CN108919054A - 基于负荷及分支线估计的智能配电网短路故障定位方法 - Google Patents
基于负荷及分支线估计的智能配电网短路故障定位方法 Download PDFInfo
- Publication number
- CN108919054A CN108919054A CN201810730879.3A CN201810730879A CN108919054A CN 108919054 A CN108919054 A CN 108919054A CN 201810730879 A CN201810730879 A CN 201810730879A CN 108919054 A CN108919054 A CN 108919054A
- Authority
- CN
- China
- Prior art keywords
- section
- failure
- distribution network
- power distribution
- phase
- 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.)
- Pending
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
-
- 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
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
-
- 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
Abstract
本发明公开了一种基于负荷及分支线估计的智能配电网短路故障定位方法,将配电网划分为多个区段,获取配电网内每个区段端点电流和区段两端相电流;计算各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值;判断各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值是否满足故障监测判据;若满足,则判定配电网发生短路故障,对配电网进行故障定位,确定故障区段及故障相。本发明考虑了DG高渗透率及其出力的时变性等特点,使用PMU上传主站的同步相量,综合利用多种故障特征量,实现了智能配电网各类短路故障的精确定位。
Description
技术领域
本发明涉及配电网短路故障诊断和定位领域,具体涉及一种基于负荷及分支线估计的智能配电网短路故障定位方法。
背景技术
随着分布式电源(Distributed Generation,DG)的大量接入,传统配电网由单电源辐射网络转变为多端电源网络,具有潮流双向多变、拓扑复杂和DG出力不确定性等特点,且DG故障电流特性受其类型和安装位置影响呈现较强随机性,仅基于就地电流幅值的过流保护不再适用。
适于配电网的同步相量测量单元(Phasor Measurement Units,PMUs)可以实现电压、电流幅值和相位的同步获取和实时上传,在配电网状态监测、故障诊断等方面得到越来越多的关注。利用PMU将配电网各测点电气量的同步测量数据传入主站,对故障特征量进行实时计算和分析,为DG高渗透率下的智能配电网故障诊断和定位研究提供了新的思路。
目前,含DG配电网短路故障区段定位的方法从原理上主要分为矩阵法、人工智能算法和特征量比较法等。其中,矩阵法是结合网络拓扑结构,并以电流、功率方向作为判断依据,DG高渗透率场景下易发生误判;以人工智能为基础的故障定位方法虽然自适应性较好,但普遍存在模型构建复杂、定位效率不高以及模型不够完善等缺点。特征量比较法判断特征明显,兼顾可靠性和高效性,近年来得到广泛关注,但在实际配电网运行环境中,由于逆变类DG受电力电子器件影响,DG短路电流仅为额定电流的1.2~2倍,使得分析背侧故障电流时无法忽略负荷电流的影响;另外,受自然条件影响,DG投切操作频繁,导致含负荷区段特征量复杂多变,也对故障定位算法的准确性造成极大影响。
综上所述,现有的配电网故障诊断方法多使用区段两端电流幅值突变比作为短路故障监测特征量,但由于DG出力的时变性会使电流幅值发生波动,存在容易导致误判的问题。现有的区段定位算法中无法忽略非故障区段负荷电流的影响,从而造成漏判情况的发生的问题;且受自然条件影响,DG投切操作频繁,导致含负荷区段特征量复杂多变,也对故障定位算法的准确性造成极大影响的问题,尚缺乏有效的解决方案。
发明内容
为了保证DG高渗透率下配电网可以准确进行故障区段定位,本发明提供了一种基于负荷及分支线估计的智能配电网短路故障定位方法,考虑了DG高渗透率及其出力的时变性等特点,使用PMU上传主站的同步相量,综合利用多种故障特征量,实现了智能配电网各类短路故障的精确定位。
本发明所采用的技术方案是:
本发明的第一目的是提供一种基于负荷及分支线估计的智能配电网短路故障定位方法,该方法包括以下步骤:
将配电网划分为多个区段,获取配电网内每个区段端点电流和区段两端相电流;
计算各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值;
判断各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值是否满足故障监测判据;
若满足,则判定配电网发生短路故障,对配电网进行故障定位,确定故障区段及故障相。
进一步的,所述故障监测判据为:
其中,n为配电网内的区段编号,j=1,2,3分别代表配电网系统的A、B、C三相;ΔIij为区段i端点第j相的电流幅值突变比;Δθij为区段i两端第j相的相电流相位差突变量的绝对值;ξ、μ为阈值,阈值μ的取值为1.2~1.8;阈值ξ的取值为10°~20°。
进一步的,所述对配电网进行故障定位的方法为:
获取故障前、后各区段两端的同步电流和电压数据,计算故障发生时各区段内部负荷电流和故障后电压跌落系数;
根据故障后电压跌落系数所在的特征区间,计算各区段的特征相位差;
根据各区段的特征相位差、负荷整定安全系数、误差整定安全系数、考虑电流量测中产生的相位误差和相位角度的计算误差,计算各区段的相电流相位差的阈值。
进一步的,所述故障发生时各区段内部负荷电流的计算方法为:
计算故障前各区段两端电流向量的差值与故障前各区段两端电压向量的平均值的乘积,得到故障前各区段内负荷的倒数;
计算故障后各区段两端电压向量的平均值与故障前各区段内负荷的倒数的乘积,得到故障发生时各区段内部负荷的电流。
进一步的,所述故障后电压跌落系数的计算方法为:
计算故障前各区段两端电压向量的平均值与故障后各区段两端电压向量的平均值的乘积,得到故障后电压跌落系数。
进一步的,当故障后电压跌落系数处于非线性特性区间时,各区段的特征相位差的计算公式为:
式中,为故障后区段两端的电压相量;为故障发生时各区段内部负荷电流;α为故障后电压跌落系数。
进一步的,当故障后电压跌落系数处超过非线性特性区间时,各区段的特征相位差的计算公式为:
其中,为故障后区段两端的电压相量,为故障发生时各区段内部负荷电流。
进一步的,所述故障区段及故障相的确定方法为:
计算故障后各区段两端的相电流相位差;
比较各区段两端的相电流相位差与其对应的相电流相位差阈值的大小;
若区段两端的相电流相位差大于该区段的相电流相位差阈值,则输出该故障区段的标号和故障相。
本发明的第二目的是提供一种基于负荷及分支线估计的智能配电网短路故障定位系统,该系统包括PMU和处理器;
所述PMU,被配置为将利用PMU将配电网划分为多个区段,测量配电网内每个区段端点电流和区段两端相电流,并上传至处理器;
所述处理器,被配置为实现如上所述的基于负荷及分支线估计的智能配电网短路故障定位方法。
与现有技术相比,本发明的有益效果是:
(1)本发明使用区段两端电流幅值突变比与相电流相位差突变量的绝对值作为短路故障监测判据,并依据各类DG的短路电流特性制定阈值,可以有效规避由于DG投切及其出力时变性造成的传统故障监测判据误判情况;
(2)本发明利用区段两端各相电流的相位差进行故障区段定位,通过估计区段内负荷水平,对故障判据进行自适应整定,从而避免DG出力和负荷随机性波动对故障定位精度的影响,并对不同负荷类型的影响进行了分析,从而实现对短路故障的精确定位。
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是基于负荷及分支线估计的智能配电网短路故障定位方法流程图一;
图2是基于负荷及分支线估计的智能配电网短路故障定位方法流程图二;
图3是含有负荷和无源分支线的实际区段单线图;
图4是区内外故障电流相量图;
图5是各类状态下区段特征和本发明所提方法阈值变化图。
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,在现有配电网故障诊断方法中,通常使用区段两端电流幅值突变比ΔIi作为短路故障监测特征量,但由于DG出力的时变性会使电流幅值发生波动,容易导致误判;另外,在部分短路故障定位方法中使用电流、功率方向作为故障检测特征量,但此类方法无法规避DG出力和负荷时变性的影响,易造成误判。
在现有配电网短路故障定位方法中,往往认为故障时短路电流远远大于故障时的负荷电流,但实际运行环境中,线路末端有时只有逆变类DG并网,由于逆变类DG受电力电子器件影响,DG短路电流仅为额定电流的1.2~2倍,使得区段定位算法中分析背侧故障电流时无法忽略负荷电流的影响,从而造成漏判情况的发生;此外,受自然条件影响,DG投切操作频繁,导致含负荷区段特征量复杂多变,也对故障定位算法的准确性造成极大影响。由于我国配电网发展较慢,无法像输电网一样在各段线路中均装设量测装置,给故障定位造成了极大的难度。
因此,为了解决如上的技术问题,本申请提出了一种基于负荷及分支线估计的智能配电网短路故障定位方法,使用区段两端电流幅值突变比ΔIi与相电流相位差突变量的绝对值Δθi作为短路故障监测判据,并依据各类DG的短路电流特性制定阈值,可以有效规避由于DG投切及其出力时变性造成的传统故障监测判据误判情况;利用区段两端各相电流的相位差进行故障区段定位,通过估计区段内负荷水平,对故障判据进行自适应整定,从而避免DG出力和负荷随机性波动对故障定位精度的影响,并对不同负荷类型的影响进行了分析,从而实现对短路故障的精确定位。
实施例1:
本申请的一种典型的实施方式中,如图1所示,提供了一种基于负荷及分支线估计的智能配电网短路故障定位方法,该方法包括以下步骤:
步骤101:利用PMU将配电网划分为多个区段,并对每个区段进行标号,获取配电网内每个区段端点电流和区段两端相电流;
步骤102:计算区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值;判断区段端点电流幅值突变比和区段两端相电流相位差突变量的绝对值是否满足故障监测判据;
步骤103:若满足,则判定配电网发生短路故障,对配电网进行故障定位,确定故障区段及故障相。
本发明实施例提出的基于负荷及分支线估计的智能配电网短路故障定位方法,使用区段两端电流幅值突变比与相电流相位差突变量的绝对值作为短路故障监测判据,并依据各类DG的短路电流特性制定阈值,可以有效规避由于DG投切及其出力时变性造成的传统故障监测判据误判情况;利用区段两端各相电流的相位差进行故障区段定位,通过估计区段内负荷水平,对故障判据进行自适应整定,从而避免DG出力和负荷随机性波动对故障定位精度的影响,并对不同负荷类型的影响进行了分析,从而实现对短路故障的精确定位。
实施例2:
为了使本领域的技术人员更好地了解本发明,下面列举一个更详细的实施例,如图2所示,本实施例提供了一种基于负荷及分支线估计的智能配电网短路故障定位方法,该方法包括以下步骤:
步骤201:初始化阶段。
在主站中输入配电网拓扑结构和PMU安装位置,并对区段进行标号。
本发明不需要使用配电网的线路阻抗矩阵和负荷分布情况,PMU的安装满足系统全局可观测性要求即可,则PMU可将配电网分为多个区段,区段内可以含有负荷或无源分支线。
步骤202:故障监测阶段。
本发明使用区段两端电流幅值突变比ΔIi与相电流相位差突变量的绝对值Δθi作为短路故障监测判据。ΔIi为目前短路故障监测方法常用的特征量,但由于DG出力的时变性会使电流幅值发生波动,容易导致误判,因此增加特征量Δθi使算法躲过其影响。取阈值ξ、μ,当存在区段满足式(1)的条件时,确定配电网发生故障,在配电网主站内启动区段故障定位方法。
本发明提出一种新型短路故障监测判据,为:
其中,n为配电网内的区段编号,j=1,2,3分别代表配电网系统的A、B、C三相;ΔIij为j相i区段端点电流幅值突变比;Δθij为i区段两端j相电流相位差突变量的绝对值;ξ、μ为阈值,阈值μ的取值为1.2~1.8;阈值ξ的取值为10°~20°。
即当区段端点电流幅值突变比与区段两端相电流相位差突变量同时满足条件时,启动短路故障定位算法进行区段定位。
阈值μ的取值参照智能配电网中各电源短路电流特性,其中同步发电机短路电流一般为5~8倍,电机类DG短路电流一般为3~7倍,逆变类DG短路电流一般为1.2~2。本发明综合各类电源的短路电流表现情况,将阈值μ的取值定为1.2~1.8。
阈值μ受逆变类DG短路电流影响取值较小,且DG出力易受自然条件影响呈现较强随机性,易造成电流幅值波动。为避免故障监测算法短时间内重复触发而增加主站运算量,同时防止算法发生漏判,可将阈值ξ取值定为10°~20°。易知阈值ξ的取值越小,灵敏度越高,反之亦然。
通过PMU上传的同步量测数据进行数据处理和计算,得出区段端点电流幅值突变比ΔIi与区段两端相电流相位差突变量的绝对值Δθi,当满足式(1)所示故障监测判据时,判定配网发生故障,启动后续区段故障定位方法。
本发明考虑了区内负荷在故障时所产生的负荷电流对故障定位判据的影响,提出了一种新型短路故障监测判据,可以很好的避免各类扰动,使用同步量测数据对区段两端电流幅值和相位同步监测,当满足故障监测判据条件时启动故障定位方法,对故障后每一时刻都进行考虑各区段内负荷水平和过渡电阻影响的判据更新,以提供精准同步的自适应判据,从而在有效避免误判的同时,防止由于判据过于粗略造成的部分短路故障的漏判;当发生短路故障时,故障区段内的定位阈值判据始终小于区段相位差,从而完成对短路故障区段的准确定位,且有效规避由于DG投切及其出力时变性造成的传统故障监测判据误判情况。
步骤203:故障定位阶段。
随着分布式电源的接入,配电网逐步进化为多源系统,但部分分布式电源(如逆变类DG)短路电流受电力电子元件影响,无法形成与主网一样显著的短路电流,因此在某些区段无法忽略负荷电流的影响。设含负荷及分支线区段单线图如图3所示。
步骤2031:计算各区段内负荷。
调取故障前各区段两端的同步电流和电压数据,求得区段内负荷情况Zload.ij:
为避免区段内无负荷时造成的算法无解,此处运算时通过式(2)求解Zload.ij的倒数。式(2)中,分别为故障前区段两端电压和电流相量。
步骤2032:计算故障发生时各区段内部负荷电流。
利用故障后区段两端的同步电压数据和故障前负荷情况Zload.ij,以式(3)
中的反映故障发生时各区段内部负荷的电流水平:
其中,为故障后区段两端的电压相量;为故障发生时各区段内部负荷的电流。
当短路故障发生后,不同过渡电阻阻值造成各区段端电压抬高水平不同,进而影响负荷电流相位特征。为在判据中体现过渡电阻对相位的影响,使算法更加精确,式(3)以电压形式近似模拟过渡电阻的影响。
步骤2033:计算故障后电压跌落系数。
负荷电流和区段两端电流相量可构成图4中所示的矢量三角形,在区内无故障的情况下,已知负荷电流时,区段两端电流相位差可由三角余弦定理计算得出。发生区内故障时,若忽略故障电流的影响,仍使用三角余弦定理计算如上图所示的区段两端电流相位差σ,可见由于故障点电流影响,计算出的负荷电流相位σ应小于故障后区段两端相电流的实际相位差并且短路故障过渡电阻阻值越小,则故障电流越大,两者的偏差越明显。
实际配电网中越来越多的电力电子装置等电压敏感性负荷的接入,使得单一恒阻抗负荷模型不能真实地反映负荷性质,进而易使算法误判,因此有必要考虑不同类型负荷对算法造成的影响。考虑不同负荷类型的影响,算法需要对故障后电压跌落系数α进行检测,其中
式中,为故障后区段两端电压相量;分别为故障前区段两端电压相量。
步骤3:计算各区段的特征相位差。
由于恒功率负荷模型与恒电流负荷模型一般在额定电压有效值的±20%范围内具有非线性特性,当α处于该非线性特性区间内时,使用式(5)计算特征相位差σij。
其中,为故障后区段两端的电压相量;为故障发生时各区段内部负荷电流;α为故障后电压跌落系数。
由式(5)可知,当线路中含有非恒阻抗负荷时,短路故障造成的电压降落将改变稳态情况下的区段内负荷的等值阻抗Zload.ij,进而改变该区段的特征相位差σij。为避免本发明发生误判,使用不同负荷类型对σij造成的最大误差(假设负荷均为恒功率负荷,此时Zload.ij偏差最大)构造式(5)判据。
由于恒功率负荷模型与恒电流负荷模型一般在额定电压有效值的±20%范围内具有非线性特性,因此若α超过非线性特性区间,可按照恒阻抗负荷模型计算,即执行式(6)计算特征相位差σij。
其中,为故障后区段两端的电压相量;为故障发生时各区段内部负荷电流。
事实上,一般情况下当过渡电阻Zf1较小时,方法算出的区段内部负荷电流远远小于故障电流以至于特征相位差σij无法计算,此时取σij等于0。
当配电网发生短路故障时,在故障区段中计算所得的特征相位差明显小于其实际区段电流相位差,而在非故障区段中两者则近似相等。
基于上述原理,使用区段i两端的相电流相位差θi作为特征量进行区段定位,设其阈值为λi,当满足|θi|>λi时,可确定其为故障区段。其中,区段i两端第j相的相电流相位差的阈值λij可以描述为:
λij=η1[|σij|+η2(ε+δ)] (7)
其中,σij为前述特征相位差,η1为负荷整定安全系数,一般取1.1~1.2;η2为误差整定安全系数,一般取1.1~1.8;ε为考虑电流量测中产生的相位误差,一般为1°~3°;δ为相位角度的计算误差,一般取0.5°~1°。
本发明利用区段两端各相电流的相位差进行故障区段定位,通过估计区段内负荷水平,对故障判据进行自适应整定,从而避免DG出力和负荷随机性波动对故障定位精度的影响,并对不同负荷类型的影响进行了分析,从而实现对短路故障的精确定位。
步骤4):遍历循环阶段。重复步骤3),分别在各相和各区段依次循环求解,最终确定故障区段及故障相。
本发明提出了一种基于负荷及分支线估计的智能配电网短路故障定位方法,考虑了区内负荷在故障时所产生的负荷电流对故障定位判据的影响,由于部分区段末段只能接收逆变类DG较小的故障电流,无法直接忽略负荷电流的影响,容易造成误判,而本发明很好的规避了此类情况。
本发明不需要配电网络负荷分布信息,不受区段内负荷容量、负荷类型和故障类型的影响;自适应性故障监测判据在故障发生后实时计算,保证了故障定位方法可规避DG投切和出力时变性造成的影响;以电压的形式考虑过渡电阻对特征量的影响;传统的配电网基本为单电源供电,时常存在线路空载的情况,但随着分布式电源的大量接入,线路空载率会极大降低,因此本发明所提出的方法适用于未来DG高渗透率下的智能配电网。
此外,本发明所使用的特征量为相电流的相位和幅值及其突变量,智能配电网的三相不平衡运行情况对故障定位方法影响较小。
本发明提出的同步自适应短路故障检测判据可以很好的避免各类扰动。当区段中含有负荷及无源分支线时,智能配电网作为多电源系统,可能会出现一个或多个两端向其供电的负荷节点,此时该区段稳定运行时相位差大于90°,且随着分布式电源出力的时变性,这类区段在整个系统中移动,极易造成各类算法误判情况的发生,本发明可以很好地规避此类问题。
如图5所示,本发明使用同步量测数据对区段两端电流幅值和相位同步监测,当满足故障监测判据条件时启动故障定位方法,对故障后每一时刻都进行考虑各区段内负荷水平和过渡电阻影响的判据更新,以提供精准同步的自适应判据,从而在有效避免误判的同时,防止由于判据过于粗略造成的部分短路故障的漏判;当发生短路故障时,故障区段内的定位阈值始终小于区段相位差,从而完成对短路故障区段的准确定位。
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 (9)
1.一种基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,包括以下步骤:
将配电网划分为多个区段,获取配电网内每个区段端点电流和区段两端相电流;
计算各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值;
判断各区段端点的电流幅值突变比和区段两端的相电流相位差突变量的绝对值是否满足故障监测判据;
若满足,则判定配电网发生短路故障,对配电网进行故障定位,确定故障区段及故障相。
2.根据权利要求1所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,所述故障监测判据为:
其中,n为配电网内的区段编号,j=1,2,3分别代表配电网系统的A、B、C三相;ΔIij为区段i端点第j相的电流幅值突变比;Δθij为区段i两端第j相的相电流相位差突变量的绝对值;ξ、μ为阈值,阈值μ的取值为1.2~1.8;阈值ξ的取值为10°~20°。
3.根据权利要求1所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,所述对配电网进行故障定位的方法为:
获取故障前、后各区段两端的同步电流和电压数据,计算故障发生时各区段内部负荷电流和故障后电压跌落系数;
根据故障后电压跌落系数所在的特征区间,计算各区段的特征相位差;
根据各区段的特征相位差、负荷整定安全系数、误差整定安全系数、考虑电流量测中产生的相位误差和相位角度的计算误差,计算各区段的相电流相位差的阈值。
4.根据权利要求3所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,所述故障发生时各区段内部负荷电流的计算方法为:
计算故障前各区段两端电流向量的差值与故障前各区段两端电压向量的平均值的乘积,得到故障前各区段内负荷的倒数;
计算故障后各区段两端电压向量的平均值与故障前各区段内负荷的倒数的乘积,得到故障发生时各区段内部负荷的电流。
5.根据权利要求3所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,所述故障后电压跌落系数的计算方法为:
计算故障前各区段两端电压向量的平均值与故障后各区段两端电压向量的平均值的乘积,得到故障后电压跌落系数。
6.根据权利要求3所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,当故障后电压跌落系数处于非线性特性区间时,各区段的特征相位差的计算公式为:
式中,为故障后区段两端的电压相量;为故障发生时各区段内部负荷电流;α为故障后电压跌落系数。
7.根据权利要求3所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,当故障后电压跌落系数处超过非线性特性区间时,各区段的特征相位差的计算公式为:
其中,为故障后区段两端的电压相量,为故障发生时各区段内部负荷电流。
8.根据权利要求1所述的基于负荷及分支线估计的智能配电网短路故障定位方法,其特征是,所述故障区段及故障相的确定方法为:
计算故障后各区段两端的相电流相位差;
比较各区段两端的相电流相位差与其对应的相电流相位差阈值的大小;
若区段两端的相电流相位差大于该区段的相电流相位差阈值,则输出该故障区段的标号和故障相。
9.一种基于负荷及分支线估计的智能配电网短路故障定位系统,其特征是,包括PMU和处理器;
所述PMU,被配置为将利用PMU将配电网划分为多个区段,测量配电网内每个区段端点电流和区段两端相电流,并上传至处理器;
所述处理器,被配置为实现权利要求1-8中任一项所述的基于负荷及分支线估计的智能配电网短路故障定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730879.3A CN108919054A (zh) | 2018-07-05 | 2018-07-05 | 基于负荷及分支线估计的智能配电网短路故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730879.3A CN108919054A (zh) | 2018-07-05 | 2018-07-05 | 基于负荷及分支线估计的智能配电网短路故障定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108919054A true CN108919054A (zh) | 2018-11-30 |
Family
ID=64424988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810730879.3A Pending CN108919054A (zh) | 2018-07-05 | 2018-07-05 | 基于负荷及分支线估计的智能配电网短路故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919054A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541361A (zh) * | 2018-12-28 | 2019-03-29 | 深圳供电局有限公司 | 一种公变低压侧分支负荷重载预警装置及方法 |
CN109557422A (zh) * | 2019-01-22 | 2019-04-02 | 山东大学 | 一种智能配电网短路故障定位方法及系统 |
CN110632459A (zh) * | 2019-10-21 | 2019-12-31 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于同步相量测量的配电网故障区段定位方法 |
CN111413581A (zh) * | 2020-03-19 | 2020-07-14 | 国网湖北省电力有限公司荆门供电公司 | 一种考虑智能电表信息的配电网故障精确定位方法 |
CN112034387A (zh) * | 2020-09-08 | 2020-12-04 | 武汉大学 | 一种基于预测序列的输电线路短路故障诊断方法及装置 |
CN112462314A (zh) * | 2020-11-25 | 2021-03-09 | 青岛鼎信通讯股份有限公司 | 一种用于故障指示器的三相电压测量不对称误差消除方法 |
CN112782528A (zh) * | 2020-12-31 | 2021-05-11 | 西安理工大学 | 一种利用pmu的配电网故障区段定位方法 |
CN112946521A (zh) * | 2021-02-04 | 2021-06-11 | 重庆景文源智科技有限公司 | 一种配电网电缆漏电流在线检测方法与绝缘状态监测方法 |
CN113009285A (zh) * | 2021-04-13 | 2021-06-22 | 华中科技大学 | 一种配电网故障区段定位方法及其应用 |
CN113093085A (zh) * | 2021-04-14 | 2021-07-09 | 国网新疆电力有限公司电力科学研究院 | 站域电流互感器二次回路故障检测方法及装置 |
CN117538689A (zh) * | 2024-01-10 | 2024-02-09 | 高唐县恒诚建筑工程有限公司 | 一种基于物联网的电路故障检测方法、系统、装置及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297629A (zh) * | 2014-08-19 | 2015-01-21 | 中国科学院电工研究所 | 含分布式电源的配电网的区段故障检测与定位方法 |
CN104360230A (zh) * | 2014-11-07 | 2015-02-18 | 国家电网公司 | 一种配电网有源多分支节点故障分支的定位方法及装置 |
CN104459465A (zh) * | 2014-11-26 | 2015-03-25 | 国家电网公司 | 一种含分布式电源的配电网故障区段定位方法 |
CN104678257A (zh) * | 2015-02-08 | 2015-06-03 | 云南酷联科技有限公司 | 一种高压单芯电缆保护层故障精确定位的方法 |
CN105759173A (zh) * | 2016-03-31 | 2016-07-13 | 中国科学院电工研究所 | 含分布式电源的配电网的自适应故障区段定位方法 |
CN105911434A (zh) * | 2016-07-01 | 2016-08-31 | 清华大学 | 多谐波源干扰下的配电网高阻接地故障检测方法 |
CN106154116A (zh) * | 2016-08-09 | 2016-11-23 | 国电南瑞科技股份有限公司 | 一种配电网接地故障定位方法 |
CN107219440A (zh) * | 2017-04-11 | 2017-09-29 | 中国矿业大学 | 单端辐射型配电网单相接地故障的定位方法 |
-
2018
- 2018-07-05 CN CN201810730879.3A patent/CN108919054A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297629A (zh) * | 2014-08-19 | 2015-01-21 | 中国科学院电工研究所 | 含分布式电源的配电网的区段故障检测与定位方法 |
CN104360230A (zh) * | 2014-11-07 | 2015-02-18 | 国家电网公司 | 一种配电网有源多分支节点故障分支的定位方法及装置 |
CN104459465A (zh) * | 2014-11-26 | 2015-03-25 | 国家电网公司 | 一种含分布式电源的配电网故障区段定位方法 |
CN104678257A (zh) * | 2015-02-08 | 2015-06-03 | 云南酷联科技有限公司 | 一种高压单芯电缆保护层故障精确定位的方法 |
CN105759173A (zh) * | 2016-03-31 | 2016-07-13 | 中国科学院电工研究所 | 含分布式电源的配电网的自适应故障区段定位方法 |
CN105911434A (zh) * | 2016-07-01 | 2016-08-31 | 清华大学 | 多谐波源干扰下的配电网高阻接地故障检测方法 |
CN106154116A (zh) * | 2016-08-09 | 2016-11-23 | 国电南瑞科技股份有限公司 | 一种配电网接地故障定位方法 |
CN107219440A (zh) * | 2017-04-11 | 2017-09-29 | 中国矿业大学 | 单端辐射型配电网单相接地故障的定位方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109541361A (zh) * | 2018-12-28 | 2019-03-29 | 深圳供电局有限公司 | 一种公变低压侧分支负荷重载预警装置及方法 |
CN109557422A (zh) * | 2019-01-22 | 2019-04-02 | 山东大学 | 一种智能配电网短路故障定位方法及系统 |
CN109557422B (zh) * | 2019-01-22 | 2020-01-10 | 山东大学 | 一种智能配电网短路故障定位方法及系统 |
CN110632459A (zh) * | 2019-10-21 | 2019-12-31 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于同步相量测量的配电网故障区段定位方法 |
CN111413581A (zh) * | 2020-03-19 | 2020-07-14 | 国网湖北省电力有限公司荆门供电公司 | 一种考虑智能电表信息的配电网故障精确定位方法 |
CN111413581B (zh) * | 2020-03-19 | 2023-08-25 | 国网湖北省电力有限公司荆门供电公司 | 一种考虑智能电表信息的配电网故障精确定位方法 |
CN112034387B (zh) * | 2020-09-08 | 2021-09-21 | 武汉大学 | 一种基于预测序列的输电线路短路故障诊断方法及装置 |
CN112034387A (zh) * | 2020-09-08 | 2020-12-04 | 武汉大学 | 一种基于预测序列的输电线路短路故障诊断方法及装置 |
CN112462314B (zh) * | 2020-11-25 | 2023-05-30 | 青岛鼎信通讯股份有限公司 | 一种用于故障指示器的三相电压测量不对称误差消除方法 |
CN112462314A (zh) * | 2020-11-25 | 2021-03-09 | 青岛鼎信通讯股份有限公司 | 一种用于故障指示器的三相电压测量不对称误差消除方法 |
CN112782528A (zh) * | 2020-12-31 | 2021-05-11 | 西安理工大学 | 一种利用pmu的配电网故障区段定位方法 |
CN112946521A (zh) * | 2021-02-04 | 2021-06-11 | 重庆景文源智科技有限公司 | 一种配电网电缆漏电流在线检测方法与绝缘状态监测方法 |
CN113009285A (zh) * | 2021-04-13 | 2021-06-22 | 华中科技大学 | 一种配电网故障区段定位方法及其应用 |
CN113093085A (zh) * | 2021-04-14 | 2021-07-09 | 国网新疆电力有限公司电力科学研究院 | 站域电流互感器二次回路故障检测方法及装置 |
CN113093085B (zh) * | 2021-04-14 | 2024-02-13 | 国网新疆电力有限公司电力科学研究院 | 站域电流互感器二次回路故障检测方法及装置 |
CN117538689A (zh) * | 2024-01-10 | 2024-02-09 | 高唐县恒诚建筑工程有限公司 | 一种基于物联网的电路故障检测方法、系统、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919054A (zh) | 基于负荷及分支线估计的智能配电网短路故障定位方法 | |
Wang et al. | A new node voltage stability index based on local voltage phasors | |
Chen et al. | Measurement-based estimation of the power flow Jacobian matrix | |
US8498832B2 (en) | Method and device for assessing and monitoring voltage security in a power system | |
US9746511B2 (en) | Estimating the locations of power system events using PMU measurements | |
Du et al. | On-line estimation of transmission line parameters, temperature and sag using PMU measurements | |
Li et al. | Investigation on the Thevenin equivalent parameters for online estimation of maximum power transfer limits | |
Li et al. | Wide-area voltage monitoring and optimization | |
Yuan et al. | A comparative study of measurement-based Thevenin equivalents identification methods | |
US10073148B2 (en) | Fault detection in energy supply networks | |
CN109557422A (zh) | 一种智能配电网短路故障定位方法及系统 | |
Cui et al. | Voltage stability assessment based on improved coupled single‐port method | |
Chen et al. | Wide-area measurement-based voltage stability sensitivity and its application in voltage control | |
CN108594077A (zh) | 一种基于监测点观测交叉区域的电压暂降故障源定位方法 | |
Huang et al. | Voltage stability constrained load curtailment procedure to evaluate power system reliability measures | |
Chen et al. | Online computation of power system linear sensitivity distribution factors | |
Venkatasubramanian | Real-time strategies for unwrapping of synchrophasor phase angles | |
Xiao et al. | Design and tests of a super real‐time simulation‐based power system real‐time decision‐making emergency control system | |
Singh et al. | On-line assessment of voltage stability using Synchrophasor technology | |
Sahu et al. | Online monitoring of voltage stability margin using PMU measurements. | |
Holcsik et al. | Fault Point Location Method Based on Harmonics Analysis of a Distribution System | |
CN109633357A (zh) | 三母线中多母线接地绝缘监测方法和监测装置 | |
Dutta et al. | Assessment of impedance based fault locator for AC micro-grid | |
Hussein et al. | Employment of PSO algorithm to improve the neural network technique for radial distribution system state estimation | |
CN104750994A (zh) | 基于外区电力比例的暂态失稳主导性判别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |