CN104569658B - 基于遗传算法的变电站电流量测回路故障检测方法 - Google Patents
基于遗传算法的变电站电流量测回路故障检测方法 Download PDFInfo
- Publication number
- CN104569658B CN104569658B CN201410768333.9A CN201410768333A CN104569658B CN 104569658 B CN104569658 B CN 104569658B CN 201410768333 A CN201410768333 A CN 201410768333A CN 104569658 B CN104569658 B CN 104569658B
- Authority
- CN
- China
- Prior art keywords
- individuality
- population
- phase
- branch road
- transformer station
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种基于遗传算法的变电站电流量测回路故障检测方法,包括:搜寻出变电站内的开关岛;对所述开关岛进行电压状态估计,获得开关岛的最可信相电压有效值;找出所述开关岛中各物理节点所关联的支路;对于所述物理节点,建立方程;对于所述开关岛中的支路建立方程;用遗传算法求解使得以下目标函数最小的所有支路电流、有功、无功,获得各支路量测量的最可信值;根据每条支路量测量的最可信值与量测值的偏差,当偏差大于预设阈值,则生成相应的电流量测回路可能存在故障的告警信息。本发明方法建模简单,考虑了复杂的约束条件,故障检测的准确性高。
Description
技术领域
本发明涉及电力系统设备故障诊断领域,特别是涉及一种基于遗传算法的变电站电流量测回路故障检测方法。
背景技术
及时发现变电站电流量测回路的故障,有利于保障变电站的数据质量,从而确保运行人员对变电站的运行状态给出正确判断。现有技术中,发现变电站电流量测回路故障的基本方法是发现量测量误差是否偏大,因此需要对电流量测回路量测量的真值进行求解和估计。传统的量测量状态估计是通过建立状态量和量测总误差的雅克比矩阵进行求解,这种方法建模复杂,开发和调试周期长,不易于考虑复杂的约束条件,无法保证故障检测的准确性。
发明内容
基于此,本发明提供一种基于遗传算法的变电站电流量测回路故障检测方法,该方法建模简单,考虑了复杂的约束条件,故障检测的准确性高。
一种基于遗传算法的变电站电流量测回路故障检测方法,包括如下步骤:
搜寻出变电站内的开关岛;其中,所述在变电站内的开关岛是指由如下设备:母线、断路器、刀闸和短引线组成的电气上相连的一组设备,各设备的阻抗为0;
对所述开关岛进行电压状态估计,获得开关岛的最可信相电压有效值;
找出所述开关岛中各物理节点所关联的支路;
对于所述物理节点,建立以下方程:
式中,Ni为与物理节点i相连的支路数目,k为与物理节点i相连的支路序号,Pi_k和Qi_k均为与物理节点i相连的k支路的三相总功率,所述开关岛中共有NODE个物理节点,i=1~NODE;
对于所述开关岛中的支路建立以下方程:
式中,Ij为支路j的线电流幅值,Pj和Qj分别为支路j的三相有功量测和三相无功量测;
用遗传算法求解使得以下目标函数最小的所有支路电流、有功、无功,获得各支路量测量的最可信值:
其中,mine为所述最可信值,BRANCH表示所述开关岛中的支路总数;
根据所述支路量测量的最可信值与量测值的偏差,当偏差大于预设阈值,则生成相应的电流量测回路可能存在故障的告警信息。
上述基于遗传算法的变电站电流量测回路故障检测方法,通过计算电流量测回路上电流有效值、有功、无功量测的最可信值与量测值的偏差来识别电流量测回路是否存在问题。最可信值的求解方法类似于状态估计算法,基于遗传算法进行量测量状态估计,不用求解雅克比矩阵,建模简单,对量测量的可观性和齐全性要求低,可以考虑复杂的约束条件,开发调试周期短,并且易于将来算法的扩充和维护。由于设备量测量回路的故障监测实时性远大于秒级,因此由于采用遗传算法导致的计算周期扩展到秒级不会对方法的实用性产生影响。
附图说明
图1为本发明基于遗传算法的变电站电流量测回路故障检测方法在一实施例中的流程示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细说明,但本发明的实施方式不限于此。
本实施例的基于遗传算法的变电站电流量测回路故障检测方法,基于RTU/SCADA数据,可应用于调度中心、巡维中心或变电站内的设备状态监视模块。原始数据可直接采自RTU,也可从SCADA的实时库或历史库中获取或转发。由于RTU/SCADA量测量一般是当量测变化超过阈值时进行更新,本实施例要求同时获取量测数据,但并不要求量测数据同时刷新。对于所采用的状态估计方法不需要各支路或节点电压相关量测量的齐全,本实施例方法中所使用的节点方程和可视化功率求解方程只在有相关量测时建立,若相关量测不齐全,则可以不建立。因此本实施例在实际的测量环境中所受约束小。
为了实时地监视变电站范围内各电流量测回路的情况,可在EMS的应用服务器或设立单独的设备监视服务器实时地以大约1分钟为周期,对被监视变电站的电流量测回路进行一次故障检测,当发现存在量测值与最可信值差别较大时,提醒运行人员对相应的电流量测回路进行更细致的诊断。也可进一步结合统计,对频繁发生故障告警的量测回路进行重点的深入诊断。
如图1所示,是本发明基于遗传算法的变电站电流量测回路故障检测方法在一实施例中的流程示意图,包括如下步骤:
S11、搜寻出变电站内的开关岛;其中,所述在变电站内的开关岛是指由如下设备:母线、断路器、刀闸和短引线组成的电气上相连的一组设备,各设备的阻抗为0;
S12、对所述开关岛进行电压状态估计,获得开关岛的最可信相电压有效值;若系统处于不平衡状态或电压量测有误,则终止电流量测回路检测;
在一较佳实施例中,所述对所述开关岛进行电压状态估计的步骤可包括:
步骤21、取开关岛内a相各电压量测,取平均值;
步骤22、求各a相电压量测与平均值的偏差;
步骤23、去除与平均值偏差大于5%的各个量测,返回步骤21;若没有偏差大于5%的点,则终止最可信a相电压幅值Ua的计算;
步骤24、用上述步骤21~23的同样方法计算出b相电压幅值Ub和c相电压幅值Uc;
步骤25、计算Ua、Ub、Uc的平均值U;
步骤26、当Ua、Ub、Uc与U的偏差均小于5%时,则判断系统处于平衡状态,取U为最可信相电压;否则判断系统处于不平衡状态或电压量测有误,终止电流量测回路检测。
S13、找出所述开关岛中各物理节点所关联的支路;
S14、对于所述物理节点,建立以下方程;其中,若存在量测不全,则不考虑相应物理节点,也即是在所有物理节点中,对于没有量测值的物理节点,则不对其建立下面的方程;
式中,Ni为与物理节点i相连的支路数目,k为与物理节点i相连的支路序号,Pi_k和Qi_k均为与物理节点i相连的k支路的三相总功率,所述开关岛中共有NODE个物理节点,i=1~NODE;epi是指计算的有功差;eqi是指计算的无功差。
S15、对于所述开关岛中的支路建立以下方程:若存在量测不全,则不考虑相应支路;
式中,Ij为支路j的线电流幅值,Pj和Qj分别为支路j的三相有功量测和三相无功量测,esj是指功率差;若支路j给出了abc三相电流幅值,也即是支路j已预设有abc三相电流幅值的采集量测,则取三个电流幅值的平均值。
S16、用遗传算法求解使得以下目标函数最小的所有支路电流、有功、无功,获得各支路量测量(三相有功P、三相无功Q、单相电流幅值I)的最可信值:
其中,mine为所述最可信值,BRANCH表示所述开关岛中的支路总数;
约束条件或偏差量定义见方程(1)~(3);
在一较佳实施例中,可包括如下步骤:
步骤31、变量定义,即:取各支路的单相电流幅值量测I(若该支路已给出abc相电流,则取abc相电流的平均值)、三相有功P和三相无功Q作为待优化求解的参数,Xi表示I、P或Q的期望值,Xmi为实测值,i表示序号,ki表示第i个量期望值与实测值的偏差,满足下式:
Xi=Xmi(1+ki),其中i=1~N,N为I、P、Q数目的总和,ki的取值范围为[-10,10];
步骤32、种群初始化,即:以ki为基因构造染色体Yj,每个染色体Yj为1个一维数组,每个ki为数组元素;种群数目选为30×N,即j=1~30×N;
具体的,步骤32还包括如下生成所述种群中每个个体的初始值的步骤:
步骤321、10×N个体的ki采用kiki=0.1×random(-1,1)生成,其中random(-1,1)表示在(-1,1)范围内取随机数;
步骤322、10×N个体的ki采用ki=0.5×random(-1,1)生成;
步骤323、5×N个体的ki采用ki=1×random(-1,1)生成;
步骤324、5×N个体的ki采用ki=10×random(-1,1)生成;
步骤325、将步骤323中生成的个体中,任选的一个个体的ki都取为0,作为1个个体。
步骤33、各个体的适应度评价,即:各个体根据ki求取对应的Xi,即I、P、Q的值,然后利用式计算各个体距离最优值的偏差量,并将各个个体按偏差量由小到大的顺序排序;其中,所述最优值为0;
步骤34、进行如下终止条件的判断,即:连续100代最优个体的偏差量不再变小,则停止寻优;或者最优个体的偏差量小于0.001停止寻优;
步骤35、对所述种群进行选择处理;
具体的,可包括:将所述种群的15N个个体保留到下一代:根据所述偏差量,将最优的1/3个个体全部保留,次优的1/3个个体以随机的方式保留1/2,删除最差的1/3个个体;这样原种群将选择出一半,即15N个个体保留到下一代。
步骤36、对选择处理后的种群进行复制处理;
具体的,可包括:将选择处理后的种群中保留下来的每个个体进行复制,将进行选择处理后的种群的个体数目恢复到原始种群的个体数目30N;标记出1个且仅1个最优个体作为不参加交叉处理及变异处理的个体。
步骤37、对复制处理后的种群进行交叉处理;
具体的,可包括:在所述种群中,任选两个个体进行8N次的如下交叉呼唤基因处理,令16N个个体参加交叉操作:对选择的个体,任一选择两个基因位置,将两个基因位置之间的数组内容进行互换;其中,所述进行交叉处理的个体为所述种群中未标记的个体。
步骤36、对交叉处理后的种群进行变异处理;
具体的,可包括:从复制处理后的种群的30N个个体中任选N个个体,其中,所述进行变异处理的个体为所述种群中未标记的个体;
对每个个体任选一半的基因位置,将相应数组元素修改为ki=5×random(-1,1);
并返回所述步骤33。
S17、计算I、P、Q最可信值与量测值的偏差(若其中一支路给出abc三相电流,则分别计算该支路各相电流的偏差),当偏差大于预设阈值,则生成相应的电流量测回路可能存在故障的告警信息;其中预设阈值根据实际需要而设置,可为8%、10%等。
本发明基于遗传算法的变电站电流量测回路故障检测方法,通过计算电流量测回路上电流有效值、有功、无功量测的最可信值与量测值的偏差来识别电流量测回路是否存在问题。最可信值的求解方法类似于状态估计算法,但是为了避免编程和调试复杂的雅克比矩阵,缩短开发周期和程序维护难度,采用基于遗传算法进行量测量状态估计,不用求解雅克比矩阵,建模简单,对量测量的可观性和齐全性要求低,可以考虑复杂的约束条件,开发调试周期短,并且易于将来算法的扩充和维护。由于设备量测量回路的故障监测实时性远大于秒级,因此由于采用遗传算法导致的计算周期扩展到秒级不会对方法的实用性产生影响,便于工程应用。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,包括如下步骤:
搜寻出变电站内的开关岛;其中,所述在变电站内的开关岛是指由如下设备:母线、断路器、刀闸和短引线组成的电气上相连的一组设备,各设备的阻抗为0;
对所述开关岛进行电压状态估计,获得开关岛的最可信相电压有效值;
找出所述开关岛中各物理节点所关联的支路;
对于所述物理节点,建立以下方程:
式中,Ni为与物理节点i相连的支路数目,k为与物理节点i相连的支路序号,Pi_k和Qi_k均为与物理节点i相连的k支路的三相总功率,所述开关岛中共有NODE个物理节点,i=1~NODE;
对于所述开关岛中的支路建立以下方程:
式中,Ij为支路j的线电流幅值,Pj和Qj分别为支路j的三相有功量测和三相无功量测;
用遗传算法求解使得以下目标函数最小的所有支路电流、有功、无功,获得各支路量测量的最可信值:
其中,mine为所述最可信值,BRANCH表示所述开关岛中的支路总数;
其中,所述用遗传算法求解使得以下目标函数最小的所有支路电流、有功、无功,获得各支路量测量的最可信值的步骤包括:
步骤31、取各支路的单相电流幅值量测I、三相有功P和三相无功Q作为待优化求解的参数,Xi表示I、P或Q的期望值,Xmi为实测值,i表示序号,ki表示第i个量期望值与实测值的偏差,满足下式:
Xi=Xmi(1+ki),其中i=1~N,N为I、P、Q数目的总和,ki的取值范围为[-10,10];
步骤32、以ki为基因构造染色体Yj,每个染色体Yj为1个一维数组,每个ki为数组元素;种群数目选为30×N,即j=1~30×N;
步骤33、各个体的适应度评价:各个体根据ki求取对应的Xi,即I、P、Q的值,然后利用式计算各个体距离最优值的偏差量,并将各个个体按偏差量由小到大的顺序排序;其中,所述最优值为0;
步骤34、进行如下终止条件的判断:连续100代最优个体的偏差量不再变小,则停止寻优;或者最优个体的偏差量小于0.001停止寻优;
步骤35、对所述种群进行选择处理;
步骤36、对选择处理后的种群进行复制处理;
步骤37、对复制处理后的种群进行交叉处理;
步骤36、对交叉处理后的种群进行变异处理;并返回所述步骤33;
根据每条支路量测量的最可信值与量测值的偏差,当偏差大于预设阈值,则生成相应的电流量测回路可能存在故障的告警信息。
2.根据权利要求1所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述对所述开关岛进行电压状态估计的步骤包括:
步骤21、取开关岛内a相/b相/c相各电压量测,取平均值;
步骤22、求各a相/b相/c相电压量测与平均值的偏差;
步骤23、去除与平均值偏差大于5%的各个电压量测,返回步骤21;若没有偏差大于5%的点,则终止最可信a相电压幅值Ua的计算/终止最可信b相电压幅值Ub的计算/终止最可信c相电压幅值Uc的计算;
步骤24、计算Ua、Ub、Uc的平均值U;
步骤25、当Ua、Ub、Uc与U的偏差均小于5%时,则判断系统处于平衡状态,取U为最可信相电压;否则判断系统处于不平衡状态或电压量测有误,终止电流量测回路检测。
3.根据权利要求1所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述步骤32中还包括如下生成所述种群中每个个体的初始值的步骤:
步骤321、10×N个体的ki采用ki=0.1×random(-1,1)生成,其中random(-1,1)表示在(-1,1)范围内取随机数;
步骤322、10×N个体的ki采用ki=0.5×random(-1,1)生成;
步骤323、5×N个体的ki采用ki=1×random(-1,1)生成;
步骤324、5×N个体的ki采用ki=10×random(-1,1)生成;
步骤325、将步骤323中生成的个体,任选的一个个体的ki都取为0,作为1个个体。
4.根据权利要求1或3所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述对所述种群进行选择处理的步骤包括:
将所述种群的15N个个体保留到下一代:根据所述偏差量,将最优的1/3个个体全部保留,次优的1/3个个体以随机的方式保留1/2,删除最差的1/3个个体。
5.根据权利要求4所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述对选择处理后的种群进行复制处理的步骤包括:
将选择处理后的种群中保留下来的每个个体进行复制,将进行选择处理后的种群的个体数目恢复到原始种群的个体数目30N;标记出1个且仅1个最优个体作为不参加交叉处理及变异处理的个体。
6.根据权利要求5所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述对复制处理后的种群进行交叉处理的步骤包括:
在所述种群中,任选两个个体进行8N次的如下交叉呼唤基因处理,令16N个个体参加交叉操作:对选择的个体,任一选择两个基因位置,将两个基因位置之间的数组内容进行互换;其中,所述进行交叉处理的个体为所述种群中未标记的个体。
7.根据权利要求5所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述对交叉处理后的种群进行变异处理的步骤包括:
从复制处理后的种群的30N个个体中任选N个个体,其中,所述进行变异处理的个体为所述种群中未标记的个体;
对每个个体任选一半的基因位置,将相应数组元素修改为ki=5×random(-1,1)。
8.根据权利要求1所述的基于遗传算法的变电站电流量测回路故障检测方法,其特征在于,所述支路量测量包括三相有功、三相无功和单相电流幅值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410768333.9A CN104569658B (zh) | 2014-12-11 | 2014-12-11 | 基于遗传算法的变电站电流量测回路故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410768333.9A CN104569658B (zh) | 2014-12-11 | 2014-12-11 | 基于遗传算法的变电站电流量测回路故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104569658A CN104569658A (zh) | 2015-04-29 |
CN104569658B true CN104569658B (zh) | 2016-08-24 |
Family
ID=53086192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410768333.9A Active CN104569658B (zh) | 2014-12-11 | 2014-12-11 | 基于遗传算法的变电站电流量测回路故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569658B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112615623B (zh) * | 2020-12-23 | 2022-03-25 | 电子科技大学 | 倒t型dac转换电路的单故障诊断方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620250B (zh) * | 2008-06-30 | 2013-04-03 | 上海申瑞继保电气有限公司 | 量测质量的自适应监测方法 |
US8593151B2 (en) * | 2011-02-28 | 2013-11-26 | Jeffrey M Drazan | Inductive monitoring of a power transmission line of an electrical network |
CN103324847B (zh) * | 2013-06-17 | 2016-12-28 | 西南交通大学 | 电力系统动态不良数据检测与辨识方法 |
CN104462769A (zh) * | 2014-11-05 | 2015-03-25 | 中国南方电网有限责任公司电网技术研究中心 | 基于遗传算法的变电站电流量测回路故障检测方法 |
-
2014
- 2014-12-11 CN CN201410768333.9A patent/CN104569658B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104569658A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793853B (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN111064180B (zh) | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 | |
CN103825364B (zh) | 一种应用于电力系统状态估计的主子站信息交互方法 | |
CN106093713A (zh) | 一种含分布式电源的配电网区段故障定位方法及系统 | |
CN102737287B (zh) | 一种地区电网在线供电风险评估系统 | |
CN103066591B (zh) | 一种基于实时测量的电网参数偏差识别方法 | |
CN106127047A (zh) | 一种基于延森‑香农距离的电力系统恶意数据检测方法 | |
CN109752629A (zh) | 一种电网量测问题智能诊断方法及系统 | |
CN109782124A (zh) | 一种基于梯度下降算法的主配用一体化故障定位方法及系统 | |
CN108629520A (zh) | 一种微气象环境下的高压输电线路运行状态评估方法 | |
CN106160218A (zh) | 电网配电线路实时监控分析系统 | |
CN105676157A (zh) | Wams低频振荡识别功能的测试系统及方法 | |
CN102968569A (zh) | 基于Markov模型与D-S证据理论的安全仪表系统可靠性评估方法 | |
CN106952178B (zh) | 一种基于量测平衡的遥测不良数据辨识与原因分辨方法 | |
CN104617575B (zh) | 一种用于静态安全分析预想故障下潮流不可解评估方法 | |
CN104915889A (zh) | 一种基于日负荷曲线在线获取综合负荷模型参数的方法 | |
CN113740666B (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
CN104537581A (zh) | 采用模糊相似度匹配的电压暂降源在线定位方法 | |
CN104569658B (zh) | 基于遗传算法的变电站电流量测回路故障检测方法 | |
CN104849620A (zh) | 一种基于bp神经网络的接地网故障诊断方法 | |
CN104850918B (zh) | 一种计及电网拓扑约束的节点负荷预测方法 | |
WO2016136391A1 (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
CN109726880B (zh) | 一种输电线路参数合理性评估方法及系统 | |
CN104462769A (zh) | 基于遗传算法的变电站电流量测回路故障检测方法 | |
CN103001220B (zh) | 一种基于最优匹配回路功率的配电网拓扑结构辨识方法 |
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 |