CN110133444A - 一种基于正序电压变化量的故障定位方法、装置及系统 - Google Patents

一种基于正序电压变化量的故障定位方法、装置及系统 Download PDF

Info

Publication number
CN110133444A
CN110133444A CN201910486349.3A CN201910486349A CN110133444A CN 110133444 A CN110133444 A CN 110133444A CN 201910486349 A CN201910486349 A CN 201910486349A CN 110133444 A CN110133444 A CN 110133444A
Authority
CN
China
Prior art keywords
positive sequence
variable quantity
sequence voltage
voltage variable
branch
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
Application number
CN201910486349.3A
Other languages
English (en)
Inventor
戴�峰
崔玉
刘贞瑶
李丹奇
沙浩源
郑建勇
陈轩
陈昊
张兆君
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.)
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
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 Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Priority to CN201910486349.3A priority Critical patent/CN110133444A/zh
Publication of CN110133444A publication Critical patent/CN110133444A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing

Abstract

本发明公开了一种基于正序电压变化量的故障定位方法、装置及系统,包括:获取各监测点处的正序电压变化量;获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。本发明在定位故障源位置方面具有很高的准确率,不受故障类型和过渡电阻的影响,在一定程度上帮助工程人员正确定位故障源,为治理电压暂降问题提供针对性的理论指导,应用价值和前景巨大。

Description

一种基于正序电压变化量的故障定位方法、装置及系统
技术领域
本发明属于故障定位技术领域,具体涉及一种基于正序电压变化量的故障定位方法、装置及系统。
背景技术
随着工业装备、建筑电气自动化及智能化水平越来越高,电能质量问题对于工商业大用户的生产经营影响也越来越显著,特别是半导体制造、精密仪器加工、汽车制造等大量应用电力电子设备的工业,对电压波动十分敏感。短路故障是一种常见的引发电能质量、电压暂降等问题的主要原因,因配电网发生故障而导致的生产中断和延缓呈明显的上升趋势,由此带来的直接及间接经济损失日趋严重,这对供电质量提出了更高要求。不同位置发生短路故障对电力系统造成的影响是不同,若能够准确定位故障发生的位置,则非常有利于电网公司尽快排除故障,为准确划分责任区间提供针对性理论指导,可有效治理电能质量问题,提高供电可靠性。
目前国内外学者已经对故障源定位方法展开了大量研究。传统的故障定位方法是基于单一测点监测信息对故障源相对于监测点的方向进行判断,主要包括扰动功率和能量法及其改进方法、系统轨迹斜率法、实部电流法、扰动有功电流法、等效阻抗实部法、距离继电器定位法、瞬时序电流法等。前述的这些方法只能判断出故障位于监测点的上游或下游,但不能确定其在全网中的具体位置。随着技术的不断发展,出现了可以用于实现故障具体位置测距方法,主要包括行波法、阻抗法和基于先验知识的方法。行波法需安装高精度的行波测量装置,设备投入成本高,且当网络中存在较多波阻抗不连续的点时,行波法难以准确定位故障点。阻抗法虽然原理简单,投资少,但不适用于结构复杂的电网,且受伪故障点影响较大。基于先验知识的方法需要充足的实际故障信息来训练算法规则,其模型复杂、计算量大,且实际可用的训练数据有限。
发明内容
针对上述问题,本发明提出一种基于正序电压变化量的故障定位方法、装置及系统,能够有效地避免传统方法中只能判断上下游、前期投资过高、易受伪故障点干扰等问题。在故障具体位置定位方面具有更高的准确率,所需成本低,减少了模型复杂程度与计算量,在一定程度上帮助工程人员正确判断故障位置,为治理电能质量问题提供针对性的理论指导。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
第一方面,本发明提供了一种基于正序电压变化量的故障定位方法,包括:
获取各监测点处的正序电压变化量;
获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;
以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。
优选地,所述监测点的选取原则为:
统计出各支路发生故障时触发的监测点;
按照监测点可观测域范围降序的顺序和监测点数量最少原则选取能够覆盖全部支路的监测点作为最终提取监测信息的监测点。
优选地,所述预设的分类器的训练方法具体为:
将同一支路的故障看作一类,每一条支路为一个类别;
在每条支路的多个设定位置处分别设置虚拟故障点;
将同一支路的设定次数故障信息进行标准化处理,并作为同一类训练样本对分类器进行训练,获得所述预设的分类器。
优选地,所述支路故障距离定位模型的模型公式为:
其中,b表示支路编号,λ表示故障距离,表示标准化后的第b号支路λ处发生故障时第n个监测点的正序电压变化量,DBMb,λ表示第b号支路的故障距离定位模型。
优选地,所述监测点的正序电压变化量的计算公式为:
其中,ΔV(1)表示正序电压变化量,分别代表各监测点到该支路首节点l、末节点r的正序阻抗序列,分别代表监测点Mi到支路首节点l、末节点r的正序阻抗,表示故障点处的正序短路电流,计算公式为:
其中,为F处为发生故障时的正序电压,分别为故障点F、节点l和节点r的正序自阻抗,为节点l、r之间的正序互阻抗,为节点l、r之间的线路正序阻抗,λ表示故障距离。
优选地,所述以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,具体为:
获取相似度指标,所述相似度指标的具体计算公式为:
其中,为待定位故障的监测点正序电压变化量Mf与支路b的故障距离定位模型DBMb,λ的相似度指标,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的pearson相关系数,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的马氏距离;
以与待定位故障的监测点正序电压变化量相似度最高为目标,采用遗传算法寻找与故障引起的Mf最匹配的故障距离λ最优解,确定出故障在该支路的具体位置。
优选地,所述pearson相关系数的计算公式为:
式中,Mf为待定位故障的监测点正序电压变化量,DBMb,λ为第b号支路的故障距离定位模型,N为数列维度,即监测点个数。
优选地,所述马氏距离的计算公式具体为:
式中,Mf为待定位故障的监测点正序电压变化量,DBMb,λ为第b号支路的故障距离定位模型。
第二方面,本发明提供了一种基于正序电压变化量的故障定位装置,包括:
第一获取模块,用于获取各监测点处的正序电压变化量;
预判模块,用于获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
第二获取模块,用于获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;
求解模块,用于以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。
第三方面,本发明提供了一种基于正序电压变化量的故障定位系统,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行第一方面中任一项所述的步骤。
与现有技术相比,本发明的有益效果:
本发明仅需采集监测点正序电压数据,对于线路中任何一个故障位置,各监测点的正序电压变化量与之一一对应,不会受到故障类型和过渡电阻的影响而变换。
本发明定位前进行可观测域规划,以经济最优的原则选择在合适的位置按照监测点,减少前期投入成本;
本发明在具体定位前先利用SVM分类器进行故障选线,缩小故障搜寻空间,减少计算量。
本发明采用遗传算法寻找最优故障距离,直接对结构对象进行操作,没有求导和函数连续性的限制;具有内在的隐并行性具有更强的全局寻优能力,缓解了由于局部最优现象导致的伪故障点问题根据实施例可证明在该方法定位故障具体位置方面具有极高的准确率。
附图说明
图1为本发明一种实施例的基于正序电压变化量的故障定位方法流程示意图;
图2为本发明一种实施例中电网发生故障示意图;
图3为本发明一种实施例中IEEE14节点典型网络图;
图4为本发明一种实施例中不同故障距离下的相似度。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
本发明实施例提供了一种基于正序电压变化量的故障定位方法,如图1所示,包括以下步骤:
步骤(1)获取各监测点处的正序电压变化量;
配电网络中每个监测点可观测的区域是有一定范围的,在某条支路上发生的故障只能被部分监测点检测到,另外一部分,特别是靠近电源附近的监测点是无法检测到的。由于配电网络结构复杂,若每次定位都需要所有监测点的信息,则计算量将十分庞大。实际上只要选取几个特点的监测点,保证这些监测点的可观测域可以覆盖整个配电网络即可实现定位。因此,在本发明实施例的一种具体实施方式中,可按照下述规则进行监测点的选取:
(1.1)事先统计各支路发生故障时触发哪些监测点;
(1.2)按照监测点可观测域范围降序的顺序和监测点数量最少原则选取能够覆盖全部支路的监测点,作为后面提取信息的最终监测点,所述的监测点均设于网络的节点处;
步骤(2)获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
在配电网中任一位置发生故障时,故障位置信息与监测点正序电压变化量是一一对应的,隶属同一线路的各故障点对应的监测点正序电压变化量比不同线路的各故障点对应的正序电压变化量要更加相似。因此,在本发明实施例的一种具体实施方式中,所述预设的分类器的训练方法具体为:
(2.1)将同一线路的故障看作一类,每一条支路为一个类别;
(2.2)在每条支路的25%处,50%处,75%处分别设置虚拟故障点,将同一支路的三次故障信息进行标准化处理,作为同一类训练样本对SVM分类器进行训练;所述的虚拟故障点的位置选择还可以是其他位置,不一定限制为在每条支路的25%处,50%处,75%处,另外,在本发明实施例的其他实施方式中,还可以对同一支路的四次或者五次或者更多次故障信息进行标准化处理,所述分类器还可以是除了SVM分类器以外的其他分类器,只要能够实现分类功能即可;
所述分类器经过全配电网所有虚拟故障点的训练后,将获得的各监测点处的正序电压变化量输入所述分类器,预判该故障属于哪个类别,用以实现确定故障所在支路,缩小精准定位的搜索范围;
步骤(3)获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以各监测点正序电压变化量为因变量;
在本发明实施例的一种具体实施方式中,所述支路故障距离定位模型的建模过程包括以下步骤:
(3.1)如图2所示,假设节点A与节点B之间的线路阻抗为ZL,故障点F到节点A的距离与到节点B的距离之比为λ/(1-λ),过渡电阻为RF,电力系统中有一监测点M,假设故障发生前监测点M的正序电压为故障点处的正序短路电流为监测点M与故障点F之间的正序互阻抗为 可表示为:
根据叠加定理可将故障后监测点M的正序电压表示为:
其中,分别为监测点到节点A、节点B的正序互阻抗。
(3.2)定义监测点正序电压变化量为:
由上式可知监测点正序电压变化量仅与监测点与故障点之间的正序阻抗和故障点处的正序电流有关。监测点与故障点之间的正序阻抗代表监测点与故障点之间的相对位置信息,对于线路中任何一个故障位置,各监测点与其之间的正序阻抗是一一对应的,不会受到故障类型和过渡电阻的影响而变换。
假设电力系统中有两个监测点M1、M2,M1与故障点F之间的正序阻抗为M2与故障点F之间的正序阻抗为当F处发生故障1时,短路正序电流为当F处发生故障2时,短路正序电流为其中故障1和故障2的故障类型和过渡电阻均不相同。推导可得:
由上式可知监测点M1、M2的正序电压变化量在两次不同故障时的比值相等。推广可归纳出故障正序电压分布特性:同一故障位置的故障类型或过渡电阻不同时,各监测点的正序电压变化量是等比例变化的,监测点间的大小次序关系也不变。
(3.3)初步确定故障所在支路后,建立该支路的以故障距离λ为自变量,以各监测点正序电压变化量为因变量的模型。假设故障所在支路的首末节点为l,r,根据式(1)和(3)可得到所有监测点的正序电压变化量,构成监测点正序电压变化量序列如下:
其中,其中,ΔV(1)表示正序电压变化量,分别代表各监测点到该支路首节点l、末节点r的正序阻抗序列,分别代表监测点Mi到支路首节点l、末节点r的正序阻抗,表示故障点处的正序短路电流,,
正序短路电流计算公式如下:
其中表示故障点处的正序短路电流,为F处发生故障时故障点处的正序电压,分别为故障点F、节点l和节点r的正序自阻抗,为节点l、r之间的正序互阻抗,为节点l、r之间的线路正序阻抗,λ表示故障距离。
(3.4)将上式的监测点正序电压变化量序列进行标准化后,即可得到该支路以故障距离λ为优化变量,且只有λ这一个变量的故障距离定位模型:
其中b表示支路编号,λ表示故障距离,表示标准化后的第b号支路λ处发生故障时第n个监测点的正序电压变化量。
步骤(4)以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置;
在本发明实施例的一种具体实施方式中,所述步骤(4)具体包括以下步骤:
(4.1)假设有g组正序电压变化量分别记为数列M1、M2……Mg,每个数列包含的元素数量等于监测点数量,将这些数列组成X=[M1 M2 … Mg]T。设μi=E(Mi),表示第i组监测点信息数列的期望值。每组的期望值构成数列μ=(μ1 μ2 … μg)T
两组数列之间的协方差矩阵Σij可表示为式(10),其中Mi、Mj为第i组和第j组的监测信息,μi、μj分别为Mi、Mj的期望值。
Σij=cov(Mi,Mj)=E[(Mii)(Mjj)]) (10)
待定位故障的监测点正序电压变化量Mf与某已知监测点正序电压变化量Mi的马氏距离定义为式(11),其中Σ表示Mf与Mi之间的协方差矩阵,所述的正序电压变化量Mf表示当f处发生故障时,所有监测点的正序电压变化量;
(4.2)数列X与数列Y的pearson相关系数定义如下,其中N为数列维度。
(4.3)为了描述待定位故障的监测点信息与模型中不同λ对应的序列之间的相似度,本发明定义监测点正序电压变化量相似度指标如式下。
其中,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的pearson相关系数,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的马氏距离,为待定位故障的监测点正序电压变化量Mf与支路b的故障距离定位模型中在λ处发生故障时的监测点正序电压变化量之间的相似度指标。
(4.4)以监测点信息相似度最高为目标,采用遗传算法寻找与此故障引起的监测点正序电压变化量Mf最匹配的故障距离λ最优解,确定故障在该支路的具体位置。在本发明中,遗传算法的约束条件为λ∈[0,1],遗传算法的目标函数为监测点正序电压变化量相似度指标使用遗传算法可以求得支路b的距离定位模型中与待定位故障的Mf相似度最高的最优变量λP,及其对应的判定λP为故障具体位置。
实施例2
基于与实施例1相同的发明构思,本发明实施例提供了一种基于正序电压变化量的故障定位装置,包括:
第一获取模块,用于获取各监测点处的正序电压变化量;
预判模块,用于获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
第二获取模块,用于获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;
求解模块,用于以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。
其余部分均与实施例1相同。
实施例3
基于与实施例1相同的发明构思,本发明实施例提供了一种基于正序电压变化量的故障定位系统,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行实施例1中任一项所述的步骤。
实施例4
本发明提出的方法是基于发生短路故障时各监测点的正序电压分布特性。统计各支路发生故障时触发哪些监测点,再按照可观测域范围降序的顺序和监测点数量最少原则选取能够覆盖全部支路的监测点;利用正序电压变化量作为特征训练SVM模型以实现故障源所在支路选线定位;以故障距离为单一变量,建立了各支路故障距离定位模型;基于马氏距离与pearson相关系数定义了相似度指标概念,用于衡量待定位故障信息与不同位置下故障距离定位模型信息的匹配度;采用遗传算法,在确定支路的故障距离定位模型寻找最优故障距离,实现了故障源具体位置定位。在本发明的算例中验证了该方法的有效性与准确性。
模型参数:
本发明实施例中采用PSCAD搭建仿真模型,以IEEE14节点典型配电网进行验证,如图3所示。各支路所对应编号及参数如表1所示。
表1
支路编号 首末端节点 支路电阻 支路电抗 1/2充电电容电纳
1 1-2 0.01938 0.05917 0.02640
2 2-3 0.04699 0.01979 0.02190
3 2-4 0.05811 0.17632 0.01870
4 1-5 0.05403 0.22304 0.02460
5 2-5 0.05695 0.17388 0.01700
6 3-4 0.06701 0.17103 0.01730
7 4-5 0.01335 0.04211 0.00640
8 7-8 0.00000 0.17615 0.00000
9 7-9 0.00000 0.11001 0.00000
10 9-10 0.03181 0.08450 0.00000
11 6-11 0.09498 0.19890 0.00000
12 6-12 0.12291 0.15581 0.00000
13 6-13 0.06615 0.13027 0.00000
14 9-14 0.12711 0.27038 0.00000
15 10-11 0.08205 0.19207 0.00000
16 12-13 0.22092 0.19988 0.00000
17 13-14 0.17093 0.34802 0.00000
18 5-6 0.00000 0.25202 0.00000
19 4-7 0.00000 0.20912 0.00000
20 4-9 0.00000 0.55618 0.00000
设置每条支路的中点处发生故障(λ=0.5),依次记录每条支路发生故障时,14个母线处的正序电压变化量信息。对数据进行标准化,如表2所示。
表2
其中,-1表示该节点正序电压没有受到影响。按照监测点可观测域范围降序的顺序和监测点数量最少原则,选择节点2(可监测支路1、2、3、5),节点4(可监测支路3、6、7、19、20),节点5(可监测支路4、5、7、18),节点7(可监测支路8、9、19),节点10(可监测支路9、10、11、14、15、20),节点14(可监测支路9、10、12、13、14、15、16、17、20),在6个节点处设置监测器即可保证监测域覆盖全网。
在每条支路的25%处,50%处,75%处分别设施虚拟故障点,将同一支路的三次故障信息标准化,并作为同一类训练样本对SVM进行训练。
假设10号支路,距9号节点λ=0.8,距10号节点1-λ=0.2处发生A相接地型,将其命名为故障F。以故障F为例演示本发明提出的故障定位方法。从各监测点处获得故障F引起的正序电压变化量并进行标准化处理得到如表3所示。将故障F标准化后的正序电压变化量作为测试样本输入SVM分类模型,得到分类结果为10,验证了故障源支路定位结果的准确性。
在每条支路中,随机选取3个暂故障点(共60个,其中包含单相短路故障、两相短路故障、三相短路故障),进行故障源支路定位选线实验。将各支路中的故障信息作为测试样本输入SVM,得到选线正确率如表4所示。由表4可知,各支路的正确率均可达到100%,该方法可以有效匹配故障所在支路,具有良好的区分度。
表3
表4
以故障F为例,判断故障发生在支路10后,以故障位置距节点9的距离为变量λ,建立10号支路的故障距离定位模型计算与DBM10,λ的相似度指标采用遗传算法,以λ∈[0,1]为约束条件,为目标函数,寻求故障距离λ的最优值。
为了更直观地观察关于λ的变化情况,采用遍历法绘制图4,由图中可看出相似度在λ=0.8附件达到最大值,随λ向两边逐渐减小,呈现凸函数形式。采用遗传算法寻优结果如下:故障距离λ=0.8时,正序电压变化量相似度取得最大值仿真定位结果与故障F的设置参数一致,与图4呈现结果一致,验证了本发明方法在故障源定位上的有效性。
在每条支路中,随机选取10出故障点(共200个,其中包含单相短路故障、两相短路故障、三相短路故障),进行故障源具体距离定位实验。分别建立20条支路的故障距离定位模型,将各支路中的故障信息与对应支路的故障距离定位模型进行故障距离λ寻优,得到每个故障的最优故障距离及其对应的正序电压变化量相似度,进行故障源定位方法的准确性验证。采用定位误差率来描述定位结果的准确性,下式所示,误差率越小说明该方法定位越准确。各支路故障的平均定位误差率如表5所示。
e=|实际故障距离λ*-仿真故障距离λ'|×100%
表5
综上所述,结合图4与表5可知,本发明所提出的一种基于正序电压的配电网故障源定位方法定位评均误差率在4.00%以下。故障源所在支路两端直接与电源相接时误差率在1.00%~4.00%的区间内,误差较大(如支路1-8);故障源所在支路两端不直接与电源相接时,定位评均误差率在1.00%以下,误差较小,证明该方法确实合理有效。今后将对本方法做进一步一优化,在智能化、精确化方面做更深层次的研究。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于正序电压变化量的故障定位方法,其特征在于,包括:
获取各监测点处的正序电压变化量;
获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;
以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。
2.根据权利要求1所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述监测点的选取原则为:
统计出各支路发生故障时触发的监测点;
按照监测点可观测域范围降序的顺序和监测点数量最少原则选取能够覆盖全部支路的监测点作为最终提取监测信息的监测点。
3.根据权利要求1所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述预设的分类器的训练方法具体为:
将同一支路的故障看作一类,每一条支路为一个类别;
在每条支路的多个设定位置处分别设置虚拟故障点;
将同一支路的设定次数故障信息进行标准化处理,并作为同一类训练样本对分类器进行训练,获得所述预设的分类器。
4.根据权利要求1所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述支路故障距离定位模型的模型公式为:
其中,b表示支路编号,λ表示故障距离,表示标准化后的第b号支路λ处发生故障时第n个监测点的正序电压变化量,DBMb,λ表示第b号支路的故障距离定位模型。
5.根据权利要求4所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述监测点的正序电压变化量的计算公式为:
其中,ΔV(1)表示正序电压变化量,分别代表各监测点到该支路首节点l、末节点r的正序阻抗序列,分别代表监测点Mi到支路首节点l、末节点r的正序阻抗,表示故障点处的正序短路电流,计算公式为:
其中,为F处为发生故障时的正序电压,分别为故障点F、节点l和节点r的正序自阻抗,为节点l、r之间的正序互阻抗,为节点l、r之间的线路正序阻抗,λ表示故障距离。
6.根据权利要求1所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,具体为:
获取相似度指标,所述相似度指标的具体计算公式为:
其中,为待定位故障的监测点正序电压变化量Mf与支路b的故障距离定位模型DBMb,λ的相似度指标,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的pearson相关系数,为待定位故障的监测点正序电压变化量Mf与DBMb,λ的马氏距离;
以与待定位故障的监测点正序电压变化量相似度最高为目标,采用遗传算法寻找与故障引起的Mf最匹配的故障距离λ最优解,确定出故障在该支路的具体位置。
7.根据权利要求6所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述pearson相关系数的计算公式为:
式中,Mf为待定位故障的监测点正序电压变化量,DBMb,λ为第b号支路的故障距离定位模型,N为数列维度,即监测点个数。
8.根据权利要求6所述的一种基于正序电压变化量的故障定位方法,其特征在于:所述马氏距离的计算公式具体为:
式中,Mf为待定位故障的监测点正序电压变化量,DBMb,λ为第b号支路的故障距离定位模型。
9.一种基于正序电压变化量的故障定位装置,其特征在于,包括:
第一获取模块,用于获取各监测点处的正序电压变化量;
预判模块,用于获取预设的分类器,将获得的各监测点处的正序电压变化量输入所述分类器,预判出故障所属的支路;
第二获取模块,用于获取预设的支路故障距离定位模型,所述支路故障距离定位模型以故障距离为自变量,以所有监测点的正序电压变化量为因变量;
求解模块,用于以与获得的正序电压变化量相似度最高为目标,寻找与故障引起的正序电压变化量最匹配的故障距离最优解,确定出故障在该支路的具体位置。
10.一种基于正序电压变化量的故障定位系统,其特征在于,包括:
处理器,适于实现各指令;以及
存储设备,适于存储多条指令,所述指令适于由处理器加载并执行权利要求1~8中任一项所述的步骤。
CN201910486349.3A 2019-06-05 2019-06-05 一种基于正序电压变化量的故障定位方法、装置及系统 Pending CN110133444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910486349.3A CN110133444A (zh) 2019-06-05 2019-06-05 一种基于正序电压变化量的故障定位方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910486349.3A CN110133444A (zh) 2019-06-05 2019-06-05 一种基于正序电压变化量的故障定位方法、装置及系统

Publications (1)

Publication Number Publication Date
CN110133444A true CN110133444A (zh) 2019-08-16

Family

ID=67580340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910486349.3A Pending CN110133444A (zh) 2019-06-05 2019-06-05 一种基于正序电压变化量的故障定位方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110133444A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611279A (zh) * 2020-04-24 2020-09-01 中国电子科技集团公司第二十九研究所 一种基于测试指标相似度的微波组件故障诊断系统及方法
CN112114186A (zh) * 2020-08-14 2020-12-22 广西电网有限责任公司电力科学研究院 一种基于距离判别分析的电压暂降源识别方法及装置
CN112698148A (zh) * 2020-12-07 2021-04-23 中国人民解放军军事科学院国防工程研究院 一种电压暂降源定位及故障处置方法
CN114089089A (zh) * 2020-08-24 2022-02-25 中国石油大学(华东) 一种基于上游参数比较的电压暂降源定位方法
CN114167172A (zh) * 2021-11-25 2022-03-11 国网福建省电力有限公司莆田供电公司 一种基于马氏距离与支持向量机的电压暂降源定位方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076541A (zh) * 2012-12-28 2013-05-01 四川电力调度控制中心 用于智能电网输电线路的故障测距方法和故障测距模块
CN103487682A (zh) * 2013-09-13 2014-01-01 深圳供电局有限公司 一种电压暂降扰动下敏感客户电能体验质量的预警方法
CN103578050A (zh) * 2013-11-14 2014-02-12 国家电网公司 一种电压暂降原因的识别方法
CN106646103A (zh) * 2016-09-29 2017-05-10 福州大学 一种基于多测点正序电压最优匹配的电压暂降源定位方法
CN107255772A (zh) * 2017-06-08 2017-10-17 南京工程学院 一种半监督电压暂降事故源识别方法
CN109470985A (zh) * 2018-06-19 2019-03-15 国网浙江省电力有限公司湖州供电公司 一种基于多分辨奇异值分解的电压暂降源识别方法
CN109470990A (zh) * 2018-10-25 2019-03-15 南京南瑞继保电气有限公司 一种适应upfc接入的线路变化量故障方向判断方法和装置
CN109633367A (zh) * 2018-11-22 2019-04-16 国网江苏省电力有限公司检修分公司 基于故障前后电压、电流变化的输电线路故障定位方法
CN109765458A (zh) * 2019-01-16 2019-05-17 福州大学 一种基于萤火虫算法的暂降源定位方法
CN109800660A (zh) * 2018-12-27 2019-05-24 国网江苏省电力有限公司电力科学研究院 一种基于大数据聚类的电压暂降源识别方法和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076541A (zh) * 2012-12-28 2013-05-01 四川电力调度控制中心 用于智能电网输电线路的故障测距方法和故障测距模块
CN103487682A (zh) * 2013-09-13 2014-01-01 深圳供电局有限公司 一种电压暂降扰动下敏感客户电能体验质量的预警方法
CN103578050A (zh) * 2013-11-14 2014-02-12 国家电网公司 一种电压暂降原因的识别方法
CN106646103A (zh) * 2016-09-29 2017-05-10 福州大学 一种基于多测点正序电压最优匹配的电压暂降源定位方法
CN107255772A (zh) * 2017-06-08 2017-10-17 南京工程学院 一种半监督电压暂降事故源识别方法
CN109470985A (zh) * 2018-06-19 2019-03-15 国网浙江省电力有限公司湖州供电公司 一种基于多分辨奇异值分解的电压暂降源识别方法
CN109470990A (zh) * 2018-10-25 2019-03-15 南京南瑞继保电气有限公司 一种适应upfc接入的线路变化量故障方向判断方法和装置
CN109633367A (zh) * 2018-11-22 2019-04-16 国网江苏省电力有限公司检修分公司 基于故障前后电压、电流变化的输电线路故障定位方法
CN109800660A (zh) * 2018-12-27 2019-05-24 国网江苏省电力有限公司电力科学研究院 一种基于大数据聚类的电压暂降源识别方法和系统
CN109765458A (zh) * 2019-01-16 2019-05-17 福州大学 一种基于萤火虫算法的暂降源定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
林涌艺 等: "基于多测点正序电压相关性与典型模式匹配寻优的电压暂降源定位", 《电工技术学报》 *
林涌艺 等: "考虑电压暂降可观和故障定位的监测点多目标优化配置", 《福建省电机工程学会2018年学术年会获奖论文集》 *
肖先勇 等: "电压暂降分类特征可比性、相关性及马氏距离分类法", 《中国电机工程学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611279A (zh) * 2020-04-24 2020-09-01 中国电子科技集团公司第二十九研究所 一种基于测试指标相似度的微波组件故障诊断系统及方法
CN111611279B (zh) * 2020-04-24 2023-09-12 中国电子科技集团公司第二十九研究所 一种基于测试指标相似度的微波组件故障诊断系统及方法
CN112114186A (zh) * 2020-08-14 2020-12-22 广西电网有限责任公司电力科学研究院 一种基于距离判别分析的电压暂降源识别方法及装置
CN112114186B (zh) * 2020-08-14 2022-09-23 广西电网有限责任公司电力科学研究院 一种基于距离判别分析的电压暂降源识别方法及装置
CN114089089A (zh) * 2020-08-24 2022-02-25 中国石油大学(华东) 一种基于上游参数比较的电压暂降源定位方法
CN114089089B (zh) * 2020-08-24 2023-12-29 中国石油大学(华东) 一种基于上游参数比较的电压暂降源定位方法
CN112698148A (zh) * 2020-12-07 2021-04-23 中国人民解放军军事科学院国防工程研究院 一种电压暂降源定位及故障处置方法
CN114167172A (zh) * 2021-11-25 2022-03-11 国网福建省电力有限公司莆田供电公司 一种基于马氏距离与支持向量机的电压暂降源定位方法
CN114167172B (zh) * 2021-11-25 2024-01-12 国网福建省电力有限公司莆田供电公司 一种基于马氏距离与支持向量机的电压暂降源定位方法

Similar Documents

Publication Publication Date Title
CN110133444A (zh) 一种基于正序电压变化量的故障定位方法、装置及系统
Bíscaro et al. Integrated fault location and power-quality analysis in electric power distribution systems
CN110082640B (zh) 一种基于长短时记忆网络的配网单相接地故障辨识方法
CN103245881B (zh) 一种基于潮流分布特征的配电网故障分析方法及装置
Lotfifard et al. A systematic approach for ranking distribution systems fault location algorithms and eliminating false estimates
CN109829497B (zh) 一种基于监督学习的台区用户识别及判别方法
CN109298225B (zh) 一种电压量测数据异常状态自动识别模型系统及方法
CN109828184B (zh) 一种基于互近似熵的电压暂降源识别方法
Zhang et al. Topology identification method of distribution network based on smart meter measurements
CN109633271A (zh) 基于变分模态分解和维格纳威尔分布的行波时频分析方法
CN104899353B (zh) 一种基于证据理论的电能质量扰动源定位方法
CN105137324B (zh) 一种基于仿真分类模型的多探测点故障元器件定位方法
CN109490706A (zh) 一种多分支输电线路故障定位方法
CN105406461B (zh) 一种配电网停电事件的负荷自适应动态监测方法
CN109030790A (zh) 一种电力变压器故障诊断方法和装置
CN106372812A (zh) 一种电压暂降风险评估方法及系统
CN104537581B (zh) 采用模糊相似度匹配的电压暂降源在线定位方法
CN110705887A (zh) 一种基于神经网络模型的低压台区运行状态综合评价方法
CN103793556B (zh) 综合出线负荷的变电站负荷建模方法
Abbas et al. Single line to ground fault detection and location in medium voltage distribution system network based on neural network
Mukherjee et al. A supervised principal component analysis-based approach of fault localization in transmission lines for single line to ground faults
Zhang et al. Fault location method based on SVM and similarity model matching
Romero et al. Fault zones location on distribution systems based on clustering of voltage sags patterns
CN112801135B (zh) 一种基于特征量相关性的发电厂厂用电系统故障选线方法及设备
CN113674106A (zh) 一种中低压配电网接地故障组合定位方法

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: 20190816