A data-driven method to detect and localize the single-phase grounding fault in distribution network based on synchronized phasor measurement
A data-driven method to detect and localize the single-phase grounding fault in distribution network based on synchronized phasor measurement
复制标题
基于同步相量测量的数据驱动配电网单相接地故障检测和定位方法
DOI：
10.1186/s13638-019-1521-2
复制
发表时间：
2019-08
影响因子：
2.6
通讯作者：
Wan Shaohua
中科院分区：
文献类型：
--
作者：
Wang Bo;Wang Hongxia;Zhang Liming;Zhu Danlei;Lin Dongxu;Wan Shaohua
电力系统单相接地故障受多种因素的影响，是电力系统规模不断扩大、复杂程度不断提高的结果。为了充分利用电力系统中的大数据，我们提出了一种利用同步相量测量的改进方法。设计了一种数据驱动的单相接地故障检测与定位方法，揭示了特征值与系统状态之间的相关性。该算法首先计算故障对各节点的贡献度，然后结合分裂窗口对电力系统进行实时监测，从而更有效地检测故障。基于矩阵元素之间的相关性，它对不良数据具有健壮性，对弱信号具有高度敏感性。总的来说，该方法适用于各种故障，且运行良好，具有实时分析功能。通过对一个有80个节点的配电网的算例分析，验证了该方法的有效性。
The single-phase grounding fault of power systems is influenced by a variety of factors, resulting from the developing sizes and increasing complexity of power systems. In order to take advantage of big data in power systems, we propose a revised method with the use of synchronized phasor measurement. The data-driven method is designed to detect and localize the single-phase grounding fault, which reveals the correlation between eigenvalues and status of power systems. First, it calculates the contribution of the fault to each node; it then combines with a split window to monitor power systems in real time and to detect fault more efficiently. Based on the correlation between the elements of the matrix, it is robust against bad data and highly sensitive to weak signals. In general, the proposed method is applicable to various faults and well-functioning with real-time analysis. We test the proposed method with case studies from a distribution network with 80 nodes.
登录
查看更多内容
一种基于云的信息物理系统中节能的 QoS 感知虚拟机调度方法
DOI：
10.1007/s11280-019-00684-y
发表时间：
2020-03-01
影响因子：
3.7
作者：
Qi, Lianyong;Chen, Yi;Xu, Xiaolong
通讯作者：
Xu, Xiaolong
影响因子：
3.9
作者：
Yichao Zhou;Zhenmin Tang;Lianyong Qi;Xuyun Zhang;Wanchun Dou;Shaohua Wan
通讯作者：
Yichao Zhou;Zhenmin Tang;Lianyong Qi;Xuyun Zhang;Wanchun Dou;Shaohua Wan
协作推荐系统的隐私保护和稀疏感知的基于位置的预测方法
DOI：
10.1016/j.future.2019.02.016
发表时间：
2019
影响因子：
7.5
作者：
Shunmei Meng;Lianyong Qi;Qianmu Li;Wenmin Lin;Xiaolong Xu;Shaohua Wan
通讯作者：
Shaohua Wan
DOI：
10.1016/j.sysarc.2019.01.008
发表时间：
2019-05
期刊：
J. Syst. Archit.
影响因子：
--
作者：
Qiuyan Zhang;Shaohua Wan;Bo Wang-;D. Gao;Hengrui Ma
通讯作者：
Qiuyan Zhang;Shaohua Wan;Bo Wang-;D. Gao;Hengrui Ma
DOI：
10.1016/j.future.2018.10.054
发表时间：
2019-04-01
影响因子：
7.5
作者：
Ding, Songtao;Qu, Shiru;Wan, Shaohua
通讯作者：
Wan, Shaohua