Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020133735 - METHOD FOR EARLY FAULT DETECTION OF POWER DISTRIBUTION NETWORK BASED ON HUMANOID CONCEPT LEARNING

Publication Number WO/2020/133735
Publication Date 02.07.2020
International Application No. PCT/CN2019/078575
International Filing Date 19.03.2019
IPC
G01R 31/08 2006.01
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
31Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
08Locating faults in cables, transmission lines, or networks
CPC
G01R 31/08
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
31Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
08Locating faults in cables, transmission lines, or networks
Y04S 10/52
YSECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
10Systems supporting electrical power generation, transmission or distribution
50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
52Outage or fault management, e.g. fault detection or location
Applicants
  • 上海交通大学 SHANGHAI JIAO TONG UNIVERSITY [CN]/[CN]
Inventors
  • 刘亚东 LIU, Yadong
  • 熊思衡 XIONG, Siheng
  • 丛子涵 CONG, Zihan
  • 罗林根 LUO, Lingen
  • 江秀臣 JIANG, Xiuchen
Agents
  • 上海恒慧知识产权代理事务所(特殊普通合伙) SHANGHAI HENGHUI INTELLECTUAL PROPERTY AGENCY
  • 张宁展 ZHANG, Ningzhan
Priority Data
201811607507.827.12.2018CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) METHOD FOR EARLY FAULT DETECTION OF POWER DISTRIBUTION NETWORK BASED ON HUMANOID CONCEPT LEARNING
(FR) PROCÉDÉ DE DÉTECTION PRÉCOCE D'UNE DÉFAILLANCE D'UN RÉSEAU DE DISTRIBUTION D'ÉNERGIE SUR LA BASE D'UN APPRENTISSAGE DE CONCEPT HUMANOÏDE
(ZH) 基于类人概念学习的配电网早期故障检测方法
Abstract
(EN)
The invention discloses a method for early fault detection of power distribution network based on humanoid concept learning. The method comprises the following steps: decomposing a waveform into an approximate part and a detail part by utilizing wavelet transform, wherein the approximate part is called an approximate shape primitive, and the detail part is called a distortion primitive (S1); splitting, according to an extreme point, the distortion primitive into three primitives, i.e., harmonic wave, pulse and other distortion (S2); extracting the features of the primitives and the time relationship between the primitives (S3); constructing the probability distribution of the waveform according to the features of the primitives and the time relationship between the primitives (S4); and obtaining a determination result of the waveform according to the probability distributions of different types of waveforms (S5). According to the method, a voltage or current waveform is considered as one of visual concepts and decomposed into an approximate shape and various distortions, and the overall probability distribution of the waveform can be obtained by calculating the probability distribution of each component, so as to determine the type of the waveform. The method is greatly superior to the traditional detection in the aspects of required data volume and accuracy, and is of great significance to early fault detection and handling of the power distribution network.
(FR)
La présente invention concerne un procédé de détection précoce d'une défaillance d'un réseau de distribution d'énergie sur la base d'un apprentissage de concept humanoïde. Le procédé comprend les étapes suivantes consistant à : décomposer une forme d'onde en une partie approximative et une partie détaillée en utilisant une transformée en ondelettes, la partie approximative étant appelée primitive de forme approximative et la partie détaillée étant appelée primitive de distorsion (S1); diviser, en fonction d'un point extrême, la primitive de distorsion en trois primitives, c'est-à-dire une onde harmonique, une impulsion et une autre distorsion (S2); extraire les caractéristiques des primitives et la relation temporelle entre les primitives (S3); construire la distribution de probabilité de la forme d'onde en fonction des caractéristiques des primitives et de la relation temporelle entre les primitives (S4); et obtenir un résultat de détermination de la forme d'onde en fonction des distributions de probabilité de différents types de formes d'onde (S5). Selon le procédé, une forme d'onde de tension ou de courant est considérée comme étant un des concepts visuels et décomposée en une forme approximative et diverses distorsions, et la distribution de probabilité globale de la forme d'onde peut être obtenue par le calcul de la distribution de probabilité de chaque composante, de façon à déterminer le type de la forme d'onde. Le procédé est considérablement supérieur à la détection classique en ce qui concerne les aspects de volume et de précision de données requis et présente une grande importance pour la détection et la manipulation précoce des défaillances d'un réseau de distribution d'énergie.
(ZH)
一种基于类人概念学习的配电网早期故障检测方法,包括:利用小波变换分解波形为近似部分和细节部分,其中近似部分称为大致形状基元,细节部分称为畸变基元(S1);根据极值点将畸变基元拆分为谐波、脉冲以及其他畸变三个基元(S2);提取基元的特征以及基元间的时间关系(S3);根据基元的特征以及基元间的时间关系,构造波形的概率分布(S4);根据不同种类波形的概率分布,得到波形的判断结果(S5)。该方法将电压、电流波形作为视觉概念的一种,被分解为大致形状和各种畸变,通过计算各个成分的概率分布,可以获得波形整体的概率分布,从而判断波形种类。该方法在需求数据量和准确性上大大优于传统检测,对配电网早期故障的检测处理具有重要意义。
Also published as
JP2019538613
GB1912002.1
Latest bibliographic data on file with the International Bureau