CN110045226A - 一种基于压缩感知的配电网故障定位方法 - Google Patents
一种基于压缩感知的配电网故障定位方法 Download PDFInfo
- Publication number
- CN110045226A CN110045226A CN201910203709.4A CN201910203709A CN110045226A CN 110045226 A CN110045226 A CN 110045226A CN 201910203709 A CN201910203709 A CN 201910203709A CN 110045226 A CN110045226 A CN 110045226A
- Authority
- CN
- China
- Prior art keywords
- abc
- node
- fault
- voltage
- failure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000009434 installation Methods 0.000 claims abstract description 3
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 230000007704 transition Effects 0.000 abstract description 10
- 230000004807 localization Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000016507 interphase Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种基于压缩感知的配电网故障定位方法,属电力系统继电保护技术领域。利用分布安装于配电线路各节点的多个智能终端对故障前后电压Vi abc(p)和Vi abc(f)测量计算得到电压暂降向量ΔVi abc,然后利用电压暂降向量ΔVi abc和各测量节点的阻抗矩阵Zij abc通过压缩感知算法重构出对应各节点的故障电流向量|ΔIi abc|,故障电流向量|ΔIi abc|的非零元素对应的节点就是故障发生的节点。本发明依据压缩感知算法可以实现多分支配电网线路在不同故障类型及不同过渡电阻下的故障定位,利用电压暂降作为故障定位的特征量提高了故障定位的准确率。
Description
技术领域
本发明涉及一种基于压缩感知的配电网故障定位方法,属电力系统继电保护技术领域。
背景技术
国内的配电网主要以中性点非有效性接地方式为主。长期以来,对于采用小电流接地方式的系统,国内外学者在理论上都做了大量的研究,另外针对现场配电网线路故障定位问题也提出了多种的解决办法,但因配电网中性点采用经消弧线圈接地减小了故障点故障电流从而严重削弱了故障特征量,这就导致配电网故障定位的难度大有增加。而当配电系统发生故障时,故障电压变化量更为明显,因此,本发明选用了配电网节点电压作为故障定位方法的特征量。另外传统的信号处理方法存在采样数据量大、采样时间长、而压缩感知可以实现采样与压缩同时完成,极大地将低了采样的数据量和采样速率。为此,本发明提供一种基于压缩感知技术的配电网故障定位方法,为解决多分支、复杂拓扑的配电线路故障定位提供了一种准确有效的定位方法。
发明内容
本发明要解决的技术问题是提供一种基于压缩感知的配电网故障定位方法,用以解决上述问题。
本发明的技术方案是:一种基于压缩感知的配电网故障定位方法,利用分布安装于配电线路各节点的多个智能终端对故障前后电压Vi abc(p)和Vi abc(f)测量计算得到电压暂降向量ΔVi abc,然后利用电压暂降向量ΔVi abc和各测量节点的阻抗矩阵Zij abc通过压缩感知算法重构出对应各节点的故障电流向量|ΔIi abc|,由于故障电流向量|ΔIi abc|由于具有少量的非零元素而具有良好的稀疏性,所以故障电流向量|ΔIi abc|的非零元素对应的节点就是故障发生的节点。
具体步骤为:
Step1:配电网拓扑参数的识别计算
(1)读入故障前系统拓扑信息和故障信息;
(2)基于系统拓扑信息及故障信息形成节点阻抗矩阵Zbus;
式中,Zbus为节点阻抗矩阵,Zij abc(i,j=1,...,N)节点间阻抗矩阵,N为节点总数,k为故障节点;
Step2:故障电压特征量计算
(1)利用小波变换对故障电压进行信号处理,将突变信号提取出来,从而实现对故障电压暂降起止时间的精确定位;
(2)通过仿真获得M个测点故障前后的电压并计算电压暂降ΔVi abc;
ΔVi abc=|Vi abc(p)|-|Vi abc(f)|,i=1,…,M (2)
式中,ΔVi abc为电压暂降,|Vi abc(p)|和|Vi abc(f)|是配电网线路节点i在故障前时刻和故障后时刻所测得的电压幅值,M为监测点数量;
Step3:利用故障前后A、B、C三相电压幅值差|ΔVi abc|,通过符号函数SGN对差值进行运算,统计运算结果中函数值为1的个数来确定故障类型;
当函数值为1的个数等于1时,对应故障类型为单相接地故障;
当函数值为1的个数等于2时,对应的故障类型为相间故障;
当函数值为1的个数等于3时,对应的故障类型为三相故障;
Step4:对上述不同的故障类型求解序分量,针对单相接地故障选用零序电压分量ΔVi 0和零序阻抗Zbus(i) 0来重构节点故障零序电流向量ΔI0 i;针对相间或三相故障选用电压暂降正序电压分量ΔVi +和正序阻抗Zbus(i) +来重构节点故障正序电流向量ΔI+ i:
式中,ΔVi 0、ΔVi +、ΔVi -分别为零序电流向量、正序电流向量、负序电流向量,a=ej2π/3为对称分量旋转因子,ΔVi a、ΔVi b、ΔVi c分别为a、b、c三相电压暂降,M为监测点数量;
Step5:利用压缩感知算法重构出节点故障注入电流向量|ΔIi abc|,其中中元素最大值对应节点即为故障节点,重构表达式为:
||ΔVi +-Z+·ΔIabc i||2≤ε (7)
式中,为待还原信号矩阵,||·||1为l1范数,Z+为测量矩阵,ε为误差值。在计算时根据实际情况取一个较小的数。
本发明的有益效果是:
1、利用电压暂降作为故障定位的特征量提高了故障定位的准确率;
2、压缩感知算法实现了采样与压缩同时完成,极大地降低了采集的数据量和采样速率;
3、与传统信号处理方式相比,压缩感知算法能够利用低采样频率实现稀疏信号的精确重构,即可以通过利用少量的测点数据来恢复出原始信号;
附图说明
图1是本发明23节点配电系统实验拓扑图;
图2是本发明图1中3号节点故障重构定位结果图;
图3是本发明图1中7号节点故障重构定位结果图;
图4是本发明图1中8号节点故障重构定位结果图。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
本发明用利用电磁暂态仿真软件PSCAD/EMTDC搭建某地23节点架空线路仿真模型,对不同节点的多类型故障进行仿真,利用MATLAB进行数据处理并验证基于压缩感知的故障定位方法。某地配电网架空线路的拓扑如图1所示,拓扑中各节点间距离如表1所示,系统电源采用无穷大电源等效,多分支配电网馈线单一区段线路长度一般在几公里范围内,为了提高故障定位的精确度,配电线路选用集中参数的π模型,配电网系统采用中性点不接地方式运行。具体实施如下:
实施例1:在图1所示拓扑中选取节点6、10、14、19、23五个节点为监测点,设置13号节点为故障节点。仿真得出包含单相接地故障(LG)、相间短路故障(LL)、相间接地故障(LLG)、三相短路故障(LLLG)四种故障类型和过渡电阻分别为Rf=0.5Ω、Rf=10Ω、Rf=50Ω三种过渡电阻的故障数据。经过故障仿真和参数处理,最后利用压缩感知算法得到如图2(a)单相接地故障定位重构结果、(b)三相短路接地故障定位重构结果、(c)相间接地故障定位重构结果、(d)相间短路接地故障定位重构结果。其定位结果均在13号节点,且不受故障类型和过渡电阻的影响,定位结果准确有效。
表1:各节点间的距离
实施例2:在图1所示拓扑中选取节点6、10、14、19、23五个节点为监测点,设置7号节点为故障节点。仿真得出包含单相接地故障(LG)、相间短路故障(LL)、相间接地故障(LLG)、三相短路故障(LLLG)四种故障类型和过渡电阻分别为Rf=0.5Ω、Rf=10Ω、Rf=50Ω三种过渡电阻的故障数据。经过故障仿真和参数处理,最后利用压缩感知算法得到如图3(a)单相接地故障定位重构结果、(b)三相短路接地故障定位重构结果、(c)相间接地故障定位重构结果、(d)相间短路接地故障定位重构结果。其定位结果均在7号节点上,且不受故障类型和过渡电阻的影响,定位结果准确有效。
实施例3:在图1所示拓扑中选取节点6、10、14、19、23五个节点为监测点,设置8号节点为故障节点。仿真得出包含单相接地故障(LG)、相间短路故障(LL)、相间接地故障(LLG)、三相短路故障(LLLG)四种故障类型和过渡电阻分别为Rf=0.5Ω、Rf=10Ω、Rf=50Ω三种过渡电阻的故障数据。经过故障仿真和参数处理,最后利用压缩感知算法得到如图4(a)单相接地故障定位重构结果、(b)三相短路接地故障定位重构结果、(c)相间接地故障定位重构结果、(d)相间短路接地故障定位重构结果。其定位结果均在8号节点上,且不受故障类型和过渡电阻的影响,定位结果准确有效。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种基于压缩感知的配电网故障定位方法,其特征在于:利用分布安装于配电线路各节点的多个智能终端对故障前后电压Vi abc(p)和Vi abc(f)测量计算得到电压暂降向量ΔVi abc,然后利用电压暂降向量ΔVi abc和各测量节点的阻抗矩阵Zij abc通过压缩感知算法重构出对应各节点的故障电流向量|ΔIi abc|,故障电流向量|ΔIi abc|的非零元素对应的节点就是故障发生的节点。
2.根据权利要求1所述的基于压缩感知的配电网故障定位方法,其特征在于具体步骤为:
Step1:配电网拓扑参数的识别计算
(1)读入故障前系统拓扑信息和故障信息;
(2)基于系统拓扑信息及故障信息形成节点阻抗矩阵Zbus;
式中,Zbus为节点阻抗矩阵,Zij abc(i,j=1,...,N)节点间阻抗矩阵,N为节点总数,k为故障节点;
Step2:故障电压特征量计算
(1)利用小波变换对故障电压进行信号处理,将突变信号提取出来,从而实现对故障电压暂降起止时间的精确定位;
(2)通过仿真获得M个测点故障前后的电压并计算电压暂降ΔVi abc;
ΔVi abc=|Vi abc(p)|-|Vi abc(f)|,i=1,…,M (2)
式中,ΔVi abc为电压暂降,|Vi abc(p)|和|Vi abc(f)|是配电网线路节点i在故障前时刻和故障后时刻所测得的电压幅值,M为监测点数量;
Step3:利用故障前后A、B、C三相电压幅值差|ΔVi abc|,通过符号函数SGN对差值进行运算,统计运算结果中函数值为1的个数来确定故障类型;
当函数值为1的个数等于1时,对应故障类型为单相接地故障;
当函数值为1的个数等于2时,对应的故障类型为相间故障;
当函数值为1的个数等于3时,对应的故障类型为三相故障;
Step4:对上述不同的故障类型求解序分量,针对单相接地故障选用零序电压分量ΔVi 0和零序阻抗Zbus(i) 0来重构节点故障零序电流向量ΔI0 i;针对相间或三相故障选用电压暂降正序电压分量ΔVi +和正序阻抗Zbus(i) +来重构节点故障正序电流向量ΔI+ i:
式中,ΔVi 0、ΔVi +、ΔVi -分别为零序电流向量、正序电流向量、负序电流向量,a=ej2π/3为对称分量旋转因子,ΔVi a、ΔVi b、ΔVi c分别为a、b、c三相电压暂降,M为监测点数量;
Step5:利用压缩感知算法重构出节点故障注入电流向量|ΔIi abc|,其中中元素最大值对应节点即为故障节点,重构表达式为:
||ΔVi +-Z+·ΔIabc i||2≤ε (7)
式中,为待还原信号矩阵,||·||1为l1范数,Z+为测量矩阵,ε为误差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203709.4A CN110045226A (zh) | 2019-03-18 | 2019-03-18 | 一种基于压缩感知的配电网故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910203709.4A CN110045226A (zh) | 2019-03-18 | 2019-03-18 | 一种基于压缩感知的配电网故障定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110045226A true CN110045226A (zh) | 2019-07-23 |
Family
ID=67274876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910203709.4A Pending CN110045226A (zh) | 2019-03-18 | 2019-03-18 | 一种基于压缩感知的配电网故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110045226A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988594A (zh) * | 2019-12-06 | 2020-04-10 | 国网上海市电力公司 | 一种配电网故障位置确定方法及确定装置 |
CN111337793A (zh) * | 2020-04-22 | 2020-06-26 | 华北电力大学 | 一种适用于配电网压缩感知故障定位技术的稀疏测点配置方法 |
CN112269099A (zh) * | 2020-10-12 | 2021-01-26 | 广东电网有限责任公司广州供电局 | 一种基于压缩感知理论的电压暂降状态估计方法及系统 |
CN112731150A (zh) * | 2020-12-08 | 2021-04-30 | 深圳供电局有限公司 | 电压暂降状态估计方法、装置、计算机设备和存储介质 |
CN113030644A (zh) * | 2021-03-09 | 2021-06-25 | 东北电力大学 | 多数据源信息融合的配电网故障定位方法 |
CN114895140A (zh) * | 2022-04-08 | 2022-08-12 | 华南理工大学 | 基于虚拟注入电流比和二阶段重构的配电网故障定位方法 |
CN115184738A (zh) * | 2022-09-08 | 2022-10-14 | 北京智芯微电子科技有限公司 | 配电网故障定位系统、定位方法及计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941151A (zh) * | 2014-04-03 | 2014-07-23 | 昆明理工大学 | 一种利用电压、电流量配合不依赖双端同步的零、线模时差辐射网故障定位方法 |
CN106330095A (zh) * | 2016-09-27 | 2017-01-11 | 华北电力大学 | 一种大型光伏电站汇集系统故障定位方法 |
CN106841915A (zh) * | 2017-01-15 | 2017-06-13 | 东北电力大学 | 一种基于压缩感知的输电线路故障定位方法 |
CN109142986A (zh) * | 2018-10-10 | 2019-01-04 | 华北电力大学 | 一种交流配电线路的故障定位方法 |
US10191998B1 (en) * | 2016-09-13 | 2019-01-29 | The United States of America, as represented by the Director, National Security Agency | Methods of data reduction for parallel breadth-first search over graphs of connected data elements |
-
2019
- 2019-03-18 CN CN201910203709.4A patent/CN110045226A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941151A (zh) * | 2014-04-03 | 2014-07-23 | 昆明理工大学 | 一种利用电压、电流量配合不依赖双端同步的零、线模时差辐射网故障定位方法 |
US10191998B1 (en) * | 2016-09-13 | 2019-01-29 | The United States of America, as represented by the Director, National Security Agency | Methods of data reduction for parallel breadth-first search over graphs of connected data elements |
CN106330095A (zh) * | 2016-09-27 | 2017-01-11 | 华北电力大学 | 一种大型光伏电站汇集系统故障定位方法 |
CN106841915A (zh) * | 2017-01-15 | 2017-06-13 | 东北电力大学 | 一种基于压缩感知的输电线路故障定位方法 |
CN109142986A (zh) * | 2018-10-10 | 2019-01-04 | 华北电力大学 | 一种交流配电线路的故障定位方法 |
Non-Patent Citations (2)
Title |
---|
王书领: "基于压缩感知技术的配电网故障定位及布点优化研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
贾科,等: "基于压缩感知技术的大型光伏电站汇集系统故障定位研究", 《中国电机工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988594A (zh) * | 2019-12-06 | 2020-04-10 | 国网上海市电力公司 | 一种配电网故障位置确定方法及确定装置 |
CN111337793A (zh) * | 2020-04-22 | 2020-06-26 | 华北电力大学 | 一种适用于配电网压缩感知故障定位技术的稀疏测点配置方法 |
CN111337793B (zh) * | 2020-04-22 | 2021-05-25 | 华北电力大学 | 一种适用于配电网压缩感知故障定位技术的稀疏测点配置方法 |
CN112269099A (zh) * | 2020-10-12 | 2021-01-26 | 广东电网有限责任公司广州供电局 | 一种基于压缩感知理论的电压暂降状态估计方法及系统 |
CN112731150A (zh) * | 2020-12-08 | 2021-04-30 | 深圳供电局有限公司 | 电压暂降状态估计方法、装置、计算机设备和存储介质 |
CN113030644A (zh) * | 2021-03-09 | 2021-06-25 | 东北电力大学 | 多数据源信息融合的配电网故障定位方法 |
CN113030644B (zh) * | 2021-03-09 | 2024-03-12 | 东北电力大学 | 多数据源信息融合的配电网故障定位方法 |
CN114895140A (zh) * | 2022-04-08 | 2022-08-12 | 华南理工大学 | 基于虚拟注入电流比和二阶段重构的配电网故障定位方法 |
CN114895140B (zh) * | 2022-04-08 | 2024-04-16 | 华南理工大学 | 基于虚拟注入电流比和二阶段重构的配电网故障定位方法 |
CN115184738A (zh) * | 2022-09-08 | 2022-10-14 | 北京智芯微电子科技有限公司 | 配电网故障定位系统、定位方法及计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110045226A (zh) | 一种基于压缩感知的配电网故障定位方法 | |
Deng et al. | Fault location in loop distribution network using SVM technology | |
Salim et al. | Further improvements on impedance-based fault location for power distribution systems | |
Suonan et al. | A novel fault-location method for HVDC transmission lines | |
CN101551432B (zh) | 配电网故障定位方法 | |
CN103576053B (zh) | 一种基于有限电能质量监测点的电压暂降源定位方法 | |
CN103792465A (zh) | 一种基于零序电压的配电网单相接地故障测距的方法 | |
CN104898021B (zh) | 一种基于k‑means聚类分析的配电网故障选线方法 | |
CN108647438A (zh) | 一种新型土壤等效电阻模型建模方法 | |
CN110850236A (zh) | 一种基于参数估计的配电网故障定位方法 | |
CN107037322A (zh) | 基于稳态特征的配电网小电流接地故障定位方法 | |
CN107045093B (zh) | 基于快速s变换的小电流单相接地故障选线方法 | |
CN107271841B (zh) | 基于正序电流差的同塔双回t型输电线路故障测距方法 | |
CN107884682A (zh) | 基于故障点与监测点距离的配电网故障定位方法 | |
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 | |
CN107271842A (zh) | 一种基于同向正序分量的同塔并架双回线路故障定位方法 | |
CN109507532A (zh) | 一种小电流接地系统馈线单相接地故障区段定位方法 | |
CN105929305B (zh) | 一种非全程混压双回线故障区段识别与精确测距方法 | |
CN104749488A (zh) | 一种基于连续数据窗的直流线路时域故障测距方法 | |
Li et al. | Fault location algorithm in distribution networks considering distributed capacitive current | |
CN112904233B (zh) | 基于地线电流无功分量的接地故障定位方法和装置 | |
CN106649946A (zh) | 一种输电线路工频相参数仿真计算方法 | |
CN104280663A (zh) | 一种小电流接地系统单相接地故障在线监视与选线方法 | |
CN112904232A (zh) | 基于地线电流有功分量的接地故障定位方法和装置 | |
CN106649944A (zh) | 一种输电线路工频序参数仿真计算方法 |
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: 20190723 |