CN109459663B - 一种基于多时间尺度的智能配电网故障区段定位方法 - Google Patents

一种基于多时间尺度的智能配电网故障区段定位方法 Download PDF

Info

Publication number
CN109459663B
CN109459663B CN201811571496.2A CN201811571496A CN109459663B CN 109459663 B CN109459663 B CN 109459663B CN 201811571496 A CN201811571496 A CN 201811571496A CN 109459663 B CN109459663 B CN 109459663B
Authority
CN
China
Prior art keywords
fault
section
current
positioning
value
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
Application number
CN201811571496.2A
Other languages
English (en)
Other versions
CN109459663A (zh
Inventor
庞清乐
王言前
张栋
陈健
刘新允
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.)
Jiangsu Hengxinyuan Electric Co ltd
Original Assignee
Qindao University Of 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 Qindao University Of Technology filed Critical Qindao University Of Technology
Priority to CN201811571496.2A priority Critical patent/CN109459663B/zh
Publication of CN109459663A publication Critical patent/CN109459663A/zh
Application granted granted Critical
Publication of CN109459663B publication Critical patent/CN109459663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/081—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

本公开提供了一种基于多时间尺度的配电网故障区段定位方法，包括采用基于极性值比较的一段毫秒级故障区段定位方法、采用基于波形相似度比较的二段周波级故障区段定位方法和采用基于遗传算法的三段秒级故障区段定位方法，并通过建立每种故障区段定位方法的可信度函数确定其可信度，根据可信度的大小，实现三段式故障区段定位方法的配合，有效地解决了故障区段定位快速性和准确性的矛盾。为智能配电网自愈提供有力支撑，促进智能配电网快速发展。

Description

一种基于多时间尺度的智能配电网故障区段定位方法
技术领域
本公开涉及电力系统故障检测与控制领域，尤其涉及配电网故障定位领域。
背景技术
随着能源危机和世界环境问题日益突出，全球进入以可再生能源为主的可持续能源时代。可再生能源以分布式电源(distributed generation，DG)的形式接入配电网是可再生能源并网的主要方式之一。含高渗透率分布式电源的智能配电网在潮流分布、短路电流的幅值、方向和分布等方面与传统配电网有很大区别，导致智能配电网故障检测和控制尤为困难。配电网发生故障后，如何实现快速故障定位、故障隔离和故障恢复，是智能配电网自愈的迫切要求。
故障区段定位是实现自愈的前提和基础，因此如何快速而可靠地实现故障定位尤为重要。含DG的配电网故障区段定位方法主要有：阻抗法、相位法、矩阵法、行波法和人工智能法等。这些故障定位方法基于不同时间尺度的故障信息，实现了不同速度的故障定位。由于采用的是单一时间尺度的故障信息，导致故障定位速度快的方法故障定位准确度较低，而故障定位准确度高的方法故障定位速度慢，存在着故障定位速度和故障定位准确度之间的矛盾，难以同时满足智能配电网对故障定位的快速性和准确性的要求，严重阻碍了智能配电网的发展。因此，设计满足智能配电网对故障定位快速性和准确性要求的故障定位方法具有重要意义。
发明内容
为了克服基于单时间尺度的传统智能配电网故障区段定位方法快速性和准确性的矛盾，本公开设计了一种基于多时间尺度的智能配电网故障区段定位方法，为智能配电网自愈提供有力支撑，促进智能配电网快速发展。
为了实现上述目的，本公开的技术方案如下：
一种基于多时间尺度的智能配电网故障区段定位方法，包括采用基于极性值比较的一段毫秒级故障区段定位方法、采用基于波形相似度比较的二段周波级故障区段定位方法和采用基于遗传算法的三段秒级故障区段定位方法，具体包括如下步骤：
1)设定故障定位启动判据初始值、一段、二段和三段故障区段定位判据阈值以及一段和二段故障区段定位可信度阈值；
2)实时检测三相电流和零序电流，判断三相电流和零序是否满足启动判据，若否，则继续检测；若是，执行如下步骤；
3)根据一段故障区段定位判据得到故障区段定位结果，判断一段故障区段定位的可信度是否大于设定阈值，若是，转至步骤6)；否则，执行如下步骤；
4)根据二段故障区段定位判据得到故障区段定位结果，判断二段故障区段定位的可信度是否大于设定阈值，若是，转至步骤6)；否则，执行如下步骤；
5)根据三段故障区段定位判据得到故障区段定位结果；
6)输出故障区段定位结果，返回步骤2)。
进一步的，对于相电流，所述故障定位启动判据为：
Figure BDA0001915647840000021
其中，ip(k)为相电流的第k个采样值；ip(k-2N)为相电流第k个采样点一个周波前的采样值，一个周波为2N个采样点；ksp为相电流约束系数，取ksp＝0.2～0.4；kip为相电流比例系数，取kip＝2～4；Ip为检测点正常负荷电流的有效值；
对于零序电流，所述故障区段定位启动判据为：
Figure BDA0001915647840000031
其中，i0(k)为零序电流的第k个采样值；i0(k-2N)为零序电流第k个采样点一个周波前的采样值；ks0为零序电流约束系数，取ks0＝0.2～0.4；ki0为零序电流比例系数，取ki0＝2～4；Iun为检测点无故障时不平衡电流的有效值。
进一步的，所述一段毫秒级故障区段定位方法通过计算故障电流始端半个周波信号的极性值来判断故障电流的极性，若半个周波内故障电流存在过零点时，则取故障起始时刻至过零点间的故障电流信号，并根据上下游检测点故障电流的极性值差和极性值和判断所在区段是否为故障区段，当两侧故障电流极性相反时为故障区段，两侧故障电流极性相同时为非故障区段，其中所述极性值为规定数据窗内采样值为正值或负值的个数。
进一步的，所述一段故障区段定位判据为：
Figure BDA0001915647840000032
其中，PND为上下游检测点故障电流极性值差；PNS为上下游检测点故障电流极性值和；Dth为阈值，Dth＝min(PNu,PNd)；kre为可靠系数，取kre＝0.1～0.3；kres为制动系数，取kres＝0.8～1.2；PNu、PNd分别为上游检测点u和下游检测点d的极性值；若两相邻检测点的故障电流极性值满足如上公式则两检测点之间的区段为故障区段；
当不存在下游检测点或下游检测点的极性值为0时，若满足如下公式，则该检测点之后的区段为故障区段：
|PND|≥kreDth
当上游区段存在故障时取消下游判断的故障区段。
进一步的，所述二段周波级故障区段定位方法为通过计算相邻检测点故障相电流或故障零序电流的相关系数判断其故障电流波形相似程度，根据故障电流波形相似程度来判断是否为故障区段，当故障电流波形相关系数大于设定阈值时，则两检测点之间的区段为故障区段，否则为非故障区段。
进一步的，所述二段故障区段定位判据为：
ρud<ρset
其中，ρud为上下游检测点u、d的故障电流相关系数，ρset为相关系数阈值，取ρset＝0.5～0.8；
所述ρud计算公式如下：
Figure BDA0001915647840000041
其中，iu(k)和id(k)分别为上下游检测点u、d故障电流的第k个采样值；2N为一个周波的采样点个数。
进一步的，所述三段秒级故障区段定位方法为将配电网中各区段的故障状态进行编码，并按一定顺序排列，随机产生一定数量的个体，构成初始种群，种群经过选择、交叉和变异后计算个体的适应度函数值，经过多次迭代，得到适应度函数值最大的解，即为故障定位结果。
进一步的，所述三段秒级故障区段定位方法通过构建检测点故障状态和区段故障状态间的故障函数来构建适应度函数，所述故障函数为：
Figure BDA0001915647840000051
其中，
Figure BDA0001915647840000052
是检测点j的故障函数；x为区段故障状态；xu为检测点j上游区段u的故障状态；xd为检测点j下游区段d的故障状态；S1和S2分别为检测点j的上游和下游区段总数；kDGi为DG开关系数，表示检测点j下游第i个DG的接入状态，接入配电网对应系数为1，否则为0；W为DG总数；“Π”表示逻辑或运算；
所述适应度函数为：
Figure BDA0001915647840000053
其中，A为正常数；S为馈线区段总数；R为馈线检测点总数；xs为区段s的故障状态；ω为权系数，ω∈[0,1]。
进一步的，所述一段故障区段定位可信度阈值TP为：
TP＝TPI(TPN+TPR)/2
Figure BDA0001915647840000054
Figure BDA0001915647840000055
Figure BDA0001915647840000056
Figure BDA0001915647840000061
其中，TP为基于极性值比较的故障区段定位的可信度函数；TPI为检测点故障电流可信度函数；TPN为检测点极性值可信度函数，对于故障相电流极性值，TPN＝TPNp，TPNp为相电流极性值可信度函数，对于故障零序电流极性值，TPN＝TPN0，TPN0为零序电流极性值可信度函数；TPR为检测点极性值比较可信度函数；若下游检测点的极性值为0，则取TP＝TPITPN；tkstart为故障起始时刻；tkend为故障消失时刻；Ikp为故障相电流有效值；Ip为非故障相电流有效值；kskp为故障相电流约束系数，取kskp＝1.5～2；kstkp为故障相电流极性值可信度系数，取kstkp＝5～7；Ik0为故障零序电流有效值；Iun为三相不平衡电流有效值；ksk0为故障零序电流约束系数，取ksk0＝1.5～2；kstk0为故障零序电流极性值可信度系数，取kstk0＝5～7；B＝max(PNu,PNd)。
进一步的，所述二段故障区段定位可信度阈值TW为：
TW＝TWI(TWS+TWR)/2
Figure BDA0001915647840000062
Figure BDA0001915647840000063
Figure BDA0001915647840000064
Figure BDA0001915647840000071
其中，TW为基于波形相似度比较的故障区段定位的可信度函数；TWI为故障电流可信度函数；TWS为检测点相似度可信度函数，对于故障相电流极性值，TWS＝TPNp，TPNp为相电流极性值可信度函数，对于故障零序电流极性值，TWS＝TPN0，TPN0为零序电流极性值可信度函数；TWR为检测点波形相似度比较可信度函数；tkstart为故障起始时刻；tkend为故障消失时刻。
与现有技术相比，本公开的有益效果是：
本公开适用于智能配电网，通过不同时间尺度故障区段定位方法的配合，满足智能配电网对故障区段定位快速性和准确性的要求，为智能配电网自愈提供有力支撑，促进智能配电网发展。
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为本公开配电网故障区段定位算法流程图。
图2为本公开实施例中的配电网仿真模型。
图3(a)～(b)为本公开实施例中的三相短路电流，其中(a)为B相短路电流，(b)为C相短路电流。
图4(a)～(b)为本公开实施例中的两相短路电流，其中(a)为A相故障电流的正常波形，(b)为A相故障电流存在干扰时的波形。
图5(a)～(b)为本公开实施例中的单相接地故障零序电流，其中(a)为单相接地故障零序电流的正常波形，(b)为单相接地故障零序电流存在干扰时的波形。
具体实施方式
下面结合附图与具体实施例对本公开做进一步的说明。
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。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
作为一种或多种实施例，本公开中，一种基于多时间尺度的配电网故障区段定位方法是由基于毫秒级、周波级和秒级的多时间尺度故障区段定位方法组成的三段式故障区段定位方法。
毫秒级故障定位方法采用基于极性值比较的故障区段定位方法，作为一段故障区段定位；周波级故障定位方法采用基于波形相似度比较的故障区段定位方法，作为二段故障区段定位；秒级故障定位方法采用基于遗传算法的故障区段定位方法，作为三段故障区段定位。通过建立每种故障区段定位方法的可信度函数确定其可信度，根据可信度的大小，实现三段式故障区段定位方法的配合，在满足故障区段定位准确度要求的前提下，优先选用定位速度快的故障区段定位方法；在快速故障区段定位方法不能满足准确度要求时，选用定位速度较慢的故障区段定位方法，有效地解决故障区段定位快速性和准确性的矛盾。
对于相电流，所述的故障区段定位启动判据如下：
Figure BDA0001915647840000091
其中，ip(k)为相电流的第k个采样值；ip(k-2N)为相电流第k个采样点一个周波前的采样值，一个周波为2N个采样点；ksp为相电流约束系数，一般取ksp＝0.2～0.4；kip为相电流比例系数，一般取kip＝2～4；Ip为检测点正常负荷电流的有效值。当相电流满足以上启动判据时，启动配电网故障区段定位。
对于零序电流，所述的故障区段定位启动判据如下：
Figure BDA0001915647840000092
其中，i0(k)为零序电流的第k个采样值；i0(k-2N)为零序电流第k个采样点一个周波前的采样值；ks0为零序电流约束系数，一般取ks0＝0.2～0.4；ki0为零序电流比例系数，一般取ki0＝2～4；Iun为检测点无故障时不平衡电流的有效值。当零序电流满足以上启动判据时，启动配电网故障区段定位。
所述的基于极性值比较的故障区段定位方法，故障区段定位的原理是故障区段两侧故障电流极性相反，而非故障区段两侧故障电流极性相同。通过计算故障电流始端半个周波信号(若半个周波内故障电流存在过零点时，则取故障起始时刻至过零点间的故障电流信号)的极性值来判断故障电流的极性。极性值定义为规定数据窗内采样值为正值或负值的个数。检测点故障电流的极性值定义如下：
Figure BDA0001915647840000101
Figure BDA0001915647840000102
其中，PN为检测点故障电流的极性值，PN≥0表示故障电流的极性为正极，否则为负极；sign(x)为符号函数；i(m)为检测点故障电流的第m个采样值；M为在半个周波内故障电流采样值穿越零点的起始序号；N为半个周波的采样点数。
根据上下游检测点故障电流的极性值差和极性值和，判断所在区段是否为故障区段，故障区段定位判据为两相邻检测点的故障电流极性值满足如下公式则两检测点之间的区段为故障区段。
Figure BDA0001915647840000103
其中，PND为上下游检测点故障电流极性值差；PNS为上下游检测点故障电流极性值和；Dth为阈值，Dth＝min(PNu,PNd)；kre为可靠系数，一般取kre＝0.1～0.3；kres为制动系数，一般取kres＝0.8～1.2；PNu、PNd分别为上游检测点u和下游检测点d的极性值。当不存在下游检测点或下游检测点的极性值为0时，若满足如下公式，则该检测点之后的区段为故障区段。当上游区段存在故障时取消下游判断的故障区段。
|PND|≥kreDth
所述的基于波形相似度比较的故障区段定位方法，故障区段定位的原理是故障区段两侧的故障电流波形差别较大，而非故障区段两侧的故障电流波形非常相似。相关系数法是比较两个波形相似程度的最简单有效方法，通过计算相邻检测点故障相电流或故障零序电流的相关系数判断其相似程度。上下游检测点u、d的故障电流相关系数ρud计算公式如下：
Figure BDA0001915647840000111
其中，iu(k)和id(k)分别为上下游检测点u、d故障电流的第k个采样值；2N为一个周波的采样点个数。
故障区段定位判据为两相邻检测点的故障电流相似度满足如下公式则两检测点之间的区段为故障区段，当上游区段存在故障时将下游判断的故障区段取消：
ρud<ρset
其中，ρset为相关系数阈值，一般取0.5～0.8。
所述的基于遗传算法的故障区段定位方法，配电网各检测点均配有GPS同步时钟，各检测点的故障电流信号均可加上时标。检测点通过通信网络从主站获取带时标的母线电压信号，根据带有时标的母线电压和本检测点带有时标的故障电流，计算本检测点故障电流相位，并确定其极性。为了便于利用遗传算法实现故障区段定位，需要对各检测点故障状态和各区段故障状态进行编码，并构建检测点故障状态和区段故障状态之间的故障函数。
检测点故障状态和区段故障状态均采用二进制编码来表示问题和问题的解。考虑到智能配电网含有多个DG，属于多电源系统，各检测点故障电流有三个状态：1、0和-1，定义如下：
Figure BDA0001915647840000121
其中，FDj为检测点j的故障状态；
Figure BDA0001915647840000122
为检测点j的故障电流滞后母线电压的相角。
区段故障有两个状态：1和0，定义如下：
Figure BDA0001915647840000123
其中，xs为区段s的故障状态。
利用遗传算法对配电网进行故障区段定位时，需要构建将检测点故障状态和区段故障状态联系起来的故障函数，构建的故障函数如下：
Figure BDA0001915647840000124
其中，
Figure BDA0001915647840000125
是检测点j的故障函数；x为区段故障状态；xu为检测点j上游区段u的故障状态；xd为检测点j下游区段d的故障状态；S1和S2分别为检测点j的上游和下游区段总数；kDGi为DG开关系数，表示检测点j下游第i个DG的接入状态，接入配电网对应系数为1，否则为0；W为DG总数；“Π”表示逻辑或运算。
构造的适应度函数如下：
Figure BDA0001915647840000131
其中，A为正常数；S为馈线区段总数；R为馈线检测点总数；xs为区段s的故障状态；ω为权系数，ω∈[0,1]。
将配电网中各区段的故障状态进行编码，并按一定顺序排列起来，即构成遗传算法中的个体。随机产生一定数量的个体，构成初始种群。种群经过选择、交叉和变异等操作，并计算个体的适应度函数值，经过多次迭代，得到适应度函数值最大的解，即为故障定位结果。该方法不仅能够实现精确定位，而且在检测点上报信息存在错误时，仍然可以实现故障定位，容错能力比较强，但是，故障定位时间较长，需要几秒时间。
所述的三段式故障区段定位的配合方法，是根据故障区段定位方法的可信度进行配合的。由于现场电气和环境参数以及故障类型等不同，导致采集的故障电流时间尺度不同，而以上三种故障定位方法分别基于不同时间尺度的故障电流，因此，三种故障定位方法适用于不同持续时间的故障。对于永久性故障，由于可以采集的故障电流数据窗很大，三种故障定位方法均适用。瞬时性故障一般持续几毫秒至几秒，故障持续时间不同导致三种故障定位方法的故障定位结果可信度也不同。另外，故障位置、故障阻抗和故障时刻不同时，采集的故障电流不同，不同故障定位方法提取的故障特征也不同，故障定位结果的可信度也不同。为此，故障区段定位方法的可信度函数定义如下：
(1)电流极性值比较法的可信度
在计算故障电流极性值时，检测的故障电流幅值越大，故障电流极性值的可信度越高，因此定义如下故障相电流极性值可信度函数TPNp：
Figure BDA0001915647840000141
其中，Ikp为故障相电流有效值；Ip为非故障相电流有效值；kskp为故障相电流约束系数，一般取kskp＝1.5～2；kstkp为故障相电流极性值可信度系数，一般取kstkp＝5～7。
故障零序电流极性值可信度函数TPN0如下：
Figure BDA0001915647840000142
其中，Ik0为故障零序电流有效值；Iun为三相不平衡电流有效值；ksk0为故障零序电流约束系数，一般取ksk0＝1.5～2；kstk0为故障零序电流极性值可信度系数，一般取kstk0＝5～7。
若相邻检测点的极性值差越大，则区段判断为故障区段的定位结果越可靠，因此，定义如下电流极性值比较可信度函数TPR：
Figure BDA0001915647840000143
其中，B＝max(PNu,PNd)。
故障电流持续时间小于0.01s时，该方法故障定位结果的可信度降低。因此，定义以下故障电流可信度函数TPI。
Figure BDA0001915647840000151
其中，tkstart为故障起始时刻；tkend为故障消失时刻。
根据故障电流极性值可信度函数、极性值比较可信度函数和故障电流可信度函数定义如下极性值比较故障区段定位可信度函数TP：
TP＝TPI(TPN+TPR)/2
其中，为检测点极性值可信度函数，对于故障相电流极性值，TPN＝TPNp，对于故障零序电流极性值，TPN＝TPN0；TPR为检测点极性值比较可信度函数；TPI为检测点故障电流可信度函数。若下游检测点的极性值为0，则取TP＝TPITPN。
(2)电流波形相似度比较法的可信度
在计算相邻检测点故障电流相似度时，故障电流幅值越大，计算的相似度越可靠，定义相似度可信度函数TWS和故障电流极性值可信度函数TPN相同，即TWSp＝TPNp，TWS0＝TPN0。同时，在判断故障区段时，ρud越小，区段为故障区段的定位结果越可靠，因此，定义如下波形相似度比较可信度函数TWR：
Figure BDA0001915647840000152
故障电流持续时间小于0.02s时，该方法故障定位结果的可信度降低。因此，定义以下故障电流可信度函数TWI。
Figure BDA0001915647840000153
其中，tkstart为故障起始时刻；tkend为故障消失时刻。
根据相似度值可信度函数、波形相似度比较可信度函数和故障电流可信度函数定义如下波形相似度比较故障定位可信度函数TW：
TW＝TWI(TWS+TWR)/2
其中，TWS为检测点相似度可信度函数；TWR为检测点波形相似度比较可信度函数；TWI为故障电流可信度函数。
故障区段定位结果的可信度与故障区段定位方法中获取的故障信息丰富程度有关。通常情况下，三段定位结果的可信度最高，二段定位次之，一段定位最低。但是，一段定位速度最快，二段定位次之，三段定位最慢。因此，三段式故障区段定位采用如下方式配合：首先启动一段定位，若TP满足TP>TP·set(TP·set为一段可信度阈值)，则一段定位结果的可信度较高，由一段定位输出故障区段定位结果，不再启动二段和三段定位；否则，启动二段定位，若根据公式(20)计算的TW满足TW>TW·set(TW·set为二段可信度阈值)，则二段定位结果的可信度较高，由二段定位输出故障区段定位结果，不再启动三段定位；一段和二段定位结果可信度均较低时，启动三段定位。
具体实施中，如图1所示，基于多时间尺度的智能配电网故障区段定位算法步骤如下：
1)设定故障定位启动判据初始值、一段、二段和三段故障区段定位判据阈值以及一段和二段故障区段定位可信度阈值；
2)实时检测三相电流和零序电流；
3)判断三相电流和零序是否满足启动判据，若否，返回至步骤2)；若是，执行如下步骤；
4)根据一段故障区段定位判据得到故障区段定位结果；
5)判断一段故障区段定位的可信度是否大于设定值，若是，转至步骤9)；否则，执行如下步骤；
6)根据二段故障区段定位判据得到故障区段定位结果；
7)判断二段故障区段定位的可信度是否大于设定值，若是，转至步骤9)；否则，执行如下步骤；
8)根据三段故障区段定位判据得到故障区段定位结果；
9)输出故障区段定位结果，返回步骤2)。
如图2的配电网仿真模型所示，模型馈电线路的参数如下：正序阻抗为Z1＝(0.17+j0.38)Ω/km，正序对地导纳为b1＝j3.045μS/km，零序阻抗为Z0＝(0.23+j1.72)Ω/km，零序对地导纳为b0＝j1.884μS/km，线路长度分别为L1＝3km，L2＝6km，L3＝9km，L4＝12km，L5＝15km，L6＝20km。
以k1点发生的三相短路故障、两相短路故障(AB相)和小电流接地故障(A相)三种实施例进一步说明本公开的故障定位方法。为了详细说明三段式式定位方法，在两相短路故障的A相短路故障电流和小电流接地故障的零序电流中分别加入干扰信号，系统的采样频率为6.4kHz，即每周波采集128点，基于极性比较的故障定位方法采集故障起始时刻后64个采样点数据，基于波形比较的故障定位方法采集故障起始时刻后128个采样点数据，基于遗传算法的故障定位方法采集故障后采样点641～768间的128个采样点数据。在故障区段定位过程中，取kres＝1，kre＝0.2，ρset＝0.7，kskp＝ksk0＝1.8，kstkp＝kstk0＝6，TP·set＝TW·set＝0.7。
(1)三相短路故障
三相短路故障的B相和C相短路电流如图3(a)～(b)所示。根据三段式故障定位方法，首先启动一段定位。各相极性值差和极性值和如表1所示，其中“—”表示该FTU未检测到故障电流，不参与故障定位。首先启动一段定位，一段定位判据判断在FTU62与FTU63之间发生了三相短路故障。虽然FTU63和FTU64间A、B、C三相故障电流极性值差满足故障区段特征，但是，由于其上游FTU62已经判断出故障位于上游区段，所以FTU63判定其下游不是故障区段，故障定位结果正确。计算FTU62和FTU63间A相和B相为故障区段的一段定位可信度均为TP＝1，C相为故障区段的一段定位可信度为TP＝0.95，可信度均较高，因此采用基于故障电流极性值比较的一段定位方法可以可靠地实现故障区段定位，不再启动二段和三段定位。
(2)两相短路故障
两相短路故障的A相故障电流在正常和存在干扰时的波形如图4(a)～(b)所示。首先启动一段定位，各相故障电流极性值差与极性值和如表1所示。根据一段定位判据判断在FTU62与FTU63之间发生了AB两相短路故障。计算FTU62和FTU63间B相为故障区段的一段定位可信度均为TP＝1，A相为故障区段的一段定位可信度均为TP＝0.6<0.7，可信度较低，因此，启动二段定位。在二段定位中，相邻检测点波形相似度如表2所示。根据二段故障定位判据判断在FTU62与FTU63之间发生了AB两相短路故障。计算FTU62和FTU63间A相和B相为故障区段的二段定位可信度均为TW＝1，可信度较高，因此采用基于故障电流波形相似度比较的二段故障定位方法能够可靠地实现故障区段定位，不再启动三段定位。
表1
Figure BDA0001915647840000181
Figure BDA0001915647840000191
表2
Figure BDA0001915647840000192
(3)单相接地故障
单相接地故障的零序电流在正常和存在干扰时的波形如图5(a)～(b)所示。首先启动一段定位，零序电流的极性值差与极性值和如表1所示。根据一段定位判据判断在FTU62与FTU63之间发生了单相接地故障。计算FTU62和FTU63间为单相接地故障区段的一段定位可信度为TP＝0.56<0.7，可信度较低，因此，启动二段定位。在二段定位中，相邻检测点波形相似度如表2所示。根据二段故障定位判据判断在FTU62与FTU63之间发生了单相接地故障。计算FTU62和FTU63间为单相接地故障区段的二段定位可信度为TW＝0.65<0.7，可信度较低，因此，启动三段定位。在三段定位中，故障馈线各检测点的故障状态分别为：{1,1,-1,0}。故障馈线各区段的故障状态组成个体，初始种群数量设定为8，经过3次迭代运算，定位结果为0100，即故障位于FTU62与FTU63之间的区段，故障定位结果正确。
以上实施例仿真结果表明，利用三段式故障定位方法在保证故障定位精度的前提下可以实现快速故障定位，满足智能配电网快速自愈的要求。
本公开的配电网故障定位方法，在保证故障定位准确度的前提下可以实现快速故障定位，满足智能配电网快速自愈的要求，为智能配电网快速自愈提供了有力支撑，促进了智能配电网快速发展。
本公开还支持传统配电网、主动配电网和微电网的故障区段定位。适应于检测到不同时间尺度故障信息的配电网故障区段定位，并满足配电网对不同故障区段定位速度的要求。
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公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开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公开的保护范围以内。

Claims (10)

1.一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于：包括采用基于极性值比较的一段毫秒级故障区段定位方法、采用基于波形相似度比较的二段周波级故障区段定位方法和采用基于遗传算法的三段秒级故障区段定位方法，具体包括如下步骤：
1)设定故障定位启动判据初始值、一段、二段和三段故障区段定位判据阈值以及一段和二段故障区段定位可信度阈值；
2)实时检测三相电流和零序电流，判断三相电流和零序电流是否满足启动判据，若否，则继续检测；若是，执行如下步骤；
3)根据一段故障区段定位判据得到故障区段定位结果，通过建立一段故障区段的可信度函数确定可信度，判断一段故障区段定位的可信度是否大于一段故障区段设定阈值，若是，转至步骤6)；否则，执行如下步骤；
4)根据二段故障区段定位判据得到故障区段定位结果，通过建立二段故障区段的可信度函数确定可信度，判断二段故障区段定位的可信度是否大于二段故障区段设定阈值，若是，转至步骤6)；否则，执行如下步骤；
5)根据三段故障区段定位判据得到故障区段定位结果；
6)输出故障区段定位结果，返回步骤2)。
2.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，对于相电流，所述故障定位启动判据为：
Figure FDA0002788821980000011
其中，ip(k)为相电流的第k个采样值；ip(k-2N)为相电流第k个采样点一个周波前的采样值，一个周波为2N个采样点；ksp为相电流约束系数，取ksp＝0.2～0.4；kip为相电流比例系数，取kip＝2～4；Ip为检测点正常负荷电流的有效值；
对于零序电流，所述故障区段定位启动判据为：
Figure FDA0002788821980000021
其中，i0(k)为零序电流的第k个采样值；i0(k-2N)为零序电流第k个采样点一个周波前的采样值；ks0为零序电流约束系数，取ks0＝0.2～0.4；ki0为零序电流比例系数，取ki0＝2～4；Iun为检测点无故障时不平衡电流的有效值。
3.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述一段毫秒级故障区段定位方法通过计算故障电流始端半个周波信号的极性值来判断故障电流的极性，若半个周波内故障电流存在过零点时，则取故障起始时刻至过零点间的故障电流信号，并根据上下游检测点故障电流的极性值之差与极性值之和判断所在区段是否为故障区段，当两侧故障电流极性相反时为故障区段，两侧故障电流极性相同时为非故障区段，其中所述极性值为规定数据窗内采样值为正值或负值的个数。
4.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述一段故障区段定位判据为：
Figure FDA0002788821980000022
其中，PND为上下游检测点故障电流极性值差；PNS为上下游检测点故障电流极性值和；Dth为阈值，Dth＝min(PNu,PNd)；kre为可靠系数，取kre＝0.1～0.3；kres为制动系数，取kres＝0.8～1.2；PNu、PNd分别为上游检测点u和下游检测点d的极性值；若两相邻检测点的故障电流极性值满足如上公式则两检测点之间的区段为故障区段；
当上游检测点不存在下游检测点或下游检测点的极性值为0时，若满足如下公式，则该上游检测点之后的区段为故障区段：
|PND|≥kreDth
当上游区段存在故障时取消下游判断的故障区段。
5.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述二段周波级故障区段定位方法为通过计算相邻检测点故障相电流或故障零序电流的相关系数判断其故障电流波形相似程度，根据故障电流波形相似程度来判断是否为故障区段，当故障电流波形相关系数大于设定阈值时，则两检测点之间的区段为故障区段，否则为非故障区段。
6.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述二段故障区段定位判据为：
ρud<ρset
其中，ρud为上下游检测点u、d的故障电流相关系数，ρset为相关系数阈值，取ρset＝0.5～0.8；
所述ρud计算公式如下：
Figure FDA0002788821980000031
其中，iu(k)和id(k)分别为上下游检测点u、d故障电流的第k个采样值；2N为一个周波的采样点个数。
7.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述三段秒级故障区段定位方法为将配电网中各区段的故障状态进行编码，并按一定顺序排列，随机产生一定数量的个体，构成初始种群，种群经过选择、交叉和变异后计算个体的适应度函数值，经过多次迭代，得到适应度函数值最大的解，即为故障定位结果。
8.如权利要求1所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述三段秒级故障区段定位方法通过构建检测点故障状态和区段故障状态间的故障函数来构建适应度函数，所述故障函数定义为：
Figure FDA0002788821980000041
其中，
Figure FDA0002788821980000042
是检测点j的故障函数；x为区段故障状态；xu为检测点j上游区段u的故障状态；xd为检测点j下游区段d的故障状态；S1和S2分别为检测点j的上游和下游区段总数；kDGi为DG开关系数，表示检测点j下游第i个DG的接入状态，接入配电网对应系数为1，否则为0；W为DG总数；“Π”表示逻辑或运算；
所述适应度函数为：
Figure FDA0002788821980000043
其中，
Figure FDA0002788821980000044
是检测点j的故障函数；FDj为检测点j的故障状态；A为正常数；S为馈线区段总数；R为馈线检测点总数；xs为区段s的故障状态；ω为权系数，ω∈[0,1]。
9.如权利要求4所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述一段故障区段定位可信度阈值TP为：
TP＝TPI(TPN+TPR)/2
Figure FDA0002788821980000051
Figure FDA0002788821980000052
Figure FDA0002788821980000053
Figure FDA0002788821980000054
其中，TP为基于极性值比较的故障区段定位的可信度函数；TPI为检测点故障电流可信度函数；TPN为检测点极性值可信度函数，对于故障相电流极性值，TPN＝TPNp，TPNp为相电流极性值可信度函数，对于故障零序电流极性值，TPN＝TPN0，TPN0为零序电流极性值可信度函数；TPR为检测点极性值比较可信度函数；若下游检测点的极性值为0，则取TP＝TPITPN；tkstart为故障起始时刻；tkend为故障消失时刻；Ikp为故障相电流有效值；Ip为非故障相电流有效值；kskp为故障相电流约束系数，取kskp＝1.5～2；kstkp为故障相电流极性值可信度系数，取kstkp＝5～7；Ik0为故障零序电流有效值；Iun为三相不平衡电流有效值；ksk0为故障零序电流约束系数，取ksk0＝1.5～2；kstk0为故障零序电流极性值可信度系数，取kstk0＝5～7；B＝max(PNu,PNd)。
10.如权利要求6所述的一种基于多时间尺度的智能配电网故障区段定位方法，其特征在于，所述二段故障区段定位可信度阈值TW为：
TW＝TWI(TWS+TWR)/2
Figure FDA0002788821980000061
Figure FDA0002788821980000062
Figure FDA0002788821980000063
Figure FDA0002788821980000064
其中，Ikp为故障相电流有效值；Ip为非故障相电流有效值；kskp为故障相电流约束系数；kstkp为故障相电流极性值可信度系数；Ik0为故障零序电流有效值；ksk0为故障零序电流约束系数；kstk0为故障零序电流极性值可信度系数；Iun为三相不平衡电流有效值；TW为基于波形相似度比较的故障区段定位的可信度函数；TWI为故障电流可信度函数；TWS为检测点相似度可信度函数，对于故障相电流极性值，TWS＝TPNp，TPNp为相电流极性值可信度函数，对于故障零序电流极性值，TWS＝TPN0，TPN0为零序电流极性值可信度函数；TWR为检测点波形相似度比较可信度函数；tkstart为故障起始时刻；tkend为故障消失时刻。
CN201811571496.2A 2018-12-21 2018-12-21 一种基于多时间尺度的智能配电网故障区段定位方法 Active CN109459663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811571496.2A CN109459663B (zh) 2018-12-21 2018-12-21 一种基于多时间尺度的智能配电网故障区段定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811571496.2A CN109459663B (zh) 2018-12-21 2018-12-21 一种基于多时间尺度的智能配电网故障区段定位方法

Publications (2)

Publication Number Publication Date
CN109459663A CN109459663A (zh) 2019-03-12
CN109459663B true CN109459663B (zh) 2021-02-12

Family

ID=65614227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811571496.2A Active CN109459663B (zh) 2018-12-21 2018-12-21 一种基于多时间尺度的智能配电网故障区段定位方法

Country Status (1)

Country Link
CN (1) CN109459663B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111370115B (zh) * 2020-03-10 2021-06-22 杭州康晟健康管理咨询有限公司 一种基于区块链的大健康人工智能预防管理方法及系统
CN111579933A (zh) * 2020-06-03 2020-08-25 武汉理工大学 一种基于Hausdroff算法的配电网故障区段定位方法
CN112505474B (zh) * 2020-10-30 2022-09-23 国网山东省电力公司聊城供电公司 一种基于相电流增量的故障定位方法、装置
CN113687192B (zh) * 2021-10-26 2022-03-01 武汉华瑞伏安电力科技有限公司 输电线路放电信号采集及定位方法
CN114295932A (zh) * 2021-11-30 2022-04-08 国网北京市电力公司 故障定位方法、装置及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101777757A (zh) * 2009-01-12 2010-07-14 杭州德力西集团有限公司 一种小电流接地选线方法
CN102981099B (zh) * 2012-12-10 2014-12-03 辽宁省电力有限公司沈阳供电公司 基于遗传算法的配电网单相接地故障定位方法及定位装置
CN104793104A (zh) * 2015-04-18 2015-07-22 安庆师范学院 基于多判据融合的小电流单相接地故障选线方法
CN104950216B (zh) * 2015-06-11 2018-05-29 广西电网有限责任公司电力科学研究院 一种基于波形比较的配电线路故障定位方法
CN106646130B (zh) * 2016-12-15 2019-02-19 山东工商学院 一种基于电流极性比较的主动配电网故障定位方法及系统
CN106771883B (zh) * 2017-01-22 2022-07-26 中国电力科学研究院 一种基于云的多源信息配电故障定位方法及系统
CN108957226B (zh) * 2018-06-21 2020-11-27 西安理工大学 一种适用于分布式电源接入配电网的故障馈线定位方法

Also Published As

Publication number Publication date
CN109459663A (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
CN109459663B (zh) 一种基于多时间尺度的智能配电网故障区段定位方法
CN101968525B (zh) 一种仿真计算与实时监测相结合的配电网故障定位方法
CN108663602A (zh) 柔性直流配电网单极故障选线与区段定位方法及系统
CN105119255A (zh) 一种基于故障态的光伏微电网故障隔离方法
CN105842583A (zh) 基于故障相电压和电流突变量的配网单相接地区段定位方法
CN104597378A (zh) 基于暂态非工频零序电流的含dg配电网的故障选线方法
CN107037322A (zh) 基于稳态特征的配电网小电流接地故障定位方法
CN106019082A (zh) 一种基于暂态零序电流的含dg配电网故障选线方法
Zayandehroodi et al. Determining exact fault location in a distribution network in presence of DGs using RBF neural networks
CN105738765A (zh) 一种基于馈线终端和遗传算法的配电网故障定位方法
CN108196162A (zh) 模型参数识别的直流配电网单极接地故障线路检测方法
CN102495331B (zh) 基于柱上分界开关智能终端的单相接地故障判别方法
Pang et al. Multi-timescale-based fault section location in distribution networks
CN107462810B (zh) 一种适用于有源配电网的故障区段定位方法
CN107271851B (zh) 一种基于差动有功功率的广域后备保护方法
CN113447758B (zh) 一种风电场多分支集电线路单相接地故障测距方法
CN113567803B (zh) 基于Tanimoto相似度的小电流接地故障定位方法及系统
CN110456218A (zh) 基于中值电阻投切前后工频增量系数的快速故障选线方法
CN108957234A (zh) 基于多量测点和故障纵向特征的配电网接地选线方法及系统
Qian et al. A new algorithm of topology analysis based on PMU information
Yu et al. A non-unit transmission line protection scheme for MMC-HVDC grids based on a novel distance criterion
CN107728002B (zh) 一种考虑分布式电源接入的配电网故障在线定位方法
CN108695818B (zh) 一种通过三相重合闸时序减少电压暂降深度的方法
Ding et al. Research on power grid fault diagnosis method based on PMU data and convolutional neural network
CN100588065C (zh) 单相接地故障在线选线保护装置及方法

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
TR01 Transfer of patent right

Effective date of registration: 20240108

Address after: No. 118 Yuanyuan Road, Industrial Concentration Zone, Dayi Town, Yizheng City, Yangzhou City, Jiangsu Province, 225000

Patentee after: Jiangsu Hengxinyuan Electric Co.,Ltd.

Address before: 266520 No.777, East Jialingjiang Road, West Coast New District, Qingdao City, Shandong Province

Patentee before: Qindao University of Technology

TR01 Transfer of patent right