CN106597845A - 一种基于多目标优化的输电网故障诊断方法 - Google Patents
一种基于多目标优化的输电网故障诊断方法 Download PDFInfo
- Publication number
- CN106597845A CN106597845A CN201610984118.1A CN201610984118A CN106597845A CN 106597845 A CN106597845 A CN 106597845A CN 201610984118 A CN201610984118 A CN 201610984118A CN 106597845 A CN106597845 A CN 106597845A
- Authority
- CN
- China
- Prior art keywords
- protection
- chopper
- fault
- sigma
- overbar
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于多目标优化的输电网故障诊断方法,包括以下步骤:1)根据保护和断路器动作警报信息,获取故障停电区域的故障假说向量H=[S,R,C];2)根据保护和断路器的动作逻辑,计算故障停电区域内所有保护和断路器的期望状态;3)根据故障停电区域的故障假说向量及保护和断路器的期望状态,建立多目标优化故障诊断解析模型;4)采用分支定界法将多目标优化故障诊断解析模型转换为单目标优化模型求解,最终对保护和断路器的动作行为进行评价,并通过与保护和断路器的警报信息进行比较,对保护和断路器动作警报的准确性进行评价。与现有技术相比,本发明具有维数低、计算快、适应性高、计算准确等优点。
Description
技术领域
本发明涉及输电网故障诊断领域,尤其是涉及一种基于多目标优化的输电网故障诊断方法。
背景技术
输电网故障诊断就是利用故障后的警报信息对故障元件的识别、同时对保护和断路器的动作行为进行评价以及保护和断路器警报信息准确性辨识,为调度人员准确理解并处理海量的警报信息,快速辨识并修复故障提供辅助决策。国内外的专家学者在这一领域做了大量的研究并提出了多种诊断方法。解析模型优化法在这些方法及策略中最有潜力应用于实际工程。
然而,现有的基于解析模型优化的电网故障诊断方法在利用开关量建立解析模型时,多采用加权求和的方式建立一个单目标函数进行求解,当应用于不同的保护配置电网时,面临加权系数的重新选择的问题,难以保证所求的故障诊断结果的准确性;而且所建立的模型待求变量的维数很大,非常容易陷入“维数灾”陷阱,导致模型求解困难。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种维数低、计算快、适应性高、计算准确的基于多目标优化的输电网故障诊断方法。
本发明的目的可以通过以下技术方案来实现:
一种基于多目标优化的输电网故障诊断方法,用以为快速辨识并修复输电网故障提供辅助决策,包括以下步骤:
1)根据保护和断路器动作警报信息,获取故障停电区域的故障假说向量H=[S,R,C],其中,S=[s1,s2,...,sN],R=[r1,r2,...,rZ],C=[c1,c2,...,cK],S为故障停电区域内可疑故障元件d对应的实际状态向量,R为与S相关的保护p对应的实际动作状态向量,C为与S相关的断路器b对应的实际跳闸状态向量,N、Z和K分别为集合S、R和C中元素的个数;
2)根据保护和断路器的动作逻辑,计算故障停电区域内所有保护和断路器的期望状态;
3)根据故障停电区域的故障假说向量及保护和断路器的期望状态,建立多目标优化故障诊断解析模型;
4)采用分支定界法将多目标优化故障诊断解析模型转换为单目标优化模型求解,最终对保护和断路器的动作行为进行评价,并通过与保护和断路器的警报信息进行比较,对保护和断路器动作警报的准确性进行评价。
所述的步骤2)中,故障停电区域内所有保护和断路器的期望状态包括:
1、一级保护的期望状态:
其中,si为故障停电区域内第i个可疑故障元件di对应的状态,si=0、si=1分别表示di处于正常或故障状态;或分别表示一级保护p1的期望状态是期望不动作或期望动作;
2、二级保护的期望状态:
式中,符号-分别表示逻辑与、或、非运算,表示连或运算,表示连与运算,为二级保护p2对应一级保护p1的期望状态,为与二级保护p2保护相同本地元件的一级保护编号集合,为二级保护p2的关联元件d2j的编号集合,为二级保护p2到关联元件d2j的关联路径上的断路器编号集合,sj为关联元件dj对应的状态,ck表示第k个断路器bk的实际跳闸状态,ck=0和ck=1分别表示第k个断路器bk实际不跳闸或跳闸;
3、三级保护的期望状态:
其中,其中,为三级保护p3对应的二级保护p2的期望状态,为与三级保护p3保护相同本地元件的二级保护编号集合,为三级保护p3的关联元件d3j的编号集合,为三级保护p3到关联元件d3j的关联路径上的断路器编号集合;
4、断路器失灵保护的期望状态:
式中,为所有能驱动断路器bk跳闸的保护编号集合,ri表示与第k个断路器bk相关保护的实际动作状态,其中ri=0、ri=1分别表示第i个保护pi实际不动作或动作;
5、断路器的期望状态:
其中,或分别表示第k个断路器bk的期望状态是期望不跳闸或期望跳闸。
所述的步骤3)中,多目标优化故障诊断解析模型的目标函数为:
其中,H为决策向量,R′为保护的警报状态,且R′=[r1′,r2′,...,rZ′],ri′=0、ri′=1分别表示控制中心没有接收到或接收到第i个保护pi的动作警报,C′为断路器的警报状态,且C′=[c1′,c2′,...,cK′],ci′=0或ci′=1分别表示控制中心没有接收到或接收到第i个断路器bi的跳闸警报。
所述的步骤4)具体包括以下步骤:
41)计算多目标优化故障诊断解析模型中各目标函数的隶属度函数;
42)将多目标优化故障诊断解析模型转化为单目标优化问题求解,得到最优解向量H*=[S*,R*,C*]即为故障元件、保护和断路器的实际动作状态。
所述的步骤41)中隶属度函数μ(Ei(H))的计算式为:
其中,μ(Ei(H))表示目标函数Ei(H)的隶属度函数,且i∈{1,2},e0i表示对目标函数Ei(H)进行优化时得到的最优解所对应的目标函数值,δ0i表示目标函数Ei(H)可接受的增加值,e0i+δ0i表示目标函数Ei(H)的函数值可接受的最大延伸区间。
所述的步骤42)中单目标优化问题为:
o.b.min-μ
μ=min{μ(E1(H)),μ(E2(H))}
其中,μ为采用分支定界法求解所转换的单目标优化问题。
与现有技术相比,本发明具有以下优点:
一、维数低、计算快:本发明所建立多目标优化诊断模型以故障元件的状态及保护和断路器的实际状态为故障假说变量,其维数远远小于计及保护和断路器拒动、误动及警报误报和漏报的模型,无论是简单故障还是复杂故障,待求变量的维数适中,避免陷入“维数灾”陷阱,大大降低了求解的难度和时间。
二、适应性高、计算准确:本发明所建立的基于多目标优化的输电网故障诊断解析模型避免了现有解析模型采用加权求和的方式建立单目标优化的诊断函数的缺点,不会出现加权系数的选择困难问题,提高了模型对不同保护配置的输电网的适应能力,同时得到准确的诊断结果。
附图说明
图1为本发明的流程示意图;
图2为本发明实施例中的四站测试系统示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以发明技术方案为前提进行实施给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例:
如图1所示,本实施例提供一种基于多目标优化的输电网故障诊断方法,包括步骤:
S1、基于保护和断路器动作警报信息,进行故障停电区域分析,生成故障假说向量:H=[S,R,C],其中S=[s1,s2,...,sN]为故障停电区域内可疑故障元件集,R=[r1,r2,...,rZ]为与S相关的保护集,C=[c1,c2,...,cK]为与S相关的断路器集合,N、Z和K分别为集合S、R和C中元素的个数。
S2、根据保护和断路器的动作逻辑,计算中各保护和断路器的期望状态:
1)保护的期望状态:
11)一级保护:
式中,sn为元件状态,si=0和si=1分别表示停电区域中第i个元件di处于正常或故障状态;或表示保护pi的期望状态是期望不动作或期望动作;
12)二级保护:
式中,为二级保护pi对应的一级保护的期望状态连或,为与二级保护pi保护相同本地元件的一级保护编号集合,主要是针对具有双重主保护等冗余保护配置的情况;为保护pi的关联元件编号集合;为保护pi到关联元件dj的关联路径上的断路器编号集合;ck表示断路器的实际跳闸状态,ck=0和ck=1分别表示第k个断路器bk实际不跳闸或跳闸;
13)三级保护:
式中,为三级保护pi对应的二级保护的期望状态;为与三级保护pi保护相同本地元件的二级保护编号集合;
14)断路器失灵保护:
式中,为所有能驱动断路器bk跳闸的保护编号集合;ri表示与第k个断路器相关保护的实际动作状态,其中ri=0或ri=1分别表示第i个保护pi实际不动作或动作;
2)断路器的期望状态:
或表示断路器bi的期望状态是期望不跳闸或期望跳闸。
S3、结合得到的保护和断路器的警报信息,建立多目标优化的目标函数:
式中,R′=[r1′,r2′,...,rZ′],ri′=0或ri′=1分别表示控制中心没有接收到或接收到第i个保护pi的动作警报,称为保护的警报状态;C′=[c1′,c2′,...,cK′],ci′=0或ci′=1分别表示控制中心没有接收到或接收到第i个断路器bi的跳闸警报,称为断路器的警报状态。
S4、采用基于模糊优化技术将多目标优化故障诊断解析模型转换为单目标优化模型求解:
S41、各分目标函数的单独优化求解:
应用分支定界算法求解式(10)中的单目标优化问题E1(H)、E2(H)的最优解H1,H2,并求得在最优解下的相应最优函数值e01及e02,以及在解为H1时的E2(H)函数值e0′2,解为H2时的E1(H)函数值e0′1。
S42、各分目标函数可接受增加值的确定:
对各单目标函数值进行一定伸缩,确定δ01和δ02的值,由于待求多目标优化问题为双目标模糊优化,优化结果不能低于e0i,又不能高于e0′i,因此δ01和δ02的取值范围为:0<δ01≤(e0′1-e01),0<δ02≤(e0′2-e02),其中δ0i=α(e0′i-e0i),0<α≤1,i=1,2,其中,α称为伸缩系数。
S43、确定两个分目标函数的隶属度:
式中,H为决策向量;i∈{1,2},μ(Ei(H))表示目标函数Ei(H)的隶属度函数;e0i表示对目标函数Ei(H)进行优化时得到的最优解所对应的目标函数值;δ0i表示目标函数Ei(H)可接受的增加值,e0i+δ0i表示目标函数Ei(H)的函数值可接受的最大延伸区间;
S44、基于最大满意度法则将多目标优化故障诊断解析模型转化为单目标优化问题,建立故障诊断的多目标模糊优化模型:
o.b.min-μ
式中,μ=min{μ(E1(H)),μ(E2(H))};采用分支定界法求解所转换的单目标优化问题,得到最优解向量H*=[S*,R*,C*]即为故障元件、及保护和断路器的实际动作状态,同时将其与此时保护和断路器的期望状态进行比较,对保护和断路器的动作行为进行评价,与保护和断路器的警报信息进行比较,对其动作警报的准确性进行辨识。
为了验证本发明所提的基于多目标优化的输电网故障诊断方法的有效性,以本发明对如图2所示的经典四站测试系统的故障案例进行诊断,该系统该测试系统包含28个元件、40个断路器和84个保护。对系统中发生的一个存在保护或短路拒动误动及警报畸变的复杂故障情况进行诊断,说明本技术方案对输电网故障诊断的能力。具体故障情况为:变压器T3、母线B2同时发生故障,变压器的主保护T3m动作,跳开断路器QF16,断路器QF14拒动,其失灵保护QF14f动作,跳开与母线B4相连的断路器QF13、QF12和QF19,变压器近后备保护T3p也动作;同时,B2的主保护B2m动作,跳开与母线B2相连的断路器QF6、QF4、QF8和QF10;控制中心收到T3m、T3p和QF14f等保护的动作警报以及QF16、QF13、QF12、QF19、QF6、QF4、QF8和QF10等断路器跳闸信息,没有收到B2m的动作警报。
对故障前后的网络进行拓扑分析,得到停电区域,包含的元件有:T3、B4、B2和L2。对停电区域中的电气元件和相关的保护与断路器进行编码如表1~3。
由表1可得电气设备d1~d4的状态向量S=[s1,s2,s3,s4];由表2可得断路器b1~b9的实际状态向量C=[c1,c2,c3,..,c9];由表3可得保护p1~p32的实际状态向量R=[r1,r2,r3,...,r32];对应的断路器b1~b9的警报信息向量C′=[c1′,c2′,...c9′]=[1,1,1,1,1,1,0,1,1];对应的保护p1~p32的警报信息向量R′=[r1′,r2′,...,r3′2]=[1,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0];对应的N、Z和K分别为4、19和9。
表1设备编码
表2断路器编码
表3保护编码
计算R和C中保护和断路器的期望状态:
相应多目标函数:
应用分支定界算法对上式中两个分目标函数分别单独优化。对E1(H)单独优化得其最优解向量H1=[S1,R1,C1]所包含的各向量取值:S1=[1,0,1,0],R1=[1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,00],C1=[0,0,0,0,1,1,1,1,1],对应的最优值e01=0,此时E2(H)的取值e0′2=8;对E2(H)单独优化得其最优解向量H2=[S2,R2,C2]所包含的各向量取值:S2=[0,0,0,0],R2=[1,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0],C1=[1,1,1,1,1,1,0,1,1],对应的最优值e02=0,此时E1(H)的取值e0′1=6。
取伸缩系数α=1,此时δ01=e0′1-e01=6,δ02=e0′2-e02=8,可将多目标优化问题转化为下式所示的单目标优化问题:
min-μ
采用分支定界算法对其进行求解,得到最优解H*,其中S*=[1,1,0,0],R*=[1,1,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0],C*=[1,1,1,1,1,1,0,1,1];对应的诊断结论:设备d1和d2故障,保护p6误动,断路器b7拒动,保护p2的警报信息漏报,即变压器T3和母线B2同时故障,变压器T3的后备保护T3p误动,断路器QF10拒动,母线B2的主保护B2m的动作警报信息漏报,诊断结果完全正确。
采用本发明所提方法(方法1)和文献“刘道兵,顾雪平,李海鹏.电网故障诊断的一种完全解析模型[J].中国电机工程学报,2011,31(34):85-92.”的完全解析模型(采用加权方式建立单目标优化目标函数)方法(方法2)分别对测试系统中的其他故障案例进行故障诊断,诊断结果比较如表4,对应各故障案例的优化变量的维数比较如表5。如图1所示,本实施例提供一种基于多目标优化的输电网故障诊断方法,包括步骤:
S1、基于保护和断路器动作警报信息,进行故障停电区域分析,生成故障假说向量:H=[S,R,C],其中S=[s1,s2,...,sN]为故障停电区域内可疑故障元件集,R=[r1,r2,...,rZ]为与S相关的保护集,C=[c1,c2,...,cK]为与S相关的断路器集合,N、Z和K分别为集合S、R和C中元素的个数。
S2、根据保护和断路器的动作逻辑,计算中各保护和断路器的期望状态:
1)保护的期望状态:
11)一级保护:
式中,sn为元件状态,si=0和si=1分别表示停电区域中第i个元件di处于正常或故障状态;或表示保护pi的期望状态是期望不动作或期望动作;
12)二级保护:
式中,为二级保护pi对应的一级保护的期望状态连或,为与二级保护pi保护相同本地元件的一级保护编号集合,主要是针对具有双重主保护等冗余保护配置的情况;为保护pi的关联元件编号集合;为保护pi到关联元件dj的关联路径上的断路器编号集合;ck表示断路器的实际跳闸状态,ck=0和ck=1分别表示第k个断路器bk实际不跳闸或跳闸;
13)三级保护:
式中,为三级保护pi对应的二级保护的期望状态;为与三级保护pi保护相同本地元件的二级保护编号集合;
14)断路器失灵保护:
式中,为所有能驱动断路器bk跳闸的保护编号集合;ri表示与第k个断路器相关保护的实际动作状态,其中ri=0或ri=1分别表示第i个保护pi实际不动作或动作;
2)断路器的期望状态:
或表示断路器bi的期望状态是期望不跳闸或期望跳闸。
S3、结合得到的保护和断路器的警报信息,建立多目标优化的目标函数:
式中,R′=[r1′,r2′,...,rZ′],ri′=0或ri′=1分别表示控制中心没有接收到或接收到第i个保护pi的动作警报,称为保护的警报状态;C′=[c1′,c2′,...,cK′],ci′=0或ci′=1分别表示控制中心没有接收到或接收到第i个断路器bi的跳闸警报,称为断路器的警报状态。
S4、采用基于模糊优化技术将多目标优化故障诊断解析模型转换为单目标优化模型求解:
S41、各分目标函数的单独优化求解:
应用分支定界算法求解式(10)中的单目标优化问题E1(H)、E2(H)的最优解H1,H2,并求得在最优解下的相应最优函数值e01及e02,以及在解为H1时的E2(H)函数值e0′2,解为H2时的E1(H)函数值e0′1。
S42、各分目标函数可接受增加值的确定:
对各单目标函数值进行一定伸缩,确定δ01和δ02的值,由于待求多目标优化问题为双目标模糊优化,优化结果不能低于e0i,又不能高于e0′i,因此δ01和δ02的取值范围为:0<δ01≤(e0′1-e01),0<δ02≤(e0′2-e02),其中δ0i=α(e0′i-e0i),0<α≤1,i=1,2,其中,α称为伸缩系数。
S43、确定两个分目标函数的隶属度:
式中,H为决策向量;i∈{1,2},μ(Ei(H))表示目标函数Ei(H)的隶属度函数;e0i表示对目标函数Ei(H)进行优化时得到的最优解所对应的目标函数值;δ0i表示目标函数Ei(H)可接受的增加值,e0i+δ0i表示目标函数Ei(H)的函数值可接受的最大延伸区间;
S44、基于最大满意度法则将多目标优化故障诊断解析模型转化为单目标优化问题,建立故障诊断的多目标模糊优化模型:
o.b.min-μ
式中,μ=min{μ(E1(H)),μ(E2(H))};采用分支定界法求解所转换的单目标优化问题,得到最优解向量H*=[S*,R*,C*]即为故障元件、及保护和断路器的实际动作状态,同时将其与此时保护和断路器的期望状态进行比较,对保护和断路器的动作行为进行评价,与保护和断路器的警报信息进行比较,对其动作警报的准确性进行辨识。
为了验证本发明所提的基于多目标优化的输电网故障诊断方法的有效性,以本发明对如图2所示的经典四站测试系统的故障案例进行诊断,该系统该测试系统包含28个元件、40个断路器和84个保护。对系统中发生的一个存在保护或短路拒动误动及警报畸变的复杂故障情况进行诊断,说明本技术方案对输电网故障诊断的能力。具体故障情况为:变压器T3、母线B2同时发生故障,变压器的主保护T3m动作,跳开断路器QF16,断路器QF14拒动,其失灵保护QF14f动作,跳开与母线B4相连的断路器QF13、QF12和QF19,变压器近后备保护T3p也动作;同时,B2的主保护B2m动作,跳开与母线B2相连的断路器QF6、QF4、QF8和QF10;控制中心收到T3m、T3p和QF14f等保护的动作警报以及QF16、QF13、QF12、QF19、QF6、QF4、QF8和QF10等断路器跳闸信息,没有收到B2m的动作警报。
对故障前后的网络进行拓扑分析,得到停电区域,包含的元件有:T3、B4、B2和L2。对停电区域中的电气元件和相关的保护与断路器进行编码如表1~3。
由表1可得电气设备d1~d4的状态向量S=[s1,s2,s3,s4];由表2可得断路器b1~b9的实际状态向量C=[c1,c2,c3,..,c9];由表3可得保护p1~p32的实际状态向量R=[r1,r2,r3,...,r32];对应的断路器b1~b9的警报信息向量C′=[c1′,c2′,...c9′]=[1,1,1,1,1,1,0,1,1];对应的保护p1~p32的警报信息向量R′=[r1′,r2′,...,r3′2]=[1,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0];对应的N、Z和K分别为4、19和9。
表1设备编码
表2断路器编码
表3保护编码
计算R和C中保护和断路器的期望状态:
相应多目标函数:
应用分支定界算法对上式中两个分目标函数分别单独优化。对E1(H)单独优化得其最优解向量H1=[S1,R1,C1]所包含的各向量取值:S1=[1,0,1,0],R1=[1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,00],C1=[0,0,0,0,1,1,1,1,1],对应的最优值e01=0,此时E2(H)的取值e0′2=8;对E2(H)单独优化得其最优解向量H2=[S2,R2,C2]所包含的各向量取值:S2=[0,0,0,0],R2=[1,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0],C1=[1,1,1,1,1,1,0,1,1],对应的最优值e02=0,此时E1(H)的取值e0′1=6。
取伸缩系数α=1,此时δ01=e0′1-e01=6,δ02=e0′2-e02=8,可将多目标优化问题转化为下式所示的单目标优化问题:
min-μ
采用分支定界算法对其进行求解,得到最优解H*,其中S*=[1,1,0,0],R*=[1,1,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,1,0],C*=[1,1,1,1,1,1,0,1,1];对应的诊断结论:设备d1和d2故障,保护p6误动,断路器b7拒动,保护p2的警报信息漏报,即变压器T3和母线B2同时故障,变压器T3的后备保护T3p误动,断路器QF10拒动,母线B2的主保护B2m的动作警报信息漏报,诊断结果完全正确。
采用本发明所提方法(方法1)和文献“刘道兵,顾雪平,李海鹏.电网故障诊断的一种完全解析模型[J].中国电机工程学报,2011,31(34):85-92.”的完全解析模型(采用加权方式建立单目标优化目标函数)方法(方法2)分别对测试系统中的其他故障案例进行故障诊断,诊断结果比较如表4,对应各故障案例的优化变量的维数比较如表5。
表4不同模型诊断结果的比较
表5表4中故障案例对不同方法的优化变量的维数
由表4可知,对方法2当各权重系数确定后,对不同的故障情况进行测试,并不能总是得到准确的诊断结果,如故障案例5,需对各权重系数进行调整才能得到准确的诊断结果;方法1建立的多目标优化模型则不存在参数选择困难的问题,均能够得出准确的诊断结论。由表5可知,对同一个故障情况,方法2的待求解变量的维数很高,为N+3Z+3K,对可疑故障设备较多的故障情况,在有限的时间内得到准确最优解相对困难,方法1的待求解变量维数适中,为N+Z+K,诊断求解的难度更低,所需时间更小。
综上表明,本发明提出基于多目标优化的输电网故障诊断方法是有效的,该方法以维数适中的优化变量为故障假说,对故障过程中保护和断路器的实际状态、期望状态和警报状态之间的差异度最小建立多目标优化的解析模型,避免了传统模型中加权系数的选取问题,提高了模型的适用性和容错能力,减小了求解的规模和时间,进一步满足诊断准确性和实时性的要求。以上所述的具体实施例仅为说明本发明的实现效果,并不用以限制本发明。凡在本发明所提出的方法的基本思路和框架之内所作的任何非实质性的修改、转换和改进,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于多目标优化的输电网故障诊断方法,用以为快速辨识并修复输电网故障提供辅助决策,其特征在于,包括以下步骤:
1)根据保护和断路器动作警报信息,获取故障停电区域的故障假说向量H=[S,R,C],其中,S=[s1,s2,...,sN],R=[r1,r2,...,rZ],C=[c1,c2,...,cK],S为故障停电区域内可疑故障元件d对应的实际状态向量,R为与S相关的保护p对应的实际动作状态向量,C为与S相关的断路器b对应的实际跳闸状态向量,N、Z和K分别为集合S、R和C中元素的个数;
2)根据保护和断路器的动作逻辑,计算故障停电区域内所有保护和断路器的期望状态;
3)根据故障停电区域的故障假说向量及保护和断路器的期望状态,建立多目标优化故障诊断解析模型;
4)采用分支定界法将多目标优化故障诊断解析模型转换为单目标优化模型求解,最终对保护和断路器的动作行为进行评价,并通过与保护和断路器的警报信息进行比较,对保护和断路器动作警报的准确性进行评价。
2.根据权利要求1所述的一种基于多目标优化的输电网故障诊断方法,其特征在于,所述的步骤2)中,故障停电区域内所有保护和断路器的期望状态包括:
1、一级保护的期望状态:
其中,si为故障停电区域内第i个可疑故障元件di对应的状态,si=0、si=1分别表示di处于正常或故障状态;或分别表示一级保护p1的期望状态是期望不动作或期望动作;
2、二级保护的期望状态:
式中,符号-分别表示逻辑与、或、非运算,表示连或运算,表示连与运算,为二级保护p2对应一级保护p1的期望状态,为与二级保护p2保护相同本地元件的一级保护编号集合,为二级保护p2的关联元件d2j的编号集合,为二级保护p2到关联元件d2j的关联路径上的断路器编号集合,sj为关联元件dj对应的状态,ck表示第k个断路器bk的实际跳闸状态,ck=0和ck=1分别表示第k个断路器bk实际不跳闸或跳闸;
3、三级保护的期望状态:
其中,其中,为三级保护p3对应的二级保护p2的期望状态,为与三级保护p3保护相同本地元件的二级保护编号集合,为三级保护p3的关联元件d3j的编号集合,为三级保护p3到关联元件d3j的关联路径上的断路器编号集合;
4、断路器失灵保护的期望状态:
式中,为所有能驱动断路器bk跳闸的保护编号集合,ri表示与第k个断路器bk相关保护的实际动作状态,其中ri=0、ri=1分别表示第i个保护pi实际不动作或动作;
5、断路器的期望状态:
其中,或分别表示第k个断路器bk的期望状态是期望不跳闸或期望跳闸。
3.根据权利要求1所述的一种基于多目标优化的输电网故障诊断方法,其特征在于,所述的步骤3)中,多目标优化故障诊断解析模型的目标函数为:
其中,H为决策向量,R′为保护的警报状态,且R′=[r1′,r2′,...,rZ′],ri′=0、ri′=1分别表示控制中心没有接收到或接收到第i个保护pi的动作警报,C′为断路器的警报状态,且C′=[c1′,c2′,...,cK′],ci′=0或ci′=1分别表示控制中心没有接收到或接收到第i个断路器bi的跳闸警报。
4.根据权利要求1所述的一种基于多目标优化的输电网故障诊断方法,其特征在于,所述的步骤4)具体包括以下步骤:
41)计算多目标优化故障诊断解析模型中各目标函数的隶属度函数;
42)将多目标优化故障诊断解析模型转化为单目标优化问题求解,得到最优解向量H*=[S*,R*,C*]即为故障元件、保护和断路器的实际动作状态。
5.根据权利要求4所述的一种基于多目标优化的输电网故障诊断方法,其特征在于,所述的步骤41)中隶属度函数μ(Ei(H))的计算式为:
其中,μ(Ei(H))表示目标函数Ei(H)的隶属度函数,且i∈{1,2},e0i表示对目标函数Ei(H)进行优化时得到的最优解所对应的目标函数值,δ0i表示目标函数Ei(H)可接受的增加值,e0i+δ0i表示目标函数Ei(H)的函数值可接受的最大延伸区间。
6.根据权利要求5所述的一种基于多目标优化的输电网故障诊断方法,其特征在于,所述的步骤42)中单目标优化问题为:
o.b.min -μ
μ=min{μ(E1(H)),μ(E2(H))}
其中,μ为采用分支定界法求解所转换的单目标优化问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610984118.1A CN106597845B (zh) | 2016-11-09 | 2016-11-09 | 一种基于多目标优化的输电网故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610984118.1A CN106597845B (zh) | 2016-11-09 | 2016-11-09 | 一种基于多目标优化的输电网故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106597845A true CN106597845A (zh) | 2017-04-26 |
CN106597845B CN106597845B (zh) | 2019-04-16 |
Family
ID=58591143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610984118.1A Expired - Fee Related CN106597845B (zh) | 2016-11-09 | 2016-11-09 | 一种基于多目标优化的输电网故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106597845B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044850A (zh) * | 2020-01-14 | 2020-04-21 | 广东电网有限责任公司 | 一种基于设备故障概率的电网故障诊断方法 |
CN111123034A (zh) * | 2019-12-23 | 2020-05-08 | 南京工程学院 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
CN117074867A (zh) * | 2023-10-12 | 2023-11-17 | 广州市扬新技术研究有限责任公司 | 一种基于站间goose信息的城市轨道交通供电系统故障定位方法 |
CN117172099A (zh) * | 2023-08-03 | 2023-12-05 | 西华大学 | 基于多目标脉冲神经膜系统优化算法的电网故障诊断方法 |
Citations (5)
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 |
CN104459378A (zh) * | 2014-11-19 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种智能变电站故障诊断方法 |
CN105183952A (zh) * | 2015-08-14 | 2015-12-23 | 华中科技大学 | 一种基于分层时间模糊Petri网的输电网故障诊断方法 |
CN105606931A (zh) * | 2015-12-30 | 2016-05-25 | 国网天津市电力公司 | 一种基于量子遗传算法的中压配电网故障诊断方法 |
CN105930608A (zh) * | 2016-05-04 | 2016-09-07 | 上海交通大学 | 计及信息不确定性的改进隐性故障检测方法 |
-
2016
- 2016-11-09 CN CN201610984118.1A patent/CN106597845B/zh not_active Expired - Fee Related
Patent Citations (5)
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 |
CN104459378A (zh) * | 2014-11-19 | 2015-03-25 | 云南电网公司电力科学研究院 | 一种智能变电站故障诊断方法 |
CN105183952A (zh) * | 2015-08-14 | 2015-12-23 | 华中科技大学 | 一种基于分层时间模糊Petri网的输电网故障诊断方法 |
CN105606931A (zh) * | 2015-12-30 | 2016-05-25 | 国网天津市电力公司 | 一种基于量子遗传算法的中压配电网故障诊断方法 |
CN105930608A (zh) * | 2016-05-04 | 2016-09-07 | 上海交通大学 | 计及信息不确定性的改进隐性故障检测方法 |
Non-Patent Citations (6)
Title |
---|
WEN-HUI CHEN 等: "Online Fault Diagnosis for Power Transmission Networks Using Fuzzy Digraph Models", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
付仙兰 等: "基于改进Petri网与希尔伯特黄变换融合的电网故障诊断", 《水电能源科学》 * |
周明 等: "基于模糊推理的分布式电力系统故障诊断专家系统", 《电力系统自动化》 * |
康海兵 等: "停电区域电力网络故障诊断模型的建立及修正", 《舰船电子工程》 * |
罗萍萍 等: "考虑多目标优化的输电网故障诊断", 《电力系统自动化》 * |
郭文鑫 等: "计及保护和断路器误动与拒动的电力系统故障诊断解析模型", 《电力系统自动化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123034A (zh) * | 2019-12-23 | 2020-05-08 | 南京工程学院 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
CN111123034B (zh) * | 2019-12-23 | 2022-06-14 | 南京工程学院 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
CN111044850A (zh) * | 2020-01-14 | 2020-04-21 | 广东电网有限责任公司 | 一种基于设备故障概率的电网故障诊断方法 |
CN117172099A (zh) * | 2023-08-03 | 2023-12-05 | 西华大学 | 基于多目标脉冲神经膜系统优化算法的电网故障诊断方法 |
CN117074867A (zh) * | 2023-10-12 | 2023-11-17 | 广州市扬新技术研究有限责任公司 | 一种基于站间goose信息的城市轨道交通供电系统故障定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106597845B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022037234A1 (zh) | 一种面向优质供电服务的主配一体化负荷转供方法 | |
Amjady et al. | Transient stability prediction by a hybrid intelligent system | |
CN103308824B (zh) | 一种基于概率Petri网的电力系统故障诊断方法 | |
CN104297637B (zh) | 综合利用电气量和时序信息的电力系统故障诊断方法 | |
Singh et al. | Decision tree based anomaly detection for remedial action scheme in smart grid using PMU data | |
CN107104416A (zh) | 一种多端柔性中压直流配电系统的直流线路继电保护方法 | |
CN106771848B (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN106597845B (zh) | 一种基于多目标优化的输电网故障诊断方法 | |
Wang et al. | A hierarchical power grid fault diagnosis method using multi-source information | |
CN105354643A (zh) | 一种风电接入电网的风险预测评估方法 | |
CN105606931A (zh) | 一种基于量子遗传算法的中压配电网故障诊断方法 | |
Othman et al. | Rough-set-and-genetic-algorithm based data mining and rule quality measure to hypothesize distance protective relay operation characteristics from relay event report | |
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 | |
CN106771853A (zh) | 一种基于事件起点的智能化电网故障诊断方法 | |
Choi et al. | Impact analysis of locational marginal price subject to power system topology errors | |
CN105954616B (zh) | 基于外特性电气参数的光伏组件故障诊断方法 | |
CN105930608A (zh) | 计及信息不确定性的改进隐性故障检测方法 | |
CN105337314A (zh) | 一种基于分布式电源黑启动技术的多源协调控制故障处理方法 | |
CN104237688A (zh) | 考虑多重保护配置下的电网故障诊断解析模型 | |
Cui et al. | Automated failure diagnosis in transmission network protection system using synchrophasors | |
CN109932617A (zh) | 一种基于深度学习的自适应电网故障诊断方法 | |
Ren et al. | Fault diagnosis for substation automation based on Petri nets and coding theory | |
CN105550407B (zh) | 电网线路故障抢修调度仿真方法与系统 | |
CN107425511B (zh) | 一种基于分区加权故障匹配的广域后备保护方法 | |
Shang et al. | Finite State Machine model of fault diagnosis for distribution system under time sequence constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190416 Termination date: 20211109 |
|
CF01 | Termination of patent right due to non-payment of annual fee |