一种表箱泄漏电流定位装置及方法与流程

1.本公开属于表箱泄漏电流检测技术领域，尤其涉及一种表箱泄漏电流定位装置及方法。


背景技术：

2.供电公司的电力保护装置分三级、第一级为配电盘内低压总开关、第二级为二级保护器，第三级为2p开关，一级总开关后一般会有20
‑
180户左右的居民用户，而电表箱一般有2表位、4表位、6表位、8表位，当发生单户发生因电力故障造成表箱总开关(二级)跳闸时，供电公司运维人员很难排查出是哪一户造成、有什么原因造成的表箱总开关跳闸；同样原理当一级开关跳闸时，须长时间进行逐步对二、三级保护器的排查故障。
3.在实际生活中，如果住户中发生故障电流，该住宅所述的单元总闸会发生跳闸从而保护人员，跳闸后住户通过客服电话，联系相关维修检测人员上门进行漏电设备检查。
4.但是由于该住户一起发生跳闸的住户往往有多个，维修人员只能依经验进行逐户排查；该排查方法不仅排查时间较长，一旦发生多处设备产生故障微电流的情况，排查时间将成倍增加；而且在排查过程中会导致用户家中频繁断电，造成很不好的用户体验；由于住户属于私人环境，维修人员不能长时间停留，这就进一步加剧了设备故障定位的困难程度；但是如果不及时排查出故障设备，将导致用户所述住宅频繁停电跳闸，直接影响到客户满意度。
5.住户中的故障具有隐秘性，往往发生在某个异常的家用电器中，例如电饭煲、开关、微波炉等，但是这些电器几乎都在用户的家中，属于私密空间；且设备故障表征仅仅为主断路器和住户分断路器跳闸，除此之外与正常功率过高的跳闸情况一样；面对此种情况，维修人员没有确切把握确定是住户家中有用电器的情况下，只能先将线路送电，然后短时间观察无问题后返回等待以后再次跳闸；只有当多次发生反复跳闸断电后，维修人员才判断是线路故障，与住户沟通入室进行检查；但是在这个过程中往往已经连续多天发生多次停电了，其他同楼住户经常因此进行电力故障投诉，对于公司的信誉和维修人员的收入都会造成较为恶劣的影响。
6.本公开发明人发现，现有的表箱泄漏电流定位装置和方法中，还存在以下问题：
7.1.不能快速、准确的确定硬气故障的具体用户；
8.2.不能实现对每个用户入户线的实时定量检测；
9.3.确定故障位置后，不能确定引起故障的原因。


技术实现要素：

10.本公开为了解决上述问题，提出了一种表箱泄漏电流定位装置及方法，本公开通过在每个表后开关的导线上设置微电流采集检测钳，实时对每个入户导线的检测，并通过电流定位装置实现定位；同时，在微电流采集检测钳上设置显示装置和处理器，实现对对每个入户线的实时定量显示以及对故障后具体的故障类型进行预测，达到对故障快速定位的
同时，可以确定具体故障类型，不影响非故障用户的正常用电、快速的对故障用户进行针对性维修。
11.为了实现上述目的，第一方面，本公开提供了一种表箱泄漏电流定位装置，采用如下技术方案：
12.一种表箱泄漏电流定位装置，包括微电流采集检测钳和故障微电流定位装置；
13.所述故障微电流定位装置上连接多个微电流采集检测钳；每个微电流采集检测钳包括相互连接的开口式电流互感器、显示器和处理器；
14.所述显示器，用于实时显示所述微电流采集检测钳的检测数值；所述处理器，用于所述微电流采集检测钳检测到故障线路时，预测故障类型。
15.进一步的，所述故障微电流定位装置采用cortex m4中央处理单元和嵌入式软件设计。
16.进一步的，所述故障微电流定位装置上设置显示装置和告警指示灯，所述显示装置具有循环显示功能。
17.为了实现上述目的，第二方面，本公开还提供了一种表箱泄漏电流定位方法，采用如下技术方案：
18.一种表箱泄漏电流定位方法，采用了如第一方面所述的表箱泄漏电流定位装置；包括：
19.通过多个微电流采集检测钳，实时监测每个表后开关的导线微电流值和表箱总进线导线的微电流值；
20.将检测的相关数据实时传输到处理器并保存；
21.所述微电流采集检测钳上的检测漏电值超出设定阈值时，自动记录故障用户并发出报警信号；
22.通过处理器预测故障用户对应的故障类型。
23.进一步的，微电流采集检测钳带电安装在每个表后开关的火线和零线上，即把火线和零线一起钳在内部。
24.进一步的，所述故障类型至少包括短路、断路、泄露和过载中的一种或多种。
25.进一步的，预测故障用户对应的故障类型时，同时给出引起故障类型的故障因素。
26.进一步的，通过处理器预测故障用户对应的故障类型的步骤为：
27.获取用户的用电数据；
28.依据用电数据和预设的故障类型预测模型，得到故障类型；
29.其中，所述故障类型预测模型为基于贝叶斯正则化的神经网络预测模型。
30.进一步的，所述故障类型预测模型的训练过程为：
31.选取多个泄漏电流故障发生的影响因素；
32.建立泄漏电流故障的故障类型、各影响指标因素的数据库；
33.采用分析法和熵权法计算各影响因素的主观权重和客观权重，将各影响因素的主观权重和客观权重进行组合赋权，得到各影响指标的组合权重；
34.建立基于贝叶斯正则化的神经网络预测模型，预测待预测用户的泄漏电流故障的故障类型。
35.进一步的，所述影响因素包括用户历史用电量、用户用电量与时间的关系以、微电
流采集检测钳历史检测值以及故障时微电流采集检测钳的检测值。
36.与现有技术相比，本公开的有益效果为：
37.1.本公开可以实时监测多条线路的被测支路或者用户表箱侧的用电用户，一旦实时漏电值出现超出设定的阈值时，设备会自动记录支路号(或用户号)、存储数据以及发生的时间等信息；以方便运维维护人员查询，快捷的找出引起漏电保护器跳闸的用户，大大缩短了查障时间；
38.2.本公开通过在微电流采集检测钳上设置显示装置和处理器，实现对对每个入户线的实时定量显示以及对故障后具体的故障类型进行预测，达到对故障快速定位的同时，可以确定具体故障类型，不影响非故障用户的正常用电、快速的对故障用户进行针对性维修；
39.3.本公开中的故障微电流定位装置，采用cortex m4中央处理单元和嵌入式软件设计，具有抗干扰能力强、滤波功能强大和测量快而准确等特点，是广大电工维护查障不可或缺的好帮手。
附图说明
40.构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
41.图1为本公开实施例1的结构示意图；
42.图2本公开实施例1的故障微电流定位装置面板示意图；
43.图3本公开实施例1的使用状态示意图；
44.图4本公开实施例1的微电流采集检测钳结构示意图；
45.图5本公开实施例2的流程图；
46.其中，1、微电流采集检测钳；11、开口式电流互感器；12、显示器；13、处理器；2、故障微电流定位装置；3、表前开关；4、单相电能表；5、表后开关；7、表箱总进线开关。
具体实施方式：
47.下面结合附图与实施例对本公开作进一步说明。
48.应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
49.实施例1：
50.如图1所示，本公开提供了一种表箱泄漏电流定位装置，包括微电流采集检测钳1和故障微电流定位装置2；
51.所述故障微电流定位装置1上连接多个微电流采集检测钳2；每个微电流采集检测钳2包括相互连接的开口式电流互感器11、显示器12和处理器13；
52.在本实施例中，所述开口式电流互感器11，用于检测表箱总进线开关6前导线和每个表后开关5后导线的微电流值；所述显示器12，用于实时显示所述微电流采集检测钳1的检测数值；所述处理器13，用于所述微电流采集检测钳1检测到故障线路时，预测故障类型；所述微电流采集检测钳1的精度是3％
±
3ma，量程0～1000ma，所述故障微电流定位装置2主
机接电源交流220v。
53.具体的，在本实施例中，可以实时监测9条线路的被测支路或者用户表箱侧的用电用户，一旦实时漏电值出现超出设定的阈值时，设备会自动记录支路号(或用户号)、存储数据以及发生的时间等信息；以方便运维维护人员查询，快捷的找出引起漏电保护器跳闸的用户，大大缩短了查障时间。
54.在本实施例中，所述故障微电流定位装置采用cortex m4中央处理单元和嵌入式软件设计；具有抗干扰能力强、滤波功能强大、测量快而准确等特点，是广大电工维护查障不可或缺的好帮手。
55.在本实施例中，所述故障微电流定位装置2上设置显示装置和告警指示灯，所述显示装置具有循环显示功能。
56.具体的，所述显示装置为4位数码管显示：(1).所述故障微电流定位装置2上电后，数码管实时显示各路的漏电值，如果被监测的某一路漏电值超过阈值则报警；(2).液晶屏告警信息循环显示(因线路故障电流发生变化产生告警时)：例如：
“‑4‑”
，“l168”，“0417”，“09.17”循环显示，同时告警指示灯和l4指示灯点亮，表示：第4支路，漏电告警168ma，发生时间为4月17日09:17。所述故障微电流定位装置2面板操作说明：(1)取消告警：在告警状态下(告警指示灯常亮，告警信息循环显示)，按动一下“确认/取消”键，取消告警，进入正常漏电循环显示状态；(2)漏电告警记录查询：在正常循环显示状态下，按动“查询/调整”按键，找到要看得线路号；(3)参数设置：任何参数的设置只需三个步骤：a、按动“设置”按键找到要设置的参数项，按“确认/取消”键确定要进行该参数的设置，此时调整的数值或者调整的数位在闪烁；b、多次循环按动“查询/调整”按键，对数值进行调整，如果需要一位一位的进行调整，则需要调整完一位，按一下“确认/取消”键再进行下一位的调整，如此直到最后一位调整好；c、最后按动一下“确认/取消”按键确认参数的更改。
57.实施例2：
58.如图5示，本实施例提供了一种表箱泄漏电流定位方法，采用了如实施例1中所述的表箱泄漏电流定位装置；包括：
59.通过多个微电流采集检测钳1实时监测每个表后开关的导线微电流值和表箱总进线导线的微电流值；在表箱总进线电缆处卡一个开口式电流互感器，监测总的泄露电流。
60.将检测的相关数据实时传输到处理器并保存；
61.所述微电流采集检测钳上的检测漏电值超出设定阈值时，自动记录故障用户并发出报警信号；
62.通过处理器预测故障用户对应的故障类型。
63.在本实施例中，微电流采集检测钳带电安装在每个表后开关的火线和零线上，即把火线和零线一起钳在内部。
64.在本实施例中，所述故障类型至少包括短路、断路、泄露和过载中的一种或多种。
65.在本实施例中，预测故障用户对应的故障类型时，同时给出引起故障类型的故障因素。
66.在本实施例中，通过处理器预测故障用户对应的故障类型的步骤为：
67.获取用户的用电数据；
68.依据用电数据和预设的故障类型预测模型，得到故障类型；
69.其中，所述故障类型预测模型为基于贝叶斯正则化的神经网络预测模型。
70.在本实施例中，所述故障类型预测模型的训练过程为：
71.选取多个泄漏电流故障发生的影响因素；
72.建立泄漏电流故障的故障类型、各影响指标因素的数据库；
73.采用分析法和熵权法计算各影响因素的主观权重和客观权重，将各影响因素的主观权重和客观权重进行组合赋权，得到各影响指标的组合权重；
74.建立基于贝叶斯正则化的神经网络预测模型，预测待预测用户的泄漏电流故障的故障类型。
75.在本实施例中，所述影响因素包括用户历史用电量、用户用电量与时间的关系以、微电流采集检测钳历史检测值以及故障时微电流采集检测钳的检测值。
76.基于贝叶斯正则化的bp神经网络预测模型的训练通过现有技术实现，在本实施中采用如下步骤：
77.(1)确定网络结构，初始化参数，根据先验分布对网络参数赋初值。
78.(2)用bp算法训练网络使误差最小。
79.(3)优化参数。
80.(4)对不同的网络参数初始值重复步骤(1)(2)(3)，发现不同的极小值点。
81.(5)对不同的模型重复以上步骤，比较显著度。
82.以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。