitoring | |
CN118247237A (zh) | 周期图像异常检测方法和装置、电子设备及存储介质 | |
CN112037193A (zh) | 一种电力线路特征标记方法及装置 | |
Wang et al. | The prediction of membrane protein types with NPE | |
He et al. | Application and comparative analysis of traditional machine learning and deep learning in transmission line fault classification | |
Cai et al. | KBN-YOLOv5: Improved YOLOv5 for detecting bird’s nest in high-voltage tower | |
Li et al. | IF-YOLO: An Efficient and Accurate Detection Algorithm for Insulator Faults in Transmission Lines | |
CN115236272A (zh) | 多工况条件下的气体传感器故障诊断方法、装置及存储介质 |
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 |