CN109307824B - 一种基于聚类的配电网单相接地故障区段定位方法 - Google Patents
一种基于聚类的配电网单相接地故障区段定位方法 Download PDFInfo
- Publication number
- CN109307824B CN109307824B CN201811084865.5A CN201811084865A CN109307824B CN 109307824 B CN109307824 B CN 109307824B CN 201811084865 A CN201811084865 A CN 201811084865A CN 109307824 B CN109307824 B CN 109307824B
- Authority
- CN
- China
- Prior art keywords
- fault
- frequency
- characteristic quantity
- alpha
- line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003064 k means clustering Methods 0.000 claims abstract description 21
- 230000001052 transient effect Effects 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G01R31/088—Aspects of digital computing
-
- 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
-
- 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
本发明涉及一种基于聚类的配电网单相接地故障区段定位方法，通过时频原子分解实现故障时刻的判定及故障线路各测量点定位信号的自同步，以及利用时频原子分解的分频能力，提取故障后暂态相电流α模分量的故障分量的各频率分量及其对应的能量，构造能量和频率的归一化特征量，利用K均值聚类方法对频率和能量的归一化特征量进行分类，选出故障线路及故障区段。本发明提出的方法能够较准确地针对相电压过峰值小电阻接地、相电压过零点小电阻接地、相电压过峰值高阻接地、相电压过零点高阻接地和母线故障等5种典型接地故障情况进行选线和定位，具有较强的适应力，在电磁噪声，电弧故障，消弧线圈补偿度等因素的影响下，结果仍然准确可靠。
Description
技术领域
本发明涉及一种基于聚类的配电网单相接地故障区段定位方法。
背景技术
我国配电网发生单相接地故障的几率最高，可占总故障的80％以上。谐振接地系统由于在发生单相接地故障后仍能保证线电压的对称性，且故障电流较小，规程规定可继续运行1至2小时，因此在中压配电网中得到广泛使用。此时若能尽快寻出并切除故障，配电网的运行可靠性将大大增加，否则长时间故障运行容易导致故障范围扩大，危及系统安全。但由于消弧线圈的过补偿作用破坏了故障电流稳态特征，加之受故障电流小、电弧不稳定及定位用的信号难以精确同步、户外测量点的电压电流信号获取受限等因素的影响，选线和定位问题依然是配网保护的难题。
发明内容
本发明的目的在于提供一种基于聚类的配电网单相接地故障区段定位方法，以克服现有技术中存在的缺陷。
为实现上述目的，本发明的技术方案是：一种基于聚类的配电网单相接地故障区段定位方法，按照如下步骤实现：
步骤S1：根据谐振接地系统母线零序电压u0判断系统是否发生单相接地故障；若发生单相接地故障，则启动接地故障选线装置，并判定接地故障时刻；
步骤S2：利用卡伦鲍厄变换提取母线进线端和各线路出线端三相电流的α模分量，提取三相电流α模分量的突变量，即三相电流α模分量故障分量；
步骤S3：提取三相电流α模分量故障分量从故障时刻开始的256个采样点数据，并进行时频原子分解，提取能量特征量和频率特征量；
步骤S4：对能量特征量和频率特征量进行归一化；
步骤S5：采用K均值聚类对各测量点归一化特征量分成两类，选出故障线路或区分出母线故障，并确定故障所在区段。
在本发明一实施例中，在所述步骤S1中，通过监测母线零序电压瞬时值，当母线零序电压瞬时值大于0.15倍的母线相电压有效值时，记对应的时刻为初步故障时刻t0，启动故障录波装置，并保存母线零序电压在t0时刻的前3/4个工频周波和后1/4工频周波数据；对上述保存的一个工频周波数据进行时频原子分解，提取其中大于3000Hz的高频分量，重构提取的高频分量，获取高频分量波形中的模最大值的前一个同极性极大值对应的时刻t1，作为接地故障时刻。
在本发明一实施例中，在所述步骤S2中，对三相电流进行卡伦鲍尔变换，表达式为Iαβ0＝KIabc，其中Iαβ0为αβ0模量电流矩阵，K为卡伦鲍尔变换矩阵，Iabc为三相电流矩阵，即可得到三相电流α模分量，并利用计算式i'α(k)＝iα(k)-iα(k-T)提取三相电流α模分量的突变量，式中等待进一步处理，T为一工频周期的采样点数，i'a(k)表示三i'α(k)相电流α模分量在k点处的突变量，ia(k)表示三相电流α模分量，ia(k-T)表示在k点一周期前的三相电流α模分量。
在本发明一实施例中，在所述步骤S3中，对三相电流α模分量故障分量进行时频原子分解后，获取各频率分量及其对应的能量；以各能量的平方和作为能量特征量，以频率与其对应能量的加权平均值作为频率特征量，将能量特征量以及频率特征量作为待识别的特征量。
在本发明一实施例中，在所述步骤S4中，比较各测量点的能量特征量及频率特征量，以能量特征量的最大值为基准对各测量点能量特征量进行归一化，以频率特征量的最大值为基准对各测量点频率特征量进行归一化，获取用于聚类的特征量。
在本发明一实施例中，在所述步骤S5中，还包括如下步骤：
步骤S51：得到各测量点的归一化特征量后，利用K均值聚类算法进行分类；K均值聚类算法以计算各样品与聚点间的欧氏距离的长度为分类依据的聚类，分类前确定分类数，由于只需分辨出是否是故障线路以及是否是故障点的上游，故均令分类数为2；
步骤S52：分类后的结果为一个n×1矩阵，用于存储每个测量点归一化特征量对应类的信息；
步骤S53：在识别故障线路时，若母线进线端归一化特征量单独分为一类，则判定结果为母线故障；否则，由于故障线路出线端暂态相电流α模故障分量频率低于各非故障线路，幅值也低于各非故障线路，且故障电流也流过母线，母线进线端暂态相电流α模故障分量在频率以及幅值上与故障线路具备相似性，若故障线路与母线进线端的归一化特征量相似，则将二者分为一类，判断出故障线路。
在本发明一实施例中，还包括如下步骤：
步骤S6：对故障线路各测量点三相电流进行卡伦鲍厄变换提取α模分量，提取α模分量的突变量，即三相电流α模分量故障分量；采用时频原子分解方法提取能量特征量和频率特征量，对能量特征量和频率特征量进行归一化；判断分支数，若分支数大于1，则直接对各测量点的归一化特征量进行K均值聚类，把测量点分为两类，并将分类结果中与出线端测量点分为一类的作为故障点上游或故障分支的测量点，将另一类作为故障点下游或非故障分支的测量点。
在本发明一实施例中，还包括如下步骤：
步骤S7：若线路不含分支，则判断能量归一化特征量和频率归一化特征量的方差，若二者方差都大于0.2，则直接进行K均值聚类，分出故障上下游；若至少有一个有小于0.2，则初步判定为末端故障，并增加非故障线路出线端α模分量突变量数据，提取归一化特征量进行K均值聚类；若只有非故障线路出线端测量点被分为一类，则记为末端故障，否则，将与非故障线路出线端测量点分为一类的均记为故障点下游测量点。
相较于现有技术，本发明具有以下有益效果：
1、本发明利用暂态相电流α模故障分量的能量大小和频率分布来构造单相接地故障选线和定位判据，包含了表征信号本质特征的时频信息。
2、本发明利用时频原子分解及K均值聚类方法作为选线和定位方法，时频原子分解方法具有一定的抗噪能力，对信号进行分解时以时频能量的高低为顺序，适合于对本文对故障暂态电流主要频率的提取。K均值聚类方法思想可靠，算法简洁，其代替传统阈值设定方法，使选线与定位更为灵活。
3、本发明的同步点与实际故障发生时刻的误差在0.5毫秒(即1/40周波)以内，可以满足本文故障定位方法对信号同步精度的要求。
4、本发明采用先选线后定位，在判断故障线路能量和频率的归一化特征量的方差小于0.2时增加非故障线路进线端测量点故障信号加以判断的方法，实现了末段故障的定位。
5、本发明能够较准确地针对相电压过峰值小电阻接地、相电压过零点小电阻接地、相电压过峰值高阻接地、相电压过零点高阻接地和母线故障等5种典型接地故障情况进行选线和定位，具有较强的适应力，在电磁噪声，电弧故障，消弧线圈补偿度等因素的影响下，结果仍然准确可靠。
附图说明
图1为本发明中一种基于聚类的配电网单相接地故障区段定位方法的流程图一。
图2为本发明中一种基于聚类的配电网单相接地故障区段定位方法的流程图二。
图3为本发明一实施例中所应用的10kV配电网模型示意图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明提供一种新型的配电网单相接地故障选线方法，如图1和图2所示，包括如下步骤：
步骤S1：根据谐振接地系统母线零序电压u0判断系统是否发生单相接地故障，当
时，启动接地故障选线装置，并进一步判定接地故障时刻。
进一步的，在本实施例中，通过监测母线零序电压瞬时值，当母线零序电压瞬时值大于0.15倍的母线相电压有效值时，将对应的时刻设为初步故障时刻t0，并启动故障录波装置。保存母线零序电压在t0时刻的前3/4个工频周波和后1/4工频周波数据。对上述保存的一个工频周波数据进行时频原子分解，并提取其中大于3000Hz的高频分量。重构提取的高频分量，找出高频分量波形中的模最大值的前一个同极性极大值对应的时刻t1。
步骤S2：利用卡伦鲍厄变换提取母线进线端和各线路出线端三相电流的α模分量，利用i'α(k)＝iα(k)-iα(k-T)提取三相电流α模分量的突变量，即三相电流α模分量故障分量，其中T为一工频周期的采样点数。
进一步的，在本实施例中，对三相电流进行卡伦鲍尔变换，表达式为Iαβ0＝KIabc，其中Iαβ0为αβ0模量电流矩阵，K为卡伦鲍尔变换矩阵，Iabc为三相电流矩阵。由此表达式即可得到三相电流α模分量，并利用计算式i'α(k)＝iα(k)-iα(k-T)提取三相电流α模分量的突变量，等待进一步处理。i'a(k)表示三相电流α模分量在k点处的突变量，ia(k)表示三相电流α模分量，ia(k-T)表示在k点一周期前的三相电流α模分量。
步骤S3：提取三相电流α模分量故障分量从故障时刻开始的256个采样点数据，其中采样频率为20000Hz，约16/25个工频周波，并进行时频原子分解提取能量和频率的特征量。
进一步的，在本实施例中，对三相电流α模分量故障分量进行时频原子分解后，取出各频率分量及其对应的能量，以各能量的平方和作为能量特征量；以频率与其对应能量的加权平均值作为频率特征量，以这两个特征量作为待识别的特征量。
步骤S4：对能量和频率的特征量进行归一化。
进一步的，在本实施例中，比较各测量点能量及频率的特征量，以能量特征量的最大值为基准对各测量点能量特征量进行归一化，以频率特征量的最大值为基准对各测量点频率特征量进行归一化，即可得到最终用于聚类的特征量。
步骤S5：利用K均值聚类对各测量点归一化特征量分成两类，选出故障线路或区分出母线故障，并确定位故障所在区段。
进一步的，在本实施例中，还包括如下步骤：
步骤S51：得到各测量点的归一化特征量后，利用K均值聚类算法对其进行分类，K均值聚类算法是以计算各样品与聚点间的欧氏距离的长度为分类依据的聚类，分类前要根据实际情况确定分类数，由于只需分辨出是否是故障线路以及是否是故障点的上游，故在本实施例中，较佳的，分类数均可设置为2。
步骤S52：分类后的结果为一个n×1矩阵，存储的是每个测量点归一化特征量对应哪一类的信息。
步骤S53：在识别故障线路时，若母线进线端归一化特征量单独分为一类，则为母线故障；否则，由于故障线路与母线进线端的归一化特征量相似，二者将分为一类，即可判断出故障线路。
在本实施例中，上述相似性根据如下方式判断：
由于故障线路暂态相电流α模故障分量主要流经变压器，根据α模电压故障分量形式应为
式中：Lα、Rα分别为线模网络等效电感和等效电阻。
上式可看出α模电压含有若干个指数衰减的正弦分量，对于非故障线路，线路电容相当于高通滤波器，而负荷由于呈感性，相当于低通滤波器。在非故障线路出线端的暂态相电流α模故障分量，由于负荷线模阻抗较大，因此其低频分量小，高频分量比值较大；而故障线路出线端暂态相电流α模故障分量主要流经呈感性变压器，因此其低频分量大，低频分量的比值也大。
在故障线路，位于故障点同侧(故障点上游或下游)的相邻测量点，由于其间线路对地分布电容电流数值较小，二者的暂态相电流α模故障分量能量接近且频率相差不大。而对于故障点两侧的暂态相电流α模故障分量，由于故障点上游等效线模阻抗较下游小，因此其暂态相电流α模故障分量能量较下游大；频率方面，由于故障点下游负荷线模阻抗较大，暂态相电流α模故障分量低频分量小，高频分量比值较大；而上游由于变压器线模电感小，暂态相电流α模故障分量低频分量大，低频分量的比值也大。因此故障线路出线端暂态相电流α模故障分量频率较各非故障线路低，幅值较各非故障线路低，由于故障电流也流过母线，因此母线进线端暂态相电流α模故障分量也具有这种特点，故二者是相似的。
进一步的，还包括如下具体步骤：
步骤S6：对故障线路各测量点三相电流进行卡伦鲍厄变换提取α模分量，利用与故障选线同样的原理提取α模分量的突变量，即三相电流α模分量故障分量，并用同样的时频原子分解方法提取能量和频率的特征量。然后对能量和频率的特征量进行归一化。随后判断分支数，若分支数大于1，则直接对各测量点的归一化特征量进行K均值聚类把测量点分为两类，将与出线端测量点分为一类作为故障点上游或故障分支的测量点，将另一类作为故障点下游或非故障分支的测量点。
进一步的，还包括如下具体步骤：
步骤S7:若线路不含分支，则按照上述方法判断能量和频率归一化特征量的方差，若二者方差都大于0.2，则直接进行K均值聚类分出故障上下游；若至少有一个有小于0.2，则初步判为末端故障；并增加非故障线路出线端α模分量突变量数据，提取归一化特征量进行K均值聚类，若只有非故障线路出线端测量点被分为一类，则作为末端故障，否则，将与非故障线路出线端测量点分为一类的作为故障点下游测量点。
进一步的，为了让本领域技术人员进一步了解本发明提出的技术方案，下面结合具体实施例进行说明。
在本实施例中，如图3所示，利ATP/EMTP仿真软件搭建10kV配电网模型用于获取故障数据，测试结果表明，该选线及定位方法对5种典型接地故障都有效，对5种其它情况进行适应性验证，包括电磁噪声干扰下的故障、电弧接地故障、线路末端高阻接地故障和消弧线圈补偿度的影响。选线及定位结果表明，本发明提供的选线及定位方法对上述5种情况仍然可靠。仿真模型中，110kV高压线路用三相电源代替，仿真元件主要包括：系统电源、变压器、输电线路、故障模块等。
仿真模型中电源模块相电压幅值为
频率为50Hz，A相电压初相角为30°。输电线路使用分布参数的克拉克模型，具体参数为架空线路正序电阻0.17Ω/km，正序电容0.0097μF/km，正序电感1.21mH/km，零序电阻0.23Ω/km，零序电容0.008μF/km，5.478mH/km；电缆线路正序电阻0.27Ω/km，正序电容0.339μF/km，正序电感0.255mH/km，零序电阻2.7Ω/km，零序电容0.28μF/km，1.019mH/km。消弧线圈的等效电感为0.7496H，等效电阻为7.065Ω。110kV/10kV变压器连接组别为Yd11，空载损耗19.5kW，短路损耗118.9Kw，空载电流百分数0.12％，短路电压百分数14.99％；10kV/0.4kV变压器连接组别为Dy11，空载损耗1.15kW，短路损耗10.3Kw,空载电流百分数0.7％，短路电压百分数4.5％。Z型变压器一次侧线电压10.5kV，等效电阻13.77Ω，等效电感65.8mH；二次侧线电压10.5kV，等效电阻13.77Ω，等效电感65.8mH。各相负荷电阻设为0.12Ω，电感设为0.2mH。
利用ATPDraw提供的MODELS语言进行描述，把一次电弧方程转换为的MODELS语言来模拟电弧模型，并封装在MOD中，得到电弧模块。通过设置电弧长度L、一次电弧的电流峰值ip和电位梯度Vp，即可模拟不同一次电弧故障。如表1以及表2分别为本发明提供的方法对于各种故障的适应性以及对不同接地故障适应性。
表1本发明提供的方法对于各种故障的适应性
| 故障类型 | 选线与定位结果 |
| 相电压过峰值小电阻接地 | 正确 |
| 相电压过零点小电阻接地 | 正确 |
| 相电压过峰值高阻接地 | 正确 |
| 相电压过零点高阻接地 | 正确 |
| 母线故障 | 正确 |
表2本发明提供的方法对不同接地故障适应性
| 故障类型 | 选线与定位结果 |
| 电磁噪声干扰下的故障 | 正确 |
| 电弧接地故障 | 正确 |
| 线路末端高阻接地故障 | 正确 |
| 消弧线圈补偿度的影响 | 正确 |
| 采样不同步的影响 | 正确 |
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (5)
1.一种基于聚类的配电网单相接地故障区段定位方法，其特征在于，按照如下步骤实现：
步骤S1：根据谐振接地系统母线零序电压u0判断系统是否发生单相接地故障；若发生单相接地故障，则启动接地故障选线装置，并判定接地故障时刻；
步骤S2：利用卡伦鲍厄变换提取母线进线端和各线路出线端三相电流的α模分量，提取三相电流α模分量的突变量，即三相电流α模分量故障分量；
步骤S3：提取三相电流α模分量故障分量从故障时刻开始的256个采样点数据，并进行时频原子分解，提取能量特征量和频率特征量；
在所述步骤S3中，对三相电流α模分量故障分量进行时频原子分解后，获取各频率分量及其对应的能量；以各能量的平方和作为能量特征量，以频率与其对应能量的加权平均值作为频率特征量，将能量特征量以及频率特征量作为待识别的特征量；
步骤S4：对能量特征量和频率特征量进行归一化；
在所述步骤S4中，比较各测量点的能量特征量及频率特征量，以能量特征量的最大值为基准对各测量点能量特征量进行归一化，以频率特征量的最大值为基准对各测量点频率特征量进行归一化，获取用于聚类的特征量；
步骤S5：采用K均值聚类对各测量点归一化特征量分成两类，选出故障线路或区分出母线故障，并确定故障所在区段；
在所述步骤S5中，还包括如下步骤：
步骤S51：得到各测量点的归一化特征量后，利用K均值聚类算法进行分类；K均值聚类算法以计算各样品与聚点间的欧氏距离的长度为分类依据的聚类，分类前确定分类数，由于只需分辨出是否是故障线路以及是否是故障点的上游，故均令分类数为2；
步骤S52：分类后的结果为一个n×1矩阵，用于存储每个测量点归一化特征量对应类的信息；
步骤S53：在识别故障线路时，若母线进线端归一化特征量单独分为一类，则判定结果为母线故障；否则，由于故障线路出线端暂态相电流α模故障分量频率低于各非故障线路，幅值也低于各非故障线路，且故障电流也流过母线，母线进线端暂态相电流α模故障分量在频率以及幅值上与故障线路具备相似性，若故障线路与母线进线端的归一化特征量相似，则将二者分为一类，判断出故障线路。
2.根据权利要求1所述的一种基于聚类的配电网单相接地故障区段定位方法，其特征在于，在所述步骤S1中，通过监测母线零序电压瞬时值，当母线零序电压瞬时值大于0.15倍的母线相电压有效值时，记对应的时刻为初步故障时刻t0，启动故障录波装置，并保存母线零序电压在t0时刻的前3/4个工频周波和后1/4工频周波数据；对上述保存的一个工频周波数据进行时频原子分解，提取其中大于3000Hz的高频分量，重构提取的高频分量，获取高频分量波形中的模最大值的前一个同极性极大值对应的时刻t1，作为接地故障时刻。
3.根据权利要求1所述的一种基于聚类的配电网单相接地故障区段定位方法，其特征在于，在所述步骤S2中，对三相电流进行卡伦鲍尔变换，表达式为Iαβ0＝KIabc，其中Iαβ0为αβ0模量电流矩阵，K为卡伦鲍尔变换矩阵，Iabc为三相电流矩阵，即可得到三相电流α模分量，并利用计算式i'α(k)＝iα(k)-iα(k-T)提取三相电流α模分量的突变量，式中i'a(k)等待进一步处理，T为一工频周期的采样点数，i'a(k)表示三相电流α模分量在k点处的突变量，ia(k)表示三相电流α模分量，ia(k-T)表示在k点一周期前的三相电流α模分量。
4.根据权利要求1所述的一种基于聚类的配电网单相接地故障区段定位方法，其特征在于，还包括如下步骤：
步骤S6：对故障线路各测量点三相电流进行卡伦鲍厄变换提取α模分量，提取α模分量的突变量，即三相电流α模分量故障分量；采用时频原子分解方法提取能量特征量和频率特征量，对能量特征量和频率特征量进行归一化；判断分支数，若分支数大于1，则直接对各测量点的归一化特征量进行K均值聚类，把测量点分为两类，并将分类结果中与出线端测量点分为一类的作为故障点上游或故障分支的测量点，将另一类作为故障点下游或非故障分支的测量点。
5.根据权利要求4所述的一种基于聚类的配电网单相接地故障区段定位方法，其特征在于，
还包括如下步骤：
步骤S7：若线路不含分支，则判断能量归一化特征量和频率归一化特征量的方差，若二者方差都大于0.2，则直接进行K均值聚类，分出故障上下游；若至少有一个有小于0.2，则初步判定为末端故障，并增加非故障线路出线端α模分量突变量数据，提取归一化特征量进行K均值聚类；若只有非故障线路出线端测量点被分为一类，则记为末端故障，否则，将与非故障线路出线端测量点分为一类的均记为故障点下游测量点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811084865.5A CN109307824B (zh) | 2018-09-18 | 2018-09-18 | 一种基于聚类的配电网单相接地故障区段定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811084865.5A CN109307824B (zh) | 2018-09-18 | 2018-09-18 | 一种基于聚类的配电网单相接地故障区段定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109307824A CN109307824A (zh) | 2019-02-05 |
| CN109307824B true CN109307824B (zh) | 2020-11-03 |
Family
ID=65224013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811084865.5A Active CN109307824B (zh) | 2018-09-18 | 2018-09-18 | 一种基于聚类的配电网单相接地故障区段定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109307824B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110244198B (zh) * | 2019-05-09 | 2022-03-01 | 山东优柏电子科技有限公司 | 基于复合判据的阻性负荷串联电弧检测方法及应用 |
| CN110596533B (zh) * | 2019-09-12 | 2020-07-31 | 山东大学 | 一种配电网单相接地故障区段定位方法及系统 |
| CN110703036B (zh) * | 2019-10-09 | 2021-09-14 | 江苏方天电力技术有限公司 | 一种利用聚类的谐振接地系统高阻接地故障定位方法 |
| CN111123029A (zh) * | 2019-12-03 | 2020-05-08 | 江苏方天电力技术有限公司 | 基于零序电流分布特性聚类关系的配网故障区段辨识方法 |
| CN111007359A (zh) * | 2019-12-26 | 2020-04-14 | 积成电子股份有限公司 | 一种配电网单相接地故障识别启动方法及系统 |
| CN111157850B (zh) * | 2020-01-15 | 2022-06-21 | 上海电力大学 | 一种基于均值聚类的电网线路故障识别方法 |
| CN112557948A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 基于故障多特征量提取的配电网单相接地故障识别方法 |
| CN112557825A (zh) * | 2020-12-10 | 2021-03-26 | 国网江苏省电力有限公司盐城供电分公司 | 一种单相接地故障线路确定方法 |
| CN112782523B (zh) * | 2020-12-23 | 2022-12-02 | 南京工程学院 | 基于动态模式匹配距离的配电网单相接地故障选线方法 |
| CN113311219B (zh) * | 2021-03-11 | 2022-11-08 | 国网福建省电力有限公司 | 一种配电网暂时过电压识别方法 |
| CN113092934B (zh) * | 2021-03-23 | 2022-05-13 | 武汉大学 | 基于聚类和lstm的单相接地故障判定方法及系统 |
| CN113156267B (zh) * | 2021-04-27 | 2024-02-02 | 福州大学 | 一种配电网接地故障选段方法及系统 |
| CN113406441B (zh) * | 2021-07-27 | 2022-07-05 | 天津大学 | 基于聚类和迭代算法的柔性直流电网故障测距方法 |
| CN114966313B (zh) * | 2022-05-23 | 2023-03-21 | 四川交通职业技术学院 | 一种配电网故障定位方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0698457A (ja) * | 1991-11-28 | 1994-04-08 | Kansai Electric Power Co Inc:The | 高圧配電線の地絡故障原因判定方法 |
| JPH09145772A (ja) * | 1995-11-20 | 1997-06-06 | Furukawa Electric Co Ltd:The | 送配電線故障区間標定方法及びその装置 |
| JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
| CN102788926A (zh) * | 2012-07-04 | 2012-11-21 | 河南理工大学 | 小电流接地系统单相接地故障区段定位方法 |
| CN103323747A (zh) * | 2013-06-27 | 2013-09-25 | 国家电网公司 | 一种小电流接地系统的单相接地故障选线方法 |
| CN103344875A (zh) * | 2013-07-02 | 2013-10-09 | 福州大学 | 谐振接地系统单相接地故障分类选线方法 |
| CN103454562A (zh) * | 2013-09-22 | 2013-12-18 | 福州大学 | 谐振接地系统单相接地聚类法选线 |
| CN103499769A (zh) * | 2013-09-23 | 2014-01-08 | 武汉大学 | 一种谐振接地系统单相接地故障自适应选线方法 |
| CN103941162A (zh) * | 2014-05-12 | 2014-07-23 | 福州大学 | 利用波形时域特征聚类的谐振接地系统故障选线方法 |
| CN103941163A (zh) * | 2014-05-12 | 2014-07-23 | 福州大学 | 利用模糊k均值聚类的谐振接地系统故障选线方法 |
| CN104898021A (zh) * | 2015-05-25 | 2015-09-09 | 昆明理工大学 | 一种基于k-means聚类分析的配电网故障选线方法 |
-
2018
- 2018-09-18 CN CN201811084865.5A patent/CN109307824B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0698457A (ja) * | 1991-11-28 | 1994-04-08 | Kansai Electric Power Co Inc:The | 高圧配電線の地絡故障原因判定方法 |
| JPH09145772A (ja) * | 1995-11-20 | 1997-06-06 | Furukawa Electric Co Ltd:The | 送配電線故障区間標定方法及びその装置 |
| JP2006162541A (ja) * | 2004-12-10 | 2006-06-22 | Meiji Univ | 事故点標定方法、システム及びプログラム |
| CN102788926A (zh) * | 2012-07-04 | 2012-11-21 | 河南理工大学 | 小电流接地系统单相接地故障区段定位方法 |
| CN103323747A (zh) * | 2013-06-27 | 2013-09-25 | 国家电网公司 | 一种小电流接地系统的单相接地故障选线方法 |
| CN103344875A (zh) * | 2013-07-02 | 2013-10-09 | 福州大学 | 谐振接地系统单相接地故障分类选线方法 |
| CN103454562A (zh) * | 2013-09-22 | 2013-12-18 | 福州大学 | 谐振接地系统单相接地聚类法选线 |
| CN103499769A (zh) * | 2013-09-23 | 2014-01-08 | 武汉大学 | 一种谐振接地系统单相接地故障自适应选线方法 |
| CN103941162A (zh) * | 2014-05-12 | 2014-07-23 | 福州大学 | 利用波形时域特征聚类的谐振接地系统故障选线方法 |
| CN103941163A (zh) * | 2014-05-12 | 2014-07-23 | 福州大学 | 利用模糊k均值聚类的谐振接地系统故障选线方法 |
| CN104898021A (zh) * | 2015-05-25 | 2015-09-09 | 昆明理工大学 | 一种基于k-means聚类分析的配电网故障选线方法 |
Non-Patent Citations (1)
| Title |
|---|
| 利用暂态波形伸缩变换的谐振接地系统故障选线方法;郭谋发;《电力自动化设备》;20140910;33-40 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109307824A (zh) | 2019-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109307824B (zh) | 一种基于聚类的配电网单相接地故障区段定位方法 | |
| CN109119977B (zh) | 基于单端电压的多端柔性直流电网直流线路快速保护方法及系统 | |
| CN103344875B (zh) | 谐振接地系统单相接地故障分类选线方法 | |
| CN107167702A (zh) | 一种配电网馈线故障类型识别方法及装置 | |
| CN107045093B (zh) | 基于快速s变换的小电流单相接地故障选线方法 | |
| CN106226635A (zh) | 一种配电网馈线故障类型识别方法及装置 | |
| CN110554274B (zh) | 一种基于小波奇异信息的自适应权重接地选线方法 | |
| CN103941163A (zh) | 利用模糊k均值聚类的谐振接地系统故障选线方法 | |
| CN112147462A (zh) | 一种基于深度学习的输电线路故障辨识方法 | |
| Yadav et al. | Transmission line fault distance and direction estimation using artificial neural network | |
| CN107329044A (zh) | 一种基于电弧暂态分量的配电网单相接地故障选线方法 | |
| CN112557812B (zh) | 基于Hausdorff距离的小电流接地故障定位方法及系统 | |
| CN110247420B (zh) | 一种hvdc输电线路故障智能识别方法 | |
| CN112098889B (zh) | 一种基于神经网络和特征矩阵的单相接地故障定位方法 | |
| Yong et al. | High impedance fault identification method of the distribution network based on discrete wavelet transformation | |
| CN111157843B (zh) | 一种基于时频域行波信息的配电网选线方法 | |
| CN112557950B (zh) | 基于矩阵相似性的配电网谐振接地系统故障选线方法 | |
| CN106646138B (zh) | 基于多采样频率小波特征能量折算的配电网接地故障定位方法 | |
| Zhang et al. | Two terminals protection method for HVDC transmission lines based on maximal overlap discrete wavelet transform and cross-correlation coefficient of traveling wave | |
| CN113567803B (zh) | 基于Tanimoto相似度的小电流接地故障定位方法及系统 | |
| CN112363009B (zh) | 一种用于同塔线路接地故障的单端故障测距方法及系统 | |
| CN112649694B (zh) | 一种小电流接地系统单相接地故障的判定方法 | |
| Eldin et al. | High impedance fault detection in EHV series compensated lines using the wavelet transform | |
| CN113189446B (zh) | 一种小电流接地故障选线方法 | |
| Aboul-Zahab et al. | High impedance fault detection in mutually coupled double-ended transmission lines using high frequency disturbances |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190205 Assignee: FUJIAN CECC ELECTRIC POWER TECHNOLOGY Co.,Ltd. Assignor: FUZHOU University Contract record no.: X2024350000004 Denomination of invention: A clustering based method for locating single-phase grounding fault sections in distribution networks Granted publication date: 20201103 License type: Exclusive License Record date: 20240115 |