CN107247215B - 基于多点同步测量数据的配网故障粒子群定位算法 - Google Patents
基于多点同步测量数据的配网故障粒子群定位算法 Download PDFInfo
- Publication number
- CN107247215B CN107247215B CN201710575414.0A CN201710575414A CN107247215B CN 107247215 B CN107247215 B CN 107247215B CN 201710575414 A CN201710575414 A CN 201710575414A CN 107247215 B CN107247215 B CN 107247215B
- Authority
- CN
- China
- Prior art keywords
- fault
- point
- voltage
- distribution network
- equation
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
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多点同步测量数据的配网故障粒子群定位算法,针对于单相接地故障。先用两点同步采样数据对线路参数进行修正,再用相模变换解耦后的故障分量在时域上列写故障点微分方程并用粒子群算法求出最优解。与采用单端定位或者双端定位法相比,多点监测数据可以提供更丰富的故障信息,而且仅需故障发生之后1/4个周波的信息即可实现故障定位。在保证定位精度的同时,也提高了定位算法的效率。该方法适用于中性点直接接地配电网。
Description
技术领域
本发明涉及配电网线路故障诊断方法领域,具体是一种基于多点同步测量数据的配网故障粒子群定位算法。
背景技术
我国中低压配网以架空线为主,线路的结构复杂,分支众多,易发生故障。据统计,电力系统在运行过程中,由配网故障造成的停电事故约占总停电事故的95%以上,其中70%的事故由单相接地故障或母线故障引发。为了实现配网系统故障的快速隔离,恢复配网系统的正常运行,需要准确快速地实现配电网的故障定位。
粒子群算法(Particle Swarm Optimization,PSO)是由Kennedy和Eberhart 在1995年提出的一种基于群体智能的优化算法,该算法演变于鸟群寻找其活动范围内的食物这一行为。
在粒子群算法中,每只鸟都抽象为一个没有体积没有质量的粒子,每个粒子都代表着问题的一个潜在解。粒子所在的位置的好坏通过一个预先拟定的适应度函数来进行比较和取舍。每个粒子都将在给定解空间中进行运动,并且由一个速度变量来决定其方向。在每一代中,粒子将会追踪两个优化极值,一个是粒子本身至今止所找到的最优解pbest,另外一个是整个群体至今为止所找到的最优解gbest。粒子每更新一次位置,就计算一次适应度值,然后根据所有粒子的pbest和gbest来确定新的个体极值和群体极值,并且更新各自pbest所对应的位置和群体gbest对应的位置。
目前,国内外对于配电网故障定位技术的研究主要分为以下几类:1)行波法。行波法在输电网中已经得到了广泛的应用,其故障定位效果显著,但是在配电网中行波理论应用起来比较困难。因为高压输电线路是一条或少数几条分支的线路,行波易于识别与分析;而配电网复杂的线路结构和众多的分支会造成行波信号的衰减及信息混叠干扰,给配网故障的定位造成了难度。 2)注入信号法。传统的基于注入法的定位方法虽能较准确地定位,但是该方法需要将故障线路从母线中隔离,在离线情况下进行,这会导致停电,而且该方法需要通过人工来进行信号的探测,定位时间较长,在自动化程度、容错性及装置性能等方面还存在很多问题,有待进一步完善。3)故障分析法。现今故障分析法在解决配网故障定位的问题中应用最广泛。虽然单端故障定位和双端故障定位技术在输电线路中已经比较成熟。单端定位法的精度往往不够准确,双端定位法由于受到配网线路监测点分布的限制,考虑到在故障发生线路区段的上游和下游可能没有两个监测点,在实际配网线路中的适用范围同样有限。
发明内容
本发明目的是提供一种基于多点同步测量数据的配网故障粒子群定位算法。对于单相接地故障,通过选用两点同步采样数据对线路参数进行修正,再用相模变换解耦后的故障分量在时域上列写故障点微分方程并用粒子群算法求出最优解。实现在保证定位精度的同时,也提高了定位算法的效率的目的,并且上述算法适用于中性点直接接地配电网。
为了实现以上目的,本发明通过以下技术方案实现:
一种基于多点同步测量数据的配网故障粒子群定位算法,包含以下过程:步骤S1、在配网线路上依次设定多个故障检测点,通过PMU装置采集各个故障检测点的故障电流电压信号。
步骤S2、在配网线路中选取一条两端均有检测点的线路,通过两点同步采样数据对线路参数进行修正。
步骤S3、对配网线路中的所有检测点电压电流波形进行卡伦布尔变换三相解耦。
步骤S4、通过选取线模分量作定位计算。
步骤S5、利用相模变换解耦后的故障分量在时域上列故障点微分方程。
步骤S6、通过采用粒子群算法求出故障点微分方程的最优解,得到故障距离的最佳估计值。
优选地,所述步骤S2进一步包含以下过程:
实际线路单位长度的分布参数分别为线路电导参数G0'、电感参数L0'、电容参数C0'和电阻参数R0';ω为系统角频率,得到线路的传播系数和特征阻抗分别为γ'、Zc',
式中,j表示虚数单位。
在配网线路中选取一条两端均有监测点的线路,设两端监测点的电压电流采样瞬时值分别为u1、u2、i1、i2经全周波傅里叶变换后得到其基波分量
所述基波电压电流分量应满足如下的传输线方程:
式中,l表示两个监测点之间的距离,最终得到校正后的线路电感参数L0'。
优选地,所述步骤S4进一步包含以下过程:用单位长度线路正序参数 L0'、C0 、 R0乘以线路长度即可得到线路的总正序参数。
优选地,所述步骤S5进一步包含以下过程:
设配网系统中有N个监测点,PMU装置采集的电压电流值分别为 (u1、u2、u3……uN)和(i1、i2、i3……iN),故障点对地电压为uf。
已知故障发生在上述配网系统中任意一条线路上,选取此线路上离故障点较近的一点为参考节点,设故障点离此参考节点的距离为d,通过故障分析法建立各监测点与故障点的电压电流方程如下所示:
故障点对地电压uf的值会根据采样点的不同而变化;将故障点对地电压uf用u1表示,建立了不含uf的各监测点之间电压电流关系如下所示:
优选地,所述步骤S6进一步包含以下过程:
对所述各监测点之间电压电流关系式进行离散化,每个采样点所建立的方程组中都只有故障距离d一个未知参数,且故障距离d仅与故障点到参考节点的电阻值和电抗值成正比;所述离散化后的所述各监测点之间电压电流关系式为故障距离d的线性方程;
由于各个所述监测点数据同步采样,设监测点每个周期采样K个点,列写故障方程时仅用到1/4个周波,则共有个方程,且在所述m 个方程中,待求解的未知参数只有故障d,此方程组为超定方程组,无法直接求解,通过转换所述各监测点之间电压电流关系式得到:
Ad=b
其中A和b都是m×1的列向量,其值可以通过监测点的离散电压电流值计算出来。
本发明与现有技术相比具有以下优点:
与采用单端定位或者双端定位法相比,多点监测数据可以提供更丰富的故障信息,而且仅需故障发生之后1/4个周波的信息即可实现故障定位。
本发明通过故障发生前的波形数据对线路参数进行修正校验;对故障发生后的波形数据进行分析处理,结合线路参数通过故障分析法建立故障点与监测点的一系列电压电流方程来实现故障定位;
能够通过监测配网正常状态下的波形数据对配网的线路参数进行修正,减小由于天气、季节以及线路老化等的各种因素造成的配网线路的实际分布参数与给定的分布参数之间存在的误差。
能够通过对配电网进行优化布点之后,对故障发生后的波形数据进行分析处理,结合修正线路参数与故障后的波形数据通过故障分析法建立故障点与检测点之间的一系列电压电流方程,得到故障点的精确定位,能够实现配电网的故障点精确定位,提高定位故障点的精确率,对配电网的故障分析具有重要的意义。
附图说明
图1是本发明的一个实施例的线路传输模型;
图2是本发明的一个实施例的算例的故障仿真模型;
图3是本发明的一个实施例的监测点1的电压电流波形;
图4是本发明的一个实施例的监测点2的电压电流波形;
图5为本发明基于多点同步测量数据的配网故障粒子群定位算法的流程图。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
对于单相线路,设G0、L0、C0、R0分别为给定的线路单位长度的电导、电感、电容和电阻;ω为系统角频率,得到线路的传播系数γ和特征阻抗Zc分别为:
式中,j表示虚数单位。
通过在一条支线路上的两个监测点1和2建立传输线方程为:
式中,l表示两个监测点之间的距离。
若整个配网系统中一共有N个监测点,其测量得到的电压电流值分别为(u1、u2、u3……uN)和(i1、i2、i3……iN),故障点对地电压为uf。
已知故障发生在配网系统中的某条线路上,选取此线路上离故障点较近的一点为参考节点,设故障点离此参考节点的距离为d,通过故障分析法建立各监测点与故障点的电压电流方程如下所示:
方程组在时域上建立,将方程离散化,对每个采样点均可以建立以上方程组。在第k个采样点时,方程组(3)中的每个监测点的电压电流对应于在第k个采样点时刻的电压电流值,对方程组(3)进行离散化之后,在每个采样点所对应的时刻,只有故障距离d和故障点对地电压uf是未知量。故障距离d是不会随着时间(采样点所对应的时刻)变化的恒定值,但是故障点对地电压uf的值会根据采样点的不同而变化。
将故障点对地电压uf用u1表示,建立了不含uf的各监测点之间电压电流关系。此方程组为超定方程组,传统的数学方法对于这类问题的求解已经变得力不从心,且很难得到全局最优解。故需要借用全局优化智能算法——粒子群算法。
根据对同步相量测量装置(PMU)的优化布点实现对整个配电网的监测,本发明的故障定位算法建立在已知故障发生线路区间的假设上。根据PMU 装置采集到的故障波形数据判断故障发生时刻,并提取出故障发生前后几个周波的故障波形。通过故障发生前的波形数据对线路参数进行修正校验;对故障发生后的波形数据进行分析处理,结合线路参数通过故障分析法建立故障点与监测点的一系列电压电流方程,由于此方程组为超定方程组,利用粒子群算法求出最优解,实现对故障点的精确定位。
如图5所示,在上述的算法的基础上,本发明一种基于多点同步测量数据的配网故障粒子群定位算法,包含以下过程:
步骤S1:在配网线路上依次设定多个故障检测点,用于故障电流电压信号的采集;
步骤S2:在配网线路中选取一条两端均有检测点的线路,用于对线路参数进行校正,具体步骤:
步骤S2.1:实际线路分布参数为G0'、L0'、C0'、R0',那么将式(1)中的线路参数G0、L0、C0、R0用G0'、L0'、C0'、R0'替换得到新的传播系数和特征阻抗分别为γ'、Zc'。本发明忽略线路电导不计,电阻和电容的误差影响也不予考虑,故γ'、Zc'的表达式如下:
步骤S2.2:在配网线路中选取一条两端均有监测点的线路,设两端电压电流采样瞬时值为u1、u2、i1、i2经全周波傅里叶变换后得到其基波分量那么基波电压电流分量应满足式(2),其中的γ、Zc分别用式 (4)中的γ'、Zc'来替换,联立式(2)和式(4)可以得到校正后的线路电感参数L0'。
步骤S3:对配网线路中的所有检测点电压电流波形进行卡伦布尔变换三相解耦。
步骤S4:取线模分量作定位计算,用单位长度线路正序参数L0'、C0、R0乘以线路长度即可得到线路的总正序参数。
步骤S5:通过各检测点电压电流与故障点电压电流的关系,建立不包含故障点对地电压的各检测点之间的电压电流关系,具体步骤如下:
步骤S5.1:根据式(3),由于故障点对地电压uf是随时间变化的瞬时值,所以将其用u1表示为:
步骤S5.2:将式(3)中的uf用式(5)替换得到:
由此将随时间变化的瞬时值uf替换掉,建立了各监测点之间电压电流的关系。
步骤S6:对式(6)进行离散化,每个采样点所建立的方程组中都只有故障距离d一个未知参数,且故障距离d仅与故障点到参考节点的电阻值和电抗值成正比。故方程组(6)中的方程都是关于故障距离d的线性方程。
步骤S7:由于各点数据同步采样,设监测点每个周期采样K个点,列写故障方程时仅需用到1/4个周波即可,那么一共有个方程,待求解的未知参数只有故障d,此方程组为超定方程组,无法直接求解,整理式(6)可以得到:
Ad=b (7)
其中A和b都是m×1的列向量,其值可以通过监测点的离散电压电流值计算出来。
步骤S8:通过粒子群算法可以得到故障距离的最佳估计值。
在本发明的一个实施例中,在PSCAD仿真软件中搭建如图2所示的仿真模型。采样频率为20Khz,配网线路电压等级为10kV,中性点直接接地,功率流动方向为从M到N各线路长度在图中已标识出。节点1到节点7均为监测点,所有监测点同步采样电流电压数据。算例结果中对线路参数修正前和线路参数修正后的测距定位结果进行了对比。
定义测距相对误差:
如图2所示,故障发生类型为A相接地故障,故障发生在监测点1和监测点2之间的主线上。
首先选取监测点1和监测点2之间的这段线路来对线路参数进行校正。监测点1和监测点2的电压电流波形分别如图3和图4所示,由图3和图4 可以看出,故障发生时刻为0.3s。选取监测点1和监测点2故障前第2周波的波形数据。校正之前的线路电感参数L0为0.5031ohms/km,根据步骤S2 可以计算得出校正后的线路电感参数L0'为0.6431ohms/km。
根据配网线路的结构,可以具体列写出7个监测点的电压关于故障点对地电压uf和故障距离d(选取故障点与监测点1之间的距离)的方程,选取监测点1为参考节点,可以将故障点对地电压uf表示为关于监测点1电压电流数据的方程,由此可以将其他6个方程中的故障点对地电压uf替换掉,因此6个监测点所建立的方程中都只有故障距离d一个未知参数,且故障距离 d仅与故障点到参考节点的电阻值和电抗值成正比。
故所建立的方程组中的6个方程都是关于故障距离d的线性方程。
监测点每个周期采样400个点,实现故障定位计算时仅需用到1/4个周波即可,那么一共有个方程,待求解的未知参数只有故障d,此方程组为超定方程组,无法直接求解,利用步骤S8所示的粒子群算法得到的故障距离及其测距误差如表1所示。
表1算例的测距结果和测距误差
综上所述,本发明所提出的算法有效降低了配网线路分布参数特性所导致的误差。在上述算例中,未修正线路参数时,故障定位误差很大,但是根据本文的方法对线路参数进行修正之后,故障定位的误差大大降低了。
本发明方法实现配网故障定位的精度较高。主线上的故障点定位误差均在1%以内。当故障距离增大时定位误差逐渐变小。
经过大量仿真实验证明,本文所提出的故障定位方法基本上不受到监测点位置变化的影响,也不受到故障点位置变化的影响。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (5)
1.一种基于多点同步测量数据的配网故障粒子群定位算法,其特征在于,包含以下过程:
步骤S1、在配网线路上依次设定多个故障检测点,通过PMU装置采集各个故障检测点的故障电流电压信号;
步骤S2、在配网线路中选取一条两端均有检测点的线路,通过两点同步采样数据对线路参数进行修正;
步骤S3、对配网线路中的所有检测点电压电流波形进行卡伦布尔变换三相解耦;
步骤S4、通过选取线模分量作定位计算;
步骤S5、利用相模变换解耦后的故障分量在时域上列故障点微分方程;
步骤S6、通过采用粒子群算法求出故障点微分方程的最优解,得到故障距离的最佳估计值。
2.如权利要求1所述一种基于多点同步测量数据的配网故障粒子群定位算法,其特征在于,所述步骤S2进一步包含以下过程:
实际线路的传播系数和特征阻抗分别为γ'、Zc',
式中,j表示虚数单位,L0'为实际线路单位长度的电感参数,G0为给定的线路单位长度的电导参数,C0为给定的线路单位长度的电容参数,R0为给定的线路单位长度的电阻参数,ω为系统角频率;
在配网线路中选取一条两端均有检测点的线路,设两端检测点的电压电流采样瞬时值分别为u1、u2、i1、i2经全周波傅里叶变换后得到其基波分量
所述基波电压电流分量满足如下的传输线方程:
式中,l表示两个检测点之间的距离,最终得到校正后的线路电感参数L0'。
3.如权利要求2所述一种基于多点同步测量数据的配网故障粒子群定位算法,其特征在于,所述步骤S4进一步包含以下过程:用单位长度线路正序参数L0'、C0、R0乘以线路长度即可得到线路的总正序参数。
4.如权利要求1所述一种基于多点同步测量数据的配网故障粒子群定位算法,其特征在于,所述步骤S5进一步包含以下过程:
设配网系统中有N个检测点,PMU装置采集的电压电流值分别为u1、u2、u3……uN和i1、i2、i3……iN,故障点对地电压为uf;
已知故障发生在上述配网系统中任意一条线路上,选取此线路上离故障点较近的一点为参考节点,设故障点离此参考节点的距离为d,通过故障分析法建立各检测点与故障点的电压电流方程如下所示:
故障点对地电压uf的值根据采样点的不同而变化;将故障点对地电压uf用u1表示,建立了不含uf的各检测点之间电压电流关系如下所示:
5.如权利要求4所述一种基于多点同步测量数据的配网故障粒子群定位算法,其特征在于,对所述各检测点之间电压电流关系式进行离散化,每个采样点所建立的方程组中都只有故障距离d一个未知参数,且故障距离d仅与故障点到参考节点的电阻值和电抗值成正比;离散化后的各检测点之间电压电流关系式为故障距离d的线性方程;
由于各个所述检测点数据同步采样,设检测点每个周期采样K个点,列写故障方程时仅用到1/4个周波,则共有个方程,且在所述m个方程中,待求解的未知参数只有故障d,所述m个方程组成的方程组为超定方程组,通过转换所述各检测点之间电压电流关系式得到:
Ad=b
其中A和b都是m×1的列向量,其值通过检测点的离散电压电流值计算出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710575414.0A CN107247215B (zh) | 2017-07-14 | 2017-07-14 | 基于多点同步测量数据的配网故障粒子群定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710575414.0A CN107247215B (zh) | 2017-07-14 | 2017-07-14 | 基于多点同步测量数据的配网故障粒子群定位算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107247215A CN107247215A (zh) | 2017-10-13 |
CN107247215B true CN107247215B (zh) | 2019-08-06 |
Family
ID=60013856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710575414.0A Active CN107247215B (zh) | 2017-07-14 | 2017-07-14 | 基于多点同步测量数据的配网故障粒子群定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247215B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109449932A (zh) * | 2018-12-07 | 2019-03-08 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于电压同步测试的低电压改造方式确定方法 |
CN109856503B (zh) * | 2018-12-27 | 2021-07-16 | 国网江苏省电力有限公司检修分公司 | 一种基于s变换及同步相量测量的输电线路故障定位方法 |
CN112363016B (zh) * | 2020-11-03 | 2024-05-28 | 珠海博威电气股份有限公司 | 基于分布式同步测量的故障定位方法和装置、存储介质 |
CN114755530B (zh) * | 2022-04-20 | 2023-03-28 | 西南交通大学 | 一种输电线路鲁棒故障定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998597A (zh) * | 2012-12-28 | 2013-03-27 | 辽宁省电力有限公司沈阳供电公司 | 加速配电网故障容错定位的方法 |
CN106229964A (zh) * | 2016-07-22 | 2016-12-14 | 南京工程学院 | 一种基于改进二进制粒子群算法的配电网故障定位方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
-
2017
- 2017-07-14 CN CN201710575414.0A patent/CN107247215B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998597A (zh) * | 2012-12-28 | 2013-03-27 | 辽宁省电力有限公司沈阳供电公司 | 加速配电网故障容错定位的方法 |
CN106229964A (zh) * | 2016-07-22 | 2016-12-14 | 南京工程学院 | 一种基于改进二进制粒子群算法的配电网故障定位方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
Non-Patent Citations (3)
Title |
---|
基于改进粒子群算法的配电网故障定位技术研究;陈乐瑞 等;《自动化与仪器仪表》;20151231(第3期);第121-126页 |
粒子群改进算法在配电网故障定位中的应用;赵金宪;《黑龙江科技大学学报》;20140531;第24卷(第3期);第277-281页 |
采用CWP-EM和IPSO-WNN的配电网单相接地故障定位;周永勇 等;《高电压技术》;20100430;第36卷(第4期);第873-877页 |
Also Published As
Publication number | Publication date |
---|---|
CN107247215A (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247215B (zh) | 基于多点同步测量数据的配网故障粒子群定位算法 | |
CN106646139B (zh) | 一种基于三相电流幅值分析的配电网故障定位方法 | |
CN108776284B (zh) | 一种小电阻接地系统单相接地故障保护方法 | |
CN108051700B (zh) | 基于μPMU的配电线路参数辨识的相分量故障测距方法 | |
CN108173263A (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
CN108107319A (zh) | 一种多端柔性直流电网故障定位方法及系统 | |
CN107329045A (zh) | 配网故障最小二乘定位算法 | |
CN107817420B (zh) | 非全程同杆并架双回输电线路非同步数据故障测距方法 | |
CN101672883A (zh) | 一种架空和电缆混合输电线路故障定位方法和装置 | |
CN109444657B (zh) | 一种配电网高阻接地故障区段定位方法 | |
CN102967779B (zh) | 一种输电线路分布参数的辨识方法 | |
CN108957225B (zh) | 一种计及电缆分布电容的直流配电线路单端故障测距方法 | |
CN107884682A (zh) | 基于故障点与监测点距离的配电网故障定位方法 | |
CN108647438A (zh) | 一种新型土壤等效电阻模型建模方法 | |
CN111381130A (zh) | 一种计及行波波速的t接线路故障定位方法及系统 | |
CN108802564A (zh) | 配电网t型线参数无关故障测距算法及系统 | |
CN113671314B (zh) | 一种配电网环网单相接地故障区段定位及测距方法 | |
CN111579933A (zh) | 一种基于Hausdroff算法的配电网故障区段定位方法 | |
CN112415273B (zh) | 一种双回非全线平行输电线路零序参数精确测量方法 | |
CN107505534B (zh) | 配网故障遗传搜索定位方法 | |
CN109061399A (zh) | 基于esmd的配电网单相接地故障区段定位方法 | |
CN106199333B (zh) | 基于分布电容补偿的单端工频量改进分布参数自适应测距方法 | |
CN111141995A (zh) | 一种基于比幅原理的线路双端稳态量测距方法和系统 | |
CN112526290A (zh) | 一种基于广域行波侧后模拟的复杂电网接地故障定位方法 | |
CN110161375A (zh) | 一种基于分布电阻参数的高压直流输电线路计算模型 |
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 |