CN107064745A - 基于暂态电流信息和小波熵的分级式故障诊断方法 - Google Patents

基于暂态电流信息和小波熵的分级式故障诊断方法 Download PDF

Info

Publication number
CN107064745A
CN107064745A CN201710258206.8A CN201710258206A CN107064745A CN 107064745 A CN107064745 A CN 107064745A CN 201710258206 A CN201710258206 A CN 201710258206A CN 107064745 A CN107064745 A CN 107064745A
Authority
CN
China
Prior art keywords
entropy
phase
zero
current
circuit
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
Application number
CN201710258206.8A
Other languages
English (en)
Other versions
CN107064745B (zh
Inventor
梁啸林
王春义
汪湲
牟宏
康凯
张婷婷
田书然
曹检德
张彬
路晓
孙灏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shandong Electric Power Co Ltd
Shandong University of Science and Technology
Original Assignee
State Grid Shandong Electric Power Co Ltd
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shandong Electric Power Co Ltd, Shandong University of Science and Technology filed Critical State Grid Shandong Electric Power Co Ltd
Priority to CN201710258206.8A priority Critical patent/CN107064745B/zh
Publication of CN107064745A publication Critical patent/CN107064745A/zh
Application granted granted Critical
Publication of CN107064745B publication Critical patent/CN107064745B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Locating Faults (AREA)

Abstract

本发明公开了一种基于暂态电流信息和小波熵的分级式故障诊断方法，首先对配电网进行拓扑结构的分析，然后采集母线出口处的三相电流信息，提取故障分量，判断发生的短路故障的类型，然后提取相应的暂态电流的信息来判断故障发生的大体区间，接着对该区间的故障电流进行小波包分解计算，得到信号的小波熵值，随后上传至主站，主站通过各检测点的小波熵值判断故障点所在的具体线路。本发明具有开关动作次数少、识别故障点迅速、识别故障类型全面的优点。

Description

基于暂态电流信息和小波熵的分级式故障诊断方法
技术领域
本发明涉及一种基于暂态电流信息和小波熵的分级式故障诊断方法。
背景技术
电力系统主要包含发电、输电、配电、用电四个主要环节。其中输电和配电处于发电和用电的中间部分，是电力系统中极为重要的环节。随着《关于进一步深化电力体制改革的若干意见》(中发[2015]9号)的发布，新一轮的电力改革已经拉开序幕。其中最主要的改变就是厂网分开、输配分离，而配电网的安全性、稳定性以及故障后的快速恢复受到越来越多的关注。配电网故障检测是配电网中很重要的一部分内容，一旦配电网发生故障，会对用户的用电产生极大的影响。所以，当配电网发生故障时，应能及时的切除故障，但同时还应保证断电的区域最小化，把损失降到最小的程度。
目前，光纤技术发展迅速，主站和检测点之间的通信越来越快捷方便，利用暂态信息进行故障诊断的技术也越来越多，越来越成熟。小波变换同时具有时域和频域的细化能力，信息熵可以有效分析暂态信号，当发生故障后的短暂时间内，电气量信号的幅值和频率会发生急剧变化，反应在信息熵值上会发生明显的变化。而小波包能谱熵结合了小波包变换与信息能谱熵的优点，既拥有小波变换的时频局部细化能力，也有信息能谱熵对系统不确定程度的表征能力，通过提取故障特征信息，可有效分析故障暂态电流这种短时、高频的复杂信号。可以利用暂态电流信息判断出故障发生的大体区间，然后再利用小波能谱熵技术有效地判断故障点的所在。
目前，国内的配电网故障检测技术还存在着一些弊端，主要表现在以下几个方面：
1)发生故障时，有时产生的稳态故障电流较小，采用稳态电流信息进行故障检测时可能会检测不到故障分量，从而无法检测到故障点。
2)有的故障检测方法需要分段开关或是断路器多次动作，使线路受到短路电流的二次冲击，还会降低开关的使用寿命。
3)有的故障检测方法受配电网结构和线路参数的影响较大，对故障线路进行选线时可能会造成误判。
4)有的配电网故障检测方法只能单一的判断接地故障，或是只适用于结构简单的配电网中，不能有效的保护配电网。
发明内容
本发明为了解决上述问题，提出了一种基于暂态电流信息和小波熵的分级式故障诊断方法，本发明利用零模电流方向和矩阵运算来判断故障所发生的区间，再在该区间上用小波能谱熵计算故障点所在的具体线路，从而能迅速切除故障线路。它具有开关动作次数少、识别故障点迅速、识别故障类型全面的优点。而且，支路数越多，越能快速的找到故障所发生的大体区间，使运算更少，准确度更高。
为了实现上述目的，本发明采用如下技术方案：
一种基于暂态电流信息和小波熵的分级式故障诊断方法，包括以下步骤:
(1)进行配电网的拓扑结构分析，获取网络的结构信息，对节点和支路参数进行编号；
(2)采集母线出口电流信息，提取故障分量，根据相模变换得到其零模分量，计算零模分量的小波熵值以及三相小波熵值，根据零模分量与三相小波熵值判断故障类型以及故障相；
(3)通过分支点的暂态电流的零模电流方向进一步确定故障发生的大致区间，在该区间上用小波能谱熵计算故障点所在的具体线路。
进一步的，所述步骤(1)中，首先进行配电网的拓扑结构分析，从而获取网络的结构信息，包括所有的节点，节点所连支路及其对应的开关，节点下游第一层分段开关，母线出口处断路器开关，对各支路进行编号。
进一步的，步骤(2)中，具体过程包括：
(2-1)釆集配电网母线出口处三相电流信息，提取故障分量，根据相模变换得到其零模分量；
(2-2)计算三相的小波熵值并进行归一化处理，从大到小进行排列，计算零模电流的小波熵值；
(2-3)零模电流的小波熵值与设定的门槛值进行比较，判断是接地故障还是间短路故障，根据故障类型，结合三相的小波熵值的差异，确定故障相。
进一步的，所述步骤(2-3)中，如果零模电流的小波熵值大于设定的门槛值ε0，则说明线路发生接地故障；如果零模电流小波熵值小于设定的门槛值ε0，判断线路发生相间短路故障。
进一步的，所述步骤(2-3)中，如果发生相间短路，若三相小波熵值绝对值的次最小者与最小者之比大于预设值，则判断线路发生了两相短路故障，小波熵值最小者所对应的相为非故障相；否则，判断为三相短路。
进一步的，所述步骤(2-3)中，如果发生接地故障，若三相小波熵值绝对值的次最小者与最小者之比小于预设值，判断线路发生单相接地故障，小波熵最大者对应的相为故障相；否则，判断线路发生两相接地短路故障，且小波熵最小者对应的相为非故障相。
所述步骤(3)中，若判断结果为接地故障，使用沿线安装的FTU或其他故障检测装置检测分支点处的暂态零模电流信号，然后将这些零模电流信号传输到主站。
进一步的，所述步骤(3)中，对分支点流入所对应支路的零模电流进行编号，同时，对分支点流向下一个分支点的零模电流进行编号，将流向支路的各个零模电流和流向下一个分支点的各个零模电流写成矩阵的形式，以上述零模电流的方向信息来判断大体的故障区间。
进一步的，所述步骤(3)中，若零模电流的方向是从母线流向线路，则将构建的矩阵中相应的元素置0，若零模电流的方向是从线路流向母线，则将构建的矩阵中相应的元素置1。
进一步的，所述步骤(3)中，将各支路的编号写成对角矩阵，用支路零模电流方向矩阵和该对角矩阵相乘，得到故障电路，通过计算结果即可判断发生故障的支路。
进一步的，所述步骤(3)中，判断主干路上是否发生故障的方法为，以此表示从每一分支点到下一分支点的区域，形成多个区域，利用二进制形式进行编码，将上述区域利用列矩阵表示，以形成的列矩阵依次排列形成第一矩阵，同样，以各个支路零模电流方向矩阵为列矩阵依次排列形成第二矩阵，第二矩阵与第一矩阵相减得到差矩阵，其中全为0的列所对应的区域就是出现故障的区域。
进一步的，所述步骤(3)中，若检测出所有分支点的零模电流的方向均为从母线流向线路，说明故障点发生在母线出口处到第一个分支点之间的线路。
所述步骤(3)中，若为非接地故障，使用沿线安装的FTU或其他故障检测装置来检测线路分支点处的线模电流信号，通过线模电流的方向来判断故障出现的大体区间。
进一步的，所述步骤(3)中，根据故障发生的区间，提取故障发生时刻若干工频周期内幅值最大的一个工频周期的暂态电流信息量，在本地计算处理单元进行小波包分解计算，得到信号的小波熵值，根据各检测点上传的小波熵值后，求取该区域上相邻两检测点零模电流的小波熵比值，判断比值最小的相邻检测点之间的区段为故障点所在区段。
与现有技术相比，本发明的有益效果为：
(1)该方法能够检测多种故障类型，既能检测接地短路故障，也能检测非接地短路故障；
(2)该方法采用分级处理的方式，不需要逐一计算每个节点的小波能谱熵，计算量小；
(3)该方法适合复杂的辐射状配电网系统，而且系统所含支路越多，在判断故障发生的大体区间时越接近故障点，越能快速的诊断出故障点所在的线路；
(4)拓扑结构分析等耗时较多的步骤可事先在故障前完成，而故障检测过程中只需要进行简单的矩阵计算，大大节约了故障诊断的时间，能够快速检测出故障点所在线路。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1故障诊断的总体设计图；
图2 33节点配电网系统图，节点1是母线出口处节点，节点2、节点3、节点6是分支点，节点1为母线出口节点，节点2、节点3、节点6是分支点。将它们所连支路分别编号为b1，b2，b3，节点2和节点3之间的线路记作M12，节点3和节点6之间的线路记作M23，节点6到线路末端的区间记作M30。；
图3故障类型判断流程图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在误判较多且判断故障种类单一的不足，为了解决如上的技术问题，本申请提出了一种采用分级处理方式且利用暂态电流信息和小波熵进行故障诊断的方法，利用零模电流方向和矩阵运算来判断故障所发生的区间，再在该区间上用小波能谱熵计算故障点所在的具体线路，从而能迅速切除故障线路。它具有开关动作次数少、识别故障点迅速、识别故障类型全面的优点。而且，支路数越多，越能快速的找到故障所发生的大体区间，使运算更少，准确度更高。
首先对配电网进行拓扑结构的分析，然后采集母线出口处的三相电流信息，提取故障分量，判断发生的短路故障的类型，然后提取相应的暂态电流的信息来判断故障发生的大体区间，接着对该区间的故障电流进行小波包分解计算，得到信号的小波熵值，随后上传至主站，主站通过各检测点的小波熵值判断故障点所在的具体线路。
所述基于暂态电流信息和小波熵的分级式故障诊断方法，具体步骤为：
步骤一：首先进行配电网的拓扑结构分析，从而获取网络的结构信息，包括所有的节点N1，N2，N3，N4，…，Nn；节点所连支路及其对应的开关K1，K2，K3，…，Kp；节点下游第一层分段开关K’1，K’2，K’3，…，K’p；母线出口处断路器开关K0。对各支路进行编号，从母线出口处向线路末端依次编为b1，b2，b3，…，bp，主干路编号为b0。
步骤二：判断故障类型；
步骤三：通过分支点的暂态电流信息来检测故障发生的大致区间。
步骤四：利用小波能谱熵方法判断出现故障的具体线路。
步骤二的具体方法为：
(2-1)釆集配电网母线出口处三相电流信息，提取故障分量，根据相模变换得到其零模分量。
(2-2)计算A、B、C三相的小波熵值，分别记为EfA、EfB、EfC，并进行归一化处理，从大到小进行排列，依次记为Emax、Emid、Emin；计算零模电流的小波熵值E0。
(2-3)如果零模电流的小波熵值E0大于设定的门槛值ε0(一般取1)，则说明线路发生接地故障；如果零模电流小波熵值E0小于设定的门槛值ε0，判断线路发生相间短路故障。
(2-4)对于相间短路，Emax、Emin三个相电流的小波熵中，其中两个数值相等且远大于另外一个，即各小波熵值绝对值的次最小者与最小者之比k大于门槛值ε1(一般取1)时，判断线路发生了两相短路故障，小波熵值最小者所对应的相为非故障相；若Emax、Emid Emid、Emin没有明显差异，则说明线路发生三相短路。
(2-5)对于接地故障，若Emax、Emid、Emin其中一个较大，另外两个较小且相等，即各小波熵值绝对值的次最小者与最小者之比k小于门槛值ε1，判断线路发生单相接地故障，小波熵最大者对应的相为故障相；若Emax、Emid、Emin两个相等且远大于另外一个，即各小波熵值绝对值的次最小者与最小者之比k大于门槛值ε1，判断线路发生两相接地短路故障，且小波熵最小者对应的相为非故障相。
步骤三的具体步骤为：
(3-1)若通过步骤二检测到是接地故障，可使用沿线安装的FTU或其他故障检测装置检测分支点处的暂态零模电流信号，然后将这些零模电流信号传输到主站。
(3-2)对分支点流入所对应支路的零模电流进行编号i1，i2，i3，…ip，对分支点流向下一个分支点的零模电流进行编号i’1，i’2，i’3，…i’p。将流向支路的p个零模电流和流向下一个分支点的p个零模电流写成矩阵的形式：
I1＝[i1 i2 i3 ... ip] (1)
I2＝[i′1 i′2 i′3 ... i′p] (2)
由于故障点上游支路的零模电流方向是从线路流向母线，而故障点下游支路的零模电流方向与系统正常运行时的方向相同，均为从母线流向线路。因此可以通过识别2p个零模电流的方向信息来判断大体的故障区间。若零模电流的方向是从母线流向线路，则将I1，I2中相应的元素置0，若零模电流的方向是从线路流向母线，则将I1，I2中相应的元素置1。这样就得到2个只含0和1的矩阵。
(3-3)判断支路上是否发生短路故障。将各支路的编号写成对角矩阵的形式：
B＝diag(b1 b2 b3 ... bp) (3)
然后用支路零模电流方向矩阵I1与支路矩阵B的转置相乘就可得出故障电路，即：
通过计算结果即可判断发生故障的支路。
若通过步骤(3-3)计算出故障线路则进入步骤四，否则进入下一步。
(3-4)判断主干路上是否发生故障。由于故障点前面的分支点都能检测到从线路流向母线的零模电流，很难判断故障发生的具体区间。因此采用编码的方式进行区分。将第一个分支点到第二个分支点的区域记作M12，将第二个分支点到第三个分支点的区域记作M23，以此类推，最后一个分支点到线路末端的区域记作Mmm+1，共分m个区域。易知，m与p相等。将这m个区域用二进制形式进行编码，第一段区域M12用列矩阵的形式表示为[1 0 0 ... 0]T，第二段区域M23用列矩阵的形式表示为[1 1 0 ... 0]T，以此类推，最后一段区域Mmm+1用列矩阵的形式表示为[1 1 1 ... 1]T。则：
令然后用Ip减去M，即:
所得矩阵F2中的全为0的列所对应的区域就是出现故障的区域。
(3-5)若检测出所有分支点的零模电流的方向均为从母线流向线路，即I1、I2中的元素均为0，即：
I1＝[0 0 ... 0] (7)
I2＝[0 0 ... 0] (8)
则说明故障点发生在母线出口处到第一个分支点之间的线路M01上
(3-6)若通过步骤二检测到是非接地故障，可使用沿线安装的FTU或其他故障检测装置来检测线路分支点处的线模电流信号。通过线模电流的方向来判断故障出现的大体区间，其判别方法同上述方法相同。
步骤四的具体步骤为：
(4-1)若通过步骤二检测出接地短路故障，则故障点两侧的暂态零模电流波形差异较大，其信号的复杂程度(幅值和频率)的不同反应于小波熵时，小波熵值相差较大。定义两个相邻检测点i、j的小波熵比值为：
(4-2)通过步骤三判断出故障发生的区间，主站下达包含有故障发生时刻的指令发送给该区间上的所有检测点，要求该区间各个检测点向主站上传信号数据。各检测点接收到指令后，提取故障发生时刻前0.5到2个工频周期内幅值最大的一个工频周期的暂态电流信息量，在本地计算处理单元进行小波包分解计算，得到信号的小波熵值，随后上传至主站。
(4-3)主站接收到各检测点上传的小波熵值后，求取该区域上相邻两检测点零模电流的小波熵比值Di，j，判断比值最小的相邻检测点之间的区段为故障点所在区段。
(4-4)若通过步骤二检测出非接地短路故障，则故障点两侧的暂态线模电流波形差异较大。则主站接收到各检测点上传的小波熵值后，求取该区域上相邻两检测点线模电流的小波熵比值Di，j，判断比值最小的相邻检测点之间的区段为故障点所在区段。
作为一种典型实施例，如图1所示，首先对配电网进行拓扑结构的分析，然后采集母线出口处的三相电流信息，提取故障分量，判断发生的短路故障的类型，再然后提取相应的暂态电流的信息来判断故障发生的大体区间，接着对该区间的故障电流进行小波包分解计算，得到信号的小波熵值，随后上传至主站，主站通过各检测点的小波熵值判断故障点所在的具体线路。
33节点的配电网结构图如图2所示，节点1为母线出口节点，节点2、节点3、节点6是分支点。将它们所连支路分别编号为b1，b2，b3，节点2和节点3之间的线路记作M12，节点3和节点6之间的线路记作M23，节点6到线路末端的区间记作M30。
1.假设在某时刻，线路L27发生A相接地短路故障。
(1)此时零模电压检测装置检测到电压越限大于门槛值之后，主站记录故障时刻，启动故障定位流程。
(2)釆集配电网母线出口处三相电流信息，提取故障分量，根据相模变换得到其零模分量。计算A、B、C三相的小波熵值分别记为EfA、EfB、EfC，并进行归一化处理，从大到小依次排列，记为Emax、Emid、Emin。然后通过如图3所示的流程图判断出故障类型为A相接地短路。
(3)将故障时刻的节点2、节点3、节点6流入其对应支路的零模电流的方向提取出来，上传到主站变换成相应的参数。节点2流入b1的零模电流的方向是从母线到线路，节点3流入b2的零模电流的方向是从母线到线路，节点6流入b3的零模电流的方向是从线路到母线，分别对应的参数为0，0，1。则矩阵I1可写成：
I1＝[0 0 1]
支路对角矩阵B可写成：
B＝diag(b1 b2 b3)
然后用支路零模电流方向矩阵J1乘上支路矩阵B的转置就可得到故障电路，即：
则判断出故障发生在支路b3上。
(4)主站下达包含有故障发生时刻的指令发送给支路b3的所有监测点，要求支路b3上各个检测点向主站上传信号数据。各检测点接收到指令后，提取故障发生时刻前0.5到2个工频周期内幅值最大的一个工频周期的暂态电流信息量，在本地计算处理单元进行小波包分解计算，得到信号的小波熵值，随后上传至主站。同时还要将节点6(与该支路所连节点)流入该支路的零模电流进行小波包分解计算，得信号的小波熵值后，上传到主站。
(5)主站接收到各检测点上传的小波熵值后，将相邻两个检测点上传的小波能谱熵值代入如下公式：
求取该区域上相邻两检测点零模电流的小波熵比值。通过计算可分别求出D6,26，D26,27，D27,28，D28,29，D29,30，D30,31，D31,32，D32,33，然后将这个8个数从大到小进行排序，找到最小的是D27,28，说明节点27和节点28之间的线路发生短路故障。
综上所述，可以判断出线路L27发生了A相接地短路故障，断开节点27上的分段开关就可以切除故障。
2.假设在某时刻L4发生A、B相相间短路故障。
(1)此时暂态电压检测装置检测到电压越限大于门槛值之后，主站记录故障时刻，启动故障定位流程。
(2)釆集配电网母线出口处三相电流信息，提取故障分量，根据相模变换得到其零模分量。计算A、B、C三相的小波熵值分别记为EfA、EfB、EfC，并进行归一化处理，从大到小依次排列，记为Emax、Emid、Emin。然后通过如图3所示的流程图判断出故障类型为AB相间接地短路。
(3)将故障时刻的节点2、节点3、节点6流入其对应支路的线模电流的方向提取出来，上传到主站变换成相应的参数。节点2流入b1的线模电流的方向是从母线到线路，节点3流入b2的线模电流的方向是从母线到线路，节点6流入b3的线模电流的方向是从母线到线路，分别对应的参数为0，0，0。则矩阵I1可写成：
I1＝[0 0 0]
支路对角矩阵B可写成：
B＝diag(b1 b2 b3)
然后用支路零模电流方向矩阵I1乘上支路矩阵B的转置就可得到故障电路，即：
则判断出故障没有发生在支路上。
(4)将故障时刻节点2流向节点3的线模电流、节点3流向节点6的线模电流、节点6流向线路末端的线模电流的方向提取出来，上传到主站变换成相应的参数。节点2流向节点3的线模电流的方向是从线路流向母线，节点3流向节点6的线模电流的方向是从线路流向母线，节点6流向线路末端的线模电流的方向是从母线流向线路，分别对应的参数为1，1，0。则矩阵I2可写成：
I2＝[1 1 0]
对主干路上的区域进行编码，即：
令然后用I3减去M，即：
得，
在矩阵F2中，第二列是全为0的列，对应的区间是M23，即节点3到节点6之间的区间，所以故障就发生在节点3到节点6这段区域上。
(5)主站下达包含有故障发生时刻的指令发送给M23区间上的所有监测点，要求各个检测点向主站上传信号数据。N4、N5上的检测点接收到指令后，提取故障发生时刻前0.5到2个工频周期内幅值最大的一个工频周期的暂态电流信息量，在本地计算处理单元进行小波包分解计算，得到信号的小波熵值，随后上传至主站。同时还要将节点3(该区间的上分支点)流入该区间的线模电流进行小波包分解计算，得信号的小波熵值后，上传到主站。将该区间流入节点6(该区间的下分支点)的线模电流进行小波包分解计算，得信号的小波熵值后，上传到主站。
(6)主站接收到各检测点上传的小波熵值后，将相邻两个检测点上传的小波能谱熵值同样代入如下公式：
求取该区域上相邻两检测点线模电流的小波熵比值。通过计算可分别求出D3,4，D4,5，D5,6，然后将这个3个数从大到小进行排序，找到最小的是D4,5，说明节点4和节点5之间的线路发生短路故障。
综上所述，可以判断出线路L4发生了AB相间短路故障。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：包括以下步骤:
(1)进行配电网的拓扑结构分析，获取网络的结构信息，对节点和支路参数进行编号；
(2)采集母线出口电流信息，提取故障分量，根据相模变换得到其零模分量，计算零模分量的小波熵值以及三相小波熵值，根据零模分量与三相小波熵值判断故障类型以及故障相；
(3)通过分支点的暂态电流的零模电流方向进一步确定故障发生的大致区间，在该区间上用小波能谱熵计算故障点所在的具体线路。
2.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(1)中，首先进行配电网的拓扑结构分析，从而获取网络的结构信息，包括所有的节点，节点所连支路及其对应的开关，节点下游第一层分段开关，母线出口处断路器开关，对各支路进行编号。
3.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：步骤(2)中，具体过程包括：
(2-1)釆集配电网母线出口处三相电流信息，提取故障分量，根据相模变换得到其零模分量；
(2-2)计算三相的小波熵值并进行归一化处理，从大到小进行排列，计算零模电流的小波熵值；
(2-3)零模电流的小波熵值与设定的门槛值进行比较，判断是接地故障还是间短路故障，根据故障类型，结合三相的小波熵值的差异，确定故障相。
4.如权利要求3所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(2-3)中，如果零模电流的小波熵值大于设定的门槛值ε0，则说明线路发生接地故障；如果零模电流小波熵值小于设定的门槛值ε0，判断线路发生相间短路故障。
5.如权利要求3所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(2-3)中，如果发生相间短路，若三相小波熵值绝对值的次最小者与最小者之比大于预设值，则判断线路发生了两相短路故障，小波熵值最小者所对应的相为非故障相；否则，判断为三相短路。
6.如权利要求3所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(2-3)中，如果发生接地故障，若三相小波熵值绝对值的次最小者与最小者之比小于预设值，判断线路发生单相接地故障，小波熵最大者对应的相为故障相；否则，判断线路发生两相接地短路故障，且小波熵最小者对应的相为非故障相。
7.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：
所述步骤(3)中，若判断结果为接地故障，使用沿线安装的FTU或其他故障检测装置检测分支点处的暂态零模电流信号，然后将这些零模电流信号传输到主站；
或，所述步骤(3)中，对分支点流入所对应支路的零模电流进行编号，同时，对分支点流向下一个分支点的零模电流进行编号，将流向支路的各个零模电流和流向下一个分支点的各个零模电流写成矩阵的形式，以上述零模电流的方向信息来判断大体的故障区间；
或，所述步骤(3)中，若零模电流的方向是从母线流向线路，则将构建的矩阵中相应的元素置0，若零模电流的方向是从线路流向母线，则将构建的矩阵中相应的元素置1。
8.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(3)中，将各支路的编号写成对角矩阵，用支路零模电流方向矩阵和该对角矩阵相乘，得到故障电路，通过计算结果即可判断发生故障的支路；
或，所述步骤(3)中，判断主干路上是否发生故障的方法为，将相邻两个分支点之间的区域进行二进制对编码，并将上述区域利用列矩阵表示，以形成的列矩阵依次排列形成矩阵1，同样，以各个支路零模电流方向矩阵为列矩阵依次排列形成矩阵2，矩阵2与矩阵1相减得到差矩阵，其中全为0的列所对应的区域就是出现故障的区域；
或，所述步骤(3)中，若检测出所有分支点的零模电流的方向均为从母线流向线路，说明故障点发生在母线出口处到第一个分支点之间的线路。
9.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(3)中，若为非接地故障，使用沿线安装的FTU或其他故障检测装置来检测线路分支点处的线模电流信号，通过线模电流的方向来判断故障出现的大体区间。
10.如权利要求1所述的一种基于暂态电流信息和小波熵的分级式故障诊断方法，其特征是：所述步骤(3)中，根据故障发生的区间，提取故障发生时刻若干工频周期内幅值最大的一个工频周期的暂态电流信息量，在本地计算处理单元进行小波包分解计算，得到信号的小波熵值，根据各检测点上传的小波熵值后，求取该区域上相邻两检测点零模电流的小波熵比值，判断比值最小的相邻检测点之间的区段为故障点所在区段。
CN201710258206.8A 2017-04-19 2017-04-19 基于暂态电流信息和小波熵的分级式故障诊断方法 Expired - Fee Related CN107064745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710258206.8A CN107064745B (zh) 2017-04-19 2017-04-19 基于暂态电流信息和小波熵的分级式故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710258206.8A CN107064745B (zh) 2017-04-19 2017-04-19 基于暂态电流信息和小波熵的分级式故障诊断方法

Publications (2)

Publication Number Publication Date
CN107064745A true CN107064745A (zh) 2017-08-18
CN107064745B CN107064745B (zh) 2019-05-10

Family

ID=59600439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710258206.8A Expired - Fee Related CN107064745B (zh) 2017-04-19 2017-04-19 基于暂态电流信息和小波熵的分级式故障诊断方法

Country Status (1)

Country Link
CN (1) CN107064745B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562828A (zh) * 2018-03-14 2018-09-21 哈尔滨理工大学 基于小波检测提高电网低电压穿越能力的方法
CN112462195A (zh) * 2020-11-10 2021-03-09 深圳供电局有限公司 一种基于故障特征值的小电流故障定位方法
CN113484683A (zh) * 2021-07-14 2021-10-08 贵州电网有限责任公司 一种基于暂态信息的配电网故障定位系统及方法
CN114236308A (zh) * 2021-11-17 2022-03-25 国网江苏省电力有限公司盐城供电分公司 一种基于馈线信息的配电网故障检测定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1286405A (zh) * 1999-11-20 2001-03-07 深圳市中兴通讯股份有限公司 对配电网故障进行定位的方法
CN102944814A (zh) * 2012-11-28 2013-02-27 福建省电力有限公司 基于暂态信号的配电网单相接地故障定位方法
CN103713237A (zh) * 2013-12-30 2014-04-09 华北电力大学 一种电力系统输电线路短路故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1286405A (zh) * 1999-11-20 2001-03-07 深圳市中兴通讯股份有限公司 对配电网故障进行定位的方法
CN102944814A (zh) * 2012-11-28 2013-02-27 福建省电力有限公司 基于暂态信号的配电网单相接地故障定位方法
CN103713237A (zh) * 2013-12-30 2014-04-09 华北电力大学 一种电力系统输电线路短路故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐华: "小电流接地系统故障定位技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562828A (zh) * 2018-03-14 2018-09-21 哈尔滨理工大学 基于小波检测提高电网低电压穿越能力的方法
CN112462195A (zh) * 2020-11-10 2021-03-09 深圳供电局有限公司 一种基于故障特征值的小电流故障定位方法
CN113484683A (zh) * 2021-07-14 2021-10-08 贵州电网有限责任公司 一种基于暂态信息的配电网故障定位系统及方法
CN114236308A (zh) * 2021-11-17 2022-03-25 国网江苏省电力有限公司盐城供电分公司 一种基于馈线信息的配电网故障检测定位方法

Also Published As

Publication number Publication date
CN107064745B (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN110082640B (zh) 一种基于长短时记忆网络的配网单相接地故障辨识方法
CN107064745A (zh) 基于暂态电流信息和小波熵的分级式故障诊断方法
CN104297632B (zh) 有限pmu下基于最小二乘法估计的电网故障在线检测方法
CN108345723A (zh) 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法
CN106841923A (zh) 基于差值卷积分析法的配电网线路故障定位方法
CN111999591B (zh) 一种配电网一次设备异常状态的识别方法
CN110045207A (zh) 一种基于电网架构和多源数据融合的复杂故障诊断方法
CN100418283C (zh) 网络环境下基于模式匹配的电力系统继电保护信息安全防护方法
CN106483425A (zh) 基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置
CN113222036A (zh) 一种高压电缆接地系统的缺陷自动识别方法及装置
CN103197168A (zh) 电力系统中基于事件集因果链实现故障诊断控制的方法
CN113644748B (zh) 一种区域内变电站设备模拟监控系统及方法
CN107037278A (zh) 一种iec61850标准下的智能变电站故障诊断方法
CN117031201A (zh) 一种配电网多场景拓扑异常识别方法及系统
CN111062569A (zh) 一种基于bp神经网络的小电流故障判别方法
CN113610119B (zh) 基于卷积神经网络识别输电线路发展性故障的方法
Wang et al. Synthetic data in DC microgrids: Label creation for ensemble learning for fault isolation
Mousavi et al. Artificial Neural Networks-Based Fault Localization in Distributed Generation Integrated Networks Considering Fault Impedance
JPH0352517A (ja) 配電線事故診断方法
Liu et al. DC short-circuit fault detection for MMC-HVDC-grid based on improved DBN and DC fault current statistical features
CN112434955B (zh) 一种基于多数据融合的配网线路运行风险感知方法
Sahoo et al. Deep neural network-based wide area Back-up protection scheme for transmission system
CN108362975A (zh) 一种基于广域信息的电网故障关联域判断方法
CN110398666B (zh) 一种基于继电保护时序信息特征的配电网故障诊断方法
CN110135021B (zh) 基于多源信号和rbf神经网络的atru系统故障分级诊断方法

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: 20190510

CF01 Termination of patent right due to non-payment of annual fee