从功率信号中学习：电力传输系统内电气扰动识别的自动化方法

随着电能质量在电气公用事业行业中优先级提升，扰动事件数据量持续增长。公用事业部门缺乏手动分析每个事件所需人员。本工作提出一种自动化方法，用于分析电力传输系统内数字故障录波器和电能质量监测仪记录的电能质量事件。该自动化方法利用基于规则的分析检查电压和电流信号的时域与频域特征。设定可定制阈值以对每类扰动事件分类。本工作分析的事件包括各类故障、电动机启动及仪器互感器早期失效。已开发十四种不同事件类型的分析程序。这些分析在160个信号文件上测试，准确率达99%。连续标称信号数据分析采用称为循环直方图的方法。循环直方图过程将集成至数字故障录波器本身，以辅助检测微小到不足以触发扰动事件、且可能历时数小时或数天的细微信号变化。除将内存需求降低320倍外，预期循环直方图处理将有助于识别早期事件与标识符。本项目有望通过自动化扰动事件分类节省工程师时间，并通过近实时检测与识别扰动及问题预防提升传输系统可靠性。