CN110380379B - 一种电力系统故障监测与报警系统 - Google Patents
一种电力系统故障监测与报警系统 Download PDFInfo
- Publication number
- CN110380379B CN110380379B CN201910653755.4A CN201910653755A CN110380379B CN 110380379 B CN110380379 B CN 110380379B CN 201910653755 A CN201910653755 A CN 201910653755A CN 110380379 B CN110380379 B CN 110380379B
- Authority
- CN
- China
- Prior art keywords
- load
- node
- matrix
- power system
- data
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0007—Details of emergency protective circuit arrangements concerning the detecting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开一种电力系统故障监测与报警系统,涉及电力系统,包括:辨识参数矩阵确定模块,用于确定辨识参数矩阵;数据采集模块,用于采集发动机节点上的电源电压相量、负荷节点上的负荷电压以及电流相量;中间数据求解模块,用于求解增加第n次抽样数据后的η(n‑1,add n)的估计值;辨识参数矩阵递推求解模块,用于求解去除第n‑p次抽样数据后辨识参数矩阵的估计值;导纳矩阵变化求解模块,用于求解荷发导纳矩阵内各项的变化率;故障路线确定模块,用于提取荷发导纳矩阵内变化率大于预设值的故障项,确定故障线路。本发明对前项数据进行剔除,使得计算处理量变少,将距离当前时刻的较远的数据进行剔除,有效提高系统估计精度,能够有效识别到电力系统的故障路线。
Description
技术领域
本发明涉及电力系统领域,特别是涉及一种电力系统故障监测与报警系统。
背景技术
电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能,再经输电、变电和配电将电能供应到各用户。为实现这一功能,电力系统在各个环节和不同层次还具有相应的信息与控制系统,对电能的生产过程进行测量、调节、控制、保护、通信和调度,以保证用户获得安全、优质的电能。
电力系统的主体结构有电源(水电站、火电厂、核电站等发电厂),变电所(升压变电所、负荷中心变电所等),输电、配电线路和负荷中心。各电源点还互相联接以实现不同地区之间的电能交换和调节,从而提高供电的安全性和经济性。输电线路与变电所构成的网络通常称电力网络。电力系统的信息与控制系统由各种检测设备、通信设备、安全保护装置、自动控制装置以及监控自动化、调度自动化系统组成。电力系统的结构应保证在先进的技术装备和高经济效益的基础上,实现电能生产与消费的合理协调。
典型的电力系统模型包括多个发动机节点、多个负荷节点以及电力网络。
由于电力系统是一个复杂的时变系统,随着系统的运行,处理数据量越来越大,极大地增大了处理数据的所需要的计算机处理能力,使得数据处理速度变慢或处理数据成本提高。此外,在现有技术中,采用遗忘因子进行加权进行最小二乘法的递推,一方面并不能将旧数据完全清除,另一方面在一些现有技术中,旧数据与新数据的总加权值大于1使得求解值发生偏移。
发明内容
有鉴于现有技术的上述的一部分缺陷,本发明所要解决的技术问题是提供一种电力系统故障监测与报警系统,旨在优化电力系统网络的参数估计求解,仅保留最近的数据并进行参数辨识,提高系统参数估计的求解速度。
为实现上述目的,本发明提供了一种电力系统故障监测与报警系统,所述系统包括:
辨识参数矩阵确定模块,所述辨识参数矩阵确定模块用于确定辨识参数矩阵为η(n)=(-[YLL]-1YLG-[YLL]-1);所述YLL为电力系统的负荷节点间的荷间导纳矩阵YLL,所述YLG为电力系统的负荷节点与发电机节点间的荷发导纳矩阵YLG;所述电力系统的模型满足:为电力系统的全导纳矩阵,E、IG分别为发电机节点电压相量和发电机节点电流相量,V、I分别为负荷节点电压相量和负荷节点电流相量;
数据采集模块,用于采集电力系统网络上的各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In;所述电源电压相量En=[E(1,n),E(2,n),...,E(i,n)]T,所述负荷节点上的负荷电压Vn=[V(1,n),V(2,n),...,V(j,n)]T,所述负荷节点上的电流相量In=[I(1,n),I(2,n),...,I(j,n)]T;所述i为所述发电机节点的节点数,所述j为负荷节点的节点数,n为抽样数据的序号;
故障路线确定模块,用于提取所述荷发导纳矩阵YLG内变化率大于预设值的故障项,获取于所述故障项相对应的第一负荷节点和第二发电机节点,确定所述第一负荷节点与所述第二发电机节点之间的第一传输线路为故障线路。
在一具体实施方式中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In为同步采样。
在一具体实施方式中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In的采样周期为10ms-1000ms。
在一具体实施方式中,所述荷发导纳矩阵YLG内各项的变化率为数据发生波动前的第一稳态与数据发生波动后的第二稳态的比值。
在一具体实施方式中,所述故障路线确定模块,还包括:
故障节点确定单元,用于获取所述荷发导纳矩阵YLG的所述故障项的负荷节点编号以及发动机节点编号,根据所述负荷节点编号确定第一负荷节点,根据所述发动机节点编号确定第二发电机节点。
本发明的有益效果是:在本发明中,通过限定电力系统的数据项数,保持数据上限为p项,即在实际运算中,可以采用先增加第n次抽样数据Hn、Vn,然后删除当前序列的首项数据,维持数据序列长度。一方面,本发明对前项数据进行剔除,使得计算处理量变少,同时,由于电力系统是一个渐变系统,距离当前时间节点越远的数据准确性越低,将距离当前时刻的较远的数据进行剔除,有效提高系统精度。此外,通过公式两步求解,所获得的参数估计精度越较高,增强参数估计准确度。本发明能够有效地在线识别电力系统的故障路线,提高故障识别的效率,降低电力系统故障维护成本。
附图说明
图1是本发明一具体实施方式的一种电力系统故障监测与报警系统的系统框图;
图2是本发明一具体实施方式的多源、多负载电力系统模型;
图3是本发明一具体实施方式的一种基于最小二乘电力系统状态估计方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
电力系统是一个复杂的时变系统,如图2所示的多源、多负载的电力系统,发电机总数为i,负载总数为j,引入节点导纳矩阵,基于基尔霍夫电压、电流定律,可得到基于全网的电力网络模型:
可得:
V=-[YLL]-1YLGE-[YLL]-1I (1)
通过电力系统网络节点上的同步相量测量装置(PMU)连续抽样获得各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In;所述电源电压相量En=[E(1,n),E(2,n),...,E(i,n)]T,所述负荷节点上的负荷电压Vn=[V(1,n),V(2,n),...,V(j,n)]T,所述负荷节点上的电流相量In=[I(1,n),I(2,n),...,I(j,n)]T;所述i为所述发电机节点的节点数,所述j为负荷节点的节点数,n为抽样数据的序号;
将上述n次抽样数据联立可得综合电网模型:
即:
V n-1_add_n=[Vn-p Vn-p+1 ... Vn-1 Vn] (7)
H n-1_add_n=[H n-1 Hn] (8)
V n-1_add_n=[V n-1 Vn] (9);
根据矩阵求逆公式,化简可得:
同理,将上述H n-1_add_n、V n-1_add_n删除首项,获得H n、V n;其中,
V n-1_add_n=[Vn-p Vn-p ... Vn-1 Vn] (13)
V n+1=[Vn-p+1 Vn-p+2 ... Vn] (15)
即:
H n-1_add_n=[Hn-p H n] (16)
V n-1_add_n=[Vn-p V n] (17)
根据矩阵求逆公式,化简可得:
在本发明中,通过限定电力系统的数据项数,保持数据上限为p项,即在实际运算中,可以采用先增加第n次抽样数据Hn、Vn,然后删除当前序列的首项数据,维持数据序列长度。
一方面,对前项数据进行剔除,使得计算处理量变少,同时,由于电力系统是一个渐变系统,距离当前时间节点越远的数据准确性越低,将距离当前时刻的较远的数据进行剔除,有效提高系统精度。此外,通过公式两步求解,所获得的参数估计精度越较高,增强参数估计准确度。
具体而言,如图1所示,在本发明第一实施例中,提供一种电力系统故障监测与报警系统100,所述系统包括:
辨识参数矩阵确定模块101,所述辨识参数矩阵确定模块用于确定辨识参数矩阵为η(n)=(-[YLL]-1YLG -[YLL]-1);所述YLL为电力系统的负荷节点间的荷间导纳矩阵YLL,所述YLG为电力系统的负荷节点与发电机节点间的荷发导纳矩阵YLG;所述电力系统的模型满足:为电力系统的全导纳矩阵,E、IG分别为发电机节点电压相量和发电机节点电流相量,V、I分别为负荷节点电压相量和负荷节点电流相量;
数据采集模块102,用于采集电力系统网络上的各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In;所述电源电压相量En=[E(1,n),E(2,n),...,E(i,n)]T,所述负荷节点上的负荷电压Vn=[V(1,n),V(2,n),...,V(j,n)]T,所述负荷节点上的电流相量In=[I(1,n),I(2,n),...,I(j,n)]T;所述i为所述发电机节点的节点数,所述j为负荷节点的节点数,n为抽样数据的序号;
导纳矩阵变化求解模块105,用于响应于所述待辨识矩阵内的数据发生波动,待所述待辨识矩阵稳定后,从待辨识矩阵中拆分出所述荷发导纳矩阵YLG、所述荷间导纳矩阵YLL,求解所述荷发导纳矩阵YLG内各项的变化率;
故障路线确定模块106,用于提取所述荷发导纳矩阵YLG内变化率大于预设值的故障项,获取于所述故障项相对应的第一负荷节点和第二发电机节点,确定所述第一负荷节点与所述第二发电机节点之间的第一传输线路为故障线路。
在本实施例中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In为同步采样。
在本实施例中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In的采样周期为10ms-1000ms。
在本实施例中,所述荷发导纳矩阵YLG内各项的变化率为数据发生波动前的第一稳态与数据发生波动后的第二稳态的比值。
在本实施例中,所述故障路线确定模块,还包括:
故障节点确定单元,用于获取所述荷发导纳矩阵YLG的所述故障项的负荷节点编号以及发动机节点编号,根据所述负荷节点编号确定第一负荷节点,根据所述发动机节点编号确定第二发电机节点。
如图3所示,在本发明第二实例中,提供一种基于最小二乘电力系统状态估计方法,所述方法包括:
步骤S1、确定辨识参数矩阵为η(n)=(-[YLL]-1YLG -[YLL]-1);所述YLL为电力系统的负荷节点间的荷间导纳矩阵YLL,所述YLG为电力系统的负荷节点与发电机节点间的荷发导纳矩阵YLG;所述电力系统的模型满足:为电力系统的全导纳矩阵,E、IG分别为发电机节点电压相量和发电机节点电流相量,V、I分别为负荷节点电压相量和负荷节点电流相量;
步骤S2、采集电力系统网络上的各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In;所述电源电压相量En=[E(1,n),E(2,n),...,E(i,n)]T,所述负荷节点上的负荷电压Vn=[V(1,n),V(2,n),...,V(j,n)]T,所述负荷节点上的电流相量In=[I(1,n),I(2,n),...,I(j,n)]T;所述i为所述发电机节点的节点数,所述j为负荷节点的节点数,n为抽样数据的序号;
步骤S6、提取所述荷发导纳矩阵YLG内变化率大于预设值的故障项,获取于所述故障项相对应的第一负荷节点和第二发电机节点,确定所述第一负荷节点与所述第二发电机节点之间的第一传输线路为故障线路。
在本实施例中,在所述步骤S2中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In为同步采样。
在本实施例中,在所述步骤S2中,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In的采样周期为10ms-1000ms。
在本实施例中,在所述步骤S5中,所述荷发导纳矩阵YLG内各项的变化率为数据发生波动前的第一稳态与数据发生波动后的第二稳态的比值。
在本实施例中,所述步骤S6还包括:
获取所述荷发导纳矩阵YLG的所述故障项的负荷节点编号以及发动机节点编号,根据所述负荷节点编号确定第一负荷节点,根据所述发动机节点编号确定第二发电机节点。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.一种电力系统故障监测与报警系统,其特征在于,所述系统包括:
辨识参数矩阵确定模块,所述辨识参数矩阵确定模块用于确定辨识参数矩阵为η(n)=(-[YLL]-1YLG -[YLL]-1);所述YLL为电力系统的负荷节点间的荷间导纳矩阵YLL,所述YLG为电力系统的负荷节点与发电机节点间的荷发导纳矩阵YLG;所述电力系统的模型满足: 为电力系统的全导纳矩阵,E、IG分别为发电机节点电压相量和发电机节点电流相量,V、I分别为负荷节点电压相量和负荷节点电流相量;
数据采集模块,用于采集电力系统网络上的各个发动机节点上的电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In;所述电源电压相量En=[E(1,n),E(2,n),...,E(i,n)]T,所述负荷节点上的负荷电压Vn=[V(1,n),V(2,n),...,V(j,n)]T,所述负荷节点上的电流相量In=[I(1,n),I(2,n),...,I(j,n)]T;所述i为所述发电机节点的节点数,所述j为负荷节点的节点数,n为抽样数据的序号;
导纳矩阵变化求解模块,用于响应于所述辨识参数矩阵η(n)的所述估计值内的数据发生波动,待所述待辨识矩阵稳定后,从待辨识矩阵中拆分出所述荷发导纳矩阵YLG、所述荷间导纳矩阵YLL,求解所述荷发导纳矩阵YLG内各项的变化率;
故障路线确定模块,用于提取所述荷发导纳矩阵YLG内变化率大于预设值的故障项,获取与所述故障项相对应的第一负荷节点和第二发电机节点,确定所述第一负荷节点与所述第二发电机节点之间的第一传输线路为故障线路。
2.如权利要求1所述的一种电力系统故障监测与报警系统,其特征在于,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In为同步采样。
3.如权利要求1所述的一种电力系统故障监测与报警系统,其特征在于,所述电源电压相量En、负荷节点上的负荷电压Vn以及负荷节点上的电流相量In的采样周期为10ms-1000ms。
4.如权利要求1所述的一种电力系统故障监测与报警系统,其特征在于,所述荷发导纳矩阵YLG内各项的变化率为数据发生波动前的第一稳态与数据发生波动后的第二稳态的比值。
5.如权利要求1所述的一种电力系统故障监测与报警系统,其特征在于,所述故障路线确定模块,还包括:
故障节点确定单元,用于获取所述荷发导纳矩阵YLG的所述故障项的负荷节点编号以及发动机节点编号,根据所述负荷节点编号确定第一负荷节点,根据所述发动机节点编号确定第二发电机节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653755.4A CN110380379B (zh) | 2019-07-19 | 2019-07-19 | 一种电力系统故障监测与报警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653755.4A CN110380379B (zh) | 2019-07-19 | 2019-07-19 | 一种电力系统故障监测与报警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110380379A CN110380379A (zh) | 2019-10-25 |
CN110380379B true CN110380379B (zh) | 2021-05-04 |
Family
ID=68254099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910653755.4A Active CN110380379B (zh) | 2019-07-19 | 2019-07-19 | 一种电力系统故障监测与报警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110380379B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801162B (zh) * | 2012-08-23 | 2014-07-16 | 清华大学 | 一种两阶段线性加权最小二乘电力系统状态估计方法 |
CN104078975B (zh) * | 2014-07-10 | 2016-06-01 | 国家电网公司 | 单变压器变电站谐波状态估计方法 |
CN106684863B (zh) * | 2016-12-29 | 2018-02-27 | 华中科技大学 | 一种配电网节点导纳矩阵的辨识方法 |
-
2019
- 2019-07-19 CN CN201910653755.4A patent/CN110380379B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110380379A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3140898B1 (en) | Method and system for monitoring distribution systems | |
CN104319768B (zh) | 一种微电网供电及监控方法 | |
CN110389268B (zh) | 一种电力系统的在线监测系统 | |
CN109428327B (zh) | 基于响应的电网关键支路与主导稳定模式识别方法及系统 | |
CN104268806A (zh) | 一种微电网功率监控系统 | |
Laouid et al. | Optimal PMUs placement using hybrid PSO-GSA algorithm | |
CN103927598A (zh) | 基于自学习径向基核函数的光伏发电功率预测方法 | |
CN110380379B (zh) | 一种电力系统故障监测与报警系统 | |
CN110414816B (zh) | 一种基于最小二乘电力系统状态估计方法 | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
CN105528517B (zh) | 基于神经网络、小波分解光伏电站功率预测方法、系统 | |
CN110401190B (zh) | 一种电力系统频率实时检测与辨识系统 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
CN110571862A (zh) | 一种光伏电站与电力负荷的时序匹配度分析方法及系统 | |
CN110398630B (zh) | 一种电力系统频率动态跟踪方法 | |
Li et al. | K-means clustering algorithm and LSTM based short-term load forecasting for distribution transformer | |
Zhang et al. | A situation awareness and early warning method for voltage instability risk | |
Su et al. | Day-ahead PV and EVs power forecasting of distribution network based on LSTM | |
CN116979526B (zh) | 考虑厂站负荷接纳能力的66kV配电网负荷转带方法及系统 | |
Xu et al. | Distributed Reactive Power Optimization for Energy Internet via Multiagent Deep Reinforcement Learning With Graph Attention Networks | |
Garrido-Zafra et al. | LSTM-based Network for Current Harmonic Distortion Time Series Forecasting | |
Lanqing et al. | Economic optimal dispatching method of power microgrid under environmental uncertainties | |
CN116029468B (zh) | 考虑电动汽车接入的电网风险评估和超前调度方法及系统 | |
Zhang et al. | Estimation of State of Charge and State of Health of Marine Lithium Battery based on BP Neural Network | |
Guo et al. | Research on Dispatching and Control Strategy of UHVDC Blocking Fault in Sending-end Power Grid Based on K-means Clustering |
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 |