CN104502800B - 一种电力系统故障因子特征提取方法 - Google Patents
一种电力系统故障因子特征提取方法 Download PDFInfo
- Publication number
- CN104502800B CN104502800B CN201410780671.4A CN201410780671A CN104502800B CN 104502800 B CN104502800 B CN 104502800B CN 201410780671 A CN201410780671 A CN 201410780671A CN 104502800 B CN104502800 B CN 104502800B
- Authority
- CN
- China
- Prior art keywords
- common factor
- fault
- variable
- electric power
- power system
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种电力系统故障因子特征提取方法,所述方法包括以下步骤:a.选择初始变量,若样本方差小于设定的阈值,则转步骤b,否则,转步骤c;b.计算初始变量的相关系数矩阵的特征值和单位化特征向量;c.计算初始变量的协方差矩阵及协方差矩阵的特征值和单位化特征向量;d.如果特征值小于设定的阈值,则转步骤a,否则转步骤e;e.计算初始变量的公因子和因子载荷矩阵;f.将公因子进行正交旋转或斜交旋转;g.根据公因子的系数特征和公因子的得分特征来判断故障元件。本发明从WAMS系统中的实时量测信息中提取电力系统的故障因子特征,不仅能够满足广域后备保护系统对故障定位实时性和准确性的要求,而且具有很强的抗干扰能力。
Description
技术领域
本发明涉及一种在Weibull随机干扰下,从电力系统WAMS(广域测量系统)信息中提取故障因子特征的方法,属输配电技术领域。
背景技术
目前,全球范围的环境污染和能源短缺要求电力供应从数量向质量转变,风电等新兴能源迎来了前所未有的发展机遇。
风能等新能源本身具有间歇性和波动性的特征,因而新能源接入电网必然产生相应的功率波动。传统电网结构和运行方式是为电能集中生产、调度和分配而设计的。当新能源发电所占的比例较小时,传统电源能够实时补偿这些功率波动。但是,随着可再生能源接入规模的增加,所产生的功率波动有可能超出传统电源的调节范围,从而降低供电的可靠性和电网运行的稳定性。新能源的波动性,在时刻考验着继电保护装置的保障能力,对系统内故障的准确检测及切除,将成为确保电力系统稳定运行的关键。从电力系统WAMS信息中提取有效的故障特征无疑是一种可行的方案,但由于存在诸多非故障信息的干扰,隐藏在WAMS信息中的故障特征并不明显,因此,如何通过特定的手段,完成有效故障特征的提取,并准确可靠地定位故障元件,就成为有关技术人员亟待解决的问题。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种电力系统故障因子特征提取方法,以准确检测系统内故障,保证电力系统的安全稳定运行。
本发明所述问题是以下述技术方案实现的:
一种电力系统故障因子特征提取方法,它按以下步骤进行:
a.从电力系统的广域测量系统(WAMS)中选择电流采集向量和/或电压采集向量作为初始变量,并计算初始变量的样本方差,若样本方差小于设定的阈值,则转步骤b,否则,转步骤c;
b.计算存在风电接入时Weibull随机干扰初始变量的相关系数矩阵,并计算相关系数矩阵的特征值和单位化特征向量,转步骤d;
c.计算存在风电接入时Weibull随机干扰初始变量的协方差矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤d;
d.如果特征值小于设定的阈值,则转步骤a,重新选择初始变量,否则转步骤e;
e.由单位化特征向量计算存在风电接入时Weibull随机干扰初始变量的公因子和因子载荷矩阵,转步骤f;
f.将公因子进行正交旋转或斜交旋转,转步骤g;
g.分别根据公因子的系数特征和公因子的得分特征来判断故障元件,若两种方案的判断结果一致,则两种方案共同指向的元件,即为实际的故障元件;若两种方案的判断结果不一致,则返回步骤a,重新选择初始变量。
上述电力系统故障因子特征提取方法,为避免信息采集过程中不良数据的影响,应对选择的初始变量进行缺失值分析;如果不存在缺失值,则继续进行后续的特征提取;否则,先补足缺失值,再进行后续分析。
上述电力系统故障因子特征提取方法,所述初始变量为对称短路故障中的正序电压、正序电流和不对称短路故障中的正序电压、负序电压、相电压、正序电流、负序电流、相电流。
上述电力系统故障因子特征提取方法,根据公因子的系数特征来判断故障元件的方法是:公因子的最大系数变量对应的元件为故障元件;根据公因子的得分特征来判断故障元件的方法是:公因子的最大得分变量对应的元件为故障元件。
上述电力系统故障因子特征提取方法,所述Weibull随机干扰初始变量的公因子的计算方法可以是公因子轴法、主成分法或极大似然法。
上述电力系统故障因子特征提取方法,所述初始变量样本方差的设定的阈值为0.1。
上述电力系统故障因子特征提取方法,所述特征值的设定的阈值为0.01。
本发明从WAMS系统中的实时量测信息中提取电力系统的故障因子特征,该方法充分考虑了风电接入背景下的Weibull随机干扰,不仅能够满足广域后备保护系统对故障定位实时性和准确性的要求,而且具有很强的抗干扰能力,能够满足系统冗余性的要求。此外,本发明还具有思路清晰,操作简单等优点。
附图说明
下面结合附图对本发明作进一步说明。
图1是在Weibull随机干扰下电力系统故障因子特征提取的流程图;
图2是IEEE-39节点系统。
文中各符号清单为:WAMS、广域测量系统。
具体实施方式
本发明针对目前电力系统分析领域存在的难题,提出了一种在Weibull随机干扰下的电力系统故障因子特征提取方法。该方法充分考虑了风电接入背景下的Weibull随机干扰,主要服务于广域自适应后备保护系统,能够满足广域后备保护系统对故障定位实时性和准确性的要求,并且故障因子特征提取算法具有很强的抗各类复杂干扰的能力,还能够满足系统冗余性的要求。
本发明包括以下步骤:
步骤1:根据电力系统实际运行过程中的WAMS信息,主要选择电流采集向量和/或电压采集向量作为初始变量,启动故障检测过程,转步骤2。在初始变量的选取过程中,所采集的初始变量信息,已经充分考虑了风电接入的影响,即所选择的初始变量存在风电接入下的Weibull随机干扰。由PMU(电源管理单元)所提供的电流采集向量和电压采集向量的形式如下:
在实际的计算过程中,上述向量还可以进一步分解为相分量或者序分量形式的相角采集向量及幅值采集向量。以电压为例:
其中Phag()和Amp()分别代表对向量中的各个元素分别取相角和幅值。
对于初始变量的选取,主要针对对称短路故障中的正序电压、正序电流和不对称短路故障中的正序电压、负序电压、相电压、正序电流、负序电流、相电流进行。实践证明,按照以上电力系统故障因子特征提取方案所进行的故障检测的效果良好。
步骤2:对于在Weibull随机干扰下的电力系统故障因子特征提取方法中,所选取的初始变量进行缺失值分析,进入步骤3;
步骤3:对于存在风电接入背景下受Weibull随机干扰的初始变量,进行缺失值分析后,如果计算的样本方差没有显著差别(即样本方差<0.1),则转步骤4,否则,转步骤5;
步骤4:计算受Weibull随机干扰初始变量的相关系数矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤6;
步骤5:计算受Weibull随机干扰初始变量的协方差矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤6;
步骤6:如果特征值接近于零(即<0.01),则转步骤1,重新选择初始变量,否则转步骤7;
步骤7:由单位化特征向量,计算得到存在风电接入下Weibull随机干扰初始变量的公因子和因子载荷矩阵,公因子的提取主要依照三种方法:公因子轴法,主成分法和极大似然法,转步骤8;
步骤8:为了有效地提取故障因子特征,将公因子进行旋转,主要依照两种方法:正交旋转和斜交旋转,转步骤9;
步骤9:提取故障因子特征。本发明中提出了两种故障因子特征的提取规则,这也是本发明的最核心价值所在。按照第一种故障因子特征——因子系数,故障元件往往对应着故障因子的最大系数变量;按照第二种故障因子特征——因子得分,故障元件通常对应着故障因子的最大得分变量。转步骤10。
在Weibull随机干扰下的电力系统故障因子特征提取方法中,按照第I种故障因子特征提取方案,依照本发明所提出的提取规则,因子系数方案能够根据公因子系数的分析确定故障特征:即故障元件通常对应着故障因子的最大系数变量。针对IEEE-39节点标准检测系统中的短路故障,第I类故障因子特征提取的一般形式为:
在Weibull随机干扰下的电力系统故障因子特征提取方法中,按照第II种故障因子特征提取方案,依照本发明所提出的提取规则,因子得分方案能够根据公因子得分的分析确定故障特征:即故障元件通常对应着故障因子的最大得分变量。针对IEEE-39节点标准检测系统中的短路故障,第II类故障因子特征提取的一般形式为:
Fault factorII,1=b1ξ1+b2ξ2+b3ξ3+b4ξ4+b5ξ5;
同时还可以得到故障因子特征的节点得分矩阵。
步骤10:综合前述的两种方案,根据所得到的故障因子特征的提取结果,两种方案所共同指向的元件,即为实际的故障位置,最终完成快速、准确地故障定位。
下面结合附图和具体实施算例做详细说明。
本发明的关键技术在于充分考虑风电接入背景下的随机干扰,提出了两种有效确定故障特征的方案,并依此实现准确、快速、可靠地故障定位。
图1所示为在Weibull随机干扰下的电力系统故障因子特征提取的流程图。基本的实现过程请见步骤1-步骤10。
图2为本具体实施例中的标准检测系统,IEEE-39节点系统。
表1是IEEE-39节点系统原始变量选取过程中,附加在节点负序电压上的Weibull随机干扰。针对IEEE10机39节点系统中的不对称短路故障,Bus-18发生单相短路,通过BPA仿真,对应每个周期输出相应的变量值一次,将实测的节点负序电压数据进一步附加Weibull随机扰动U~W(0.59,20),如表1所示,再进行故障元件与非故障元件的故障因子特征分析并采取两种方案提取系统故障的因子系数和因子得分特征。
表1:IEEE-39节点系统中附加在节点负序电压上的Weibull随机扰动
。
表2为IEEE-39节点系统中基于节点负序电压样本的总解释方差情况。本实施方案中,依照原始变量信息计算得到相关系数矩阵,并进一步计算特征值和单位化特征向量。该结果说明,第一个故障因子的特征值为28.307,大约占总方差的72.581%,基于分析过程中内定取特征值大于1的原则,故障因子分析过程只提取了前四个公因子,并且四个公因子的特征值共占去方差的100%(后面公因子特征值的方差比例近乎可以忽略),所以提取四个公因子是完全合理的。实际上前四个公因子已经提供了原始变量的足够信息。
表2:IEEE-39节点系统中节点负序电压样本的总解释方差情况;
通过故障因子的载荷矩阵,经过适当的旋转,可以得到一般化的第I类故障因子特征:因子系数。表3为不对称短路故障下的因子载荷矩阵。
表3:IEEE-39节点系统中不对称短路故障下的因子载荷矩阵;
。
于是,就可以得到在Weibull随机干扰下电力系统故障因子特征提取的第I类故障因子特征——因子系数,第I故障因子的表达形式为:
Fault factorI,1=0.047761B1+0.066702B2+0.291409B3+0.130124B4-0.001693B5
+0.088306B6+0.046549B7+0.034791B8+0.046741B9+0.125120B10
+0.159003B11+0.054872B12+0.146313B13+0.042242B14+0.197705B15
+0.208681B16+0.415424B17+0.499146B18+0.108288B19+0.080352B20
+0.151109B21+0.063058B22+0.049270B23+0.197648B24+0.082122B25
+0.208596B26+0.260522B27+0.140264B28+0.145551B29+0.061820B30
+0.040075B31+0.085337B32+0.073089B33+0.110694B34+0.083988B35
+0.054795B36+0.080458B37+0.117177B38+0.022757B39
在第I类故障因子的表达式中,由此可以得出结论,Bus-18节点的因子载荷系数为0.499146,是所有的因子载荷系数中最大的一个,由此,判定,Bus-18为实际的故障位置。该结论与实际情况完全吻合。
在Weibull随机干扰下的电力系统故障因子特征提取方法中,通过深入的研究,进一步得到了电力系统故障的第II类因子特征——因子得分,即通过故障公因子的因子得分分析故障的具体位置。继续研究IEEE10机39节点系统,针对系统中的对称短路故障,Bus-18为故障节点。通过BPA仿真实验,对应每个周期输出相应的变量值一次,利用节点正序电压的实测数据,计算系统故障的因子得分特征。
表4:IEEE-39节点系统中对称短路故障下的因子得分;
。
针对表4中的IEEE-39节点系统对称短路故障下的因子得分,在故障因子1的得分中,Bus-18节点的得分3.39740,是所有的节点得分中最大的。综合以上的分析结果,基于系统对称短路故障情况下节点正序电压的故障因子分析与实际情况完全一致,通过第II类故障因子的得分特征,系统故障得到了准确、可靠的定位。
Claims (5)
1.一种电力系统故障因子特征提取方法,其特征是,它按以下步骤进行:
a.从电力系统的广域测量系统(WAMS)中选择电流采集向量和/或电压采集向量作为初始变量,并计算初始变量的样本方差,若样本方差小于设定的阈值,则转步骤b,否则,转步骤c;
b.计算存在风电接入时Weibull随机干扰初始变量的相关系数矩阵,并计算相关系数矩阵的特征值和单位化特征向量,转步骤d;
c.计算存在风电接入时Weibull随机干扰初始变量的协方差矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤d;
d.如果特征值小于设定的阈值,则转步骤a,重新选择初始变量,否则转步骤e;
e.由单位化特征向量计算存在风电接入时Weibull随机干扰初始变量的公因子和因子载荷矩阵,转步骤f;
f.将公因子进行正交旋转或斜交旋转,转步骤g;
g.在Weibull随机干扰下的电力系统故障因子特征提取方法中,分别根据公因子的系数特征和公因子的得分特征来判断故障元件,若两种方案的判断结果一致,则两种方案共同指向的元件,即为实际的故障元件;若两种方案的判断结果不一致,则返回步骤a,重新选择初始变量;
公因子的最大系数变量对应的元件为故障元件;根据公因子的得分特征来判断故障元件的方法是:公因子的最大得分变量对应的元件为故障元件;
所述Weibull随机干扰初始变量的公因子的计算方法可以是公因子轴法、主成分法或极大似然法。
2.根据权利要求1所述的一种电力系统故障因子特征提取方法,其特征是,为避免信息采集过程中不良数据的影响,应对选择的初始变量进行缺失值分析;如果不存在缺失值,则继续进行后续的特征提取;否则,先补足缺失值,再进行后续分析。
3.根据权利要求1或2所述的一种电力系统故障因子特征提取方法,其特征是,所述初始变量为对称短路故障中的正序电压、正序电流和不对称短路故障中的正序电压、负序电压、相电压、正序电流、负序电流、相电流。
4.根据权利要求1所述的一种电力系统故障因子特征提取方法,其特征是,所述初始变量样本方差的设定的阈值为0.1。
5.根据权利要求1所述的一种电力系统故障因子特征提取方法,其特征是,所述特征值的设定的阈值为0.01。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410780671.4A CN104502800B (zh) | 2014-12-17 | 2014-12-17 | 一种电力系统故障因子特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410780671.4A CN104502800B (zh) | 2014-12-17 | 2014-12-17 | 一种电力系统故障因子特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104502800A CN104502800A (zh) | 2015-04-08 |
CN104502800B true CN104502800B (zh) | 2018-05-04 |
Family
ID=52944211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410780671.4A Active CN104502800B (zh) | 2014-12-17 | 2014-12-17 | 一种电力系统故障因子特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502800B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977505B (zh) * | 2015-06-25 | 2018-01-19 | 国家电网公司 | 一种基于综合振荡指标的电网扰动源定位方法 |
CN106405267B (zh) * | 2016-07-27 | 2018-10-19 | 河北省电力建设调整试验所 | 一种广域后备保护系统中的故障检测方法 |
CN108802571B (zh) * | 2018-06-19 | 2021-04-09 | 昆明迪森电气有限公司 | 一种基于扩频采集和切线线性方差的故障预警方法及其实现系统 |
CN117665648B (zh) * | 2024-02-02 | 2024-04-19 | 国网安徽省电力有限公司电力科学研究院 | 单相接地故障识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472362A (zh) * | 2013-09-23 | 2013-12-25 | 华北电力大学(保定) | 一种电力系统wams信息内嵌故障特征提取方法 |
CN104133989A (zh) * | 2014-07-15 | 2014-11-05 | 华北电力大学 | 计及覆冰损失的风电场时序输出功率计算方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130138257A1 (en) * | 2011-11-30 | 2013-05-30 | Thomas Edenfeld | System for operating an electric power system and method of operating the same |
-
2014
- 2014-12-17 CN CN201410780671.4A patent/CN104502800B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472362A (zh) * | 2013-09-23 | 2013-12-25 | 华北电力大学(保定) | 一种电力系统wams信息内嵌故障特征提取方法 |
CN104133989A (zh) * | 2014-07-15 | 2014-11-05 | 华北电力大学 | 计及覆冰损失的风电场时序输出功率计算方法 |
Non-Patent Citations (2)
Title |
---|
Analysis of two-component mixture Weibull statistics for estimation of wind speed distributions;J.A. Carta et al.;《Renewable Energy》;20160724(第32期);第518–531页 * |
含分布式电源的配电网风险评估技术;许苑等;《电力系统及其自动化学报》;20130831;第25卷(第4期);第117-121页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104502800A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Synchrophasor-based islanding detection for distributed generation systems using systematic principal component analysis approaches | |
CN104502800B (zh) | 一种电力系统故障因子特征提取方法 | |
CN106130039A (zh) | 电力系统的主导失稳模式识别方法和系统 | |
CN104242267B (zh) | 一种风力发电送出输电线路距离保护方法 | |
CN106066437B (zh) | 一种金属氧化物避雷器在线监测装置及其监测方法 | |
CN106646130B (zh) | 一种基于电流极性比较的主动配电网故障定位方法及系统 | |
CN107886171A (zh) | 一种基于pmu数据的断路器状态在线诊断方法及系统 | |
CN108258662A (zh) | 一种多端柔性直流配电线路暂态保护方法及装置 | |
CN103472362A (zh) | 一种电力系统wams信息内嵌故障特征提取方法 | |
CN108074198B (zh) | 一种电力系统pmu不良数据识别方法 | |
CN107919666A (zh) | 一种基于广域响应的地区电网暂态稳定在线综合预判方法 | |
Chatterjee et al. | Fast identification of symmetrical or asymmetrical faults during power swings with dual use line relays | |
CN112909939A (zh) | 一种基于故障前后潮流特征的电力系统暂态稳定评估方法 | |
CN109975662A (zh) | 一种光伏电站接入电网的选相方法及装置 | |
CN102522759B (zh) | 一种基于扰动后电压轨迹的电力系统暂态失稳实时判别方法 | |
CN110165644A (zh) | 一种基于暂态电流时频特性的新能源场站纵联保护方法 | |
CN110110816A (zh) | 一种电力变压器故障推演方法 | |
Jiang et al. | PMU-aided voltage security assessment for a wind power plant | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
Shahriyari et al. | Fast prediction of angle stability using support vector machine and fault duration data | |
CN105896525B (zh) | 基于wams的电网大扰动识别方法 | |
CN116581890A (zh) | 一种电网运行稳定性的智能监测方法及系统 | |
CN104931848A (zh) | 一种基于广域测量信息的电力系统线路故障判别方法 | |
CN104466947B (zh) | 基于区间联络线量测的互联电网暂稳控制策略制定方法 | |
Khazraj et al. | Addressing single and multiple bad data in the modern PMU-based power system state estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |