CN103971292B - 基于实时站内图映射的故障准确辨识方法 - Google Patents
基于实时站内图映射的故障准确辨识方法 Download PDFInfo
- Publication number
- CN103971292B CN103971292B CN201410168294.9A CN201410168294A CN103971292B CN 103971292 B CN103971292 B CN 103971292B CN 201410168294 A CN201410168294 A CN 201410168294A CN 103971292 B CN103971292 B CN 103971292B
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- closed
- directly related
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000013507 mapping Methods 0.000 title abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 230000004927 fusion Effects 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000003745 diagnosis Methods 0.000 claims abstract description 8
- 238000000926 separation method Methods 0.000 claims description 15
- 230000015556 catabolic process Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 8
- 230000007257 malfunction Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000002955 isolation Methods 0.000 claims description 4
- 230000003073 embolic effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000000819 phase cycle Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001983 electron spin resonance imaging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于实时站内图映射的故障准确辨识方法,建立基于一次拓扑图可伸缩矢量图以及通用信息模型的故障矢量分析及故障诊断平台;通过故障量流向为搜索路径确定需要融合的故障设备子站,形成广域信息融合平台;基于广域信息融合平台进行信息融合,采用信息闭环及录波图融合成矢量分析图进行事故性质分析及辅助决策;在事故性质分析及辅助决策时,在扩展的广域内进行故障信息的收集及融合,判断故障元件的故障性质。实现了故障情景下,以站内设备为背景,以故障电流流向为呈现形式的分析界面,可以快速实现故障元件的判断,特别是具有汇流作用的多元件联接元件的故障判断直观、有效。
Description
技术领域
本发明涉及一种故障准确辨识领域,特别涉及一种基于实时站内图映射的故障准确辨识方法。
背景技术
随着电网规模不断扩大,电网联系不断加强,电网发生故障和局部故障导致波及范围扩大的概率不断增大,为实现故障的快速辨识和准确定位,故障录波器联网系统其覆盖率不断提升,电网故障时,相关故障录波信息可及时上传至调度中心,但各间隔的故障数据无法在站内图上统一直观展示,调度员难以通过计算故障时刻相关区域的故障电流矢量和进行故障准确辨识和快速定位。
电力系统发生事故后,调度员往往要面对大量的系统运行数据,调度员往往要通过人工筛选和过滤才能得到对事故处理有帮助的数据,另外有些数据对于调度员是不可见的(需要由现场运行人员汇报),如保护动作信息,故障录波等。这些过程都降低了调度员事故处理的速度。因此,可视化高级应用是对调度处实际帮助最大、也是调度处最想实现的内容,是整个可视化应用的重点和难点。包括的内容如下:事故后设备故障信息的收集;故障设备保护信息(包括故障录波)的可视化;事故后故障性质判断及保护动作行为评估结果的可视化;事故后故障隔离及调整系统运行方式策略的可视化。
通过以上可视化过程的实现可以实现由人工分析型调度向智能型调度转化的过程。要想实现以上功能,则需解决以下问题:首先,数据捕获和分析活动是难以控制的时间,如何实现故障数据的选择然后进行有效融合,形成有效的信息是首要解决的问题。第二,以怎样的方式将整合后的信息以直观有效的方式呈现给调度员。第三,建立怎样的数据集成及推理逻辑,形成对整合后信息的最优解释,以满足进行故障诊断的要求,并向调度员提供有效的决策支持。
发明内容
为解决现有技术存在的不足,本发明通过故障事件驱动的原理自动将相关事件的故障录波文件、保护信息自动上传,并且以建立基于实时站内图映射的故障矢量分析及故障诊断平台。该平台基于一次拓扑图可伸缩矢量图(svg))以及通用信息模型(cim),搭建站内所有CT电流互感器的模型信息,将站内设备对应的电流流向大小等这些具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图界面,通过故障量(包括增量及负、零 序电流量)流向为搜索路径确定需要融合的故障设备子站,形成广域信息融合平台,以故障量为搜索引擎,统一直观展示各间隔故障序分量幅值和实际流向,实现相关间隔的故障电流矢量和的自动计算,实现故障点快速定位和保护动作行为准确评价。
为实现上述目的,本发明的具体方案如下:
基于实时站内图映射的故障准确辨识方法,包括以下步骤:
步骤一:建立基于一次拓扑图可伸缩矢量图以及通用信息模型的故障矢量分析及故障诊断平台;通过故障量流向为搜索路径确定需要融合的故障设备子站,形成广域信息融合平台;
步骤二:基于广域信息融合平台进行信息融合,采用信息闭环及录波图融合成矢量分析图进行事故性质分析及辅助决策;
步骤三:在事故性质分析及辅助决策时,在扩展的广域内进行故障信息的收集及融合,判断故障元件的故障性质,最终以故障量为搜索引擎,统一直观展示各间隔故障序分量幅值和实际流向。
所述步骤一的具体过程为:搭建站内所有CT电流互感器的模型信息,将站内设备对应的具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图。
所述步骤二信息融合具体包括基于SCADA和保信子站上传信息的融合过程及基于各个故障录波波形图的图形融合过程。
所述步骤三中针对母线这种汇流性元件,根据选定的可扩展界面确定分界点各方向矢量,判断元件的运行状态,利用定义的函数与被锁定元件故障的阀值的比较进行判断,规则如下:
当FComponent(i)>FSet(i),则被锁定元件为故障状态;
当FComponent(i)<FSet(i),则被锁定元件为正常状态;
当FComponent(i)=FSet(i),则被锁定元件存在“可能故障”;
其中,FComponent(i)为被锁定元件故障值函数,FSet(i)为被锁定元件故障的阀值,其定义为被锁定元件直接相关方向判断量个数减1,即为n-1。
所述定义的函数为:
其中n表示与被判断设备单元直接相关的方向判断元件数。
所述步骤三中针对任一广域封闭区域,存在以下区域内是否发生故障的闭环判断规则:
其中,FConfirm(i)为可闭环信息的故障值函数,k表示所需判断的封闭区域分界点直接相关故障方向元件个数,如果信息闭环判断失败,则信息相关区域的故障判断失败。
所述信息相关区域的故障判断失败时,如果存在FConfirm(i)>FCon-set(i),则可闭环信息判断成功;
其中,FCon-set(i)是可闭环信息的判断阀值,为封闭区域分界点方向动作个数-1即为k-1。
所述闭环信息判断成功,为了保证优先考虑最小故障隔离范围,首先假设故障为单元件线路,如果故障发生在母线直接相关线路远端II段距离交叉区时,可判为母线故障,因此存在判断规则如下:
当则故障在母线,其中为母线直接相关线路i远端保护II段距离动作信息,为1表示动作。
所述步骤三中,为了使事件性质判据实现故障全过程监测,需要将开关动作行为纳入,规则如下:
如果并且有CBS(i)=0,则CBB(i)=1 i∈NB
其中,为广域保护中封闭区域分界点i直接相关的保护所发跳闸信息,CBS(i)为封闭区域分界点i直接相关的开关变位信息,CBB(i)为分界点i背后侧直接相关开关的变位信息,如果相应开关未变位,则将跳闸开关扩展至其背后侧直接相关开关。
所述故障量包括增量、负序电流量及零序电流量。
本发明采用基于站内设备通用信息统一建模及映射技术,建立基于实时站内图的故障矢量分析诊断平台实现了故障状态时站内各间隔故障序分量幅值和实际流向的统一直观展示, 以反映故障量为视角全面展示了站内故障暂态过程,实现相关间隔的故障电流矢量和的自动计算,为故障点快速定位和保护动作行为准确评价提供了有效的工具。
当发生故障时通过故障录波故障元件的相关端的采样信息均采用自动上传模式,同样相应的保护及SCADA信息均传至同一调度平台,通过信息分析提取故障相关元件相关度高的分别进行故障录波的信息融合,即通过对映一次设备对映CT的建模完成由录波器端到系统实时运行图的映射,并通过各序故障分时的提取,建立基于实时运行方式的各序故障实时矢量图,同时并行的为相关SCADA信息的分析及自解释,锁定故障对象,最后在同一平台进行交互,完成故障判断决策支持平台的实时矢量图及故障定位的结论直观展示,从而完成从信息收集到保护动作行为分析一整套的过程。最后以实时一次设备的各序量的直观展示,及对应的信息相互校核完成基于各自不同信息源的最终信息融合。
具体过程如下,其实质是遵循两方面的信息融合过程:一方面是基于SCADA和保信子站上传信息的融合过程;另一方面是基于各个故障录波波形图的图形融合方程。这两个过程又是交叉比较,相辅相承的。即通过信息的融合、闭环,最终实现故障定位及性质判断。由于采用的是信息闭环及录波图融合成矢量分析图进行事故性质分析及辅助决策,因此信息融合具有一定的开放性。特别是对判别多间隔的汇流元件的故障性质及发展性故障的分析十分有效。例如对于发展性故障来说,如果对时间节点进行分割的话可以看出,对于故障发生的不同时间节点得到的故障性质的判断是不同的,尽管对于故障对象的判断是一致的。因此,对于不同的时间段会对映不同的信号集合,也对映不同的可闭环事件的信息集合,与此同时其录波矢量分析的结果也是对映不同时间窗口下的故障性质分析结论。只要是两者对事故性质的判断相一致即认为是可闭环事件,并结合录波实时矢量图给出最终结论。
本发明的有益效果:
本发明建立的基于实时站内图映射的故障矢量分析及故障诊断平台,实现相关间隔的故障电流矢量和的自动计算,为故障点快速定位和保护动作行为准确评价提供了有效的工具。主要优点如下:
1)基于继电保护基础信息平台(coBase)可伸缩矢量图(svg))以及通用信息模型(cim),搭建站内所有CT电流互感器的模型信息,将站内设备对应的电流流向大小等这些具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图界面,为快速锁定故障元件、进行暂态故障分析提供了直观有效的分析平台;
2)采用基于通用信息模型(cim)CT特征值的提取技术,建立与录波通道的有效链接,实现录波通道采样值(包括暂态故障量)与站内CT一一映射的关系,进而实现基于站内设备及其拓扑关系决定的各故障序网图的建模;
3)实现了故障情景下,以站内设备为背景,以故障电流流向为呈现形式的分析界面,可以快速实现故障元件的判断,特别是具有汇流作用的多元件联接元件的故障判断直观、有效。
附图说明
图1典型变电站一次接线图;
图2实时站内图映射的矢量流向图;
图3变电站对应CT模型;
图4基于广域各故障相关信息自动上传及信息融合示意图;
图5母线接有n条分支的变电站;
图6基于IEC61970的coBase平台;
图7故障判断实施信息示意图;
图8正序实时矢量图;
图9负序实时矢量图;
图10零序实时矢量图。
具体实施方式:
下面结合附图对本发明进行详细说明:
基于实时站内图映射的故障准确辨识方法,包括以下步骤:
步骤一:建立基于一次拓扑图可伸缩矢量图以及通用信息模型的故障矢量分析及故障诊断平台;通过故障量流向为搜索路径确定需要融合的故障设备子站,形成广域信息融合平台;
步骤二:基于广域信息融合平台进行信息融合,采用信息闭环及录波图融合成矢量分析图进行事故性质分析及辅助决策;
步骤三:在事故性质分析及辅助决策时,在扩展的广域内进行故障信息的收集及融合,判断故障元件的故障性质,最终以故障量为搜索引擎,统一直观展示各间隔故障序分量幅值和实际流向。
所述步骤一的具体过程为:搭建站内所有CT电流互感器的模型信息,将站内设备对应的具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图。
所述步骤二信息融合具体包括基于SCADA和保信子站上传信息的融合过程及基于各个故障录波波形图的图形融合过程。
如图7所示,所述步骤三中针对母线这种汇流性元件,根据选定的可扩展界面确定分界点各方向矢量,判断元件的运行状态,利用定义的函数与被锁定元件故障的阀值的比较进行判断,规则如下:
当FComponent(i)>FSet(i),则被锁定元件为故障状态;
当FComponent(i)<FSet(i),则被锁定元件为正常状态;
当FComponent(i)=FSet(i),则被锁定元件存在“可能故障”;
其中,FSet(i)为被锁定元件故障的阀值,其定义为被锁定元件直接相关方向判断量个数减1,即为n-1。
所述定义的函数为:
其中n表示与被判断设备单元直接相关的方向判断元件数。
所述步骤三中针对任一广域封闭区域,存在以下区域内是否发生故障的闭环判断规则:
其中k表示所需判断的封闭区域分界点直接相关故障方向元件个数,如果信息闭环判断失败,则信息相关区域的故障判断失败。
所述信息相关区域的故障判断失败时,如果存在FConfirm(i)>FCon-set(i),则可闭环信息判断成功;
其中,FCon-set(i)是可闭环信息的判断阀值,为封闭区域分界点方向动作个数-1即为k-1。
所述闭环信息判断成功,为了保证优先考虑最小故障隔离范围,首先假设故障为单元件线路,如果故障发生在母线直接相关线路远端II段距离交叉区时,可判为母线故障,因此存在判断规则如下:
当则故障在母线,其中为母线直接相关线路远端保护II段距离动作信息。
所述步骤三中,为了使事件性质判据实现故障全过程监测,需要将开关动作行为纳入,规则如下:
如果并且有CBS(i)=0,则CBB(i)=1 i∈NB
其中,WR为广域保护所发跳闸信息,如果相映开关未变位,则将跳闸开关扩展至其背后侧直接相关开关。
所述故障量包括增量、负序电流量及零序电流量。
如图1所示,典型变电站一次接线图,保护基础信息系统即是基于一次拓扑图可伸缩矢量图(svg)以及通用信息模型(cim)进行建模,完成站内设备的建模,其数据库随网内新建站而随时更新,其不论是一次设备还是CT配备均是实时反映网内实际配置情况的可靠数据来源,如图3-4所示。而故录联网系统电流录波数据可以通过对其相应CT建模将录波实际所录电流大小及方向映射到一次图对应CT值,然后提取所内CT构成站内各设备为节点的电流流向矢量图,如图2所示。
现以故障量负序量为例说明方向矢量算法原理,这一原理适用于故障分量(包括突变量,零序量及故障量综合判据),类似可以找到对故障状态更敏感的故障方向搜索特征量。假设一般情况,母线上接有n条分支(包括进线和出线),电流正方向为母线流向线路。如图5所示,在出线i上k1点发生不对称故障。因为负序电流存在于各种不对称故障中,且各支路负序电流如下:
此时由基尔霍夫电流定律有:
式中——不对称故障时流向支路j,i的负序电流;
已知负序阻抗角范围为70°~85°,故各负序电流量之间满足矢量合成法则。
零序故障电流的一次矢量图除了其故障方向搜索路径与接地点有关外,其性质与负序相似,不再赘述。
从以上分析可以看出,只要以本地电压为基准量就可以确定故障量(包括突变量、零、负序量)的搜索方向,通过下一步基于站内一次设备的CT建模和通道配置,就可以借助于故录联网系统建立基于网络的广域网故障状态序网流向图,并以此为搜索引擎,快速确定故障设备。由于采用的是基于当地量(电流、电压量)的故障分量方向的确定,然后经coBase平 台确定流过一次系统的故障序量方向,因此这种定性的搜索方向,加以借助一次系统中信息的融合所确定的故障搜索方向,克服了广域同步的问题,是简洁实用的故障系统基于网络及信息融合的高级应用。
为了说明进行建模基于对象思想的电力系统及设备建模通用信息模型(cim)方法,定义一个包括全局及当地的信息模型新的信息模型。这一全局性的信息模型用于电力系统的EMS/SCADA系统,以及电力系统控制中心的设备操作,而当地信息建模体现了变电站内的设备的动作情况。相似的信息建模有IEC TC57提出的IEC61970E和61850[10-14],目的是可以将现有的电力系统设备以统一的标准纳入EMS/SCADA系统中。这一信息系统以IEC和EPRI为基础,并且扩展至网络上的分布式设备上。这一架构通过JAVA的类库实现基于IEC61970的全局信息建模及基于IEC61850当地设备信息建模。当地信息模型整合到全局控制模型中,,如图6所示。
基于继电保护基础信息平台(coBase)可伸缩矢量图(svg))以及通用信息模型(cim),是基于IEC61970的全局信息建模建立的全网一次、二次保护设备的数据库,包含一次设备真实情况及二次保护配置情况,并根据网内实际设备情况进行实时更新。此系统依据IEC61970E进行建模,可以统一抽取特征量信息,用于搭建站内所有CT电流互感器,包括对应安装位置及变比等模型信息,同时将此CT与站内故录通道相对应,于是就完成将站内设备对应的电流流向大小等这些具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图界面,可以通过滤波算法实现基于各序网的故障电流流向图,可以据此实现了以故障后关于电流流向快速锁定故障定位、及故障性质判定一系列分析,提供了直观有效的分析平台。
变电站基础数据平台和故障录波联网系统可通过数据接口进行数据融合,数据分布整个网络的关系型数据库中,使用目录服务基于层次树状结构访问这些数据库,把从多种来源实时集成的数据提供给功能故障矢量分析及故障诊断平台。这种信息集成可以通过网络服务使用的逻辑XML编码按照标准建模。其中,Web服务定义语言(WSDL)可用于定义提供特定的服务的语义以及如何使用它;HTTP/S模式中的答单对象访问协议(SOAP)可以用来完成网络服务要求。通用描述,发现和集成的UDDI协议是用来发现Web服务。信息集成技术,如XML的公共密钥管理系统(XKMS)和XML签名可以扩展安全规定,压缩/解压技术可用于提高信息传输速率。
采用模块化和可扩展的设计便于新的站点接入后新的变电站建模及相应CT的增添,也可以随着网络中量测点增加或者开关及CT的增加来更新其模型,同时可以在已有的各序电流矢量图为基础上做出多种高级应用。最直接的功能即是以各序电流量为搜索引擎的故障点定位, 各序网络直接给出的故障性质判断等这些高级应用。这一系统的递增可以是:区域面积的增加,变电站接入数量及故录子站、功能及设备增加。这些都建立在标准的计算机,通信和数据综合基础上,其中基于CT建模后的站内实时电流流向图其CT极性是可调的。
某220kV变电站(主接线如图1所示)发生故障时,220kV III线两侧C相开关跳闸,85ms后该站与220kV III线运行于同一母线的220kV I线、220kV II线、#1主变、母联开关等间隔均三相跳闸不重合。采用上述CT建模的实时站内图映射方法进行故障量计算分析,故障矢量序分量值见表1、2,序分量图见图8-10所示。
表1故障后,II母线序分量列表
Tab1fault sequence of II bus
表2故障后,220kV III线路,序分量列表
Tab.2fault sequence of line220kV III
故障时从站内各间隔故障矢量展示图可非常直观看出,各间隔故障正序量均流向220kV III线路,故障零、负序分量均由220kV III线路经母线流向各分支,因此可确定此次电网故障为220kV III线线路C相接地故障,故障点在220kV III线线路C相,母线保护动作行为异常导致220kV I线、220kV II线、#1主变、母联开关三相跳闸不重合。
Claims (7)
1.基于实时站内图映射的故障准确辨识方法,其特征是,包括以下步骤:
步骤一:建立基于一次拓扑图可伸缩矢量图以及通用信息模型的故障矢量分析及故障诊断平台;通过故障量流向为搜索路径确定需要融合的故障设备子站,形成广域信息融合平台;
步骤二:基于广域信息融合平台进行信息融合,采用信息闭环及录波图融合成矢量分析图进行事故性质分析及辅助决策;
步骤三:在事故性质分析及辅助决策时,在扩展的广域内进行故障信息的收集及融合,判断故障元件的故障性质,最终以故障量为搜索引擎,统一直观展示各间隔故障序分量幅值和实际流向;
所述步骤一的具体过程为:搭建站内所有CT电流互感器的模型信息,将站内设备对应的具体的物理量通过CT建模这一中间量,映射为直观的基于节点及支路的电流矢量图;
所述步骤二信息融合具体包括基于SCADA系统和保信子站上传信息的融合过程及基于各个故障录波波形图的图形融合过程;
所述步骤三中针对母线这种汇流性元件,根据选定的可扩展界面确定分界点各方向矢量,判断元件的运行状态,利用定义的函数与被锁定元件故障的阀值的比较进行判断,规则如下:
当FComponent(i)>FSet(i),则被锁定元件为故障状态;
当FComponent(i)<FSet(i),则被锁定元件为正常状态;
当FComponent(i)=FSet(i),则被锁定元件存在“可能故障”;
其中,FSet(i)为被锁定元件故障的阀值,其定义为被锁定元件直接相关方向判断量个数减1,即为n-1;
FComponent(i)为被锁定元件故障值函数。
2.如权利要求1所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述定义的函数为:
其中n表示与被判断设备单元直接相关的方向判断元件数。
3.如权利要求1所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述步骤
三中针对任一广域封闭区域,存在以下区域内是否发生故障的闭环判断规则:
其中k表示所需判断的封闭区域分界点直接相关故障方向元件个数,如果信息闭环判断失败,则信息相关区域的故障判断失败;
FConfirm(i)为可闭环信息的故障值函数;
FN-R(i)为自定义函数。
4.如权利要求3所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述信息相关区域的故障判断失败时,如果存在FConfirm(i)>FCon-set(i),则可闭环信息判断成功,可闭环信息判断成功具体指:即可判定封闭区域为故障区域;
其中,FConfirm(i)为可闭环信息的故障值函数;FCon-set(i)是可闭环信息的判断阀值,为封闭区域分界点方向动作个数减1即为k-1。
5.如权利要求4所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述闭环信息判断成功,为了保证优先考虑最小故障隔离范围,首先假设故障为单元件线路,如果故障发生在母线直接相关线路远端II段距离交叉区时,可判为母线故障,因此存在判断规则如下:
当则故障在母线,其中为母线直接相关线路远端保护II段距离动作信息。
6.如权利要求1所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述步骤三中,为了使事件性质判据实现故障全过程监测,需要将开关动作行为纳入,规则如下:
如果并且有CBS(i)=0,则CBB(i)=1 i∈NB;
其中,为广域保护中封闭区域分界点i直接相关的保护所发跳闸信息,CBS(i)为封闭区域分界点i直接相关的开关变位信息,CBB(i)为分界点i背后侧直接相关开关的变位信息,如果相应开关未变位,则将跳闸开关扩展至其背后侧直接相关开关NB。
7.如权利要求1所述的基于实时站内图映射的故障准确辨识方法,其特征是,所述故障量包括增量、负序电流量及零序电流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410168294.9A CN103971292B (zh) | 2014-04-24 | 2014-04-24 | 基于实时站内图映射的故障准确辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410168294.9A CN103971292B (zh) | 2014-04-24 | 2014-04-24 | 基于实时站内图映射的故障准确辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103971292A CN103971292A (zh) | 2014-08-06 |
CN103971292B true CN103971292B (zh) | 2015-05-13 |
Family
ID=51240745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410168294.9A Active CN103971292B (zh) | 2014-04-24 | 2014-04-24 | 基于实时站内图映射的故障准确辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971292B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750878A (zh) * | 2015-04-28 | 2015-07-01 | 国网上海市电力公司 | 一种基于混合搜索策略的拓扑故障诊断方法 |
CN104869358A (zh) * | 2015-05-19 | 2015-08-26 | 重庆大学 | 一种安全监控系统的构建方法 |
CN106208368B (zh) * | 2016-07-07 | 2019-01-08 | 广东电网有限责任公司电力调度控制中心 | 一种基于调度综合数据平台的变压器故障分析系统及方法 |
CN109560566A (zh) * | 2018-10-12 | 2019-04-02 | 中国南方电网有限责任公司 | 一种多端混合直流输电系统汇流母线故障判别方法 |
CN111327474B (zh) * | 2020-02-27 | 2023-02-10 | 厦门盈盛捷电力科技有限公司 | 基于拓扑分析的电力系统故障诊断方法 |
CN111682501A (zh) * | 2020-04-30 | 2020-09-18 | 贵州电网有限责任公司 | 一种基于svg可视化技术的故障反演方法及系统 |
CN112510654B (zh) * | 2020-11-20 | 2021-07-09 | 山东山大电力技术股份有限公司 | 一种母线故障诊断方法、系统、可读介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030069379A (ko) * | 2002-02-20 | 2003-08-27 | 명지대학교 | 전력 계통의 1선 지락 고장 지점 검출 방법 |
CN103278743A (zh) * | 2013-05-24 | 2013-09-04 | 国家电网公司 | 一种基于故障信息的高阻接地故障辨识与定位方法 |
CN103675600A (zh) * | 2013-09-05 | 2014-03-26 | 国家电网公司 | 基于拓扑知识的配电网故障诊断系统及方法 |
-
2014
- 2014-04-24 CN CN201410168294.9A patent/CN103971292B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030069379A (ko) * | 2002-02-20 | 2003-08-27 | 명지대학교 | 전력 계통의 1선 지락 고장 지점 검출 방법 |
CN103278743A (zh) * | 2013-05-24 | 2013-09-04 | 国家电网公司 | 一种基于故障信息的高阻接地故障辨识与定位方法 |
CN103675600A (zh) * | 2013-09-05 | 2014-03-26 | 国家电网公司 | 基于拓扑知识的配电网故障诊断系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103971292A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971292B (zh) | 基于实时站内图映射的故障准确辨识方法 | |
CN104198884B (zh) | 基于差动原理的大规模电网智能故障诊断方法 | |
CN103837795B (zh) | 基于广域故障录波信息的调度端电网故障诊断方法 | |
CN103337831B (zh) | 一种具有自适应功能的失步解列方法 | |
CN105842580B (zh) | 一种适用于智能配电网的电压暂降源精确定位优化方法 | |
CN103424668B (zh) | 一种利用馈线零序电流主成分分析和证据理论融合的弧光接地故障连续选线方法 | |
CN106370980A (zh) | 一种配电网故障监测方法及系统 | |
CN103474972B (zh) | 一种继电保护在线整定计算方法 | |
CN104218672B (zh) | 一种基于实时运行状态评价的配电网运行风险预警系统 | |
CN103323742A (zh) | 基于随机布点pmu的电网故障识别系统及故障识别方法 | |
CN106021596A (zh) | 一种电网故障电流冲击拓扑图的分析方法 | |
CN104297632A (zh) | 有限pmu下基于最小二乘法估计的电网故障在线检测方法 | |
CN102195354A (zh) | 一种大电网失步广域协调控制方法 | |
CN104316836A (zh) | 基于相对保护熵与名义过渡电阻的电网故障在线检测方法 | |
CN102982230A (zh) | 一种基于节点阻抗灵敏度的短路电流超标辅助决策方法 | |
CN104215879B (zh) | 一种配电网短路故障定位方法及系统 | |
CN108347039A (zh) | 一种基于电流突变量的站域后备保护方法及系统 | |
CN103810340B (zh) | 基于站内主接线图映射的故障矢量分析及故障诊断方法 | |
CN102638027B (zh) | 用于电力系统在线安全稳定评估的开关拒动故障模拟方法 | |
CN104849614A (zh) | 小电流单相接地故障选线的判断方法 | |
CN106918758A (zh) | 一种基于电气量和非电气量的小电流接地综合选线方法 | |
CN104253421A (zh) | 一种基于站域信息共享的同杆双回线路继电保护优化配置方法 | |
CN115313374A (zh) | 一种融合多代理架构的主动配电网故障恢复方法 | |
CN102930408B (zh) | 一种基于信息融合的750kV电网二次设备状态评估方法 | |
CN115622005A (zh) | 含高渗透率光伏配电网继电保护装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |