CN106771848B - 一种基于拓扑图元信息融合的电网故障诊断方法 - Google Patents
一种基于拓扑图元信息融合的电网故障诊断方法 Download PDFInfo
- Publication number
- CN106771848B CN106771848B CN201611034177.9A CN201611034177A CN106771848B CN 106771848 B CN106771848 B CN 106771848B CN 201611034177 A CN201611034177 A CN 201611034177A CN 106771848 B CN106771848 B CN 106771848B
- Authority
- CN
- China
- Prior art keywords
- protection
- topological
- pel
- correlation matrix
- bus
- 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
Classifications
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Abstract
本发明公开了一种基于拓扑图元信息融合的电网故障诊断方法,包括以下步骤:根据电网拓扑结构构建系统各母线、线路、保护和断路器拓扑关联矩阵,并以此为基本图元建立电网故障诊断模型;根据保护和断路器拓扑映射关系,将保护与断路器的动作置信概率融合;根据远后备保护配合逻辑及出口方式,建立规则实现远后备保护拓扑映射;对于不同保护推理路径的置信概率,通过取最大值处理实现置信概率的优选;根据拓扑图元的概率分布,按端口方向进行故障概率信息融合,得到元件综合的故障概率;根据元件故障概率结果排序,确定发生故障的元件,并进行保护及断路器动作评价。
Description
技术领域
本发明属于电网固执诊断技术领域,更具体地,涉及一种基于拓扑图元信息融合的电网故障诊断方法。
背景技术
在电网故障发生时快速定位故障元件有利于加快事故处理进程,快速恢复系统供电。而互联电网的发展在加强系统可靠性的同时,增加了故障诊断的难度。在故障发生后的短时间内,保护及断路器等大量告警信息涌入调度中心,且伴随信息缺失、畸变等不确定性,加重了调控运行人员快速准确判断故障元件的压力,因此迫切需要可靠的故障诊断系统。
随着计算机技术和人工智能的发展,国内外学者对电网诊断问题进行了大量研究,提出了专家系统、人工神经网络、解析模型、贝叶斯网络、Petri网络、信息融合等多种诊断方法。专家系统基于知识规则库运行,具有较强的逻辑推理能力,但知识和规则的构建本身存在困难,且学习能力和容错能力较弱;人工神经网络法具有诊断速度快,容错能力强的特点,但网络训练所用的故障样本集难以涵盖大规模电网的所有可能故障场景,且缺乏对诊断结果的解释能力;基于解析模型的故障诊断是在分析保护与断路器动作配合逻辑基础上,将故障诊断问题转化成0-1整数规划问题,有严密的数学基础和理论依据,但需要采用优化算法进行寻优,收敛过程较长;贝叶斯网络由于因果关系明显,诊断精度高,适用于不确定信息下的故障诊断,但受先验概率和复杂故障样本统计不足的限制;Petri网络基于图形化建模描述系统各元件的逻辑关系,具有推理过程简单,物理意义清晰,推理逻辑严密的特点,但对于大规模电网,网络矩阵维数过大,难以满足在线诊断的需求;信息融合技术利用告警信息之间的冗余和逻辑配合进行故障诊断,能有效降低采样信息的不确定性,实际应用中多与其他诊断方法相结合。
基于元件级信息融合的建模方法存在以下不足:以单个元件为对象进行建模,缺乏对电网拓扑结构的考量,因此网络拓扑变化时需要重新建立诊断模型;采用离线建模、在线搜索的诊断模式,需要存储所有元件诊断模型,对硬件存储要求较高,且采用遍历方式,诊断速度难以满足在线需求;难以在诊断过程中实时调整网络拓扑,难以在连锁故障模式下诊断出正确结果。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于拓扑图元信息融合的电网故障诊断方法,基于网络拓扑建模,其目的在于解决现有电网故障诊断技术不能适应网络拓扑变化、在连锁故障模式下诊断准确率低的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于拓扑图元信息融合的电网故障诊断方法,包括如下步骤:
(1)根据电网拓扑结构构建母线拓扑关联矩阵、线路拓扑关联矩阵、保护拓扑关联矩阵和断路器拓扑关联矩阵;并以线路、保护、断路器拓扑关联矩阵为基本图形单元(以下简称图元)建立电网故障诊断模型;
(2)基于线路拓扑关联矩阵,以及保护拓扑关联矩阵与断路器拓扑关联矩阵之间的映射关系,通过加权求和进行保护与断路器动作的置信概率融合,获得电网故障诊断模型的中间图元;
(3)对中间图元中的远后备保护按保护末端母线与保护下游线路进行功能分解,并根据保护动作配合逻辑及出口方式建立远后备保护拓扑映射规则,实现远后备保护与被保护元件之间的拓扑映射转换;
(4)对中间图元采用取最大值处理进行各保护推理路径的置信概率优选,获得拓扑图元的概率分布;
(5)根据拓扑图元的概率分布,按端口方向进行故障概率信息融合,获得母线元件和线路元件的故障概率;根据故障概率识别出发生故障的元件。
优选地,上述基于拓扑图元信息融合的电网故障诊断方法,其建立电网故障诊断模型的方法,包括如下步骤:
(1.1)根据电网拓扑结构建立m×n阶关联矩阵S,以描述具有m条母线和n条线路的系统的元件之间的拓扑关系;
(1.2)通过将关联矩阵S中的元素1按列替换为关联的线路得到线路拓扑关联矩阵L;通过将关联矩阵S中的元素1按行替换为关联的母线得到母线的拓扑关联矩阵M;
(1.3)通过将关联矩阵S中的非零元替换成断路器得到断路器拓扑关联矩阵CB:
(1.4)通过将线路拓扑关联矩阵L的非零元素分别替换成对应的保护,得到线路主保护拓扑关联矩阵Lm、近后备拓扑关联矩阵Lp、以及远后备保护拓扑关联矩阵Ls;
(1.5)通过将断路器拓扑关联矩阵中的非零元素替换成母线保护得到母线保护拓扑关联矩阵Mm;
(1.6)以上述母线保护拓扑关联矩阵Mm、远后备保护拓扑关联矩阵Ls、近后备拓扑关联矩阵Lp、线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB为基本图元建立电网故障诊断模型。
优选地,上述基于拓扑图元信息融合的电网故障诊断方法,其电网故障诊断模型包括基本图元、中间图元、拓扑图元、K个Add节点和两个Max节点;所述拓扑图元包括母线图元和线路图元;其中,K为基本图元数量的1/2;
以母线保护拓扑关联矩阵Mm、远后备保护拓扑关联矩阵Ls、近后备拓扑关联矩阵Lp、线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB为基本图元;以MmC、LsC、LmC、LpC为中间图元;
第一Add节点用于将基本图元母线保护拓扑关联矩阵Mm与断路器拓扑关联矩阵CB融合得到中间图元MmC;
第二Add节点用于将基本图元远后备保护拓扑关联矩阵Ls与断路器拓扑关联矩阵CB融合得到中间图元LsC;
第三Add节点用于将基本图元线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB融合得到中间图元LmC;
第四Add节点用于将基本图元近后备拓扑关联矩阵Lp与断路器拓扑关联矩阵CB融合得到中间图元LpC;
第一Max节点用于对中间图元MmC与中间图元LsC1取最大值得到母线图元;第二Max节点用于对中间图元LmC、LpC以及LsC2取最大值得到线路图元;
所述中间图元LsC1由中间图元LsC根据远后备保护向末端母线的映射关系转换得到;中间图元LsC2由中间图元LsC根据远后备保护向下游线路的映射关系转换得到;
通过该电网故障诊断模型中的Add节点实现保护与断路器动作告警信息的融合、通过Max节点实现不同保护推理路径的置信概率优选。
优选地,上述基于拓扑图元信息融合的电网故障诊断方法,其步骤(3)中远后备保护与被保护元件之间的拓扑映射转换方法具体如下:
(3.1)根据母线关联矩阵TB中所包含的母线与对端母线之间的对应关系,通过下式的矩阵变换实现远后备保护向末端母线的映射转换:
LsC1=S.*(TB×LsC);
其中,母线关联矩阵TB的元素
(3.2)根据线路关联矩阵TL中包含的相邻线路的连接关系,在步骤(3.1)的基础上通过以下矩阵变换进行远后备保护向下游线路的映射转换:
LsC'=S.*(LsC1×TL);
S'=S.*(S×TL);
LsC2=LsC'./S';
其中LsC'和S'为中间变量;
线路关联矩阵TL的元素
总体而言,通过本发明所构思的以上技术方案与现有技术相比,由于,能够取得下列有益效果:
(1)该方法基于网络拓扑建模,能反映故障告警信息与故障元件之间的映射关系,结果的解释性好,且能够适应网络拓扑的变化,适用于连锁故障的诊断。
(2)基于保护和断路器等冗余告警信息进行融合,在保护、断路器存在误动/拒动、信息丢失等情况下均能快速准确给出诊断结果,具有容错性,诊断过程符合实际。
附图说明
图1是本发明实施例所提供的基于拓扑图元信息融合的电网故障诊断流程示意图。
图2是本发明实施例中的电力系统的网络示意图;
图3是本发明实施例中建立的基于拓扑图元信息融合的诊断模型;
图4是本发明实施例中的元件图元故障概率分布;
图5是本发明实施例中的系统元件故障概率;
图6是本发明实施例中的IEEE 14节点系统电网结构。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例所提供的基于拓扑图元信息融合的电网故障诊断方法,其流程如图1所示,包括如下步骤:
(1)确定故障区域,建立拓扑关联矩阵并为置信概率赋予初值;
(2)进行保护与断路器故障告警信息融合;
(3)进行远后备保护映射转换;
(4)进行不同保护置信概率优选;
(5)对元件图元置信概率进行端口融合;
(6)确定故障元件。
以下结合图2所示的具体的电力系统来阐述本发明所提供的电网故障诊断方法;图2所示的电力系统包括5条母线B1~B5、6条线路L1~L6、12个断路器CB1~CB12和41个保护,分别是母线保护B1m~B5m、线路主保护L1Rm~L6Sm、线路近后备保护L1Rp~L6Sp和线路远后备保护L1Rs~L6Ss(为简化描述,对于线路送受端分别以R和S标记)。预设的故障场景为:监控中心收到B3m动作的告警信息,断路器CB5、CB6、CB9动作跳闸。以下结合该电力系统,具体阐述实施例所提供的基于拓扑图元信息融合的电网故障诊断方法;该方法具体如下:
(1)由于电网主要通过断路器等开关设备将母线与线路元件相联系,线路元件、保护和断路器之间具有严格的映射关系;根据电网的结构特征以及邻接矩阵C高度稀疏的特点,建立m×n阶关联矩阵S来描述具有m条母线和n条线路的系统中的系统元件拓扑关系;
对于图2所示的电力系统所建立的关联矩阵S为:
关联矩阵S中包含了被保护元件各端口的连接关系,将关联矩阵S中的元素1按列替换为关联的线路得到线路拓扑关联矩阵L;将关联矩阵S中的元素1按行替换为关联的母线得到母线的拓扑关联矩阵M;
由于母线与线路通过断路器相关联,通过将关联矩阵S中的非零元替换成相应断路器,得到断路器拓扑关联矩阵CB:
由于保护配置与线路元件及断路器直接对应,通过将线路拓扑关联矩阵的非零元素替换成相应保护,得到线路主保护拓扑关联矩阵Lm、近后备拓扑关联矩阵Lp、以及远后备保护拓扑关联矩阵Ls;
通过将断路器拓扑关联矩阵中的非零元素替换成相应保护得到母线保护拓扑关联矩阵Mm:
以母线保护拓扑关联矩阵Mm、远后备保护拓扑关联矩阵Ls、近后备拓扑关联矩阵Lp、线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB为基本图形单元(简称图元)建立如图3所示的电网故障诊断模型;通过该模型的Add节点实现保护与断路器动作告警信息的融合,通过该模型的Max节点实现不同保护推理路径的置信概率优选,以及远后备保护的映射转换;在该模型中,包括8个基本图元,4个Add节点,2个Max节点;MmC、LsC、LsC1、LsC2、LmC、LpC为信息融合过程中的中间图元,M、L分别表示母线图元和线路图元。
在该电网故障诊断模型中对母线与线路分别进行告警信息融合;由于母线故障由母线保护直接反映,而当母线保护未能正确动作隔离故障时,由线路远后备保护动作来隔离故障,因此母线图元的融合信息包括母线保护和远后备保护;同样,线路元件的告警信息融合包括线路主保护、近后备保护和远后备保护的动作告警信息融合。
该电网故障诊断模型在信息融合中,通过Add节点对输入图元进行加权求和并将结果赋给输出图元实现置信概率融合;通过Max节点对输入图元求取极大值并将结果赋给输出图元实现对不同保护推理路径的融合结果的优选。
(2)依据告警信息对元件故障的反映程度设置初始置信概率,基于步骤(1)所建立的各种拓扑关联矩阵,利用各保护拓扑关联矩阵与断路器拓扑关联矩阵之间的直接映射关系,通过加权求和实现保护与断路器告警动作置信概率融合;
由于调度中心收到的告警信息存在不确定性,因此在本步骤中依据告警信息对元件故障的反映程度设置初始置信概率;实施例中,对调度中心收到的保护和断路器动作信息,根据动作历史统计情况及其对故障诊断的作用差别赋予较高的置信概率,具体如表1所列。
表1 已动作的保护与断路器的初始置信概率
同时考虑到保护、断路器拒动及信息漏报的可能性,对未动作的保护和断路器赋予较低的置信概率,如表2所示;考虑到母线保护已按出口分解,其信息漏报对诊断结果影响严重,因此将母线保护未动作的置信概率设为0.4。
表2 未动作的保护和断路器的初始置信概率
由于断路器需要接收保护发出的跳闸信号后才能动作,保护动作是断路器动作的前提,因此将保护动作信息的权重设为0.6,将断路器动作信息的权重设为0.4。
由此,根据告警信息将断路器拓扑关联矩阵与母线保护关联矩阵的初始值设置如下:
根据保护动作信息及断路器动作信息的权重分配原则,通过Add节点实现各类保护与断路器告警信息的融合,譬如:如对于母线保护,其信息融合操作为:MmC=0.6*Mm+0.4*CB;其中,“*”为矩阵的数乘运算算符;获得中间图元的值如下:
(3)对远后备保护分别按保护末端母线与保护下游线路进行功能分解,并根据保护动作配合逻辑及出口方式,建立远后备保护拓扑映射规则,实现远后备保护与被保护元件之间的拓扑映射转换;
由于远后备保护的跨元件动作特性,远后备保护与母线、线路图元之间不能建立直接的拓扑映射;而在建立拓扑图元时,远后备保护与本线路元件对应,在本发明中基于保护动作原理建立映射转换规则,如图3中的虚有向弧所示;
其中,远后备保护与末端母线的映射转换规则Rule 1具体如下:
利用母线关联矩阵TB中包含的母线与对端母线之间的对应关系,通过以下的矩阵变换处理实现远后备保护向末端母线的映射转换:
LsC1=S.*(TB×LsC);
其中,“.*”为矩阵直乘算子,为矩阵对应元素直接进行乘法计算;
母线关联矩阵TB的元素TBij的物理意义是:
根据图论有:TB=S⊙ST-I;
其中,“⊙”为逻辑矩阵的乘法算子,I为单位阵;引入单位阵I的目的在于除去元件自身的关联性。
对于实施例中图2所示意的电路系统,
远后备保护向下游线路的映射转换规则Rule 2具体如下:
根据线路关联矩阵TL中包含的相邻线路的连接关系,通过以下矩阵变换处理进行远后备保护向下游线路的映射转换:
LsC'=S.*(LsC1×TL);
S'=S.*(S×TL);
LsC2=LsC'./S';
其中LsC'和S'是为了方便描述而引入的中间变量;“./”为直除算子,为矩阵对应元素直接相除,若分母元素为零,则将对应元素结果直接置零;
其中,线路关联矩阵TL元素TLij的物理意义为:
根据图论有:TL=ST⊙S-I。
对于实施例中图2所示意的电路系统,
利用上述映射转换规则Rule 1和Rule 2对LsC进行映射转换,获得映射转换后的图元概率分布LsC1和LsC2:
(4)对于不同保护推理路径的置信概率,通过对输入图元求取极大值进行置信概率的优选;
本实施例中,矩阵极大算符“Max”具体如下:
C=Max(A,B)的运算规则定义为:其中,矩阵A、B、C均为m×n阶矩阵;
根据下式对不同保护推理路径的融合结果进行优选:
M=Max(MmC,LsC1),L=Max(LmC,LpC,LsC2);
对于图2所示的电力系统中的母线和线路元件,优选的置信概率具体如下:
(5)根据线路和母线拓扑图元的概率分布,按端口方向进行故障概率信息融合,得到元件的故障概率;
对电网故障诊断模型中的母线图元利用M_P=(M×1n)./(S×1n)进行平均融合,对线路图元利用L_P=(1m T×L)./(1m T×S)进行平均融合,获得母线元件及线路元件的故障概率;
其中,1m为m维的全1列向量,1n为n维的全1列向量,在平均融合过程中引入矩阵S的目的在于获得元件端口数;实施例中,对母线图元M和线路图元L的概率进行按列、按行的平均融合的结果为:
M_P=(M×1n)./(S×1n)=[0.37 0.32 0.9072 0.3533 0.37]T;
L_P=(1m T×L)./(1m T×S)=[0.31 0.255 0.3567 0.3567 0.3567 0.365]。
(6)根据元件故障概率结果确定故障元件,并进行保护及断路器动作评价,具体如下:
将母线元件及线路元件的故障概率超过阈值的元件判定为故障元件;当告警信息完整且正确,故障元件的最低故障概率是通过将各端口方向的远后备保护信息融合得到,最低故障置信概率为0.73;实施例中,考虑到告警信息的不确定性,将置信概率阈值设置为0.6。
实施例中,元件的概率分布如图4所示;其中,图4(a)是母线元件故障概率分布示意图,图4(b)是线路元件故障概率分布示意图;系统元件故障概率曲线如图5所示;从该图看出,母线B3发生故障的概率为0.9072,其他元件的故障概率均小于阈值0.6,因此判定故障元件为B3;诊断结果与预想故障场景一致。
根据上述方法,获得电力系统网络内所有元件的故障概率;从母线图元M和线路图元L可分析元件各个端口方向的故障概率分布;本发明中的电网故障诊断模型完全基于网络拓扑映射关系建立并进行信息融合;仅需与SCADA(Supervisory Control And DataAcquisition,数据采集与监视控制)系统接口,所有图元均可在线建立,无需对单个元件建模、无需建立离线分析库,仅需保存诊断系统的相关参数设置,对系统硬件及内存的需求低,适于工程应用。
这种电网故障诊断模型的特点在于:推理模型及映射转换规则完全基于系统网络拓扑;当系统网络拓扑变化时,诊断模型跟随网络拓扑变化进行自适应调整,无需改变推理规则,便可实现系统网络拓扑变化后的正确推理。
譬如:图2所示的系统中,当线路L4因状态检修退出运行,只需根据网络拓扑变化将系统关联矩阵中L4所对应列的非零元置零,将故障诊断模型的各图元中相应位置元素置零,便完成诊断模型的全部调整。
另一方面,基于系统网络拓扑构建的这种电网故障诊断推理模型有利于连锁故障的正确诊断;传统故障诊断系统难以实时反映连锁故障演变过程中的网络拓扑变化,只能将连锁故障作为多重故障看待,容易导致实际故障元件置信概率降低,甚至出现误判;而本发明所构建的电网故障诊断模型可以在连锁故障发展过程中实时调整网络拓扑结构,有条件将连锁故障作为相继发生的单重故障分别诊断,从而消除不同阶段告警信息的相互干扰,提高故障诊断结果的准确度。
以下通过对图6所示的IEEE 14节点系统进行故障诊断,来验证本发明所提供的基于拓扑图元信息融合的电网故障诊断方法;图6所示的系统包含14条母线,20条线路,40个断路器和174项保护;其中包括线路主保护、近后备、远后备保护各40项以及母线保护14项;将线路、断路器及保护均根据母线编号进行编排:譬如连接母线B09和B14的线路编号为L0914,相应B09侧的断路器记为CB0914,对侧记为CB1409;采用本发明提供的故障诊断方法进行故障诊断的结果如下表3所列:
表3 IEEE 14节点系统的诊断结果
案例1和案例4为信息完整情况下的单重故障和双重故障场景;案例2、案例3为单重故障且存在保护误动及断路器拒动的情况;案例5、案例6为双重故障且存在断路器拒动的情况;案例7、案例8是在案例6基础上模拟存在告警信息漏报的情况。
从表3可知,采用本发明的方法获得的诊断结果完全正确,能有效识别故障元件;表明该方法对于单重故障和多重故障情况均能准确诊断出故障元件。
案例9为对连锁故障的模拟,连锁故障演变过程为:第一阶段母线B11发生故障,由母线保护B11m动作跳开CB1106和CB1110;第二阶段为线路L1011发生故障,主保护L1011m动作但断路器CB1110拒动,由远后备保护L0910s动作跳开断路器CB0910最终隔离故障;案例10为将案例9中的告警信息作为普通的多重故障进行诊断的情况;
通过对比诊断结果可以发现,故障线路L1011的故障概率由0.6167上升为0.72,而非故障线路L0910的故障概率由0.4667下降为0.3567;由此可见,通过在连锁故障演变过程中更新网络拓扑结构,可降低不同阶段告警信息的相互干扰,提高诊断结果的准确度。
综上所述,本发明提供的基于拓扑图元信息融合的电网故障诊断方法,对于简单故障、复杂多重故障以及连锁故障都能够准确地识别出故障元件,并且具有较高的容错性;上述实施例中,所有案例在配置2.3GHz双核处理器(Intel Core i3-2350M)、2G内存的PC机上,利用MATLAB编程进行矩阵运算推理,诊断时间均在5ms以内;利用稀疏技术、并于诊断前进行结线分析缩小搜索区域可进一步缩短诊断时间,表明本发明提供的这种电网故障诊断方法完全能够满足在线故障诊断应用的需求。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于拓扑图元信息融合的电网故障诊断方法,其特征在于,包括如下步骤:
(1)根据电网拓扑结构构建母线拓扑关联矩阵、线路拓扑关联矩阵、保护拓扑关联矩阵和断路器拓扑关联矩阵;并以母线拓扑关联矩阵、线路拓扑关联矩阵、保护拓扑关联矩阵和断路器拓扑关联矩阵为基本图元建立电网故障诊断模型;
(2)根据保护拓扑关联矩阵与断路器拓扑关联矩阵之间的映射关系,通过加权求和进行保护与断路器动作的置信概率融合,获得电网故障诊断模型的中间图元;
(3)对所述中间图元中的远后备保护按保护末端母线与保护下游线路进行功能分解,并进行远后备保护与末端母线、下游线路之间的拓扑映射转换;
(4)对中间图元进行取最大值处理进行保护推理路径的置信概率优选,获得拓扑图元的概率分布;
(5)根据拓扑图元的概率分布,按端口方向进行故障概率信息融合,获得母线元件和线路元件的故障概率;根据故障概率识别出发生故障的元件;
所述步骤(1)建立电网故障诊断模型的方法,包括如下步骤:
(1.1)根据电网拓扑结构建立m×n阶关联矩阵S;
(1.2)通过将所述关联矩阵S中的元素1按列替换为关联的线路得到线路拓扑关联矩阵L;通过将关联矩阵S中的元素1按行替换为关联的母线得到母线的拓扑关联矩阵M;
(1.3)通过将所述关联矩阵S中的非零元替换成断路器得到断路器拓扑关联矩阵CB:
(1.4)通过将所述线路拓扑关联矩阵L的非零元素分别替换成对应的保护,得到线路主保护拓扑关联矩阵Lm、近后备拓扑关联矩阵Lp、以及远后备保护拓扑关联矩阵Ls;
(1.5)通过将所述断路器拓扑关联矩阵中的非零元素替换成母线保护得到母线保护拓扑关联矩阵Mm;
(1.6)以所述母线保护拓扑关联矩阵Mm、远后备保护拓扑关联矩阵Ls、近后备拓扑关联矩阵Lp、线路主保护拓扑关联矩阵Lm以及断路器拓扑关联矩阵CB为基本图元建立电网故障诊断模型;
步骤(3)中远后备保护与被保护元件之间的映射转换方法具体如下:
(3.1)根据母线关联矩阵TB中所包含的母线与对端母线之间的对应关系,通过以下矩阵变换实现远后备保护向末端母线的映射转换:
LsC1=S.*(TB×LsC);
其中,LsC为中间图元,.*为矩阵直乘算子,为矩阵对应元素直接进行乘法计算,母线关联矩阵TB的元素
(3.2)根据线路关联矩阵TL中包含的相邻线路的连接关系,通过以下矩阵变换进行远后备保护向下游线路的映射转换:
LsC'=S.*(LsC1×TL);
S'=S.*(S×TL);
LsC2=LsC'./S';
其中,LsC'和S'为中间变量;
线路关联矩阵TL的元素其中,./为直除算子,为矩阵对应元素直接相除,若分母元素为零,则将对应元素结果直接置零。
2.如权利要求1所述的电网故障诊断方法,其特征在于,所述电网故障诊断模型包括基本图元、中间图元、拓扑图元、K个Add节点和两个Max节点;所述拓扑图元包括母线图元和线路图元;其中,K为基本图元数量的1/2;
以所述母线保护拓扑关联矩阵Mm、远后备保护拓扑关联矩阵Ls、近后备拓扑关联矩阵Lp、线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB为基本图元;以MmC、LsC、LmC、LpC为中间图元;
第一Add节点用于将基本图元母线保护拓扑关联矩阵Mm与断路器拓扑关联矩阵CB融合得到中间图元MmC;
第二Add节点用于将基本图元远后备保护拓扑关联矩阵Ls与断路器拓扑关联矩阵CB融合得到中间图元LsC;
第三Add节点用于将基本图元线路主保护拓扑关联矩阵Lm与断路器拓扑关联矩阵CB融合得到中间图元LmC;
第四Add节点用于将基本图元近后备拓扑关联矩阵Lp与断路器拓扑关联矩阵CB融合得到中间图元LpC;
第一Max节点用于对中间图元MmC与中间图元LsC1取最大值得到母线图元;第二Max节点用于对中间图元LmC、LpC以及LsC2取最大值得到线路图元;
所述中间图元LsC1由中间图元LsC根据远后备保护向末端母线的映射关系转换得到;中间图元LsC2由中间图元LsC根据远后备保护向下游线路的映射关系转换得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611034177.9A CN106771848B (zh) | 2016-11-22 | 2016-11-22 | 一种基于拓扑图元信息融合的电网故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611034177.9A CN106771848B (zh) | 2016-11-22 | 2016-11-22 | 一种基于拓扑图元信息融合的电网故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106771848A CN106771848A (zh) | 2017-05-31 |
CN106771848B true CN106771848B (zh) | 2019-01-29 |
Family
ID=58970876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611034177.9A Active CN106771848B (zh) | 2016-11-22 | 2016-11-22 | 一种基于拓扑图元信息融合的电网故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106771848B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107991580B (zh) * | 2017-11-27 | 2019-05-21 | 山东大学 | 基于关联权重离散性多源信息的配电网故障定位方法 |
CN109167356B (zh) * | 2018-10-16 | 2022-03-18 | 云南电网有限责任公司 | 一种n-2故障筛选方法 |
CN110045207A (zh) * | 2019-04-26 | 2019-07-23 | 国网上海市电力公司 | 一种基于电网架构和多源数据融合的复杂故障诊断方法 |
CN110210632A (zh) * | 2019-05-31 | 2019-09-06 | 国网河北省电力有限公司沧州供电分公司 | 基于泛在电力物联网的故障应急处理方法、装置及终端 |
CN111781461B (zh) * | 2020-06-01 | 2022-04-26 | 云南电网有限责任公司临沧供电局 | 一种小电流接地电力系统的接地故障选线定段方法 |
CN112132491B (zh) * | 2020-11-25 | 2021-02-09 | 中国电力科学研究院有限公司 | 一种基于电网拓扑分析的电网监视告警系统及方法 |
CN113361136B (zh) * | 2021-07-02 | 2022-04-29 | 河北大学 | 一种基于Petri网的自动制造系统可诊断性验证方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100492033C (zh) * | 2007-06-05 | 2009-05-27 | 中南大学 | 车辆配电装置智能故障诊断方法 |
CN101800426B (zh) * | 2010-03-31 | 2012-11-07 | 河南电力试验研究院 | 电网安全性水平评估方法 |
US9008978B2 (en) * | 2011-06-17 | 2015-04-14 | Sunfield Semiconductor, Inc. | System and method for arc detection in solar power arrays |
CN102904331B (zh) * | 2012-09-25 | 2014-09-17 | 贵州电网公司电力调度控制中心 | 一种基于同步相量测量的广域自适应备自投方法 |
CN103245881B (zh) * | 2013-04-22 | 2015-03-04 | 国家电网公司 | 一种基于潮流分布特征的配电网故障分析方法及装置 |
CN103559355A (zh) * | 2013-11-11 | 2014-02-05 | 国家电网公司 | 一种基于svg技术的配网建模系统 |
CN103683229B (zh) * | 2013-12-17 | 2017-01-11 | 国家电网公司 | 考虑机组出力和负荷变化影响的电网广域继电保护方法 |
CN103762570B (zh) * | 2014-02-18 | 2016-05-11 | 国家电网公司 | 一种适用于双重线路故障的电网线路继电保护方法 |
CN104483601B (zh) * | 2014-12-24 | 2017-07-28 | 广西大学 | 一种基于故障指示器的配电网故障定位方法 |
-
2016
- 2016-11-22 CN CN201611034177.9A patent/CN106771848B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106771848A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106771848B (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN108931972B (zh) | 一种基于模型驱动的变电站二次设备状态智能诊断方法 | |
CN103487723B (zh) | 电力系统故障诊断方法及系统 | |
CN110988596B (zh) | 一种新型主动配电网故障区段定位方法 | |
CN105244865A (zh) | 一种电力系统安全稳定运行控制方法 | |
Wang et al. | An innovative minimum hitting set algorithm for model-based fault diagnosis in power distribution network | |
CN103337831A (zh) | 一种具有自适应功能的失步解列方法 | |
CN107491876A (zh) | 一种智能变电站保护系统的风险评估方法 | |
Da Silva et al. | Neural networks for fault location in substations | |
CN105606931A (zh) | 一种基于量子遗传算法的中压配电网故障诊断方法 | |
CN103995215A (zh) | 一种基于多层次反馈调整的智能电网故障诊断方法 | |
Kiaei et al. | A two-stage fault location identification method in multiarea power grids using heterogeneous types of data | |
Li et al. | A comprehensive method for fault location of active distribution network based on improved matrix algorithm and optimization algorithm | |
CN109061391A (zh) | 一种基于计算机视觉潮流图的电网故障诊断方法及系统 | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
CN103311960A (zh) | 一种强联系电网同调稳定区域划分方法 | |
CN110412417A (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
CN112014687A (zh) | 一种含分布式电源的主动配电网故障区段分层定位方法 | |
Lin et al. | A survey on the applications of Petri net theory in power systems | |
Rayudu | A knowledge-based architecture for distributed fault analysis in power networks | |
CN105866630A (zh) | 一种应对全站信息缺失的故障诊断方法和系统 | |
CN112684300B (zh) | 一种利用双向监测信息的主动配电网故障诊断方法及装置 | |
Duan et al. | Fault location and self-healing of distribution network based on function block and wireless sensor | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN206114829U (zh) | 一种配电网故障区段在线辨识系统 |
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 |