Artigo de método

Tecnologia de localização de defeitos em cabos de distribuição de energia baseada no método espectral de máxima entropia

76 vistas

⸱

DOI:

10.3791/70701

⸱

5 de junho de 2026

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

Neste artigo

Resumo

Este protocolo apresenta um método baseado em estimativa espectral de máxima entropia para localização precisa de defeitos em cabos longos de distribuição de energia, utilizando reflectometria no domínio da frequência. Ele detalha modelagem de cabos de alta frequência, análise espectral de coeficientes de reflexão, extrapolação espectral e validação por meio de simulações e experimentos, alcançando precisão superior em comparação com as abordagens convencionais de FFT.

Resumo

À medida que as distâncias de instalação de cabos nas redes urbanas modernas continuam a se expandir, a precisão da localização de falhas por meio da reflectometria no domínio da frequência (FDR) diminui consideravelmente com o aumento do comprimento. Para melhorar a precisão para cabos longos, este estudo propõe um método baseado em estimativa espectral de entropia máxima. Um modelo de parâmetros distribuídos de alta frequência para cabos de distribuição é desenvolvido para avaliar quantitativamente os impactos do envelhecimento do isolamento e danos mecânicos na capacitância e indutância por unidade de comprimento. Baseando-se na teoria da linha de transmissão, deriva-se a relação entre o espectro do coeficiente de reflexão e a posição do defeito, juntamente com um critério de otimização por frequência em degraus para melhorar a resolução espectral. Para mitigar o vazamento espectral e a resolução limitada em análises de domínio da frequência baseadas em transformada rápida de Fourier (FFT), o método espectral de máxima entropia é empregado para estimação de espectro de alta fidelidade, aumentando assim a precisão da localização da distância de falha. Simulações revelam que, em relação à FFT convencional, o método proposto reduz os erros de localização em 2 a 4,5 vezes em casos típicos de cabos longos. Os resultados experimentais confirmam um erro relativo abaixo de 0,25% para a abordagem de máxima entropia, superando o erro do método convencional abaixo de 0,55%, validando assim sua eficácia e superioridade na prática de engenharia.

Introdução

Com a crescente demanda por confiabilidade e segurança no fornecimento de energia nos sistemas modernos, os cabos foram amplamente adotados nas redes de distribuição urbana. Entre eles, cabos de polietileno reticulado (XLPE) são amplamente utilizados devido às grandes vantagens doautor 1,2. Os cabos de distribuição normalmente são instalados no solo, onde o ambiente operacional é rigoroso. À medida que o tempo de serviço aumenta, combinado com flutuações de carga e sobrecarga, o envelhecimento dos cabos se torna mais pronunciado. Consequentemente, defeitos localizados como árvores aquáticas, árvores elétricas, descargas parciais e umidade do isolamento podem ocorrer gradualmente. Se não forem tratados a tempo, esses defeitos podem evoluir para falhas graves, eventualmente levando a cortes de energia narede 3,4. Portanto, a identificação de defeitos e a localização de falhas nos cabos de distribuição tornaram-se componentes essenciais da operação e manutenção da rede elétrica.

Os métodos de localização de falhas para cabos de distribuição podem ser amplamente categorizados em dois tipos: abordagens online e offline. Os métodos online são representados principalmente pela localização de onda viajante, monitoramento de descarga parcial (PD) e o método de corrente de fuga em modo comum. A localização de ondas viajantes identifica as posições das falhas analisando ondas transitórias geradas na falha. No entanto, enfrenta vários desafios, incluindo dificuldades na extração precisa de frentes de onda, sobreposição severa de características de falha com distribuição não linear e instalação inconveniente. Mais importante ainda, esse método não é aplicável para localizar defeitos relacionados aoenvelhecimento 5. O monitoramento online baseado em PD detecta sinais de defeito gerados dentro do cabo e permite a avaliação em tempo real das condições de operação. No entanto, ainda enfrenta gargalos tecnológicos para reconhecer defeitos de envelhecimento e realizar monitoramento de longo prazo. Problemas como interferência de sinais, supressão de ruído e análise complexa de dados frequentemente levam a erros de julgamento em aplicaçõespráticas 6,7,8. O método de corrente de fuga em modo comum determina a posição e a gravidade dos defeitos de envelhecimento medindo variações nas correntes de fuga em modo comum nos terminais do cabo. Essa técnica oferece detecção não intrusiva com alta sensibilidade. No entanto, sua capacidade anti-interferência é relativamente fraca, pois correntes em modo diferencial de alta frequência, como as geradas durante a operação de equipamentos de frequência variável, podem reduzir significativamente a precisão das medições. Além disso, o monitoramento online de cabos energizados deve abordar o isolamento de sinal em ambientes de alta tensão, o que aumenta os custos dos equipamentos e a complexidadede manutenção 9,10,11.

Em termos de métodos offline, várias abordagens foram propostas, incluindo reflectometria no domínio do tempo (TDR)12, reflectometria no domínio da frequência (FDR)13 e reflectometria no domínio tempo-frequência (TFDR)14. Entre elas, a TDR sofre de baixa energia nos componentes de alta frequência do sinal de pulso injetado e é altamente suscetível a efeitos de atenuação de cabos e interferência de ruído, resultando em precisão limitada de localização e fraca capacidade para detectar defeitos incipientes nos estágios iniciais das falhas de cabo15. O TFDR, ao injetar pulsos chirp gaussianos, mitiga a deficiência de componentes de alta frequência insuficientes no TDR16. No entanto, o TFDR requer circuitos complexos de modulação de sinal e algoritmos de extração, e seus sinais modulados em alta frequência atenuam rapidamente, tornando a detecção de defeitos em cabos longosdesafiando 17. FDR, por outro lado, injeta sinais de frequência varrida com distribuição de potência igual. Ele contém os componentes de alta frequência mais ricos, alcança maior precisão de localização e demonstra maior sensibilidade em comparação com TDR, o que levou ao seu rápido desenvolvimento. Dependendo do tipo de sinal adquirido, o FDR pode ser ainda categorizado nos métodos18, 19, 20 do espectro de impedância larga (BIS) e métodos do espectro do coeficiente de reflexão (RCS) 21, 22, 23, 24.

Em 2003, um grupo propôs pela primeira vez um método de localização local de defeitos do cabo baseado no espectro do coeficiente de reflexão de entrada doscabos 25. No entanto, essa abordagem não considerou os efeitos dependentes da frequência dos parâmetros distribuídos, o que pode levar a julgamentos errados. Posteriormente, uma transformada de Fourier inversa rápida (IFFT) foi aplicada para extrair informações do espectro do coeficiente de reflexão na entrada do cabo, permitindo a localização eficaz de defeitos locais como envelhecimento térmico, envelhecimento por radiação e deformaçãopor extrusão 26. Também foi observado que quanto maior a frequência alta do sinal de varredura, maior a resolução espacial da reflectometria no domínio da frequência (FDR). No entanto, quando aplicado a cabos longos, a frequência alta do sinal de varredura diminui significativamente, resultando em menor precisão de localização.

O núcleo do método FDR está na realização da FFT sobre os sinais de reflexão adquiridos. No entanto, devido ao problema inerente de vazamento espectral da FFT, pesquisadores propuseram várias melhorias. Um estudo introduziu o uso de uma janela de distância combinada com uma função janela Kaiser na transformada discreta de Fourier (DFT) para extrair os componentes de defeito da parte real do espectro do coeficiente de reflexão, permitindo assim a localização de defeitos de blindagem de cobre soltos noscabos 27. Uma DFT28 baseada em janelas Kaiser foi aplicada à parte real do espectro do coeficiente de reflexão de entrada, alcançando identificação de tipo de falha para condições de circuito aberto, curto-circuito, alta e baixa resistência. Um estudo propôs aplicar uma DFT baseada em janelas Blackman à parte imaginária da impedância de entrada do cabo para a detecção e localização de umidade em juntasintermediárias 29. Um algoritmo de interpolação usando a janela de autoconvolução de Hanning na DFT foi introduzido para estimar a frequência e a fase dos componentes periódicos na parte real do espectro do coeficientede reflexão 30, o que permitiu a determinação de polaridade de anomalias de impedância de cabos. Subsequentemente, melhorias foram alcançadas incorporando janelas Nuttall, janelas Nuttall de três termos de quarta ordem, janelas de autoconvolução Nuttall de segunda ordem e algoritmos DFT interpoladosde três pontos 31. No geral, estudos existentes têm focado principalmente no design de funções de janela ou no refinamento de algoritmos de interpolação, que aumentaram a precisão da localização de defeitos até certo ponto.

Do ponto de vista do princípio FFT, na reflectometria no domínio da frequência (FDR), quanto maior a frequência do sinal injetado, melhor a precisão da medição. Em teoria, se a frequência de injeção for infinita, o defeito do cabo pode ser localizado com precisão perfeita. No entanto, a transmissão de sinais de ultra-alta frequência ao longo dos cabos sofre atenuação severa, tornando-os inadequados para cabos de comprimentomédio e longo 32,33. Portanto, existe um compromisso inerente entre a frequência máxima de injeção no FDR e a precisão alcançável na localização de defeitos. Para abordar essa questão, este artigo propõe uma técnica de localização de defeitos de cabo baseada no método espectral de máxima entropia. O método prevê a porção de alta frequência do espectro do coeficiente de reflexão a partir dos dados medidos de baixa frequência de acordo com o critério de máxima entropia, e então calcula o espectro de máxima entropia (MES) do coeficiente de reflexão para determinar a localização do defeito. Comparado aos métodos convencionais de FDR baseados em FFT, que são limitados por restrições de vazamento espectral e resolução, especialmente em aplicações de cabos de longa distância, o método espectral de máxima entropia proposto oferece maior resolução espectral ao extrapolar efetivamente informações de alta frequência a partir de dados medidos limitados. Ao contrário das melhorias baseadas em funções de janela, que suprimem principalmente lobos laterais sem melhorar fundamentalmente a resolução, a abordagem MES melhora tanto a nitidez máxima quanto a precisão da localização. Além disso, em comparação com métodos de estimativa espectral baseados em interpolação ou paramétricos, o método MES oferece um melhor equilíbrio entre resolução e robustez, tornando-o particularmente adequado para detectar defeitos incipientes em cabos de distribuição longos. Essa abordagem melhora a precisão da localização, reduzindo o erro relativo de 0,55% em métodos convencionais para 0,25%, ao mesmo tempo em que produz curvas de localização mais suaves que facilitam a identificação dos picos de defeito.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

NOTA: Realize todas as medições no cabo de teste em estado offline (desenergizado). Use um analisador de rede vetorial (VNA) ou instrumento de reflectometria equivalente no domínio da frequência, capaz de injeção de sinal em frequência varrida e aquisição de coeficientes de reflexão. Certifique-se de que o cabo esteja em circuito aberto na extremidade oposta, salvo indicação em contrário. Minimize as reflexões da conexão usando conexões coaxiais curtas e diretas e fita condutora para contato seguro. Consulte a Tabela de Materiais para equipamentos e softwares recomendados.

1. Preparar a amostra de cabo e o sistema de medição

  1. Selecione o cabo de distribuição de energia para testes (por exemplo, cabo YJLV22-8,7/10 kV-3×70 XLPE ou equivalente).
  2. Meça e registre o comprimento total do cabo e as posições conhecidas dos defeitos (se introduzidos artificialmente).
  3. Meça a velocidade de propagação da onda eletromagnética no cabo.
    1. Conecte o cabo ao instrumento por uma das extremidades e deixe a extremidade oposta aberta.
    2. Adquira o espectro do coeficiente de reflexão em uma faixa de frequência adequada.
    3. Identifique o período de oscilação correspondente ao comprimento total do cabo (ida e volta).
    4. Calcule a velocidade como figure-protocol-1 (1)
  4. Prepare a conexão da cabeça do cabo.
    1. Remova a ponta do cabo para expor o núcleo e a blindagem.
    2. Use fita de cobre condutora dupla face para fixar firmemente os cabos do instrumento ao núcleo e à blindagem.
    3. Minimize o comprimento do avanço dos ramos para diminuir reflexões na cabeça.

2. Configurar os parâmetros de varrimento de frequência

  1. Determine o passo de frequência (Δf) usando o critério de seleção.
    1. Use o período figure-protocol-2 de oscilação da extremidade do cabo (2)
    2. Configure figure-protocol-3 para garantir pelo menos 200 pontos de amostragem por ciclo.
    3. O passo de frequência Δf determina a faixa máxima de distâncias observáveis:figure-protocol-4 (3)
    4. Para garantir que o comprimento total do cabo L possa ser resolvido sem ambiguidades:
      figure-protocol-5(4)
    5. Neste estudo, uma condição mais rigorosa é adotada para melhorar a resolução: figure-protocol-6 (5)
  2. Defina a faixa de frequência.
    1. Defina o limite inferior para 100 kHz (ou mínimo de instrumento).
    2. Definir o limite superior ao máximo possível sem atenuação excessiva (tipicamente 30–50 MHz para cabos <200 m; reduzir para cabos mais longos).
    3. O limite superior de frequência fmax afeta diretamente a resolução espacial:figure-protocol-7 (6)
    4. Um f max maior leva a uma resolução mais fina, mas é limitado pela atenuação dos cabos.
  3. Calcule o número necessário de pontosfigure-protocol-8 de amostragem (7)
  4. Configure o instrumento com a faixa de frequência calculada, o passo e os pontos (por exemplo, 100 kHz–50 MHz, ~5.000 pontos para alta resolução).

3. Adquirir o espectro dos coeficientes de reflexão

  1. Calibre o instrumento (calibração aberta-curta recomendada para VNA).
  2. Conecte a cabeça de cabo preparada à porta do instrumento.
  3. Injete sinais sinusoidais de frequência varrida e meça o coeficiente de reflexão de entrada Γ(ω) em cada ponto discreto de frequência.
    1. O coeficiente de reflexão medido pode ser expresso como:figure-protocol-9 (8)
    2. onde: Γd: coeficiente de reflexão no defeito, figure-protocol-10: constante de fase, d: distância do defeito.
    3. Essa relação mostra que a fase do coeficiente de reflexão varia linearmente com a frequência, formando a base para a estimativa de distância.
  4. Registre o espectro complexo dos coeficientes de reflexão (magnitude e fase, ou partes reais e imaginárias).
  5. Salve os dados como frequência versus coeficiente de reflexão real/imaginário.

4. Processar os dados usando o método convencional FFT (para comparação)

  1. Extraia a parte imaginária do espectro dos coeficientes de reflexão.
  2. Aplique uma função janela (por exemplo, janela de Blackman) para reduzir o vazamento de lóbulos laterais.
  3. Realize a transformada de Fourier inversa rápida (IFFT) na parte imaginária com janela.
    1. A transformada inversa de Fourier é apresentada como:figure-protocol-11 (9)
  4. A distância do defeito é calculada como:
    figure-protocol-12(10)
    1. onde t é o tempo correspondente à posição de pico após a transformada inversa de Fourier.
  5. Identifique picos de defeito (excluindo reflexões de cabeça e terminais) no espectro dos coeficientes de reflexão.

5. Aplicar o método espectral de máxima entropia para localização de defeitos

  1. Carregue os dados adquiridos do espectro do coeficiente de reflexão.
  2. Desfaça e centralize a sequência de partes imaginária.
  3. Selecione a ordem do modelo autorregressivo
    figure-protocol-13(11)
    1. onde N é o número de pontos de dados.
  4. Implemente o algoritmo de recursão de Burg.
    1. Inicialize erros de previsão para frente e para trás.
    2. Calcula recursivamente coeficientes de reflexão e parâmetros autorregressivos enquanto minimiza o poder de erro para frente e para trás.
    3. Extrapolar a sequência de autocorrelação com base no critério de máxima entropia.
  5. Calcule o espectro de potência a partir da sequência extrapolada.
  6. Identifique picos no espectro de potência máxima de entropia.
  7. Converta posições de pico em distâncias de defeito usando figure-protocol-14 (12)
  8. Compare a clareza máxima e o erro de localização com os resultados convencionais da FFT.

6. Interprete os resultados

  1. Distinga picos positivos (detecção bem-sucedida de defeitos) de picos espúrios ou traços subótimos.
  2. Calcule o erro relativo de localização como figure-protocol-15 (13)
  3. Confirme o sucesso por erro relativo <0,25% e um pico claro e suave, sem lóbulos laterais significativos.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Os resultados do espectro do coeficiente de reflexão e da localização de defeitos foram obtidos tanto em simulações quanto em experimentos utilizando o método espectral de máxima entropia e comparados com abordagens convencionais baseadas em FFT. Uma localização bem-sucedida do defeito é caracterizada por um espectro de potência suave com um pico agudo e proeminente na posição exata do defeito, picos espúrios mínimos (pseudopicos causados por lobos laterais ou vazamento) e um baixo erro ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Neste estudo, os autores apresentam um protocolo detalhado para localizar defeitos em cabos de distribuição de energia usando reflectometria no domínio da frequência (FDR) aprimorada pelo método espectral de máxima entropia (MES). Estudos anteriores frequentemente se basearam em análises convencionais baseadas em transformada rápida de Fourier (FFT), que enfrentam vazamento espectral, resolução limitada em cabos longos e picos espúrios que complicam a identificaçãode de...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm conflitos de interesse a declarar que são relevantes para o conteúdo deste artigo.

Agradecimentos

Esse trabalho foi apoiado pelo Projeto de Ciência e Tecnologia da Guangxi Power Grid Co., Ltd., sob o Projeto nº 040100KC23110005.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Fita de cobre condutora, dupla faceNão especificadoN/AUsado para conectar os cabos de teste ao núcleo do cabo e à blindagem para minimizar a interferência de reflexão entre a cabeça https://www.shcenxin.com/metaltape/93.html
YJLV22-8,7/10 kV-3 e tempos; 70 cabos de média tensãoNão especificadoYJLV22-8,7/10 kV-3 e tempos; 70Cabo de energia de fibra de alumínio de alumínio com núcleo reticulado de alumínio (XLPE) com fita de aço blindada em PVC; comprimento total 171 m; usado como objeto de teste com defeito induzido externamente
http://www.xmdl518.com/jspn01-Products-6234877/
Dispositivo de localização de defeitos de cabo de 10 kVNão especificadoNão especificadoinstrumento de reflectometria no domínio da frequência; banda de frequência 100 kHz e ndash; 50 MHz; Configurado com 5.001 pontos de amostragem para aquisição de espectro de coeficientes de reflexão
https://www.163.com/dy/article/K6OHFJOO0552X57P.html

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Defeitos em Cabos de EnergiaLocaliza o de FalhasM todo da M xima EntropiaEstima o EspectralRefletometria no Dom nio da Frequ nciaTeoria de Linhas de Transmiss oEspectro do Coeficiente de Reflex oOtimiza o de Degrau de Frequ nciaEnvelhecimento do IsolamentoDano Mec nico

Artigos relacionados