摘要
本发明公开了基于线电压幅值变化量的油田井场配电网故障判断方法,包括如下步骤:S1、实时采集线电压幅值数据;S2、进行滤波处理;S3、进行小波变换,提取不同时间尺度上的故障特征信号;S4、利用结合K‑means聚类和随机森林分类的机器学习算法对提取的故障特征信号进行分析,分类负荷模式,并根据分类结果动态调整故障判断阈值;S5、将多个节点的线电压幅值数据进行综合处理;S6、对综合处理后的线电压幅值数据进行实时故障判断,并结合油田井场配电网的拓扑结构确定故障位置;S7、当线电压幅值变化超出故障判断阈值时,生成故障报告和报警信号。本发明结合自适应滤波、小波变换及机器学习算法,精准实现油田井场配电网故障检测。
技术关键词
配电网故障判断方法
故障特征信号
幅值
节点
机器学习算法
随机森林
中央处理系统
负荷
电压
油田
多尺度分析方法
滤波器系数
配电网故障检测
矩阵
数据
卡尔曼滤波技术
卡尔曼滤波融合
故障预警机制
系统为您推荐了相关专利信息
动态监测方法
桥梁结构
倾角传感器
矩阵传感器
桥梁挠度
历史文化街区
卷积神经网络模型
城市结构
掩码矩阵
判断方法
路径规划方法
节点
路径规划系统
神经网络模型
蚂蚁
灵活调控方法
历史运行数据
小水电
光伏发电预测
水电站