CN109828185B - 针对含屋顶光伏发电系统的配电网故障定位方法 - Google Patents

针对含屋顶光伏发电系统的配电网故障定位方法 Download PDF

Info

Publication number
CN109828185B
CN109828185B CN201910165826.6A CN201910165826A CN109828185B CN 109828185 B CN109828185 B CN 109828185B CN 201910165826 A CN201910165826 A CN 201910165826A CN 109828185 B CN109828185 B CN 109828185B
Authority
CN
China
Prior art keywords
fault
branch
power distribution
distribution network
network
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
CN201910165826.6A
Other languages
English (en)
Other versions
CN109828185A (zh
Inventor
蒋海峰
邱蕴锋
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing 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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201910165826.6A priority Critical patent/CN109828185B/zh
Publication of CN109828185A publication Critical patent/CN109828185A/zh
Application granted granted Critical
Publication of CN109828185B publication Critical patent/CN109828185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Photovoltaic Devices (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种针对含屋顶光伏发电系统的配电网故障定位方法，根据非故障时段汇集的FTU信息，建立正常运行状态下的配电网拓扑结构；根据配电网拓扑结构，建立各个分支节点的Petri网模型；规定配电网络线路网络的正方向，结合FTU检测故障电流信息，进行故障定位，若某分支上故障电流方向为正方向，则判定故障发生在此支路上；综合各分支节点的故障诊断结果，确定最终的故障区段，将同时被2个及以上分支节点判定为故障的支路作为最终的故障区段。本发明能够对含高密度屋顶光伏的配电网系统进行快速准确的故障区段定位，有效提高故障诊断效率与容错性。

Description

针对含屋顶光伏发电系统的配电网故障定位方法
技术领域
本发明涉及配电网故障诊断技术，具体涉及一种针对含屋顶光伏发电系统的配电网故障定位方法。
背景技术
分布式光伏电源具有清洁无污染、可再生、无需运输等优点，逐渐成为传统集中式发电模式的补充和有效支撑。屋顶光伏发电系统具有低容量、高密度的特点，成为未来电力系统的发展趋势之一，当含屋顶光伏发电系统的电力网络发生故障时，需要迅速准确地判断故障区域，为后续故障恢复提供可靠依据，提高供电可靠性和连续性。大量馈线终端单元(FTU)在配电网络馈线中的不断应用，使构建智能配电网关键部分的配网SCADA系统功能得到不断完善，当前基于FTU的配电网故障定位方法主要有矩阵算法和人工智能(AI)算法。矩阵算法存在当馈线终端上传信息缺失时容错性差等缺点，很难保证定位的准确性；AI算法进行配网故障诊断时具有运算速度慢，容错性较低，推理过程属于暗箱操作等缺点。
发明内容
本发明目的在于提供一种针对含屋顶光伏发电系统的配电网故障定位方法。
实现本发明目的的技术解决方案为：一种针对含屋顶光伏发电系统的配电网故障定位方法，包括如下步骤：
步骤1、根据非故障时段汇集的FTU信息，建立正常运行状态下的配电网拓扑结构；
步骤2、根据配电网拓扑结构，建立各个分支节点的Petri网模型；
步骤3、规定配电网络线路网络的正方向，结合FTU检测故障电流信息，进行故障定位，若某分支上故障电流方向为正方向，则判定故障发生在此支路上；
步骤4、综合各分支节点的故障诊断结果，确定最终的故障区段，将同时被2个及以上分支节点判定为故障的支路作为最终的故障区段
作为一种具体实施方式，步骤2中，建立各个分支节点的Petri网模型的具体方法为：以含三条支路的分支节点i为例，建立对应Petri网模型，模型中各库所物理含义如下：
P0：分支节点i检测到故障电流
P1：支路1检测到正向故障电流
P2：支路2检测到正向故障电流
P3：支路3检测到正向故障电流
P4：故障发生在支路1上
P5：故障发生在支路2上
P6：故障发生在支路3上
分支节点的Petri网模型规模与支路的数量有关，支路数量增加，库所数量相应增加。
作为一种具体实施方式，步骤3中，规定分支节点指向线路的方向为正方向。
作为一种具体实施方式，步骤3中，判断故障支路的具体方法为：
步骤3.1、根据分支节点的Petri网模型，确定输出关联矩阵D+、输入关联矩阵D-、连接输入关联矩阵
Figure BDA0001985890910000022
非连接输入关联矩阵
Figure BDA0001985890910000023
计算非连接邻接矩阵
Figure BDA0001985890910000024
步骤3.2、根据托肯的分布情况，确定初始网络标识M0，迭代进行如下矩阵运算，直至Mn+1＝Mn；
Figure BDA0001985890910000025
式中，
∨表示最大值运算；
Figure BDA0001985890910000026
定义如下：
Figure BDA0001985890910000027
若zij≥1，f(zij)＝1；若zij＝0，f(zij)＝0；
Figure BDA0001985890910000028
定义如下：
Figure BDA0001985890910000029
令
Figure BDA00019858909100000210
若zi1＝di，g(zi1)＝1；若zi1＜di，f(zi1)＝0；
步骤3.3、根据最终的网络标志矩阵Mn，确定故障支路。
本发明与现有技术相比，其显著优点为：1)本发明无需添加抑制弧，通过矩阵运算来简化Petri网模型结构，便于观察托肯的动态行为，适用于结构复杂的含高密度屋顶光伏配电系统；2)本发明在某FTU上传故障信息缺失或畸变时，根据FTU相邻终端设备上传的故障电流信息进行故障信息修正，提高了故障诊断的容错性与准确性。
附图说明
图1为本发明针对含屋顶光伏发电系统的配电网故障定位方法的流程图。
图2为含三支路的分支节点示意图。
图3为图2分支节点的Petri网模型示意图。
图4为含高密度屋顶光伏配电网的示例图。
具体实施方式
下面结合附图和具体实施例，进一步说明本发明方案。
如图1所示，本发明针对含屋顶光伏发电系统的配电网故障定位方法，包括以下步骤：
步骤1、根据非故障时段汇集的FTU信息，建立正常运行状态下的配电网拓扑结构；
步骤2，对配电网拓扑结构的各个分支节点建立Petri网模型。以图2为例，对含三条支路的分支节点i建立Petri网通用模型，如图3所示，模型中各库所物理含义如下：
P0：分支节点i检测到故障电流
P1：支路1检测到正向故障电流
P2：支路2检测到正向故障电流
P3：支路3检测到正向故障电流
P4：故障发生在支路1上
P5：故障发生在支路2上
P6：故障发生在支路3上
步骤3，规定分支节点指向线路的方向为正方向，进行故障定位，若支节点处FTU检测到某分支上故障电流方向为正方向，则判定故障发生在此支路上。假设图2中支路2发生故障，结合Petri网通用模型，判定故障支路的具体方法为：
步骤3.1、确定输出关联矩阵D+，表示变迁到输出库所的关联有向弧，D+为：
Figure BDA0001985890910000041
确定输入关联矩阵D-，表示输入库所到变迁的关联有向弧，D-为：
Figure BDA0001985890910000042
确定连接输入关联矩阵
Figure BDA0001985890910000043
表示输入位置与连接点变迁之间的关系，
Figure BDA0001985890910000044
为：
Figure BDA0001985890910000045
确定非连接输入关联矩阵
Figure BDA0001985890910000046
表示输入位置与分配点变迁之间的关系，
Figure BDA0001985890910000047
为：
Figure BDA0001985890910000051
计算非连接邻接矩阵Ddw，表示两库所之间没有非连接点变迁，
Figure BDA0001985890910000052
Ddw为：
Figure BDA0001985890910000053
步骤3.2、确定网络标识矩阵Mn＝[P0 P1 P2 P3 P11 P12 P13 P4 P5 P6]T，根据Petri网推理过程中的系统状态，即托肯在各库所中的分布情况，当位置置1表示该库所包含托肯，置0表示库所内无托肯，确定故障支路，具体方法为：
(1)确定初始网络标识M0：由于分支节点i处FTU检测到故障电流，且支路2故障电流为正向，库所P0、P2包含托肯，设置相应位置置1，得到初始标识M0：
M0＝[1 0 1 0 0 0 0 0 0 0]T
(2)迭代进行如下矩阵运算：
Figure BDA0001985890910000054
式中，
∨表示最大值运算；
Figure BDA0001985890910000061
定义如下：
Figure BDA0001985890910000062
若zij≥1，f(zij)＝1；若zij＝0，f(zij)＝0；
Figure BDA0001985890910000063
定义如下：
Figure BDA0001985890910000064
令
Figure BDA0001985890910000065
若zi1＝di，g(zi1)＝1；若zi1＜di，f(zi1)＝0；
根据上述推导，可得到每次迭代的网络标识：
M1＝[1 0 1 0 1 1 1 0 0 0]T
M2＝[1 0 1 0 1 1 1 0 1 0]T
M3＝[1 0 1 0 1 1 1 0 1 0]T
满足M2＝M3，迭代完成，停止运算。
步骤3.3、确定最终的故障支路：在最终网络标识矩阵M3中[P4 P5 P6]T＝[0 1 0]T，故最后托肯移动至库所P5内，即故障发生在支路2上。
步骤4、综合各分支节点的故障诊断结果，判定同时被2个及以上分支节点判定为故障的支路为最终的故障区段。
实施例
为了验证本发明方案的有效性，对图4所示含高密度屋顶光伏配电网络进行如下仿真实验。当如图中L3、L7线路发生故障，根据上述故障定位方法进行分析：
双重故障发生后，各分支节点根据检测到各分支故障电流方向进行故障支路判定，结果如下：
节点B1，故障支路L1，非故障支路L6；
节点B2，故障支路L2、L7，非故障支路L1、L10；
节点B3，故障支路L3，非故障支路L2、L5；
节点B4，故障支路L3，非故障支路L4；
节点B5，故障支路L7，非故障支路L8、L9
由上述分析可知，L3、L7分别同时被2分支节点判定为故障支路，故障定位准确。
当FTU信息上传过程中因环境等因素造成信息畸变或丢失，以图4含高密度屋顶光伏配电网络图为例：
若终端S5信息丢失，且区段L3发生短路故障，进行故障定位分析：
节点B1，故障支路L1，非故障支路L6；
节点B2，故障支路L2，非故障支路L1、L10、L7；
节点B3，故障支路L3，非故障支路L2、L5；
节点B4，故障支路L3，非故障支路L4；
节点B5，故障支路L7，非故障支路L8、L9
由上述分析可知，支路L3倍分支节点B3、B4同时判定发生故障，仍可得到正确定位结果，不影响模型定位准确性。
当终端S3信息丢失且区段L1发生短路故障时，则可通过S3相邻AFTU即终端S2、S4对S3上传的故障电流方向信息进行修正：
此时区段L1发生故障，S2、S4均上传反向故障电流信息，故修正S3为上传反向故障信息，从而可得到正确故障区段定位结果。

Claims (1)

1.针对含屋顶光伏发电系统的配电网故障定位方法，其特征在于，包括如下步骤：
步骤1、根据非故障时段汇集的FTU信息，建立正常运行状态下的配电网拓扑结构；
步骤2、根据配电网拓扑结构，建立各个分支节点的Petri网模型；
步骤3、规定配电网络线路网络的正方向，结合FTU检测故障电流信息，进行故障定位，若某分支上故障电流方向为正方向，则判定故障发生在此支路上；
步骤4、综合各分支节点的故障诊断结果，确定最终的故障区段，将同时被2个及以上分支节点判定为故障的支路作为最终的故障区段；
步骤2中，建立各个分支节点的Petri网模型的具体方法为：以含三条支路的分支节点i为例，建立对应Petri网模型，模型中各库所物理含义如下：
P0：分支节点i检测到故障电流
P1：支路1检测到正向故障电流
P2：支路2检测到正向故障电流
P3：支路3检测到正向故障电流
P4：故障发生在支路1上
P5：故障发生在支路2上
P6：故障发生在支路3上
分支节点的Petri网模型规模与支路的数量有关，支路数量增加，库所数量相应增加；
步骤3中，规定分支节点指向线路的方向为正方向，判断故障支路的具体方法为：
步骤3.1、根据分支节点的Petri网模型，确定输出关联矩阵D+、输入关联矩阵D-、连接输入关联矩阵
Figure FDA0003437503070000011
非连接输入关联矩阵
Figure FDA0003437503070000012
计算非连接邻接矩阵
Figure FDA0003437503070000013
步骤3.2、根据托肯的分布情况，确定初始网络标识M0，迭代进行如下矩阵运算，直至Mn+1＝Mn；
Figure FDA0003437503070000014
式中，
∨表示最大值运算；
Figure FDA0003437503070000015
定义如下：
Figure FDA0003437503070000021
若zij≥1，f(zij)＝1；若zij＝0，f(zij)＝0；
Figure FDA0003437503070000022
定义如下：
Figure FDA0003437503070000023
令
Figure FDA0003437503070000024
若z1j＝di，g(z1j)＝1；若z1j＜di，g(z1j)＝0；
步骤3.3、根据最终的网络标志矩阵Mn，确定故障支路。
CN201910165826.6A 2019-03-05 2019-03-05 针对含屋顶光伏发电系统的配电网故障定位方法 Active CN109828185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910165826.6A CN109828185B (zh) 2019-03-05 2019-03-05 针对含屋顶光伏发电系统的配电网故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910165826.6A CN109828185B (zh) 2019-03-05 2019-03-05 针对含屋顶光伏发电系统的配电网故障定位方法

Publications (2)

Publication Number Publication Date
CN109828185A CN109828185A (zh) 2019-05-31
CN109828185B true CN109828185B (zh) 2022-02-18

Family

ID=66865427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910165826.6A Active CN109828185B (zh) 2019-03-05 2019-03-05 针对含屋顶光伏发电系统的配电网故障定位方法

Country Status (1)

Country Link
CN (1) CN109828185B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110470951B (zh) * 2019-08-18 2022-04-05 天津大学 基于PMU信息和Petri网的有源配电网故障诊断方法
CN111650473B (zh) * 2020-06-09 2021-06-08 东北大学 基于故障指示器的配电网故障区段定位方法
CN113346618B (zh) * 2021-06-04 2023-12-19 国网江苏省电力有限公司滨海县供电分公司 一种配电系统的监控方法及装置
CN118399593B (zh) * 2024-04-24 2024-09-24 无锡易星电力科技有限公司 一种基于大数据的配电网数据监测预警系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103048587A (zh) * 2012-12-12 2013-04-17 深圳供电局有限公司 具有分布式电源的配电网的故障定位方法、装置及系统
CN104820163A (zh) * 2015-04-13 2015-08-05 同济大学 一种基于ftu的配电网故障定位方法
CN106646110A (zh) * 2016-11-09 2017-05-10 国网山东省电力公司东阿县供电公司 基于GIS和Petri技术的低压配电网故障定位系统
CN108919055A (zh) * 2018-07-11 2018-11-30 国网江苏省电力有限公司淮安供电分公司 一种基于Petri网的含高密度屋顶光伏配电网故障诊断方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103048587A (zh) * 2012-12-12 2013-04-17 深圳供电局有限公司 具有分布式电源的配电网的故障定位方法、装置及系统
CN104820163A (zh) * 2015-04-13 2015-08-05 同济大学 一种基于ftu的配电网故障定位方法
CN106646110A (zh) * 2016-11-09 2017-05-10 国网山东省电力公司东阿县供电公司 基于GIS和Petri技术的低压配电网故障定位系统
CN108919055A (zh) * 2018-07-11 2018-11-30 国网江苏省电力有限公司淮安供电分公司 一种基于Petri网的含高密度屋顶光伏配电网故障诊断方法

Also Published As

Publication number Publication date
CN109828185A (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN109828185B (zh) 针对含屋顶光伏发电系统的配电网故障定位方法
CN107024638A (zh) 一种基于改进矩阵算法的配电网故障定位方法及装置
CN104820163A (zh) 一种基于ftu的配电网故障定位方法
CN112288326B (zh) 一种适用于输电系统韧性评估的故障场景集削减方法
CN105932775B (zh) 一种信息系统对微电网运行可靠性影响的分析方法
CN110943453A (zh) 面向迁移学习的电力系统故障样本生成和模型构建方法
CN113675878B (zh) 海上风电场并网性能测试方法、系统、计算机设备和介质
CN108919055A (zh) 一种基于Petri网的含高密度屋顶光伏配电网故障诊断方法
CN112014687A (zh) 一种含分布式电源的主动配电网故障区段分层定位方法
CN112485587A (zh) 一种含分布式光伏配电网故障区段分层定位方法
CN115545479A (zh) 一种配电网重要节点或重要线路的确定方法及装置
CN111860969A (zh) 一种基于强化学习算法的输电网扩展规划方法
CN106410862B (zh) 基于有功恢复斜率校正的风电场单机等值方法
CN112926752B (zh) 考虑储能系统的智能输电网故障线路检测及故障恢复方法
CN111953657B (zh) 一种序列-数据联合驱动的配电网cps网络攻击辨识方法
CN111208386A (zh) 一种适应拓扑变化与信息错误的配电网故障快速定位方法
CN115693648A (zh) 一种配电网线路故障自愈方法及系统
CN109861214B (zh) 判断区域电网暂态功角稳定薄弱线路的方法、系统
CN112036740A (zh) 基于节点停电风险不变的节点备用容量快速评估方法
CN117517862B (zh) 配电网故障定位方法及装置
Sun et al. Physics-informed Fully Convolutional Network-based Power Flow Analysis for Multi-terminal MVDC Distribution Systems
Li et al. A Novel State Estimation Method Based on Cross-Track Graph Neural Network
Li et al. Distributed Fault Section Location for Active Distribution Network Based on Bayesian Complete Analytic Model
CN115330244B (zh) 考虑电网支路故障概率变化韧性指标快速修正方法
CN117977578B (zh) 基于智能分布式馈线自动化的配电网故障自愈方法

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