技术领域
[0001] 本
发明涉及电气设备异常工况识别领域的一种低压供电回路异常工况感知算法及装置。
背景技术
[0002] 在低压供电系统中,传统的
框架断路器、塑壳断路器和微型断路器及对其所供电的回路进行监测的电
力仪表,通过检测负载
电流或者剩余电流是否超过
阈值,或者断路器内部电流回路是否发热等方式进行故障检测。这种方法只能识别回路过载、绝缘破损或者回路
短路等少数异常现象,而对绝缘劣化、
接触不良、电气设备工作异常等常见的异常工况缺乏灵敏的识别,因而也无法提前做出故障预警。为识别这类异常工况,一些科研工作者提出采用就地
电压电流
波形数据采集并通过通信手段将低压供电回路相关数据上送
云平台,然后在云平台侧进行
大数据分析和筛选、学习和训练,从而得到一种具备
自学习功能的,高效灵敏的低压供电回路异常识别算法,实现回路异常的早期预警。这种就地数据采集设备与云端分析算法结合的新型方法,一般需要采集装置实时高速地向云平台传输海量的电压电流波形数据。这对双方之间的通信带宽和云平台的
数据处理压力提出了较高的要求,因而也限制了这种方法地推广应用。
发明内容
[0003] 本发明的目的是为了克服
现有技术的不足,提供一种低压供电回路异常工况感知算法及装置,准确识别出低压供电回路发生的异常工况,同时尽可能排除因负荷
波动和电气干扰造成的误判,以降低对感测装置、通信带宽和云平台处理能力方面的性能要求。
[0004] 实现上述目的的一种技术方案是:一种低压供电回路异常工况感知算法,包括下列步骤:
[0005] 数据
采样步骤:采样
三相电压的瞬时值ua、ub、uc,
三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成记录s(t),t代表当前采样时刻;
[0006] 有效值计算步骤:计算出三相电压的有效值Ua、Ub、Uc,三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir,形成记录y(t);
[0007] 过零时刻计算步骤:计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0;
[0008] 时间差计算步骤:计算每相电压相邻两个波形由负变正的过零时刻的时间差,得到三个电压周期值Ta、Tb、Tc;若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值,则在上述相别中,找出当前周期值与
电网周期额定值最为接近一相,令该相的周期值为TX;
[0009] 对电网当前周期值T进行修正,修正公式为:T=0.75×T+0.25×TX;
[0010] 等间隔采样设定步骤:将电网当前周期值T,进行N等分后,作为采样间隔时间,其中N为每周波采样点数;
[0011] 波形突变判断步骤:逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变:S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2};
[0012] S取自ia、ib、ic或ir之一,Y取自Ia、Ib、Ic或Ir之一,Y应与S对应,Ks1和Ks2为系统参数;
[0013] 误判排除步骤:逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判:
[0014] Ks3为系统参数;
[0015] 异常工况判断步骤:只要在ia、ib、ic或ir的电流波形中,至少连续N/8个点全部同时满足波形突变判断步骤和误判排除步骤中的条件,判断该时刻低压供电回路的发生了异常工况;
[0016] 上传步骤:将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成一个完整的数据文件,上送到云平台,供云平台进行后续的数据分析和筛选,学习和训练,以便识别出具体的异常工况类型。
[0017] 进一步的,过零时刻计算步骤中逐点检测任意一相电压瞬时值,如果满足s(t)、s(t-1)、s(t-2)、s(t-3)中,该相电压的瞬时值均大于零,且s(t-4)中该相电压的瞬时值小于零,则认为该相电压波形发生由负变正,然后用s(t-2)与s(t-4)之间插值得到该相电压波形的过零时刻t0。
[0018] 进一步的,波形突变判断步骤中,Ia、Ib、Ic的额定值即为该低压供电回路实际额定电流,而Ir的电流额定值固定取0.4A。
[0019] 进一步的,等间隔采样设定步骤中N不小于2128。
[0020] 进一步的,其还包括交互步骤,云平台根据每天上送的异常工况数据文件的频度,微调Ks1和Ks2,,直至每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
[0021] 实现上述目的的一种技术方案是:一种低压供电回路异常工况感知装置,包括就地安装于低压供电回路附近的感测装置,以及负责接收所述感测装置上传的异常工况波形数据,并进行数据的存储、分析、筛选、学习、训练,完成异常工况识别的优化的云平台;
[0022] 所述感测装置包括:高速采样及AD转换系统:用于根据设定的每周波采样点数,采样三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成记录s(t),t代表当前采样时刻;
[0023] CPU系统:用于判断低压供电回路发生异常工况,并将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,通过一个完整的数据文件,上送到所述云平台。
[0024] 进一步的,所述CPU系统先算出三相电压的有效值Ua、Ub、Uc,三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir,形成记录y(t);
[0025] 再计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0;
[0026] 再计算每相电压相邻两个波形由负变正的过零时刻的时间差,得到三个电压周期值Ta、Tb、Tc;若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值,则在上述相别中,找出当前周期值与电网周期额定值最为接近一相,令该相的为周期值TX;并对电网当前周期值T进行修正,修正公式为:T=0.75×T+0.25×TX;
[0027] 再将电网当前周期值T,进行N等分后,作为采样间隔时间,其中N为每周波采样点数;
[0028] 逐点按如下公式S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2},检测ia、ib、ic或ir的波形是否发生突变:S取自ia、ib、ic或ir之一,Y取自Ia、Ib、Ic或Ir之一,Y应与S对应;Ks1和Ks2为系统参数;
[0029] 逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判:
[0030] Ks3为系统参数;
[0031] 在ia、ib、ic或ir的任一电流波形中,至少连续N/8点全部同时满足波形突变判断步骤和误判排除步骤中的条件,判断该时刻低压供电回路的发生了异常工况。
[0032] 再进一步的,所述云平台根据所述感测装置每天上送的异常工况数据文件的频度,微调Ks1和Ks2,并通过通信网络下发到所述感测装置,直至所述感测装置每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
[0033] 进一步的,所述感测装置还包括前置于所述高速采样及AD转换系统的模拟
信号前置调理系统。
[0034] 采用了本发明的一种低压供电回路异常工况感知算法的技术方案,包括下列步骤:数据采样步骤:采样三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成记录s(t),t代表当前采样时刻;有效值计算步骤:计算出三相电压的有效值Ua、Ub、Uc,三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir,形成记录y(t);过零时刻计算步骤:计算三相电压Ua、Ub、Uc中每一相电压波形由负变正的过零时刻t0;时间差计算步骤:计算每相电压相邻两个波形由负变正的过零时刻的时间差,得到三个电压周期值Ta、Tb、Tc;若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值,则在上述相别中,找出当前周期值与电网周期额定值最为接近一相,令该相的周期值为TX;对电网当前周期值T进行修正,修正公式为:T=0.75×T+0.25×TX;等间隔采样设定步骤:将电网当前周期值T,进行N等分后,作为采样间隔时间,其中N为每周波采样点数;波形突变判断步骤:逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变:S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2};S取自ia、ib、ic或ir之一,Y取自Ia、Ib、Ic或Ir之一,Y应与S对应,Ks1和Ks2为系统参数误判排除步骤:逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判:Ks3为系统参数;异常工况判断步骤:
只要在ia、ib、ic或ir的电流波形中,至少连续N/8个点全部同时满足波形突变判断步骤和误判排除步骤中的条件,判断该时刻低压供电回路的发生了异常工况;上传步骤:将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成一个完整的数据文件,上送到云平台,供云平台进行后续的数据分析和筛选,学习和训练,以便识别出具体的异常工况类型。其技术效果是:在低压供电回路正常时,不向云平台传输电压电流波形数据;而在低压供电回路正发生绝缘劣化、接触不良和短路故障等异常工况时,又能准确识别出低压供电回路正异常,并及时将异常时刻电压电流波形数据上送云平台,以便为云平台提供足够完备的原始波形数据。同时又能较好地排除负荷波动、电气干扰等影响造成的误判断,以减少上送云平台的数据量和上送频度。
[0035] 采用了本发明的一种低压供电回路异常工况感知装置的技术方案,包括就地安装于低压供电回路附近的感测装置,以及负责接收所述感测装置上传的异常工况波形数据,并进行数据的存储、分析、筛选、学习、训练,完成异常工况识别的优化的云平台;所述感测装置包括:高速采样及AD转换系统:用于根据设定的每周波采样点数,采样三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成记录s(t),t代表当前采样时刻;CPU系统:用于判断低压供电回路发生异常工况,并将异常工况发生前后数个周波的三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,通过一个完整的数据文件,上送到所述云平台。其技术效果是:在低压供电回路正常时,不向云平台传输电压电流波形数据;而在低压供电回路正发生绝缘劣化、接触不良和短路故障等异常工况时,又能准确识别出低压供电回路正异常,并及时将异常时刻电压电流波形数据上送云平台,以便为云平台提供足够完备的原始波形数据。同时又能较好地排除负荷波动、电气干扰等影响造成的误判断,以减少上送云平台的数据量和上送频度。
附图说明
[0036] 图1为本发明的一种低压供电回路异常工况感知算法及装置的示意图。
[0037] 图2为本发明的一种低压供电回路异常工况感知算法的过零时刻计算步骤的示意图。
具体实施方式
[0038] 请参阅图1,本发明的
发明人为了能更好地对本发明的技术方案进行理解,下面通过具体地
实施例,并结合附图进行详细地说明:
[0039] 请参阅图1,本发明的一种低压供电回路异常工况感知算法及本发明的一种低压供电回路异常工况感知装置主要针对低压供电回路发生绝缘劣化、接触不良等异常工况。
[0040] 本发明的一种低压供电回路异常工况感知装置包括就地安装于低压供电回路附近,用于诊断该低压供电回路是否发生异常工况的感测装置4,以及负责接收感测装置4上传的异常工况波形数据,并进行数据的存储、分析、筛选、学习、训练,完成异常工况的识别和感知算法的优化的云平台6。云平台6与感测装置4之间通过通信网络5通信。
[0041] 感测装置4,其内部集成了用于接收交流电流电压
输入信号的
模拟信号前置调理系统1,用于数据采样和
模数转换的高速采样及AD转换系统2,以及用于运行本发明的一种低压供电回路异常工况感知算法的CPU系统3。
[0042] 本发明的一种低压供电回路异常工况感知算法,包括下列步骤:
[0043] 数据采样步骤:将从高速采样及AD转换系统2获得的离散的交流电压、交流电流采样值,按照采样时间的先后顺序,以顺序方式存放在CPU系统3的内存中,并形成一条记录s(t)。其中s(t)记录的数据包括三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir。t代表当前采样时刻。
[0044] 有效值计算步骤:计算出三相电压、三相电流和剩余电流的有效值,并形成记录y(t)。y(t)记录的数据包括三相电压的有效值Ua、Ub、Uc,三相电流的有效值Ia、Ib、Ic以及剩余电流的有效值Ir。
[0045] 过零时刻计算步骤:采用插值算法,计算三相电压Ua、Ub、Uc中每一相电压波形由负变正时的过零时刻t0。计算方法如下:
[0046] 逐点检测任意一相电压瞬时值,如果满足s(t)、s(t-1)、s(t-2)、s(t-3)中,该相电压瞬时值均大于零,且s(t-4)中该相电压瞬时值小于零,则认为该相电压波形发生由负变正,然后用s(t-2)与s(t-4)之间插值得到该相电压的波形过零时刻t0。
[0047] 时间差计算步骤:计算每相电压相邻两个波形由负变正的过零时刻的时间差,得到三个电压周期值Ta、Tb、Tc。若三相电压的有效值Ua、Ub、Uc之中任意一个大于0.5倍相电压额定值,则在上述相别中,找出当前周期值与电网周期额定值最为接近一相,令该相的为周期值TX。
[0048] 对电网当前周期值T进行修正,修正公式为:T=0.75×T+0.25×TX。对工频50Hz电网,周期额定值为20ms。
[0049] 等间隔采样设定步骤:将电网当前周期值T,进行N等分后,作为AD采样间隔时间,赋予高速采样及AD转换系统2,从而实现对电网的精确
频率跟踪和等间隔采样。其中N为每周波采样点数,且N不小于2128。
[0050] 波形突变判断步骤:逐点按如下公式检测ia、ib、ic或ir的波形是否发生突变:
[0051] S(t)-S(t-N)>max{Y(t)×Ks1,电流额定值×Ks2};
[0052] 其中N为前述的每周波采样点数,S取自ia、ib、ic或ir之一,而Y取自Ia、Ib、Ic或Ir之一,Y应与S对应。Ks1和Ks2为系统参数,该可在线
修改。Ia、Ib、Ic的额定值即为该低压供电回路实际额定电流,而Ir的电流额定值固定取0.4A。
[0053] 误判排除步骤:逐点按如下公式排除ia、ib、ic或ir因受到电气扰动而导致的误判:
[0054]
[0055] Ks3为系统参数,可在线修改。
[0056] 异常工况判断步骤:只要在ia、ib、ic或ir的电流波形中,至少连续N/8点全部同时满足波形突变判断步骤和误判排除步骤中的条件,则认为该时刻低压供电回路发生了工况异常。
[0057] 上传步骤:将本低压供电回路判为工况发生异常时刻前后数个周波的三相电压的瞬时值ua、ub、uc,三相电流的瞬时值ia、ib、ic以及剩余电流的瞬时值ir,形成一个完整的数据文件,并通过通信网络5,上送到云平台6,供云平台6进行后续的数据分析和筛选,学习和训练,以便识别出具体的异常工况类型。
[0058] 交互步骤:云平台6根据感测装置4每天上送的异常工况数据文件的频度,微调Ks1和Ks2,并通过通信网络5下发到感测装置4,直至每天上送的异常工况数据文件的频度在云平台认可的适度值为止。
[0059] 本发明提供的一种低压供电回路异常工况感知算法,可以在不降低对异常工况感知灵敏度的前提下,显著降低感测装置4对数据处理能力的要求,以及显著降低感测装置4与云平台6之间的数据吞吐量,因而降低了对感测装置4、通信带宽和云平台6处理能力等方面的性能要求,有利于采用就地数据采集设备与云端分析算法结合的低压供电回路异常感知方法得以推广应用。
[0060] 本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的
权利要求书范围内。