CN105930608B - 计及信息不确定性的改进隐性故障检测方法 - Google Patents
计及信息不确定性的改进隐性故障检测方法 Download PDFInfo
- Publication number
- CN105930608B CN105930608B CN201610289073.6A CN201610289073A CN105930608B CN 105930608 B CN105930608 B CN 105930608B CN 201610289073 A CN201610289073 A CN 201610289073A CN 105930608 B CN105930608 B CN 105930608B
- Authority
- CN
- China
- Prior art keywords
- protection
- breaker
- fault
- indicates
- hidden failure
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000006872 improvement Effects 0.000 title claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000014509 gene expression Effects 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims abstract description 4
- 230000007257 malfunction Effects 0.000 claims description 23
- 230000009471 action Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 15
- 230000001681 protective effect Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 208000037408 Device failure Diseases 0.000 description 1
- 208000032368 Device malfunction Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
一种计及信息不确定性的改进隐性故障检测方法，通过对故障区域的识别和保护信息系统信号收集，确定可疑故障元件集合与断路器集合；根据保护规则解析得到各信号的期望表达式，构建解析模型并简化；然后建立目标规划函数，利用离散粒子群算法进行优化求解；针对不同实际情况故障的不确定性概率建立解集评价指标，确定实际最优解；最后通过对比最优解集合与采集信号集合，确定存在隐性故障的保护设备。本发明能够提高求解速度和精度，消除了原有方法误解或错解情况。同时，增加记及信息不确定性概率模块，实现了对不同区域检测结果的辨识。此改进方法，为继电保护装置隐性故障的检测发挥更多重、更重要的作用。
Description
技术领域
本发明涉及的是一种电力系统继电保护领域的技术，具体是一种计及信息不确定性的改进隐性故障检测方法。
背景技术
北美电力可靠性协会(north American electric reliability corporation，NERC)在1988-1996年电网重大事故的分析报告中指出，70％的N-2停运事件由继电保护系统的误动造成。2011年巴西及2012年印度发生的大规模停电事故，也都是由继电保护系统隐性故障引起的。近年来的运行统计表明，继电保护装置由运行原因引起的误动所占比例为50％以上(张烈,吕鹏飞,申华等,王文焕.2013年国家电网公司220kV及以上电压等级交流系统继电保护设备及其运行情况分析[J].电网技术,2015,04:1153-1159.)，这些错误动作一般不是继电保护原理不正确，而是多由保护系统中定值整定错误、操作失误、元件老化、环境影响等隐性故障引起的。隐性故障是保护装置中存在的一种永久缺陷，这种缺陷只有在系统发生故障或不正常运行状态时才会表现出来，严重时会引起大电网连锁故障甚至电网解列。为了提高电网的运行可靠性，对继电保护装置可能存在的隐性故障进行监测是十分必要的。如今，国内外已有的研究主要从继电保护隐性故障的定义、成因、表现形式、系统建模、风险评估及监测与控制等方面进行研究。
新能源的应用、分布式电源及各种形式可再生能源随时随地的即插即用，使得电网的运行方式变得极为灵活多变，对继电保护离线整定的传统管理方式提出了巨大挑战。同时，支撑智能电网建设的智能变电站技术的快速推广，使得智能变电站运行维护非常困难。上述两方面原因导致继电保护系统的隐性故障发生的几率大大增加。与此同时，智能变电站技术也为继电保护隐性故障的检测奠定了数据基础。因此，现阶段深入研究继电保护系统隐性故障检测理论，对于推进智能变电站工程建设，保障新能源的灵活接入，提高电网的运行可靠性具有重要意义。
经过对现有技术的检索发现，梁辰,邰能灵,胡炎,张沛超在“基于混合量测状态估计的保护隐性故障检测系统”(水电能源科学,2015,09:200-204)中公开了一种利用SCADA及WAMS采集电网数据进行混合量测状态估计得到系统状态作为参考值,将该参考值与保护信息系统接受的继电保护装置测量数据进行比较,若差值超过预设门槛值,则可判定保护装置存在隐性故障,并在此基础上建立隐性故障检测系统。
陈星田,熊小伏,齐晓光,郑昌圣,钟加勇在“一种用于继电保护状态评价的大数据精简方法”(中国电机工程学报,2015,03:538-548.)中提出基于保护内部加工信息进行保护状态评价数据精简的思路，构建反映继电保护系统状态特征的精简数据指标集，并提出利用该精简指标数据对继电保护进行在线状态评价的方法。其优势在于将保护内部信息进行精简并给出状态评价指标，缺点在于该方案无法有效检测继电保护装置存在的隐性故障。
梁辰在“继电保护隐性故障的检测方法”(上海交通大学,2015.)中提出了一种基于保护信号解析模型的隐性故障检测方法。该方法根据保护启动、保护动作、断路器跳闸、故障位置信号之间的逻辑关系，以及主保护和后备保护之间的配置规则，并考虑拒动、误动等情况，构建反应各信号之间关联的解析模型。其优势在于提出了检测隐性故障的新方法，缺点在于该模型求解难度大，易于出现多解情况导致模型求解不准确。
发明内容
本发明针对现有技术存在的不足，提出一种计及信息不确定性的改进隐性故障检测方法，能够提高求解速度和精度，消除了原有方法误解或错解情况。同时，增加记及信息不确定性概率模块，实现了对不同区域检测结果的辨识。此改进方法，为继电保护装置隐性故障的检测发挥更多重、更重要的作用。
本发明是通过以下技术方案实现的：
本发明通过对故障区域的识别和保护信息系统信号收集，确定可疑故障元件集合与断路器集合；根据保护规则解析得到各信号的期望表达式，构建解析模型并简化；然后建立目标规划函数，利用离散粒子群算法进行优化求解；针对不同实际情况故障的不确定性概率建立解集评价指标，确定实际最优解；最后通过对比最优解集合与采集信号集合，确定存在隐性故障的保护设备。
所述的目标规划函数为其中：ai、bi为第i个保护的实际启动、返回状态，hi为第i个重合闸的实际动作状态，Ai、Bi为第i个保护的期望启动、返回状态，Hi为第i个重合闸的期望动作状态，D为保护的数量，K为断路器的数量，Q为重合闸的数量，为保护和断路器拒动的情况；为保护和断路器拒动的情况，|·|为逻辑变量的范数，|1|＝1,|0|＝0，w表示保护启动和返回的相对权值，w1表示保护和断路器误动的相对权值，w2表示保护和断路器拒动的相对权值。
所述的故障区域的识别是指：断路器切除故障后，一侧带电一侧不带电，此类断路器被称作故障区域边界断路器。基于PMU所量测的母线电压及支路电流等电气量检测断路器两端的带电情况识别边界断路器，确定故障区域边界从而形成故障区域，确定解析模型中可疑元件与断路器集合。
所述的保护信息系统信号收集，具体是指：继电保护与故障信息系统记录了继电保护设备的运行状态，通过提取保护运行状态得到解析模型中所涉及保护启动、动作、返回以及断路器动作信号集合。
所述的构建解析模型并简化是指：通过对逻辑方程组进行等价变换和变量分离，实现隐性故障检测模型的化简，具体为：隐性故障检测模型为：
化简后的解析模型为：其中a∈A，r∈R，b∈B，c∈C，h∈H，f∈F，g∈G，S为可疑故障元件集，P为可疑故障线路集，A为与S、P相关的保护启动集合，R为与S、P相关的保护动作集合，B为与S、P相关的保护返回集合，C为与S、P相关的断路器集合，H为与S、P相关的重合闸集合，F为误动集合，G为拒动集合，A',R',C',B',H'表示各信号的动作期望。通过化简将模型中变量个数由M+N+5D+3K+Q减少为M+N+D+K+Q，大大降低了模型维度提高了求解的速度以及精度。
在实际应用中，由于不同地域、环境一二次设备故障等概率不同，在检测模型中增加记及信息不确定性的解集评价指标，用以根据具体实际情况调整相关概率，得到最符合实际情况的检测结果。
所述的解集评价指标是指：将保护和断路器动作以及各告警信号的不确定性表示成概率模型，然后建立相应的评价指标，具体为：T(P(X＝(S,P,A,R,B,C,H,F,G)))
其中：P(X＝(S,P,A,R,B,C,H,F,G))为优化结果中变量的不确定性概率，r为保护动作期望值，r*为保护动作实际值，c为断路器动作期望值，c*为断路器动作实际值，m为测量信息状态值，m’为测量信息实际值。
技术效果
与现有技术相比，本发明通过对解析模型的完善与化简，解决了原有模型局部收敛，求解不准确的问题。通过对模型的完善与简化，大大提高了检测的速度和精度，具有更好的容错能力；本发明增加了考虑信息不确定性的解集评价指标，解决了对于实际应用过程中，不同环境下继电保护隐性故障存在概率不同所导致检测异常问题。考虑沿海、内陆等实际情况装置受损程度差异，提出了更符合实际情况的检测方法；此外，本发明增加了计及故障信号以及保护和断路器动作不确定性对模型求解的影响的评价指标，解决了对于实际应用过程中，不同环境下继电保护隐性故障存在概率不同所导致检测异常问题。
附图说明
图1为本发明流程图；
图2为实施例电路模型示意图。
具体实施方式
本实施例包括以下步骤：
1)通过识别故障区域边界断路器确定可疑故障线路与原件集合。考虑到远后备保护的启动和返回情况，将故障区域边界向下级线路延伸一级。经过故障区域的识别和保护信息系统信号收集，确定可疑故障元件集合S*，可疑故障线路集合P*和断路器集合C*。并根据S*、P*确定待解析的保护集合A*、R*、B*、H*。
2)在故障范围内进行保护规则解析，得到各信号的期望表达式。隐性故障检测的完全解析模型可抽象表达成：其中：S＝{s1,s2...sM}为可疑故障元件集，sm＝1表示第m个元件故障，sm＝0表示第m个元件正常，M为设备数量，P＝{p1,p2...pN}为可疑故障线路集，pn＝1表示第n条线路故障，pn＝0表示第n条线路正常，N为线路数量，A＝{a1,a2...aD}为与S、P相关的保护启动集合，ad＝1表示第d个保护启动，ad＝0表示第d个保护未启动，D为保护数量，R＝{r1,r2...rD}为与S、P相关的保护动作集合，rd＝1表示第d个保护动作，rd＝0表示第d个保护未动作，B＝{b1,b2,...,bD}为与S、P相关的保护返回集合，bd＝1表示第d个保护返回，bd＝0表示第d个保护未返回，C＝{c1,c2...cK}为与S、P相关的断路器集合，ck＝1表示第k个断路器动作，ck＝0表示第k个断路器未动作，H＝{h1,h2,...,hQ}为与P相关的重合闸集合，hk＝1表示第q个断路器重合闸动作，hk＝0表示第q个断路器重合闸未动作，为误动集，或表示保护ri或断路器ci误动，或表示保护ri或断路器ci正常，为拒动集，或表示保护ri或断路器ci拒动，或表示保护ri或断路器ci正常。
在充分考虑保护逻辑关系的前提下将解析模型抽象表达式转化为详细表达式，以逻辑方程组(在各线路及元件的解析模型中，分别表示逻辑运算的与、或、非、若不影响表达，可省略)形式表示。解析模型的详细表达式为：
其中：a∈A，r∈R，b∈B，c∈C，h∈H，f∈F，g∈G，A',R',C',B',H'表示各信号的动作期望，前五个方程为信号解析方程，第六个方程为矛盾约束方程。模型中的变量为所定义的信号模式，模型的每一个解对应一种可行的信号模式。
但由于往往实际故障中涉及到的可疑故障设备很多，求解(S,P,A,R,B,C,H,F,G)的维数(M+N+5D+3K+Q)很高，求取模型的解析解非常困难。为了提高解析模型求解的速度和精度需要对该模型进行化简。
化简后的解析模型的表达式为：通过化简解析模型，将模型中变量个数由M+N+5D+3K+Q减少为M+N+D+K+Q，大大降低了模型维度。
3)模型维度较高，求取模型的解析解非常困难，因而采用粒子群算法对该模型进行优化求解，将隐性故障检测问题转换为规划问题。目标函数越小则表示保护与断路器的期望情况与实际情况越接近。以M＝{S,P,A,R,B,C,H,F,G}为参变量，规划的目标函数为
其中：D为保护的数量，K为断路器的数量，Q为重合闸的数量，|·|为逻辑变量的范数，|1|＝1,|0|＝0，w表示保护启动和返回的相对权值，w1表示保护和断路器误动的相对权值，w2表示保护和断路器拒动的相对权值。
但由于沿海、内陆等实际情况中装置受损程度不同，同时电网故障后各状态信号传输过程中可能出现误报或者漏报，保护和断路器动作也可能存在误动或拒动情况，解析模型的优化结果会出现多解情况，因而需要建立合理的解集评价指标辅助选择最优解。因此，本方法将保护和断路器动作以及各告警信号的不确定性表示成概率模型，建立相应的评价指标。
不同保护或断路器各自的信号传输是相互独立的，但同一装置同一信号的误报和漏报不是相互独立的，即同一状态信号不存在既误报又漏报的情况。根据前述模型，将保护和断路器各信号的传输不确定性用信号状态值m和信号测量值m’的概率分布来表示，则保护和断路器各信号的传输不确定性概率分布如下表：
表1传输信号不确定性概率分布
| m | m’ | 传输状态概率％ |
| 0 | 1 | 信息误报p<sub>wi</sub> |
| 1 | 0 | 信息漏报p<sub>li</sub> |
| 1 | 1 | 信息传输正常1-p<sub>wi</sub>-p<sub>li</sub> |
根据保护和断路器告警信号误报和漏报的概率分布，令Pwi(m,m')表示保护告警信号误漏报的不确定性概率；Pli(m,m')表示断路器告警信号误漏报的不确定性概率，m∈A,B,R,C,H。这里特别注意，当信息传输处于(0，0)状态即信息未传输，取P(0,0)＝1，表示该事件发生的可能性很大。
与告警信号类似，不同保护或断路器之间误动或拒动事件是相对独立的，但同一保护或断路器误动或拒动事件则是互斥的，即某一保护或断路器若拒动则必不误动，误动则必不拒动，两种事件不能同时存在。将保护动作的不确定性用动作期望值r和实际动作r*的概率分布来表示；断路器动作的不确定性用动作期望值c和实际动作c*的概率分布来表示。则保护和断路器的不确定性概率分布如下表：
表2保护动作不确定性概率分布
| r | r<sup>*</sup> | 动作状态概率％ |
| 0 | 1 | 保护误动p<sub>rf</sub> |
| 1 | 0 | 保护拒动p<sub>rg</sub> |
| 1 | 1 | 保护正常动作1-p<sub>rf</sub>-p<sub>rg</sub> |
表3断路器跳闸不确定性概率分布
| c | c<sup>*</sup> | 动作状态概率％ |
| 0 | 1 | 断路器误动p<sub>cf</sub> |
| 1 | 0 | 断路器拒动p<sub>cg</sub> |
| 1 | 1 | 断路器正常动作1-p<sub>cf</sub>-p<sub>cg</sub> |
根据保护和断路器误动和拒动概率的分布，令Pr(r,r*)表示保护的不确定性概率，r∈R；Pc(c,c*)表示断路器的不确定性概率，c∈C。这里特别注意，当保护或断路器处于(0，0)即无故障且不误动状态，取P(0,0)＝1，表示该事件发生的可能性很大。
模型解集评价指标是指将保护和断路器动作以及各告警信号的不确定性表示成概率模型，然后建立相应的评价指标。定义解析模型的决策风险T为：
T(X＝(S,P,A,R,B,C,H,F,G))＝-lnP(X＝(S,P,A,R,B,C,H,F,G))，其中：
P(X＝(S,P,A,R,B,C,H,F,G))为优化结果中变量的不确定性概率；一种优化结果中小概率事件出现的越多，该种情况实际发生的可能性就越小。根据前述保护和断路器传输信号及动作不确定性的表示方法，解析模型解得评价指标为：
根据决策风险T对优化结果进行风险评价，选取决策风险最小的解作为优化的最优解
(S^,P^,A^,R^,B^,C^,H^,F^,G^)。但由于动作实际情况中可能确实存在误动或拒动，决策风险最小的解不一定是实际情况还需要进一步的分析。
4)对比所求得的集合A＾、R＾、B＾、C＾、H＾和保护信息系统收到的信号集合A*、R*、B*、C*、H*，找出可能存在隐性故障的保护设备。
以图2为算例系统。线路L1中段和母线B3发生故障，L1主保护L1v拒动，QF4侧二段保护L1y动作跳闸QF4；QF5侧一段保护L1x′动作，跳闸QF5；母线B3主保护B3i拒动；变压器T2后备保护T2l动作，跳闸QF7，QF6拒动；线路L2，QF10侧二段保护L2y′动作，跳闸QF10。停电区域：L1，B3，L2，T2故障区域：L1，L2，L3，B2，B3，B4，B5，T1，T2，T3，G2。
根据全国电网继电保护装置运行情况统计分析，全国内陆地区以及沿海地区发电机保护、母线保护、变压器保护以及线路保护的误动拒动概率分别如表4、5。
表4全国内陆地区发电机保护、母线保护、变压器保护以及线路保护的误动拒动概率
表5沿海地区发电机保护、母线保护、变压器保护以及线路保护的误动拒动概率
| 变压器保护 | 0.305 | 5.220 |
| 发电机保护 | 0.020 | 0.60 |
| 母线保护 | 0.62 | 5.23 |
| 线路保护 | 0.090 | 0.170 |
根据内陆以及沿海保护拒误动概率，分别利用该隐性故障检测方法对图2所示算例系统进行继电保护装置隐性故障检测。内陆地区的检测结果为：母线B3，线路1的三段故障；线路l1主保护l1v拒动和一段保护l1x误启动，启动回路存在故障；母线B3主保护B3i拒动，导致QF9未跳闸；断路器QF6拒动。沿海地区检测结果为：母线B3，线路1的二段故障；线路l1主保护l1v和一段保护l1x拒动；母线B3主保护B3i拒动，导致QF9未跳闸；4.断路器QF6拒动。
检测结果不同的原因为，高湿和盐雾条件下使得沿海地区线路故障的拒动误动概率高于全国平均水平，因而导致最优解的不同。
而原有隐性故障检测模型无法区分内陆以及沿海地区实际情况，所得结果完全一致，存在误差。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (1)
1.一种计及信息不确定性的改进隐性故障检测方法，其特征在于，通过对故障区域的识别和保护信息系统信号收集，确定可疑故障元件集合与断路器集合；根据保护规则解析得到各信号的期望表达式，构建解析模型并简化；然后建立目标规划函数，利用离散粒子群算法进行优化求解；针对不同实际情况故障的不确定性概率建立解集评价指标，确定实际最优解；最后通过对比最优解集合与采集信号集合，确定存在隐性故障的保护设备；
所述的目标规划函数为其中：ai、bi为第i个保护的实际启动、返回状态，hi为第i个重合闸的实际动作状态，Ai、Bi为第i个保护的期望启动、返回状态，M＝{S,P,A,R,B,C,H,F,G}为参变量，Hi为第i个重合闸的期望动作状态，D为保护的数量，K为断路器的数量，Q为重合闸的数量，为保护和断路器拒动的情况；为保护和断路器拒动的情况，|·|为逻辑变量的范数，|1|＝1,|0|＝0，w表示保护启动和返回的相对权值，w1表示保护和断路器误动的相对权值，w2表示保护和断路器拒动的相对权值；
所述的故障区域的识别是指：断路器切除故障后，一侧带电一侧不带电，此类断路器被称作故障区域边界断路器；基于PMU所量测的母线电压及支路电流电气量检测断路器两端的带电情况识别边界断路器，确定故障区域边界从而形成故障区域，确定解析模型中可疑元件与断路器集合；
所述的保护信息系统信号收集，具体是指：继电保护与故障信息系统记录了继电保护设备的运行状态，通过提取保护运行状态得到解析模型中所涉及保护启动、动作、返回以及断路器动作信号集合；
所述的构建解析模型并简化是指：通过对逻辑方程组进行等价变换和变量分离，实现隐性故障检测模型的化简，具体为：隐性故障检测模型为：
化简后的解析模型为：其中a∈A，r∈R，b∈B，c∈C，h∈H，fr∈F，fc∈F，gr∈G，gc∈G， A为与S、P相关的保护启动集合，R为与S、P相关的保护动作集合，B为与S、P相关的保护返回集合，C为与S、P相关的断路器集合，H为与S、P相关的重合闸集合，F为误动集合，G为拒动集合，A',R',C',B',H'表示各信号的动作期望；
在所述的检测模型中增加记及信息不确定性的解集评价指标，用以根据具体实际情况调整相关概率，得到最符合实际情况的检测结果；
所述的解集评价指标是指：将保护和断路器动作以及各告警信号的不确定性表示成概率模型，然后建立相应的评价指标，具体为：
其中：P(X＝(S,P,A,R,B,C,H,F,G))为优化结果中变量的不确定性概率，S＝{s1,s2...sM}为可疑故障元件集，sm＝1表示第m个元件故障，sm＝0表示第m个元件正常，P＝{p1,p2...pN}为可疑故障线路集，pn＝1表示第n条线路故障，pn＝0表示第n条线路正常，r为保护动作期望值，r*为保护动作实际值，c为断路器动作期望值，c*为断路器动作实际值，m为测量信息状态值，m’为测量信息实际值，Pwi(m,m')表示保护告警信号误漏报的不确定性概率；Pli(m,m')表示断路器告警信号误漏报的不确定性概率，Pr(r,r*)表示保护的不确定性概率，r∈R；Pc(c,c*)表示断路器的不确定性概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610289073.6A CN105930608B (zh) | 2016-05-04 | 2016-05-04 | 计及信息不确定性的改进隐性故障检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610289073.6A CN105930608B (zh) | 2016-05-04 | 2016-05-04 | 计及信息不确定性的改进隐性故障检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105930608A CN105930608A (zh) | 2016-09-07 |
| CN105930608B true CN105930608B (zh) | 2019-09-24 |
Family
ID=56835057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610289073.6A Active CN105930608B (zh) | 2016-05-04 | 2016-05-04 | 计及信息不确定性的改进隐性故障检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105930608B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956290B (zh) * | 2016-05-06 | 2019-06-07 | 国网江苏省电力有限公司检修分公司 | 一种基于多数据融合技术的高压断路器机械故障诊断方法 |
| CN106597845B (zh) * | 2016-11-09 | 2019-04-16 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
| CN107066824B (zh) * | 2017-04-21 | 2021-09-10 | 郑州大学 | 一种基于造纸机湿端的主动故障检测方法 |
| CN112330131A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市元征科技股份有限公司 | 故障解决评价方法、服务器、用户客户端及计算机介质 |
| CN112415314A (zh) * | 2020-11-17 | 2021-02-26 | 华北电力大学（保定） | 一种继电保护系统隐性故障识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293421A (zh) * | 2013-06-07 | 2013-09-11 | 云南电力调度控制中心 | 一种电网故障诊断模型及其诊断方法 |
| CN103472360A (zh) * | 2013-09-12 | 2013-12-25 | 深圳供电局有限公司 | 一种电网继电保护隐性故障远程监测定位装置 |
| CN103778274A (zh) * | 2013-12-06 | 2014-05-07 | 天津大学 | 考虑隐性故障的超高压线路继电保护系统可靠性评估方法 |
| CN104391188A (zh) * | 2014-10-10 | 2015-03-04 | 上海交通大学 | 基于保护信号解析模型的继电保护隐性故障检测方法 |
-
2016
- 2016-05-04 CN CN201610289073.6A patent/CN105930608B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103293421A (zh) * | 2013-06-07 | 2013-09-11 | 云南电力调度控制中心 | 一种电网故障诊断模型及其诊断方法 |
| CN103472360A (zh) * | 2013-09-12 | 2013-12-25 | 深圳供电局有限公司 | 一种电网继电保护隐性故障远程监测定位装置 |
| CN103778274A (zh) * | 2013-12-06 | 2014-05-07 | 天津大学 | 考虑隐性故障的超高压线路继电保护系统可靠性评估方法 |
| CN104391188A (zh) * | 2014-10-10 | 2015-03-04 | 上海交通大学 | 基于保护信号解析模型的继电保护隐性故障检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于电压故障分量的超高压线路故障选相新方法;陈旸 等;《电力系统保护与控制》;20140401;第42卷(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105930608A (zh) | 2016-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105930608B (zh) | 计及信息不确定性的改进隐性故障检测方法 | |
| Dashti et al. | A survey of fault prediction and location methods in electrical energy distribution networks | |
| Zare et al. | Synchrophasor-based wide-area backup protection scheme with data requirement analysis | |
| Aminifar et al. | A review of power system protection and asset management with machine learning techniques | |
| JP2018061425A (ja) | 送電網システムの高度妨害管理 | |
| Qiao et al. | A multi-terminal traveling wave fault location method for active distribution network based on residual clustering | |
| Cordova et al. | Fault location identification in smart distribution networks with distributed generation | |
| Kundu et al. | Online identification of protection element failure using wide area measurements | |
| Stewart et al. | Data-driven approach for monitoring, protection, and control of distribution system assets using micro-PMU technology | |
| CN105372529B (zh) | 针对大规模风电的电网孤岛检测及防孤岛保护方法 | |
| Salehi Dobakhshari et al. | A circuit approach to fault diagnosis in power systems by wide area measurement system | |
| Bindi et al. | A comprehensive review of fault diagnosis and prognosis techniques in high voltage and medium voltage electrical power lines | |
| Biswal et al. | Integrated wide-area backup protection algorithm during stressed power system condition in presence of wind farm | |
| CN105866630B (zh) | 一种应对全站信息缺失的故障诊断方法和系统 | |
| Tutvedt et al. | Smart fault handling in medium voltage distribution grids | |
| CN105844542A (zh) | 基于wams的电网单一大扰动在线检测方法 | |
| CN109919338A (zh) | 继电保护设备的安全性能分析方法 | |
| Khanam et al. | Synchro Phasor-Based Fault Analysis for Smart Grid Systems | |
| Lakshmi et al. | IoT based protection of microgrid with grid-connected and islanded mode using wavelet approach | |
| Guillen | Fault location identification in smart distribution networks with distributed generation | |
| CN105978017A (zh) | 针对大规模风电具有防偷跳功能的孤岛检测及保护方法 | |
| Venkatanagaraju et al. | Synchrophasor-Based Wide Area Protection Scheme for System Stressed Conditions to Avoid Power System Blackout: Wide Area Protection Scheme for System Stressed Conditions | |
| Arghandeh et al. | Synchronized measurements and their applications in distribution systems: An update | |
| Rezaei et al. | State-of-the-Art microgrid power protective relaying and coordination techniques | |
| Reno et al. | Machine Learning Based Fault Detection And Location In Electric Power Distribution Systems. |
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 |