CN104931848B - 一种基于广域测量信息的电力系统线路故障判别方法 - Google Patents
一种基于广域测量信息的电力系统线路故障判别方法 Download PDFInfo
- Publication number
- CN104931848B CN104931848B CN201510091215.3A CN201510091215A CN104931848B CN 104931848 B CN104931848 B CN 104931848B CN 201510091215 A CN201510091215 A CN 201510091215A CN 104931848 B CN104931848 B CN 104931848B
- Authority
- CN
- China
- Prior art keywords
- information
- criterion
- wide area
- line fault
- fault
- 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
Abstract
一种基于广域测量信息的电力系统线路故障判别方法,包括以下步骤:a.从实时测得的广域测量信息中选择电压采集向量和/或电流采集向量作为初始变量;b.计算原始变量样本信息的样本均值和离差矩阵;c.如果做为初始变量样本信息的总体均值存在显著性差别,则转步骤d,否则,转步骤e;d.建立后验概率的判别准则,转步骤f;e.合并原始变量的样本信息总体,并重新筛选初始变量,转步骤a;f.根据后验概率判别准则判别电力系统的线路故障。本发明利用后验概率的判别准则来诊断电力系统的线路故障,对常见噪声干扰源所诱发的随机干扰具有很强的抗干扰能力,能够满足系统的冗余性要求,实现对线路故障的快速、准确、可靠判别。
Description
技术领域
本发明涉及一种基于广域测量信息的可对电力系统线路故障进行准确判别和定位的方法,属输配电技术领域。
背景技术
由国际大电网会议所界定的广域保护,主要的职能是利用电力系统的多元信息,快速、准确、可靠地对电力系统突发故障进行切除。为确保系统的安全稳定运行,广域保护系统要求能够分析故障切除对系统的影响,并采取相应的控制手段,以实现继电保护和电力系统自动控制的双重功能。广域测量系统(WAMS,Wide Area Measurement System)以相量测量单元(PMU,Phasor Measurement Unit)为基本的构件,能够有效地监测、分析复杂电力系统的运行状态,并将实时的电网运行信息上传到决策支持系统。WAMS能够为电力系统的实时控制和运行服务,主要得益于PMU所提供的电网动态特征和综合负荷的动态信息。
广域后备保护改变了传统后备保护的多段式配合方式,并且基于故障元件识别的广域后备保护不受系统运行方式、电网拓扑结构变化的影响,能够应对各种复杂运行工况,有利于提高后备保护的可靠性。而对于系统故障的准确、可靠定位始终是影响和制约广域后备保护的核心问题,也是相关技术人员亟待解决的难题。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种基于广域测量信息的电力系统线路故障判别方法,以实现电力系统故障在快速、准确定位,确保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:
一种基于广域测量信息的电力系统线路故障判别方法,所述方法包括以下步骤:
a.在电力系统实际运行过程中,从实时测得的广域测量信息中选择电压采集向量和/或电流采集向量作为初始变量;
b.计算原始变量样本信息的样本均值和离差矩阵;
c.如果做为初始变量样本信息的总体均值与初始变量信息存在显著性差别,即总体均值的显著性差值>0.1,则转步骤d,否则,转步骤e;
d.建立后验概率的判别准则,转步骤f;
e.合并原始变量的样本信息总体,并重新筛选初始变量,转步骤a;
f.根据后验概率判别准则判别电力系统的线路故障,并确定线路故障的确切位置。
上述基于广域测量信息的电力系统线路故障判别方法,所述电力系统线路故障是指国际标准电力检测系统中的短路故障,广域测量系统所采集的实时量测信息,是指国际标准电力检测系统中的节点电流或者电压信息,后验概率判别准则的一般形式为:
其中,Ψ1(x)为第一类故障判别准则,ξ1为第一个时刻的电气量采集信息,ξ2为第二个时刻的电气量采集信息,ξ3为第三个时刻的电气量采集信息,为对应第一类故障判别准则的判别常数,为第一判别系数,为第二判别系数,为第三判别系数;Ψ2(x)为第二类故障判别准则,ξ1为第一个时刻的电气量采集信息,ξ2为第二个时刻的电气量采集信息,ξ3为第三个时刻的电气量采集信息,对应第二类故障判别准则的判别常数,为第一判别系数,为第二判别系数,为第三判别系数;
根据后验概率判别准则判别短路故障的具体方法为:判别准则建立之后,基于对应的电气量采集信息,计算并比较第一类和第二类故障判别准则,以准确确定出实际的故障结果。
上述基于广域测量信息的电力系统线路故障判别方法,考虑到PMU采集电气量信息和信息子站传输信息过程中可能存在信息丢失问题,在每次选择电压采集向量和/或电流采集向量后,都应当进行缺失值分析,如果不存在缺失值,则继续进行故障判别;否则,应当先补足缺失值,再进行故障判别。
上述基于广域测量信息的电力系统线路故障判别方法,在对电压采集向量和/或电流采集向量进行缺失值分析后,还应对原始变量的样本信息进行相关性分析,确定对应向量的相关性水平,以确定后续的故障判别准则的建立。
上述基于广域测量信息的电力系统线路故障判别方法,所选取的原始变量为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、相电流以及对称短路故障中的正序电压和正序电流。
本发明利用后验概率的判别准则来诊断电力系统的线路故障,对常见噪声干扰源所诱发的随机干扰具有很强的抗干扰能力,能够满足系统的冗余性要求,实现对线路故障的快速、准确、可靠判别。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是基于广域测量信息的电力系统线路故障判别的流程图;
图2是国际标准电力检测系统的示意图。
文中各符号清单为:WAMS、广域测量系统,PMU、同步相量测量单元。
具体实施方式
本发明的目的是针对背景技术中所描述的目前电力系统分析领域存在的难题,提出一种基于广域测量信息的电力系统线路故障判别方法。所述方法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,并且故障判别方法具有很强的抗干扰能力,能够满足系统冗余性的要求。
为了实现上述发明目的,本发明采取如下技术方案:
基于广域测量信息的电力系统线路故障判别的分析过程,包括以下步骤:
步骤1:考虑各类复杂干扰源的随机干扰强度,根据系统运行情况选择原始变量,启动故障判别过程,转步骤2。
对于原始变量的选取,主要针对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、相电流和对称短路故障中的正序电压、正序电流进行。
步骤2:对所选取的原始变量信息进行缺失值分析,转步骤3;
步骤3:对原始变量的样本信息进行相关性分析,转步骤4;
步骤4:计算原始变量样本信息的样本均值和离差矩阵,转步骤5;
步骤5:如果做为初始变量样本信息的总体均值存在显著性差别、即>0.1,则转步骤6,否则,转步骤7;
步骤6:建立后验概率的判别准则,转步骤8;
步骤7:合并原始变量的样本信息总体,并重新筛选初始变量,转步骤1;
步骤8:根据后验概率判别准则,进行基于后验概率的电力系统线路故障判别,并确定线路故障的确切位置。
对于基于广域测量信息的电力系统线路故障判别的分析过程,后验概率判别准则的建立是本发明的关键。其中,针对国际标准电力检测系统中的短路故障,后验概率判别准则的一般形式为:
基于此,我们可以实现快速、准确的故障判别。
下面结合附图和具体实施算例做详细说明。
本发明提出了一种基于广域测量信息的电力系统线路故障判别方法。关键技术在于通过选取原始变量信息,建立后验概率判别准则,并依此实现快速、准确、可靠地故障判别。
表1是国际标准电力检测系统中附加在原始变量采集信息中的高斯随机白噪声。针对IEEE10机39节点系统Bus17-Bus18中间50%位置的单相短路故障,通过BPA仿真,对应每个周期输出相应的变量值一次,将实测的节点正序电压数据进一步附加强高斯随机白噪声N(0,0.012),如表1所示,再进行故障位置的后验概率判别。
表1:国际标准电力检测系统中附加在节点正序电压上的高斯随机白噪声
在强高斯随机干扰N(0,0.012)影响下,我们针对PMU实际量测的节点正序电压进行系统故障的后验概率判别。
通过基于广域测量信息的电力系统线路故障判别的一般过程,我们可以得到对应的后验概率判别准则:
于是,针对国际标准电力检测系统,结合以上的后验概率判别准则,最终可以得到后验概率形式的故障判别结果,见表2。
表2:国际标准电力检测系统中基于广域测量信息的电力系统线路故障的后验概率判别结果矩阵;
基于广域测量系统,针对国际标准电力检测系统Bus17节点和Bus18节点50%处发生的单相短路故障,利用后验概率判别准则,即便在高斯强噪声的干扰下,本判别方法仍然完成了准确的故障判别。按照后验概率判别准则,由于Bus17和Bus18的后验概率相当,可以直接取节点Bus17和节点Bus18的50%位置处为故障所在,该结果与实际情况完全一致。
Claims (4)
1.一种基于广域测量信息的电力系统线路故障判别方法,其特征是,所述方法包括以下步骤:
a.在电力系统实际运行过程中,从实时测得的广域测量信息中选择电压采集向量和/或电流采集向量作为初始变量;在每次选择电压采集向量和/或电流采集向量后,进行缺失值分析,如果不存在缺失值,则继续进行故障判别;否则,应当先补足缺失值,再进行故障判别;
b.计算原始变量样本信息的样本均值和离差矩阵;
c.如果做为初始变量样本信息的总体均值与初始变量信息存在显著性差别,即总体均值的显著性差值>0.1,则转步骤d,否则,转步骤e;
d.建立后验概率的判别准则,转步骤f;
e.合并原始变量的样本信息总体,并重新筛选初始变量,转步骤a;
f.根据后验概率判别准则判别电力系统的线路故障,并确定线路故障的确切位置。
2.根据权利要求1所述的一种基于广域测量信息的电力系统线路故障判别方法,其特征是,所述电力系统线路故障是指国际标准电力检测系统中的短路故障,广域测量系统所采集的实时量测信息,是指国际标准电力检测系统中的节点电流或者电压信息,后验概率判别准则的一般形式为:
ψ1(x)=ω10+ω11ξ1+ω12ξ2+ω13ξ3
ψ2(x)=ω20+ω21ξ1+ω22ξ2+ω23ξ3;
其中,ψ1(x)为第一类故障判别准则,ξ1为第一个时刻的电气量采集信息,ξ2为第二个时刻的电气量采集信息,ξ3为第三个时刻的电气量采集信息,ω10为对应第一类故障判别准则的判别常数,ω11为第一判别系数,ω12为第二判别系数,ω13为第三判别系数;ψ2(x)为第二类故障判别准则,ω20对应第二类故障判别准则的判别常数,ω21为第四判别系数,ω22为第五判别系数,ω23为第六判别系数;
根据后验概率判别准则判别短路故障的具体方法为:判别准则建立之后,基于对应的电气量采集信息,计算并比较第一类和第二类故障判别准则,以准确确定出实际的故障结果。
3.根据权利要求1或2所述的一种基于广域测量信息的电力系统线路故障判别方法,其特征是,在对电压采集向量和/或电流采集向量进行缺失值分析后,还应对原始变量的样本信息进行相关性分析,确定对应向量的相关性水平,以确定后续的故障判别准则的建立。
4.根据权利要求3所述的一种基于广域测量信息的电力系统线路故障判别方法,其特征是,所选取的原始变量为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、相电流以及对称短路故障中的正序电压和正序电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091215.3A CN104931848B (zh) | 2015-03-01 | 2015-03-01 | 一种基于广域测量信息的电力系统线路故障判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510091215.3A CN104931848B (zh) | 2015-03-01 | 2015-03-01 | 一种基于广域测量信息的电力系统线路故障判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104931848A CN104931848A (zh) | 2015-09-23 |
CN104931848B true CN104931848B (zh) | 2018-05-08 |
Family
ID=54119106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510091215.3A Active CN104931848B (zh) | 2015-03-01 | 2015-03-01 | 一种基于广域测量信息的电力系统线路故障判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104931848B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699804B (zh) * | 2016-01-22 | 2018-05-15 | 吉林大学 | 一种配电网大数据故障检测与定位方法 |
CN105974270B (zh) * | 2016-07-22 | 2019-02-12 | 广东电网有限责任公司电力科学研究院 | 一种输电线路故障类型诊断方法及系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851491A (zh) * | 2006-02-20 | 2006-10-25 | 华为技术有限公司 | 一种故障定位方法 |
CN102721901A (zh) * | 2012-06-26 | 2012-10-10 | 西南交通大学 | 基于时序贝叶斯知识库tbkb的电网故障诊断方法 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100849920B1 (ko) * | 2006-10-18 | 2008-08-04 | 주식회사 세니온 | 배전 선로의 상을 자동적으로 검출하는 자동화 시스템 및방법 |
US7816927B2 (en) * | 2007-07-27 | 2010-10-19 | British Columbia Hydro And Power Authority | Method and system for real time identification of voltage stability via identification of weakest lines and buses contributing to power system collapse |
-
2015
- 2015-03-01 CN CN201510091215.3A patent/CN104931848B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1851491A (zh) * | 2006-02-20 | 2006-10-25 | 华为技术有限公司 | 一种故障定位方法 |
CN102721901A (zh) * | 2012-06-26 | 2012-10-10 | 西南交通大学 | 基于时序贝叶斯知识库tbkb的电网故障诊断方法 |
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 |
Non-Patent Citations (1)
Title |
---|
电力网络拓扑快速识别及故障定位方法研究;张晋芳;《中国博士学位论文全文数据库工程科技II辑》;20121115(第12期);第5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN104931848A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107329040B (zh) | 一种基于暂态录波数据的配电自动化主站系统单相接地故障定位方法 | |
Zare et al. | Synchrophasor-based wide-area backup protection scheme with data requirement analysis | |
Zhang et al. | Fault localization in electrical power systems: A pattern recognition approach | |
Khoshkhoo et al. | On-line dynamic voltage instability prediction based on decision tree supported by a wide-area measurement system | |
CN108254657A (zh) | 基于暂态能量分析的配电网小电流接地故障区段定位方法 | |
Arnold et al. | Synchrophasor data analytics in distribution grids | |
Shaw et al. | A novel event detection and classification scheme using wide-area frequency measurements | |
US20240097434A1 (en) | Method for detecting abnormal direct current voltage measurement in high voltage flexible direct current transmission system | |
CN104931848B (zh) | 一种基于广域测量信息的电力系统线路故障判别方法 | |
Srivastava et al. | Data driven approach for fault detection and Gaussian process regression based location prognosis in smart AC microgrid | |
Radhakrishnan et al. | Synchrophasor based islanding detection for microgrids using moving window principal component analysis and extended mathematical morphology | |
CN117110798B (zh) | 智能配电网的故障检测方法和系统 | |
Zhang | Improving real-time fault analysis and validating relay operations to prevent or mitigate cascading blackouts | |
CN104655991A (zh) | 基于突变点检测组合算法的电力系统故障数据匹配方法 | |
Chen et al. | On-line islanding detection application in the realtime dynamics monitoring system | |
Thomas et al. | Machine learning based detection and classification of power system events | |
Yuan et al. | Virtual bus angle for phase angle monitoring and its implementation in the Western Interconnection | |
Popov et al. | Synchrophasor-based Applications to Enhance Electrical System Performance in the Netherlands | |
Han et al. | High voltage power fault-detection and analysis system: Design and implementation | |
Solankee et al. | High impedance fault detection in microgrid to enhance resiliency against PMU outage | |
CN108229863B (zh) | 一种配电网供电可靠率计算方法 | |
Lakshmi et al. | IoT based protection of microgrid with grid-connected and islanded mode using wavelet approach | |
Wang et al. | Data validation and anomaly detection techniques for smart substations | |
Asgharigoavr et al. | Development of PMU-based backup wide area protection for power systems considering HIF detection | |
Kezunovic | Use of intelligent techniques for analysis of faults and protective relay operations |
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 |