Artykuł metodologiczny

Technologia lokalizacji defektów kabli dystrybucyjnych zasilania oparta na metodzie spektralnej maksymalnej entropii

76 wyświetleń

⸱

DOI:

10.3791/70701

⸱

5 czerwca 2026

 ,  ,  ,  ,  , 
1College of Information Science and Engineering, Huaqiao University, 2College of Electrical Engineering, Zhejiang University, 3Xiamen Guocheng Electech Co., Ltd.

W tym artykule

Podsumowanie

Protokół ten przedstawia metodę opartą na maksymalnej entropii na estymacji spektralnej do precyzyjnej lokalizacji defektów w długich kablach dystrybucji energii, wykorzystującą reflektometrię w dziedzinie częstotliwości. Szczegółowo opisuje modelowanie kabli wysokich częstotliwości, analizę widma współczynników odbicia, ekstrapolację spektralną oraz walidację za pomocą symulacji i eksperymentów, osiągając wyższą dokładność w porównaniu z konwencjonalnymi podejściami FFT.

Streszczenie

Wraz ze wzrostem odległości układania kabli we współczesnych miejskich sieciach dystrybucyjnych, dokładność lokalizowania uszkodzeń za pomocą reflektometrii w dziedzinie częstotliwości (FDR) znacznie maleje wraz ze wzrostem długości. Aby poprawić precyzję dla długich kabli, badanie proponuje metodę opartą na maksymalnej entropii i estymacji spektralnej. Opracowano model rozproszonych parametrów o wysokiej częstotliwości dla kabli dystrybucyjnych, aby ilościowo ocenić wpływ starzenia się izolacji i uszkodzeń mechanicznych na pojemność i indukcyjność na jednostkę długości. Opierając się na teorii linii transmisyjnych, wyznacza się związek między widmem współczynników odbicia a pozycją defektu, wraz z kryterium optymalizacji częstotliwości krokowej w celu zwiększenia rozdzielczości widmowej. Aby ograniczyć wycieki widmowe i ograniczoną rozdzielczość w analizie częstotliwości opartej na szybkiej transformacie Fouriera (FFT), stosuje się metodę spektralną maksymalnej entropii do wysokowierności estymacji widma, co zwiększa dokładność lokalizacji odległości usterki. Symulacje pokazują, że w porównaniu do konwencjonalnego FFT proponowana metoda zmniejsza błędy lokalizacyjne o 2–4,5 razy w typowych obudowach z długim kablem. Wyniki eksperymentów potwierdzają względny błąd poniżej 0,25% dla podejścia maksymalnej entropii, przekraczając błąd konwencjonalnej metody poniżej 0,55%, co potwierdza jej skuteczność i wyższość w praktyce inżynieryjnej.

Wprowadzenie

Wraz ze wzrostem zapotrzebowania na niezawodność i bezpieczeństwo dostaw energii w nowoczesnych systemach elektroenergetycznych, kable zostały szeroko przyjęte w miejskich sieciach dystrybucyjnych. Wśród nich szeroko stosuje się kable z polietylenu krzyżowego (XLPE) ze względu na wyjątkowe zalety autora 1,2. Kable dystrybucyjne są zazwyczaj instalowane pod ziemią, gdzie warunki pracy są surowe. Wraz ze wzrostem czasu eksploatacji, wahaniami obciążenia i przeciążeniami, starzenie się kabli staje się bardziej widoczne. W konsekwencji mogą stopniowo pojawiać się lokalne wady, takie jak drzewa wodne, drzewa elektryczne, częściowe wyładowania oraz wilgoć izolacji. Jeśli nie zostaną rozwiązane na czas, te usterki mogą przerodzić się w poważne awarie, które ostatecznie doprowadzą do przerw w dostawie prądu w sieci 3,4. Dlatego identyfikacja usterek i lokalizowanie usterek kabli dystrybucyjnych stały się kluczowymi elementami pracy i konserwacji sieci energetycznej.

Metody lokalizacji usterek dla kabli dystrybucyjnych można ogólnie podzielić na dwa typy: podejścia online i offline. Metody online są głównie reprezentowane przez lokalizację fali podróżnej, monitorowanie częściowego rozładowania (PD) oraz metodę prądu przecieku w trybie wspólnym. Lokalizacja fali podróżującej identyfikuje położenie uskoków poprzez analizę przejściowych fal przemieszczających się generowanych na uskoku. Jednak stoi przed wieloma wyzwaniami, w tym trudnościami w precyzyjnym wyodrębnianiu czołów fal, poważną superpozycją uskoków z rozkładem nieliniowym oraz niewygodną instalacją. Co ważniejsze, ta metoda nie jest stosowalna do lokalizowania wad związanych ze starzeniemsię 5. Monitorowanie online oparte na PD wykrywa sygnały usterek generowane wewnątrz kabla i umożliwia ocenę warunków pracy w czasie rzeczywistym. Mimo to nadal napotyka na technologiczne ograniczenia w rozpoznawaniu wad starzenia i przeprowadzaniu długoterminowego monitoringu. Problemy takie jak zakłócenia sygnału, tłumienie szumów czy złożona analiza danych często prowadzą do błędnych ocen w praktycznych zastosowaniach 6,7,8. Metoda prądu nieszczelnego w trybie wspólnym określa położenie i nasilenie defektów starzenia, mierząc zmiany prądów nieszczelności w trybie wspólnym na zaciskach kabli. Technika ta zapewnia nieinwazyjne wykrywanie o wysokiej czułości. Jednak jego zdolność antyzakłóceniowa jest stosunkowo słaba, ponieważ prądy w trybie różnicowym o wysokiej częstotliwości, takie jak te generowane podczas pracy urządzeń o zmiennej częstotliwości, mogą znacząco obniżać dokładność pomiarów. Dodatkowo, monitorowanie online kabli zasilanych musi uwzględniać izolację sygnału w środowiskach wysokiego napięcia, co zwiększa koszty sprzętu i złożoność konserwacji 9,10,11.

W zakresie metod offline zaproponowano kilka podejść, w tym reflektometria w dziedzinie czasu (TDR)12, reflektometria w dziedzinie częstotliwości (FDR)13 oraz reflektometria czasowo-częstotliwościowa (TFDR)14. Wśród nich TDR cierpi na niską energię w składowych wysokoczęstotliwościowych wstrzykiwanego sygnału impulsowego i jest bardzo podatny na efekty tłumienia kabla oraz zakłócenia szumów, co skutkuje ograniczoną dokładnością lokalizacji i słabą zdolnością do wykrywania sygnałów początkowych defekty na wczesnych etapach awarii kabli15. TFDR, poprzez wstrzykiwanie impulsów chirp Gaussa, łagodzi niewystarczające składowe wysokiej częstotliwości w TDR16. Jednak TFDR wymaga złożonych układów modulacji sygnału i algorytmów ekstrakcji, a jego sygnały modulowane o wysokiej częstotliwości szybko się tłumią, co sprawia, że wykrywanie defektów w długich kablach jest wyzwaniemdla 17. FDR natomiast wprowadza sygnały o częstotliwości przesuwanej o równym rozkładzie mocy. Zawiera najbogatsze komponenty o wysokiej częstotliwości, osiąga wyższą dokładność lokalizacji i wykazuje większą czułość w porównaniu z TDR, co przyczyniło się do szybkiego rozwoju. W zależności od rodzaju nabytego sygnału, FDR można dodatkowo sklasyfikować na metody 18,19,20 dla widma impedancji szerokopasmowego (BIS)oraz metody współczynników współczynników odbicia (RCS) 21,22,23,24.

W 2003 roku jedna z grup po raz pierwszy zaproponowała metodę lokalnej lokalizacji defektów kabli opartą na widmie współczynnika odbicia wejściowego kabli25. Jednak to podejście nie uwzględniało efektów parametrów rozproszonych zależnych od częstotliwości, co może prowadzić do błędnych ocen. Później zastosowano odwrotną szybką transformatę Fouriera (IFFT), aby wyodrębnić informacje ze spektrum współczynników odbicia na wejściu kabla, umożliwiając skuteczną lokalizację lokalnych defektów, takich jak starzenie się termiczne, starzenie się promieniowaniem oraz deformacja wyciągnięta26. Zaobserwowano również, że im wyższa jest górna częstotliwość sygnału przesuwania, tym wyższa rozdzielczość przestrzenna reflektometrii w dziedzinie częstotliwości (FDR). Niemniej jednak, gdy stosuje się je do długich kabli, górna częstotliwość sygnału przebiegu znacznie spada, co skutkuje obniżeniem dokładności lokalizacji.

Sednem metody FDR jest wykonanie FFT na pozyskanych sygnałach odbiciowych. Jednak ze względu na problem wycieków widmowych FFT, badacze zaproponowali kilka usprawnień. Badanie wprowadziło zastosowanie okna odległości połączonego z funkcją okna Kaisera w dyskretnej transformacie Fouriera (DFT) do wyodrębnienia defektowych składowych z rzeczywistej części widma współczynnika odbicia, umożliwiając tym samym lokalizację poluzowanych defektów miedzianych ekranowania wkablach 27. Do rzeczywistej części spektrum współczynnika odbicia odbicia wejściowego zastosowano DFT28 oparty na oknie Kaisera, umożliwiając identyfikację typów awarii w warunkach otwartych, zwarciowych, wysokich i niskich oporów. Badanie zaproponowało zastosowanie okna opartego na oknie Blackmana na wyimaginowanej części impedancji wejściowej kabla w celu wykrywania i lokalizacji wilgoci w łączeniach pośrednich29. Wprowadzono algorytm interpolacji wykorzystujący okno samokonwolucyjne Hanninga w DFT do oszacowania częstotliwości i fazy składowych okresowych w rzeczywistej części spektrum współczynnika odbicia30, co umożliwiło określenie polaryzacji anomalii impedancji kabla. Następnie ulepszenia osiągnięto poprzez włączenie okien Nuttalla, trójskładnikowych okien czwartego rzędu, okien samosplotowych drugiego rzędu oraz algorytmów DFT z interpolacją trójpunktową31. Ogólnie rzecz biorąc, istniejące badania koncentrowały się głównie na projektowaniu funkcji okienkowej lub udoskonalaniu algorytmów interpolacji, co w pewnym stopniu zwiększyło dokładność lokalizacji defektów.

Z perspektywy zasady FFT, w reflektometrii w dziedzinie częstotliwości (FDR) im wyższa częstotliwość sygnału wprowadzanego, tym lepsza dokładność pomiaru. Teoretycznie, jeśli częstotliwość wstrzykiwania zbliża się do nieskończoności, defekt kabla można zlokalizować z doskonałą precyzją. Jednak transmisja sygnałów ultra-wysokiej częstotliwości wzdłuż kabli doświadcza silnego tłumienia, co czyni je nieodpowiednimi dla kabli średniej i długiej długości32,33. W związku z tym istnieje wrodzony kompromis między maksymalną częstotliwością wstrzykiwania w FDR a osiągalną dokładnością lokalizacji defektów. Aby rozwiązać ten problem, niniejszy artykuł proponuje technikę lokalizacji defektów kabla opartą na metodzie spektralnej maksymalnej entropii. Metoda przewiduje część współczynnika współczynnika odbicia o wysokich częstotliwościach na podstawie zmierzonych danych o niskiej częstotliwości zgodnie z kryterium maksymalnej entropii, a następnie oblicza maksymalne widmo entropii (MES) współczynnika odbicia, aby określić lokalizację defektu. W porównaniu z konwencjonalnymi metodami FDR opartymi na FFT, które są ograniczone przez ograniczenia przecieków spektralnych i rozdzielczości, zwłaszcza w zastosowaniach kabli dalekosiężnych, proponowana metoda spektralna maksymalnej entropii zapewnia wyższą rozdzielczość spektralną poprzez skuteczne ekstrapolowanie informacji o wysokiej częstotliwości z ograniczonych danych pomiarowych. W przeciwieństwie do ulepszeń opartych na funkcjach okiennych, które głównie tłumią płaty boczne bez zasadniczej poprawy rozdzielczości, podejście MES poprawia zarówno maksymalną ostrość, jak i dokładność lokalizacji. Ponadto, w porównaniu z metodami estymacji spektralnej opartymi na interpolacji lub parametrycznie, metoda MES oferuje lepszą równowagę między rozdzielczością a odpornością, co czyni ją szczególnie odpowiednią do wykrywania początkowych wad w długich kablach dystrybucyjnych. To podejście poprawia dokładność lokalizacji, zmniejszając błąd względny z 0,55% metodami konwencjonalnymi do 0,25%, jednocześnie zapewniając płynniejsze krzywe lokalizacyjne, które ułatwiają identyfikację pików defektów.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

UWAGA: Wszystkie pomiary na kablu testowym należy przeprowadzać w stanie offline (beznapięciowym). Należy użyć wektorowego analizatora sieci (VNA) lub równoważnego urządzenia do reflektometrii w dziedzinie częstotliwości, zdolnego do wstrzykiwania sygnałów o zmiennej częstotliwości i pomiaru współczynnika odbicia. Należy upewnić się, że dalny koniec kabla jest rozwarty, chyba że określono inaczej. Aby zminimalizować odbicia na złączach, należy stosować krótkie, bezpośrednie połączenia koncentryczne oraz taśmę przewodzącą w celu zapewnienia pewnego kontaktu. Zalecany sprzęt i oprogramowanie znajdują się w Tabeli materiałów.

1. Przygotowanie próbki kabla i układu pomiarowego

  1. Wybierz kabel rozdzielczy do testów (np. kabel YJLV22-8,7/10 kV-3×70 XLPE lub odpowiednik).
  2. Zmier i zapisz całkowitą długość kabla oraz znane pozycje uszkodzeń (jeśli zostały wprowadzone sztucznie).
  3. Zmierz prędkość propagacji fal elektromagnetycznych w kablu.
    1. Podłącz kabel do urządzenia z jednego końca, pozostawiając drugi koniec otwarty.
    2. Pozyskaj widmo współczynnika odbicia w odpowiednim pasmie częstotliwości.
    3. Zidentyfikuj okres oscylacji odpowiadający pełnej długości kabla (ścieżka w obie strony).
    4. Oblicz prędkość zgodnie z wzorem figure-protocol-1   (1)
  4. Przygotuj połączenie zakończenia kabla.
    1. Zdejmij izolację z końca kabla, aby odsłonić rdzeń i ekran.
    2. Użyj dwustronnej przewodzącej taśmy miedzianej, aby stabilnie przymocować przewody urządzenia do rdzenia i ekranu.
    3. Zminimalizuj długość przewodów odgałęźnych, aby zredukować odbicia od zakończenia.

2. Konfiguracja parametrów sweepu częstotliwości

  1. Wyznacz krok częstotliwości (Δf) korzystając z kryterium doboru.
    1. Wykorzystaj okres oscylacji na końcu kabla figure-protocol-2    (2)
    2. Ustaw   figure-protocol-3 , aby zapewnić co najmniej 200 punktów próbkowania na cykl.
    3. Krok częstotliwości Δf określa maksymalny obserwowalny zakres odległości:figure-protocol-4   (3)
    4. Aby zapewnić możliwość jednoznacznego rozdzielenia pełnej długości kabla L:
      figure-protocol-5    (4)
    5. W niniejszym badaniu zastosowano bardziej rygorystyczny warunek w celu poprawy rozdzielczości: figure-protocol-6    (5)
  2. Ustaw pasmo częstotliwości.
    1. Ustaw dolną granicę na 100 kHz (lub minimum urządzenia).
    2. Ustaw górną granicę na maksymalną wartość możliwą do osiągnięcia bez nadmiernego tłumienia (zazwyczaj 30–50 MHz dla kabli <200 m; zmniejszyć dla dłuższych kabli).
    3. Górna granica częstotliwości fmax bezpośrednio wpływa na rozdzielczość przestrzenną:figure-protocol-7    (6)
    4. Wyższe fmax prowadzi do lepszej rozdzielczości, ale jest ograniczone tłumieniem kabla.
  3. Oblicz wymaganą liczbę punktów próbkowaniafigure-protocol-8    (7)
  4. Skonfiguruj urządzenie z obliczonym pasmem częstotliwości, krokiem i liczbą punktów (np. 100 kHz–50 MHz, ~5 000 punktów dla wysokiej rozdzielczości).

3. Pozyskanie widma współczynnika odbicia

  1. Zkalibrować urządzenie (dla VNA zalecana jest kalibracja open-short-load).
  2. Podłączyć przygotowany koniec kabla do portu urządzenia.
  3. Wprowadzić sinusoidalne sygnały o zmiennej częstotliwości i zmierzyć wejściowy współczynnik odbicia Γ(ω) dla każdego dyskretnego punktu częstotliwości.
    1. Zmierzony współczynnik odbicia można wyrazić jako:figure-protocol-9    (8)
    2. gdzie: Γd: współczynnik odbicia w miejscu defektu, figure-protocol-10: stała fazowa, d: odległość do defektu.
    3. Zależność ta pokazuje, że faza współczynnika odbicia zmienia się liniowo wraz z częstotliwością, co stanowi podstawę do szacowania odległości.
  4. Zarejestrować widmo zespolonego współczynnika odbicia (amplitudę i fazę lub części rzeczywistą i urojoną).
  5. Zapisać dane jako zależność częstotliwości od rzeczywistego/urojonego współczynnika odbicia.

4. Przetwarzanie danych przy użyciu konwencjonalnej metody FFT (do porównania)

  1. Wyodrębnij część urojoną widma współczynnika odbicia.
  2. Zastosuj funkcję okna (np. okno Blackmana), aby zredukować wyciek listków bocznych.
  3. Wykonaj odwrotną szybką transformatę Fouriera (IFFT) dla okiennej części urojonej.
    1. Odwrotna transformata Fouriera jest definiowana jako:figure-protocol-11    (9)
  4. Odległość defektu oblicza się według wzoru:
    figure-protocol-12    (10)
    1. gdzie t to czas odpowiadający pozycji piku po odwrotnej transformacie Fouriera.
  5. Zidentyfikuj piki defektów (z wyłączeniem odbić początkowych i końcowych) w widmie współczynnika odbicia.

5. Zastosowanie metody widmowej maksymalnej entropii do lokalizacji defektów

  1. Załaduj nabyte dane widma współczynnika odbicia.
  2. Usuń trend i wycentruj ciąg części urojonej.
  3. Wybierz rząd modelu autoregresyjnego
    figure-protocol-13    (11)
    1. gdzie N jest liczbą punktów danych.
  4. Zaimplementuj algorytm rekurencyjny Burga.
    1. Zainicjalizuj błędy predykcji w przód i w tył.
    2. Oblicz rekurencyjne współczynniki odbicia i parametry autoregresyjne, minimalizując moc błędu w przód i w tył.
    3. Ekstrapoluj ciąg autokorelacji w oparciu o kryterium maksymalnej entropii.
  5. Oblicz widmo mocy z ekstrapolowanego ciągu.
  6. Zidentyfikuj piki w widmie mocy maksymalnej entropii.
  7. Przelicz pozycje pików na odległości defektów, korzystając z figure-protocol-14  (12)
  8. Porównaj klarowność pików i błąd lokalizacji z wynikami konwencjonalnej FFT.

6. Interpretacja wyników

  1. Odróżnić piki dodatnie (skuteczne wykrycie defektu) od pików pozornych lub nieoptymalnych śladów.
  2. Obliczyć względny błąd lokalizacji jako figure-protocol-15   (13)
  3. Potwierdzić sukces, gdy błąd względny wynosi <0,25%, a pik jest wyraźny i gładki, bez znaczących listków bocznych.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Widmo współczynnika odbicia oraz wyniki lokalizacji defektów uzyskano zarówno w symulacjach, jak i w eksperymentach, stosując spektralną metodę maksymalnej entropii, a następnie porównano je z konwencjonalnymi podejściami opartymi na FFT. Skuteczna lokalizacja defektu charakteryzuje się gładkim widmem mocy z ostrym, wyraźnym pikiem w dokładnym położeniu defektu, minimalną liczbą pików pozornych (pseudopików wywołanych listkami bocznymi lub wyciekiem widmowym) oraz niskim błędem względnym (zazwyczaj <0,3%). W przeciwi...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

W niniejszym badaniu autorzy przedstawili szczegółowy protokół lokalizacji defektów w kablach dystrybucji energii za pomocą reflektometrii w dziedzinie częstotliwości (FDR) wzbogaconej metodą spektralnej entropii (MES). Wcześniejsze badania często opierały się na konwencjonalnej analizie opartej na szybkiej transformacie Fouriera (FFT), która boryka się z wyciekiem spektralnym, ograniczoną rozdzielczością w długich kablach oraz fałszywymi pikami, które komplikują identyfikację defektów34. Dodatkow...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają konfliktów interesów, które mogłyby oświadczyć o treściach tego artykułu.

Podziękowania

Prace te zostały wsparte przez Projekt Nauki i Technologii firmy Guangxi Power Grid Co., Ltd. w ramach projektu nr 040100KC23110005.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Przewodząca taśma miedziana, dwustronnaNieokreślonaNie maUżywany do łączenia przewodów testowych z rdzeniem kabla i osłoną, aby zminimalizować zakłócenia odbicia na końcu przewodu
https://www.shcenxin.com/metaltape/93.html
YJLV22-8,7/10 kV-3& 70 kabli średniego napięciaNieokreślonaYJLV22-8,7/10 kV-3& 70Osieciowany z polietylenu (XLPE) z rdzeniem aluminiowym, stalowa taśma, opancerzona z PVC kabel zasilający; całkowita długość 171 m; Używany jako obiekt testowy z zewnętrznie indukowanym defektem
http://www.xmdl518.com/jspn01-Products-6234877/
Urządzenie lokalizujące wady kabla 10 kVNieokreślonaNieokreślonaInstrument reflektometryczny w dziedzinie częstotliwości; pasmo częstotliwości 100 kHz & dash; 50 MHz; skonfigurowany z 5 001 punktami próbkowania do pozyskiwania widma współczynnika odbicia
https://www.163.com/dy/article/K6OHFJOO0552X57P.html

Bibliografia

  1. Yang, Y., Hepburn, D. M., Zhou, C., Jiang, W., Yang, B., et al. Online monitoring and trending of dielectric loss in a cross-bonded HV cable system. , (2015).
  2. Bian, H., Yang, L., Ma, Z., Deng, B., Zhang, H., et al. Improved physical model of electrical lifetime estimation for crosslinked polyethylene AC cable. IEEE Trans Dielect Electr Insul. 27 (1), 132-139 (2020).
  3. Li, Z., Yang, H., Yang, F., Tan, T., Lu, X., et al. An infrared image based state evaluation method for cable incipient faults. Electric Power Systems Research. 210, 108148 (2022).
  4. Zhang, P., Xu, L., Liang, R., Pan, Y., Jin, M., et al. Distance Estimation for Early Three-core Cable Fault based on Multiple Amplitude Ratios Fusion of Grounding Line Current Selected Frequency Band. , 1-6 (2023).
  5. Lan, T., Mazhari, S. M., Teimourzadeh, H., Chung, C. Y. An Online Data-Efficient HV Cable Fault Localization Approach Via an AI-Enabled Recognition of Modal Wavefront in Sheath Current. IEEE Trans Power Delivery. 38 (3), 1977-1989 (2023).
  6. Ouatah, E., Megherfi, S., Haroun, K., Zebboudj, Y. Characteristics of partial discharge pulses propagation in shielded power cable. Electric Power Systems Research. 99, 38-44 (2013).
  7. Liang, R., Zhang, Z., Li, H., Chi, P., Li, G., et al. Partial discharge location of power cables based on an improved single-terminal method. Electric Power Systems Research. 193, 107013 (2021).
  8. Hassan, W., Shafiq, M., Hussain, G. A., Choudhary, M., Palu, I. Investigating the progression of insulation degradation in power cable based on partial discharge measurements. Electric Power Systems Research. 221, 109452 (2023).
  9. Wu, Y., Zhang, P. A Novel Online Monitoring Scheme for Underground Power Cable Insulation Based on Common-Mode Leakage Current Measurement. IEEE Trans Ind Electron. 69 (12), 13586-13596 (2022).
  10. Wu, Y., Wei, Z., Yang, Y., Zhang, P. Improved Common-Mode Leakage Current Measurement Method for Insulation Condition Monitoring in Distribution Grids. IEEE Trans Ind Electron. 71 (5), 5307-5317 (2024).
  11. Wen, S., Peng, L., Liu, Y., Zhang, J., Li, S., et al. Detection and location of cable aging in underground distribution network with complex topologies. Meas Sci Technol. 36 (6), 065116 (2025).
  12. Kim, S. M., Sung, J. H., Park, W., Ha, J. H., Lee, Y. J., et al. Development of a Monitoring System for Multichannel Cables Using TDR. IEEE Trans Instrum Meas. 63 (8), 1966-1974 (2014).
  13. Hu, Y., Chen, L., Liu, Y., Xu, Y. Principle and Verification of an Improved Algorithm for Cable Fault Location Based on Complex Reflection Coefficient Spectrum. IEEE Trans Dielect Electr Insul. 30 (1), 308-316 (2023).
  14. Hua, X., Wang, L., Zhang, Y. Analysis and Diagnosis of Shielded Cable Faults Based on Finite-Element Method and Time-Reversal Time-Frequency Domain Reflectometry. IEEE Trans Ind Electron. 69 (4), 4205-4214 (2022).
  15. Baharozu, E., Ilhan, S., Soykan, G. High impedance fault localization: A comprehensive review. Electric Power Systems Research. 214, 108892 (2023).
  16. Song, E., Shin, Y. J., Stone, P. E., Wang, J., Choe, T. S., et al. Detection and Location of Multiple Wiring Faults via Time–Frequency-Domain Reflectometry. IEEE Trans Electromagn Compat. 51 (1), 131-138 (2009).
  17. Giaquinto, N., Scarpetta, M., Spadavecchia, M. Algorithms for Locating and Characterizing Cable Faults via Stepped-Frequency Waveform Reflectometry. IEEE Trans Instrum Meas. 69 (9), 7271-7280 (2020).
  18. Zhou, Z., Zhang, D., He, J., Li, M. Local degradation diagnosis for cable insulation based on broadband impedance spectroscopy. IEEE Trans Dielect Electr Insul. 22 (4), 2097-2107 (2015).
  19. Mo, S., Zhang, D., Li, Z., Wan, Z. The Possibility of Fault Location in Cross-Bonded Cables by Broadband Impedance Spectroscopy. IEEE Trans Dielect Electr Insul. 28 (4), 1416-1423 (2021).
  20. Wang, S., Liu, J., Li, Z., Zhang, H., Zhang, L., et al. Diagnosis and Location of Defects in a Cross-Bonding Cable System Based on Multi-Phase High-Voltage High-Frequency Collaborative Excitation. IEEE Trans Ind Electron. 71 (11), 14946-14956 (2024).
  21. Tang, Z., Zhou, K., Meng, P., Li, Y. A Frequency-Domain Location Method for Defects in Cables Based on Power Spectral Density. IEEE Trans Instrum Meas. 71, 1-10 (2022).
  22. Huang, J., Zhou, K., Xu, Y., Meng, P., Tang, Z., et al. Upper Sweeping Frequency Selection for Cable Defect Location Based on STFT. IEEE Trans Instrum Meas. 72, 1-9 (2023).
  23. Tang, Z., Xu, Y., Zhou, K., Meng, P., Huang, J., et al. A Frequency Sweep Location Method for Soft Faults of Power Cables Based on MUSIC-Pseudospectrum. IEEE Trans Instrum Meas. 72, 1-10 (2023).
  24. Zhang, L. A Novel Time-frequency Domain Reflectometry Method Based on S-transform for Power Cable Defect Localization. EEENG. 18 (5), 563-574 (2025).
  25. Korde, A., Sonerud, B. Condition Monitoring and Fault Detection in Cables using Line Impedance Resonance Analysis. Power Research. 18 (1), 69-75 (2022).
  26. Ohki, Y., Hirai, N. Location attempt of a degraded portion in a long polymer-insulated cable. IEEE Trans Dielect Electr Insul. 25 (6), 2461-2466 (2018).
  27. Jiang, K., Zhou, K., Ren, X., Xu, Y. Frequency Domain Sampling Optimization of Cable Defect Detection and Location Method Based on Exponentially Increased Frequency Reflection Coefficient Spectrum. Energies. 18 (10), 2428 (2025).
  28. Liu, C., Chen, D., Hou, Y. Underground XLPE coaxial cable length calculation and fault detection based on broadband impedance spectroscopy. Meas Sci Technol. 36 (1), 016146 (2024).
  29. Deng, W., Cheng, L., Wang, X., Luo, H., Zhang, T. Research on Microwave Non-Destructive Testing Method for Defects in 10 kV Distribution Cable Intermediate Joints. Energies. 19 (2), 499 (2026).
  30. Huang, J., Zhou, K., Meng, P., Xu, Y., Tang, Z., et al. Detection of Different Cable Defects Simulated by Impedance Box Based on FDR. , 1-5 (2023).
  31. Tang, Z., Zhou, K., Xu, Y., Meng, P., Zhang, H., et al. A Reflection Coefficient Estimation Method for Power Cable Defects Based on Three-Point Interpolated FFT. IEEE Trans Instrum Meas. 73, 1-8 (2024).
  32. Zhang, G., He, X., Wang, L., Yang, D., Chang, K., et al. Step Frequency TR-MUSIC for Soft Fault Detection and Location in Coaxial Cable. IEEE Trans Instrum Meas. 72, 1-11 (2023).
  33. Luo, C. Improvement of FDR Methods for Identifying Defects of Jointed HV Cable. J Phys: Conf Ser. 2584 (1), 012155 (2023).
  34. Wei, L., Pang, X., Su, J., Han, T., Yao, Y. Improved Locating Method for Local Defects in XLPE Cable Based on Broadband Impedance Spectrum. Energies. , (2022).
  35. Song, Y., Chen, W., Wan, F., Zhang, Z., Du, L., et al. Online multi-parameter sensing and condition assessment technology for power cables: A review. Electric Power Systems Research. 210, 108140 (2022).
  36. Li, S., Gu, B., Zhu, X., Li, H., Deng, J., et al. High impedance grounding fault location method for power cables based on reflection coefficient spectrum. Energy Reports. 9, 576-583 (2023).
  37. Wang, M., Liu, Y., Huang, Y., Xin, Y., Han, T., et al. Defect Identification of XLPE Power Cable Using Harmonic Visualized Characteristics of Grounding Current. Electronics. 13 (6), 1159 (2024).
  38. Huo, Y., Wang, K., Lampe, L., Leung, V. C. M. Validation of Machine Learning-Aided and Power Line Communication-Based Cable Monitoring Using Measurement Data. Sensors. 24 (2), 335 (2024).
  39. Li, Y., Li, W., Yao, Y., Li, Q., Han, T. Cable Defects Location Method Based on M-sequence with Broadband Impedance Spectroscopy. , 1-4 (2024).
  40. He, H., Zheng, F., Zhao, X. Research on Defect Localization of Power Cables Using Compressed Sensing-Based FDR Method. IEEE Trans Instrum Meas. 75, 1-9 (2026).
  41. Liu, D., Feng, H., Yang, H. A Novel Method Based on Spread-Spectrum Time-Domain Reflectometry for Improving the Distance of Cable Fault Detection. IEEE Sensors J. 23 (9), 9440-9446 (2023).
  42. Jin, Y., Hu, Y., Shi, C., He, G., Qi, J., et al. An Improved Algorithm of Cable Fault Diagnosis Considering Signal Attenuation Compensation. , 1-4 (2024).
  43. Yang, X., Wang, Z., Li, J., Wu, M., Wang, G., et al. Research on the Carrier Characteristics of Power Cables Considering the Aging Status of Insulation and Semiconducting Layers. Energies. 17 (22), 5655 (2024).
  44. Xie, C., Mu, H., Zou, X., Zhang, H., Sun, X., et al. A novel cable defect localization technique via time-frequency domain reflectometry. IET Conf Proc. 2021 (15), 875-879 (2022).
  45. Wang, R., Mu, H., Zou, X., Song, C., Cheng, Z., et al. Analysis of Electric Field Characteristics and Defect Diagnosis for Local Cable Breakage. , 3002-3007 (2024).
  46. He, B., Yuan, J., Wang, C., Zhou, Y., Chen, R., et al. High-Voltage Cable Fault Detection Technology Based on Broadband Impedance Spectroscopy. , 504-507 (2022).
  47. Peng, J., Pan, S., Wang, W., Zhang, M., Shen, J., et al. A Measurement Method for Wide-frequency Harmonic Signal in Power Grid Based on Window Interpolation FFT and RLS-Adaline Neural Network. J Phys: Conf Ser. 1920 (1), 012062 (2021).
  48. Deng, H., Chen, Y., Li, L., Zhao, Y., Tu, H., et al. Characteristics impedance modeling for shielding damage of I&C cables in NPPs using TFDR. Electr Eng. 107 (5), 6329-6341 (2024).
  49. Ju, D., Chu, G., Liang, Y., Huang, J., Bai, W. Fault Identification and Localization for Cables Based on Time-Frequency Domain Reflection. , 896-900 (2023).
  50. Kiitam, I., Shafiq, M., Choudhary, M., Parker, M., Palu, I., et al. Precision and Accuracy of Pulse Propagation Velocity Measurement in Power Cables. Energies. 16 (6), 2702 (2023).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Defekty kabli energetycznychlokalizacja uszkodzemetoda maksymalnej entropiiestymacja widmareflektometria cz stotliwo ciowateoria linii transmisyjnychwidmo wsp czynnika odbiciaoptymalizacja kroku cz stotliwo cistarzenie izolacjiuszkodzenia mechaniczne

Powiązane artykuły