一种基于信号振幅的高压输电线快速准确故障诊断系统的制作方法

文档序号:15996198发布日期:2018-11-20 18:52阅读:179来源:国知局

本发明属于高压输电线路故障诊断技术领域,特别是涉及一种基于信号振幅的高压输电线快速准确故障诊断系统。



背景技术:

输电线路是电力系统的重要组成元件,担负着输送电能的重任,但由于长年暴露于空气中,受恶劣环境的影响,极易发生故障。一旦发生故障,电力系统稳定性将遭到破坏,电力供应中断,从而影响供电质量。因此,快速准确地进行故障诊断,可以加快故障线路检修和恢复供电的速度,减少停电造成的经济损失和社会影响,对电力系统可靠运行具有重要意义。

近年来,许多国内外学者提出了多种智能方法用于高压输电线的故障诊断。目前,大部分的研究集中在对特征提取算法和智能分类算法进行多种组合来实现故障的分类与定位。但是,由于现有的特征提取算法都要经过数学上复杂的变换与计算,进而造成故障分类与定位的速度过慢,同时,故障诊断所使用的特征是经过特征提取算法进行转化后的特征,从而也大大降低了故障分类与定位的精度,因而,在提高输电线故障诊断的速度与精度方面,受到了越来越多学者的关注。



技术实现要素:

为了解决上述问题,本发明的目的在于提供一种基于信号振幅的高压输电线快速准确故障诊断系统。

为了达到上述目的,本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统包括:信号采集模块、信号处理模块、故障分类模块、故障相信号提取模块、故障相信号处理模块和故障定位模块:其中,信号采集模块安装在高压输电线上,并且与信号处理模块、故障分类模块、故障相信号提取模块、故障相信号处理模块和故障定位模块通过无干扰线依次相连。

所述的信号采集模块为信号采集传感器,其采用普通信号采集器或高速信号采集器,包括分别用于实时采集高压输电线上三相电压和三相电流故障信号的电压采集模块和电流采集模块;信号处理模块为信号整形处理电路,包括彼此相连的滤波模块和截取模块,其中电压采集模块和电流采集模块均与滤波模块相连,截取模块则与故障分类模块相接,用于对采集到的故障信号进行整形滤波;故障分类模块为智能故障分类器,其采用能够进行数据分类的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台,利用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机方法对故障信号进行训练,在训练结束后,根据实时采集到的故障信号实时确定故障类型;故障相信号提取模块为信号采集传感器,包括分别与故障分类模块相连的故障相电压提取模块和故障相电流提取模块,采用普通信号采集器或高速信号采集器,用来根据故障类型实时提取相应故障相的电压或电流信号;故障相信号处理模块为信号整形处理电路,包括故障相电压滤波模块和故障相电流滤波模块,其中故障相电压滤波模块连接在故障相电压提取模块和故障定位模块之间,故障相电流滤波模块连接在故障相电流提取模块和故障定位模块之间,故障相电压滤波模块和故障相电流滤波模块分别用于对故障相的电压或电流信号进行整形滤波;故障定位模块为故障定位运算器,其采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台,利用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机方法对故障相的电压或电流信号进行训练,在训练结束后,根据实时采集到的故障相的电压或电流信号实时确定故障位置。

所述的滤波模块采用可实现带通滤波和低通滤波的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。

所述的截取模块采用可实现对信号进行指定区间的数据截取的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。

本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统的优点是:当高压输电线路发生故障时,不需要任何特征提取算法对故障信号进行特征提取,仅通过采集到的三相故障电压或电流振幅信号,经过简单的滤波与截取,就可快速实现故障分类,然后根据故障类型提取相应故障相的电压或电流振幅信号,经简单的滤波,便可准确地找到故障位置,这样通过先分类后定位的故障诊断方法,不仅有助于故障的快速排除,节省恢复供电时间,而且从技术上也保证了电网的安全、稳定和经济运行。

附图说明

图1为本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统的整体架构示意图。

图2为电压模式下故障诊断系统的整体架构示意图。

图3为电流模式下故障诊断系统的整体架构示意图。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统进行详细说明。

如图1—图3所示,本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统包括:信号采集模块1、信号处理模块2、故障分类模块3、故障相信号提取模块4、故障相信号处理模块5和故障定位模块6:其中,信号采集模块1安装在高压输电线上,并且与信号处理模块2、故障分类模块3、故障相信号提取模块4、故障相信号处理模块5和故障定位模块6通过无干扰线依次相连。

所述的信号采集模块1为信号采集传感器,其采用普通信号采集器或高速信号采集器,包括分别用于实时采集高压输电线上三相电压和三相电流故障信号的电压采集模块1-1和电流采集模块1-2;信号处理模块2为信号整形处理电路,包括彼此相连的滤波模块2-1和截取模块2-2,其中电压采集模块1-1和电流采集模块1-2均与滤波模块2-1相连,截取模块2-2则与故障分类模块3相接,用于对采集到的故障信号进行整形滤波;故障分类模块3为智能故障分类器,其采用能够进行数据分类的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台,利用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机方法对故障信号进行训练,在训练结束后,根据实时采集到的故障信号实时确定故障类型;故障相信号提取模块4为信号采集传感器,包括分别与故障分类模块3相连的故障相电压提取模块4-1和故障相电流提取模块4-2,采用普通信号采集器或高速信号采集器,用来根据故障类型实时提取相应故障相的电压或电流信号;故障相信号处理模块5为信号整形处理电路,包括故障相电压滤波模块5-1和故障相电流滤波模块5-2,其中故障相电压滤波模块5-1连接在故障相电压提取模块4-1和故障定位模块6之间,故障相电流滤波模块5-2连接在故障相电流提取模块4-2和故障定位模块6之间,故障相电压滤波模块5-1和故障相电流滤波模块5-2分别用于对故障相的电压或电流信号进行整形滤波;故障定位模块6为故障定位运算器,其采用通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台,利用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机方法对故障相的电压或电流信号进行训练,在训练结束后,根据实时采集到的故障相的电压或电流信号实时确定故障位置。

所述的滤波模块2-1采用可实现带通滤波和低通滤波的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。

所述的截取模块2-2采用可实现对信号进行指定区间的数据截取的通用计算机、DSP数据处理系统、嵌入式数字处理系统或基于FPGA的专用数据处理系统作为硬件平台。

本发明提供的基于信号振幅的高压输电线快速准确故障诊断系统根据信号采集的种类不同,可分为以下两种诊断模式:电压模式和电流模式。

如图2所示,在电压模式下,当高压输电线发生故障时,电压采集模块1-1迅速采集三相故障电压振幅信号,然后传送给滤波模块2-1,由滤波模块2-1滤除其中的噪声信号,得到有效的故障电压振幅信号,然后传送给截取模块2-2;由截取模块2-2对上述有效的故障电压振幅信号进行半周波的截取,然后将截取的半周波故障电压振幅信号传送给故障分类模块3;故障分类模块3采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对上述半周波故障电压振幅信号进行训练,训练结束后,根据半周波故障电压振幅信号快速准确地识别出故障类型,然后传送给故障相电压提取模块4-1;故障相电压提取模块4-1根据故障类型迅速提取出相应故障相的电压振幅信号,然后传送给故障相电压处理模块5-1而滤除其中的噪声信号,得到有效的故障相的电压振幅信号,之后传送给故障定位模块6;故障定位模块6采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对上述故障相的电压振幅信号进行训练,训练结束后,根据故障相的电压振幅信号快速准确地找到故障位置。

如图3所示,在电流模式下,当高压输电线发生故障时,电流采集模块1-2迅速采集三相故障电流振幅信号,然后传送给滤波模块2-1,由滤波模块2-1滤除其中的噪声信号,得到有效的故障电流振幅信号,然后传送给截取模块2-2;由截取模块2-2对上述有效的故障电流振幅信号进行半周波的截取,然后将截取的半周波故障电流振幅信号传送给故障分类模块3;故障分类模块3采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对上述半周波故障电流振幅信号进行训练,训练结束后,根据半周波故障电流振幅信号快速准确地识别出故障类型,然后传送给故障相电流提取模块4-2;故障相电流提取模块4-2根据故障类型迅速提取出相应故障相的电流振幅信号,然后传送给故障相电流处理模块5-2而滤除其中的噪声信号,得到有效的故障相的电流振幅信号,之后传送给故障定位模块6;故障定位模块6采用人工神经网络、决策树、遗传算法、朴素贝叶斯、Logistic回归和支持向量机在内的智能分类器对上述故障相的电流振幅信号进行训练,训练结束后,根据故障相的电流振幅信号快速准确地找到故障位置。

上述两种诊断模式都是单独进行工作的,对系统的训练必须进行诊断模式设定后方能进行。在故障诊断过程中,不采用任何的特征提取算法对故障信息进行故障特征提取,而是直接使用故障振幅信号作为故障信号特征。由于减少了这一步,因此使得故障诊断速度大大提高。同时,因为故障信息特征更为直接,使得故障诊断的精度也进一步提高。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1