CN110988596A - 一种新型主动配电网故障区段定位方法 - Google Patents
一种新型主动配电网故障区段定位方法 Download PDFInfo
- Publication number
- CN110988596A CN110988596A CN201911268036.7A CN201911268036A CN110988596A CN 110988596 A CN110988596 A CN 110988596A CN 201911268036 A CN201911268036 A CN 201911268036A CN 110988596 A CN110988596 A CN 110988596A
- Authority
- CN
- China
- Prior art keywords
- fault
- distribution network
- power distribution
- active power
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005192 partition Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 36
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010021703 Indifference Diseases 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种新型主动配电网故障区段定位方法,涉及配电网故障诊断与恢复控制领域,所述方法包括以下步骤:步骤1、建立主动配电网故障区段定位模型;步骤2、建立多源信息故障辅助分区方法,推断所述主动配电网的故障区域;步骤3、在所述步骤2的基础上,对所述步骤1建立的所述主动配电网故障区段定位模型进行求解,获得所述主动配电网的故障区段定位。本发明利用用电信息采集系统作为冗余信息源,改进开关函数和适应度函数的表述形式,构建新型主动配电网故障区段定位数学模型,更适用于主动配电网的故障特点。
Description
技术领域
本发明涉及配电网故障诊断与恢复控制领域,尤其涉及一种新型主动配电网故障区段定位方法。
背景技术
相较于输电网来讲,配电网具有分支众多、结构复杂,且所处环境更为恶劣的特点,使得配电网更易发生故障,引起用户停电。因此,在配电网发生故障后实现故障的快速定位、隔离与恢复对提高配电网的可靠性、保障经济社会活动和居民生活的正常运转至关重要。随着配电自动化系统的完善,可利用安装在断路器或分段开关处的馈线终端单元(Feeder Terminal Unit,FTU)上传的报警信息或开关状态变动信息进行故障区段定位。
传统配电网的故障区段定位方法大致可分为直接法和间接法两类。其中,直接法通过故障信息和网架结构,直接根据逻辑关系判断故障发生位置,包括矩阵算法(文献[1])、链表法(文献[2])、过热区域搜索法(文献[3])等;间接法主要是将故障区段定位问题建模成数学优化问题,进而利用遗传算法、粒子群算法等智能优化算法求解。文献[4]对比分析了直接法与间接法的优缺点,并提出了将矩阵算法与智能优化算法相结合的思路,提高了故障定位方法的整体性能。
随着可再生能源与分布式电源(Distributed Generator,DG)的快速发展,配电网逐渐转变为潮流可双向流动的主动配电网(Active Distribution Network,ADN),传统故障定位中的直接法难以适用。但对于间接法来讲,配电网末端或下游接入分布式电源使得故障电流的流向更为多样,在改进的电流极性判别方法的支持下(文献[5]),相应FTU上传的报警信号可包含过流方向信息(文献[6]),从而在一定程度上减小了“逻辑盲区”的范围。不少学者利用新型的FTU过流报警信息,基于改进的开关函数和适应度函数,分别采用二进制粒子群-遗传混合算法(文献[7])、免疫算法(文献[8])、二进制万有引力算法(文献[9])等智能算法进行求解。文献[10]将配电网分支进行二端口等效,基于故障矛盾假说建立了主动配电网故障定位的分层解析模型。
现有技术存在以下缺陷:
1、对于多分支配电网发生双重故障的情况,尤其是上游干路区段与下游支路区段上同时故障时,由于存在故障信息判别的“逻辑盲区”,传统故障区段定位的直接法与间接法均只能将故障定位到上游区段,从而加剧故障的影响时长与范围;
2、分布式电源的接入使得FTU信息出现不可识别畸变的情况增多,容易造成故障定位的错误,已有主动配电网故障区段定位方法的普适性无法得到保证。
因此,本领域的技术人员致力于开发一种新型主动配电网故障区段定位方法,克服现有技术中存在的上述问题。
文献列表:
[1]黄佳乐,杨冠鲁.配电网故障区间定位的改进矩阵算法[J].电力系统保护与控制,2014,42(11):41-45.
[2]张新峰,吕飞鹏,吕文超,等.基于链表法的复杂配电网单相接地故障在线定位[J].电力系统保护与控制,2012,40(12):31-34.
[3]梅念,石东源,段献忠.基于过热区域搜索的多电源复杂配电网故障定位方法[J].电网技术,2008,32(12):95-99.
[4]徐彪,尹项根,张哲,等.矩阵算法和优化算法相结合的配电网故障定位[J].电力系统自动化,2019,43(5):152-158.
[5]庞清乐,刘昱超,李希年,等.基于电流极性比较的主动配电网故障定位方法[J].电力系统保护与控制,2018,46(20):101-108.
[6]周湶,郑柏林,廖瑞金,等.基于粒子群和差分进化算法的含分布式电源配电网故障区段定位[J].电力系统保护与控制,2013,41(4):33-37.
[7]金涛,李鸿南,刘对.基于BPSOGA的含风电机组的配电线路故障区段定位[J].电力自动化设备,2016,36(6):27-33.
[8]陈奎,张云,王洪寅,等.基于免疫算法的含分布式电源配电网的故障定位[J].电力系统保护与控制,2017,45(24):57-62.
[9]张志文,刘军,周冠东,等.基于改进二进制万有引力算法的含DG配电网故障定位[J].电力系统及其自动化学报,2018,30(4):30-34.
[10]王秋杰,金涛,刘军.计及FTU漏报和误报的配电网故障定位分层解析模型[J].电力自动化设备,2019,39(1):141-147.
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是在分布式电源快速发展的背景下,实现主动配电网的快速、准确故障区段定位,并能有效应对多种故障及信息畸变场景。
为实现上述目的,本发明提供了一种新型主动配电网故障区段定位方法,所述方法包括以下步骤:
步骤1、建立主动配电网故障区段定位模型;
步骤2、建立多源信息故障辅助分区方法,推断所述主动配电网的故障区域;
步骤3、在所述步骤2的基础上,对所述步骤1建立的所述主动配电网故障区段定位模型进行求解,获得所述主动配电网的故障区段定位;
在所述步骤1中,包括:
步骤1.1、构建开关函数;
步骤1.2、构建适应度函数;
在所述步骤1.1中,所述开关函数如式(1)所示:
其中:
Ij为开关j(j=1,2,…,N)处FTU上传的过流报警信号编码;
N为开关总数量;
对于所述主动配电网中总共M个馈线区段,引入0-1变量xi(i=1,2,…,M)表示馈线区段i的故障状态,故障时取值为1,反之为0;
从开关j处将所述主动配电网分为两个半区,包含系统电源的称为上半区,不包含系统电源的称为下半区;
∏代表逻辑“或”运算;
xj(p)、xj(q)分别表示开关j对应上半区、下半区中的区段故障状态值;
P、Q分别为开关j对应上半区、下半区中的所述馈线区段的总数;
进一步地,在所述步骤1.2中,所述适应度函数如式(2)所示:
其中:
Ij为开关j(j=1,2,…,N)处FTU上传的过流报警信号编码;
ω为反映故障馈线区段总数的权系数;
A、B为指数函数的底数常量,可根据多处故障信息畸变发生频次和多重故障发生频次之间的数据对比进行调整。
进一步地,所述ω取值为0.6。
进一步地,在所述步骤2中,将用电信息采集系统作为所述主动配电网故障区段定位过程中的辅助信息源。
进一步地,在利用用电信息采集系统进行辅助故障定位之前,通过仿真分析提前确定所述主动配电网内各个分布式电源的最大电压支撑范围。
进一步地,所述主动配电网为多T接线,分支节点将所述整个主动配电网划分成多个支路;
根据是否接入所述分布式电源以及所述分布式电源的接入位置,将所述多个支路分为三种:1)分支无所述分布式电源(I型分支);2)分支末端接入所述分布式电源(II型分支);3)分支中部接入所述分布式电源且所述分布式电源的最大电压支撑范围未覆盖分支末端区段(III型分支)。
进一步地,对于所述I型分支,选取所述分支末端的智能终端作为所述分支的关键终端;对于所述II型分支,选取所述分支中靠近末端且未被所述分布式电源的电压支撑范围覆盖的智能终端作为关键终端;对于所述III型分支,仅选取所述分支末端的智能终端作为关键终端。
进一步地,在确定所述各分支的关键终端后,根据所述各个关键终端上传的电压报警信息推断所述主动配电网的故障区域;当所述所有关键终端都发出报警信号的情况下,判断所述主动配电网发生双重故障,否则在有所述关键终端发出报警信号的情况下,判断所述主动配电网发生单一故障。
进一步地,在发生所述双重故障情况下,需要对所有区段进行寻优;其余情况下将所述主动配网的区段分为确定故障区段集、可疑故障区段集以及剩下的正常区段集。
进一步地,在所述步骤3中,经过所述步骤2中的故障辅助分区后,用散粒子群优化算法对所述式(2)的适应度函数和所述式(1)的开关函数进行求解,获得所述主动配电网的故障区段定位。
本发明提供的一种新型主动配电网故障区段定位方法有以下技术效果:
1、利用泛在物联网建设中逐渐完善的用电信息采集系统(Customer ElectricInformation Acquisition System,CEIAS)作为冗余信息源;
2、改进开关函数和适应度函数的表述形式,构建新型主动配电网故障区段定位数学模型,更适用于主动配电网的故障特点;
3、不同于利用D-S证据理论的信息融合方法,本发明将CEIAS中智能终端上传的电压报警信号作为故障辅助分区依据;
4、基于上述第3点得到的分区结果采用离散智能优化算法求解,保障定位算法的高效性和实用性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的多T接线主动配电网拓扑示意图;
图2是本发明的一个较佳实施例的分布式电源最大电压支撑范围;
图3是本发明的一个较佳实施例的CEIAS关键终端选取示意图;
图4是本发明的一个较佳实施例的主动配电网模型;
图5是本发明的一个较佳实施例的算例配电网CEIAS关键终端位置示意图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
本发明提供了一种新型主动配电网故障区段定位方法,包括以下步骤:
步骤1、建立主动配电网故障区段定位模型;
步骤2、建立多源信息故障辅助分区方法,推断主动配电网的故障区域;
步骤3、在步骤2的基础上,对步骤1建立的主动配电网故障区段定位模型进行求解,获得主动配电网的故障区段定位。
在步骤1中,包括:
步骤1.1、构建开关函数;
步骤1.2、构建适应度函数;
在步骤1.1中,分布式电源的接入使得主动配电网内部潮流可以呈现出双向流动的特性。类似的,主动配电网发生故障后的故障电流流向也不再仅仅是从系统电源到故障点,还会受到整个主动配电网区域内系统电源与各个分布式电源的位置分布的影响。若规定从系统电源到用户端的方向为整个网络唯一的正方向,N为开关总数量,则发生故障后,开关j(j=1,2,…,N)处FTU上传的过流报警信号编码方式如下:
对于主动配电网中总共M个馈线区段,引入0-1变量xi(i=1,2,…,M)表示馈线区段i的故障状态,故障时取值为1,反之为0;
从开关j处将主动配电网分为两个半区,其中包含系统电源的称为上半区,不包含系统电源的称为下半区,则常用的主动配电网中开关j处FTU的期望状态函数,即开关函数如下:
其中,
Ij为开关j(j=1,2,…,N)处FTU上传的过流报警信号编码;
∏代表逻辑“或”运算;
xj(p)、xj(q)分别表示开关j对应上半区、下半区中的区段故障状态值;
P、Q分别为开关j对应上半区、下半区中的馈线区段的总数。
对于图1所示的多分支主动配电网(S为系统电源,DG1、DG2、DG3为分布式电源,K1、K2、K3分别对应各分布式电源并入配电网的开关,黑色圆点代表断路器或分段开关,圆点间的线段代表馈线区段),若区段5和11上发生双重故障,则按照上述开关函数计算开关3处FTU的开关函数,得到:
但根据线路拓扑和实际情况判断可知开关3正确的函数值应该为1,这是由于上述开关函数计算公式中未对系统电源和配电网下游分支的分布式电源进行区分,对于开关3来说,系统电源对其故障电流流向起主导作用,下游3号分布式电源送出的故障电流并不会经过开关3。为避免该情况造成的故障误判,本发明在公式上述开关函数的基础上进行改进,考虑系统电源的主导作用,构造如下式(1)所示的新型开关函数:
改造后的开关函数由于优先考虑了系统电源对故障电流流向的影响,因而在计算FTU过流方向时不会出现上、下半区电源冲突的现象。
主动配电网发生故障后,FTU将检测到的过流信号上传至主站,但由于工作环境恶劣及通讯干扰等问题,实际运行中可能会出现故障信息的漏报和误报,影响故障区段定位的准确性。常用的处理方法是构建一个反应期望故障信息与实际接收信息之间差异的适应度函数,将故障定位问题转化为求解目标函数的最小值问题,继而利用智能寻优算法求解。传统的适应度函数如下:
其中:
Ij为开关j(j=1,2,…,N)处FTU上传的过流报警信号编码;
ω为反映故障馈线区段总数的权系数。
然而,在采用上述适应度函数计算时,由于主动配电网中开关函数值分为1、0、-1三种情况,若某一故障信号出现1到-1,或-1到1的误报,适应度函数值将会比出现其他情况的漏报、误报多1,与信息漏报、误报作为随机事件发生概率和具体信息畸变类型无关的事实不符。另一方面,当配电网络中一条最小通路上元件数量远远小于10000左右时,发生双重故障的概率远低于发生单一故障的概率,而三重故障概率远低于双重故障概率。类似地,随着通信系统的不断完善,在不考虑通信系统发生大面积通信故障(通常是某一片区的大量信息畸变或缺失)的小概率场景后,多处FTU同时出现漏报或误报的概率也大大降低。综合考量故障区段信息与FTU上传信号准确度的影响,本发明构造的新型适应度函数如式(2)所示:
A、B为指数函数的底数常量,可根据多处故障信息畸变发生频次和多重故障发生频次之间的数据对比进行调整。
ω取值为0.6。
式(2)将传统适应度函数中FTU过流信号接收值与期望值之间“差的绝对值”变成了广义异或的逻辑运算,实现了FTU误报、漏报类型的无差别处理。同时,指数函数的形式也能更好地反映多重故障及多处信息畸变实际发生概率间的关系。
在步骤2中,随着泛在电力物联网建设的不断推进,在主动配电网自动化水平不断提高的同时,用户智能终端的覆盖率也显著提升。智能终端与云-边计算平台以及通信模块相配合,形成面向电力用户的具有信息采集、数据处理和实时监控的用电信息采集系统(CEIAS)。考虑到配电网发生故障时,故障区域下游的智能终端由于无法召测电压或检测到的电压低于一定阈值,会向系统主站上传电压报警信息,且信息可靠性较高。因此,CEIAS可以作为配电网故障区段定位过程中良好的辅助信息源。
考虑到智能终端基本安装于室内,避免了恶劣环境对设备运行的干扰,且为实现自动抄表、电能质量监管等功能,智能终端需频繁地与系统主站通信,其通讯系统的工作状态得到了实时监测,故可忽略配电网故障与CEIAS通讯系统故障同时发生的情况,即智能终端上报准确的电压报警信号。在传统配电网中,若系统电源到智能终端所在电力用户的最小通路上发生故障,则上传“1”的电压报警信号,无故障则不上传报警信号,显示为“0”。然而,由于主动配电网中分布式电源的存在,即使电力用户上游(相对于系统电源)发生故障,但受到邻近分布式电源的影响,智能终端也有可能不会发出电压报警信号。因此,在利用CEIAS辅助故障定位时,应提前通过仿真分析确定主动配电网内各个分布式电源的最大电压支撑范围。针对图1中的主动配电网,在靠近分布式电源的区段上进行故障仿真,得到各分布式电源的最大电压支撑范围如图2中虚线框所示。
对于多T接线的主动配电网,分支节点将整个网络划分成了多个支路,若能确定故障区段处于哪条支路或哪些支路,则会大大缩小故障定位的寻优范围。在主动配电网中,不同分支可根据是否接入分布式电源以及分布式电源的接入位置分为以下三种:1)分支无分布式电源(I型分支);2)分支末端接入分布式电源(II型分支);3)分支中部接入分布式电源且其最大电压支撑范围未覆盖分支末端区段(III型分支)。
考虑CEIAS电压报警信号的触发条件和分布式电源的电压支撑范围,对于I型分支,选取分支末端的智能终端作为该分支的关键终端,如图3中的LT1、LT2;对于II型分支,应选取分支中靠近末端且未被分布式电源电压支撑范围覆盖的智能终端作为关键终端,如图3中的LT4、LT5;而对于III型分支,虽然位于分布式电源上、下半部的区段对应的外部拓扑不同,但为简便起见,可仅选取分支末端的智能终端作为关键终端,对应图3中的LT3。
各分支的关键终端确定后,系统主站可根据各个关键终端上传的电压报警信息初步推断故障区域。例如,当LT1-LT5上传报警信号集合为[0,0,0,1,0]时,便可确定区段10发生了故障,同时系统电源通向各关键终端最小路径未覆盖的区域也有可能发生故障,即图中的区段11、12、14。主动配电网同时发生三重及以上故障的概率极低,不失普适性,在故障定位时可只考虑配网单一故障和双重故障的情况。这样利用CEIAS关键终端的报警信号就能对配电网故障进行辅助分区,缩小定位范围,提高优化算法的寻优效率。图3中所有可能出现的关键终端报警信号集合与对应故障辅助分区结果如表1所示。
表1 CEIAS故障辅助分区结果Table 1Results of secondary fault partitionswith CEIAS
表1中,确定故障区段和可疑故障区段中每个“[]”里的区段集合在优化中只能取其中之一。可疑故障区段集中若优化结果为0,则表示对应集合中无区段故障的情况,结果非0则表示对应区段发生故障,主动配电网处于双重故障状态。从表中可以看出,除了所以关键终端均发出报警信号的情况下为判断主动配电网是否发生双重故障,需要对所有区段进行寻优,其余情况下均将配网区段分为了确定故障区段集、可疑故障区段集以及剩下的正常区段集,达到了辅助分区的效果。
在步骤3中,经上述故障辅助分区后,建立以式(2)适应度值最小为目标函数,式(1)为开关函数且包含二元离散变量的故障区段定位优化模型,可利用离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)算法等离散智能寻优算法进行求解。
在本发明的一个实施例中,采用图4中的主动配电网模型进行算法分析,图4中的符号含义与图1-3相同。首先,根据故障仿真得到各分布式电源的最大电压支撑范围,如图5中虚线框所示。进而可参照本发明提出的故障定位辅助分区方法确定用电信息采集系统关键终端的位置,如图5中的LT1-LT7。
本实施例选取离散粒子群算法进行求解,算法参数设置如下:种群规模N=100,种群空间维数D=2,惯性权重w=0.8,学习因子c1=c2=0.9。假设所有的分布式电源均接入配电网运行,即K1=K2=K3=1。
为验证本发明所提出的主动配电网故障区段定位方法的准确定和有效性,首先对配电网发生单一故障的情况进行仿真,分别设置区段6、13为故障区段。当区段6发生故障时,用电信息采集系统关键终端上传的电压报警信号集为[0,0,1,0,0,0,0],从而可以得到确定故障区段集[6,7,8]和可疑故障区段集[0,11,21,22,23],然后利用DPSO算法进行寻优。同理,当区段13发生故障时,CEIAS的报警信号集为[0,0,0,1,1,1],得到确定故障区段集[12,13]和可疑故障区段集[0,11,14,15,16,17,18,19,20,21,22,23]。两种故障情况下的测试结果分别见表2、表3。
表2区段6故障测试结果
表3区段13故障测试结果
考虑到配电网还可能发生小概率的双重故障情况,此处设置区段4和区段7同时发生故障的场景,可得到用电信息采集系统提供的电压报警信号集为[0,1,1,1,0,0,0],对应的确定故障区段集为[4,5],可疑故障区段集为[0,6,7,8,9,10,11,21,22,23]。该双重故障情况下的故障区段定位结果如表4所示。
表4区段4、7故障测试结果
从表2-表4中的测试结果中可以看出,主动配电网不论是发生单一故障还是双重故障,也不论FTU上传的过流报警信号是否发生误报或漏报,该方法都能够实现准确的故障区段定位,说明所提出的多源信息辅助分区的故障区段定位方法具有良好的普适性和容错性。
此外,为了验证本发明提出的CEIAS信息辅助分区与离散粒子群算法相结合进行求解的优势,这里将该方法(方法1)与FTU单源信息与DPSO结合的方法(方法2)以及FTU单源信息与二进制粒子群算法(BPSO)相结合的方法(方法3)进行对比分析。其中方法2采用DPSO算法时也存在忽略主动配电网同时发生三重以及以上故障情况的假定条件,但由于未利用多种信息,DPSO在求解时只能将配电网简单划分成两个半区进行故障定位寻优。选取表2和表3中的三种故障类型,分别对上述三种故障定位方法仿真50次,测试结果如表5所示。
表5不同方法故障定位结果对比
从表5中的对比结果可知,方法1(本发明提出的方法)和方法2由于将问题简化后采用的DPSO算法寻优范围大幅度缩小,且在寻优效果方面比BPSO算法更好,故在种群规模相同的情况下其最优解出现时平均迭代进行到的代数和未成熟收敛次数明显低于方法3,并且方法1和方法2在最优解出现后再经过数代或数十代后所有粒子均能收敛至最优解,这在BPSO算法中是无法实现的。但另一方面,由于方法2和方法3仅利用FTU过流报警信号作为信息来源,在主动配电网故障定位中不可识别畸变发生概率明显增大的背景下,方法2和方法3很容易出现定位误判。如表中在区段13发生故障,同时第9、12、20号开关处FTU出现信息畸变时,方法2和方法3可能得出区段(3)、(13)或(21)故障这三种定位结果,且其适应度值完全相同。而本发明提出的方法利用CEIAS作为辅助信息源,大大提高了故障区段定位的容错性。
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 (10)
1.一种新型主动配电网故障区段定位方法,其特征在于,所述方法包括以下步骤:
步骤1、建立主动配电网故障区段定位模型;
步骤2、建立多源信息故障辅助分区方法,推断所述主动配电网的故障区域;
步骤3、在所述步骤2的基础上,对所述步骤1建立的所述主动配电网故障区段定位模型进行求解,获得所述主动配电网的故障区段定位;
在所述步骤1中,包括:
步骤1.1、构建开关函数;
步骤1.2、构建适应度函数;
在所述步骤1.1中,所述开关函数如式(1)所示:
其中:
Ij为开关j(j=1,2,…,N)处FTU上传的过流报警信号编码;
N为开关总数量;
对于所述主动配电网中总共M个馈线区段,引入0-1变量xi(i=1,2,…,M)表示馈线区段i的故障状态,故障时取值为1,反之为0;
从开关j处将所述主动配电网分为两个半区,包含系统电源的称为上半区,不包含系统电源的称为下半区;
∏代表逻辑“或”运算;
xj(p)、xj(q)分别表示开关j对应上半区、下半区中的区段故障状态值;
P、Q分别为开关j对应上半区、下半区中的所述馈线区段的总数;
3.如权利要求2所述的新型主动配电网故障区段定位方法,其特征在于,所述ω取值为0.6。
4.如权利要求1所述的新型主动配电网故障区段定位方法,其特征在于,在所述步骤2中,将用电信息采集系统作为所述主动配电网故障区段定位过程中的辅助信息源。
5.如权利要求4所述的新型主动配电网故障区段定位方法,其特征在于,在利用用电信息采集系统进行辅助故障定位之前,通过仿真分析提前确定所述主动配电网内各个分布式电源的最大电压支撑范围。
6.如权利要求5所述的新型主动配电网故障区段定位方法,其特征在于,所述主动配电网为多T接线,分支节点将所述整个主动配电网划分成多个支路;
根据是否接入所述分布式电源以及所述分布式电源的接入位置,将所述多个支路分为三种:1)分支无所述分布式电源(I型分支);2)分支末端接入所述分布式电源(II型分支);3)分支中部接入所述分布式电源且所述分布式电源的最大电压支撑范围未覆盖分支末端区段(III型分支)。
7.如权利要求6所述的新型主动配电网故障区段定位方法,其特征在于,对于所述I型分支,选取所述分支末端的智能终端作为所述分支的关键终端;对于所述II型分支,选取所述分支中靠近末端且未被所述分布式电源的电压支撑范围覆盖的智能终端作为关键终端;对于所述III型分支,仅选取所述分支末端的智能终端作为关键终端。
8.如权利要求7所述的新型主动配电网故障区段定位方法,其特征在于,在确定所述各分支的关键终端后,根据所述各个关键终端上传的电压报警信息推断所述主动配电网的故障区域;当所述所有关键终端都发出报警信号的情况下,判断所述主动配电网发生双重故障,否则在有所述关键终端发出报警信号的情况下,判断所述主动配电网发生单一故障。
9.如权利要求8所述的新型主动配电网故障区段定位方法,其特征在于,在发生所述双重故障情况下,需要对所有区段进行寻优;其余情况下将所述主动配网的区段分为确定故障区段集、可疑故障区段集以及剩下的正常区段集。
10.如权利要求1所述的新型主动配电网故障区段定位方法,其特征在于,在所述步骤3中,经过所述步骤2中的故障辅助分区后,用散粒子群优化算法对所述式(2)的适应度函数和所述式(1)的开关函数进行求解,获得所述主动配电网的故障区段定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268036.7A CN110988596B (zh) | 2019-12-11 | 2019-12-11 | 一种新型主动配电网故障区段定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911268036.7A CN110988596B (zh) | 2019-12-11 | 2019-12-11 | 一种新型主动配电网故障区段定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110988596A true CN110988596A (zh) | 2020-04-10 |
CN110988596B CN110988596B (zh) | 2022-02-11 |
Family
ID=70092440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911268036.7A Active CN110988596B (zh) | 2019-12-11 | 2019-12-11 | 一种新型主动配电网故障区段定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110988596B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180216A (zh) * | 2020-09-29 | 2021-01-05 | 国网上海市电力公司 | 一种基于大数据驱动的配电网智能感知与诊断方法 |
CN112485587A (zh) * | 2020-11-11 | 2021-03-12 | 国网福建省电力有限公司宁德供电公司 | 一种含分布式光伏配电网故障区段分层定位方法 |
CN112557811A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
CN112684300A (zh) * | 2021-01-19 | 2021-04-20 | 浙江大学 | 一种利用双向监测信息的主动配电网故障诊断方法及装置 |
CN113009274A (zh) * | 2021-02-22 | 2021-06-22 | 山东科技大学 | 基于ielm算法的配电网故障区段定位方法及系统 |
CN113675877A (zh) * | 2021-06-11 | 2021-11-19 | 国网冀北电力有限公司承德供电公司 | 一种基于深度学习的含分布式电源配网故障诊断方法 |
CN113687189A (zh) * | 2021-09-15 | 2021-11-23 | 南京软核科技有限公司 | 一种配电网故障定位方法及系统 |
CN114280420A (zh) * | 2021-12-27 | 2022-04-05 | 国网山东省电力公司枣庄供电公司 | 基于主动配电网故障区域划分的快速故障定位方法及系统 |
CN116754900A (zh) * | 2023-08-21 | 2023-09-15 | 国网山东省电力公司日照供电公司 | 含多不可测分支配电网故障测距方法、系统、介质及设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0402906A2 (en) * | 1989-06-14 | 1990-12-19 | Hitachi, Ltd. | Method and apparatus for locating an abnormality in a gas-insulated electric device |
CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
CN105633972A (zh) * | 2016-03-16 | 2016-06-01 | 国网山东省电力公司经济技术研究院 | 一种基于分层分区控制的有源配电网调压方法 |
CN105738765A (zh) * | 2016-02-23 | 2016-07-06 | 上海电力学院 | 一种基于馈线终端和遗传算法的配电网故障定位方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
CN107015112A (zh) * | 2017-04-10 | 2017-08-04 | 福州大学 | 一种基于改进和声算法的配电线路故障区段定位方法 |
CN108693771A (zh) * | 2017-04-10 | 2018-10-23 | 南京理工大学 | 一种基于多种群遗传算法的配电网故障区段定位算法 |
EP3403967A1 (en) * | 2017-05-15 | 2018-11-21 | KONE Corporation | A current cut-off arrangement of an elevator |
CN108957226A (zh) * | 2018-06-21 | 2018-12-07 | 西安理工大学 | 一种适用于含高比例分布式电源接入配电网的故障馈线定位方法 |
CN109635411A (zh) * | 2018-12-06 | 2019-04-16 | 湖北鄂电德力电气有限公司 | 一种计及ftu漏报和误报的配电网故障分层定位方法 |
CN109687427A (zh) * | 2018-11-27 | 2019-04-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于mas优化协调的配电网故障诊断系统 |
CN110046774A (zh) * | 2019-05-31 | 2019-07-23 | 广东工业大学 | 一种配电网故障定位方法、装置及相关设备 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
-
2019
- 2019-12-11 CN CN201911268036.7A patent/CN110988596B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0402906A2 (en) * | 1989-06-14 | 1990-12-19 | Hitachi, Ltd. | Method and apparatus for locating an abnormality in a gas-insulated electric device |
CN104578427A (zh) * | 2015-01-27 | 2015-04-29 | 国家电网公司 | 一种含微网电源的配电网的故障自愈方法 |
CN105738765A (zh) * | 2016-02-23 | 2016-07-06 | 上海电力学院 | 一种基于馈线终端和遗传算法的配电网故障定位方法 |
CN105633972A (zh) * | 2016-03-16 | 2016-06-01 | 国网山东省电力公司经济技术研究院 | 一种基于分层分区控制的有源配电网调压方法 |
CN106680669A (zh) * | 2016-12-24 | 2017-05-17 | 国网吉林省电力有限公司培训中心 | 基于二进制混合算法的配电网故障区段定位方法 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
CN107015112A (zh) * | 2017-04-10 | 2017-08-04 | 福州大学 | 一种基于改进和声算法的配电线路故障区段定位方法 |
CN108693771A (zh) * | 2017-04-10 | 2018-10-23 | 南京理工大学 | 一种基于多种群遗传算法的配电网故障区段定位算法 |
EP3403967A1 (en) * | 2017-05-15 | 2018-11-21 | KONE Corporation | A current cut-off arrangement of an elevator |
CN108957226A (zh) * | 2018-06-21 | 2018-12-07 | 西安理工大学 | 一种适用于含高比例分布式电源接入配电网的故障馈线定位方法 |
CN109687427A (zh) * | 2018-11-27 | 2019-04-26 | 国网辽宁省电力有限公司经济技术研究院 | 一种基于mas优化协调的配电网故障诊断系统 |
CN109635411A (zh) * | 2018-12-06 | 2019-04-16 | 湖北鄂电德力电气有限公司 | 一种计及ftu漏报和误报的配电网故障分层定位方法 |
CN110046774A (zh) * | 2019-05-31 | 2019-07-23 | 广东工业大学 | 一种配电网故障定位方法、装置及相关设备 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
Non-Patent Citations (4)
Title |
---|
X.YE: "Fault localization of a switched mode power supply based on extended integer-coded dictionary method", 《MICROELECTRONICS RELIABILITY》 * |
李伟健: "基于多源信息的配电网高容错性故障精确定位方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
王一非: "含分布式电源的配电网故障定位研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
程云祥: "多源信息辅助分区的主动配电网故障区段定位", 《电力系统保护与控制》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180216A (zh) * | 2020-09-29 | 2021-01-05 | 国网上海市电力公司 | 一种基于大数据驱动的配电网智能感知与诊断方法 |
CN112485587A (zh) * | 2020-11-11 | 2021-03-12 | 国网福建省电力有限公司宁德供电公司 | 一种含分布式光伏配电网故障区段分层定位方法 |
CN112485587B (zh) * | 2020-11-11 | 2024-04-19 | 国网福建省电力有限公司宁德供电公司 | 一种含分布式光伏配电网故障区段分层定位方法 |
CN112557811B (zh) * | 2020-11-19 | 2024-01-12 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
CN112557811A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
CN112684300A (zh) * | 2021-01-19 | 2021-04-20 | 浙江大学 | 一种利用双向监测信息的主动配电网故障诊断方法及装置 |
CN113009274A (zh) * | 2021-02-22 | 2021-06-22 | 山东科技大学 | 基于ielm算法的配电网故障区段定位方法及系统 |
CN113675877A (zh) * | 2021-06-11 | 2021-11-19 | 国网冀北电力有限公司承德供电公司 | 一种基于深度学习的含分布式电源配网故障诊断方法 |
CN113675877B (zh) * | 2021-06-11 | 2023-06-30 | 国网冀北电力有限公司承德供电公司 | 一种基于深度学习的含分布式电源配网故障诊断方法 |
CN113687189A (zh) * | 2021-09-15 | 2021-11-23 | 南京软核科技有限公司 | 一种配电网故障定位方法及系统 |
CN114280420A (zh) * | 2021-12-27 | 2022-04-05 | 国网山东省电力公司枣庄供电公司 | 基于主动配电网故障区域划分的快速故障定位方法及系统 |
CN116754900B (zh) * | 2023-08-21 | 2023-11-14 | 国网山东省电力公司日照供电公司 | 含多不可测分支配电网故障测距方法、系统、介质及设备 |
CN116754900A (zh) * | 2023-08-21 | 2023-09-15 | 国网山东省电力公司日照供电公司 | 含多不可测分支配电网故障测距方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110988596B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110988596B (zh) | 一种新型主动配电网故障区段定位方法 | |
Kiaei et al. | Fault section identification in smart distribution systems using multi-source data based on fuzzy Petri nets | |
Shen et al. | Review of service restoration for distribution networks | |
Rahmatian et al. | Transient stability assessment via decision trees and multivariate adaptive regression splines | |
CN106771848B (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN105606931A (zh) | 一种基于量子遗传算法的中压配电网故障诊断方法 | |
CN104778632A (zh) | 一种实现智能转电辅助决策的方法及系统 | |
Li et al. | A comprehensive method for fault location of active distribution network based on improved matrix algorithm and optimization algorithm | |
Zhou et al. | Deep Reinforcement Learning-Based Optimal PMU Placement Considering the Degree of Power System Observability | |
Ganjkhani et al. | Multi-Source Data Aggregation and Real-time Anomaly Classification and Localization in Power Distribution Systems | |
CN111327474B (zh) | 基于拓扑分析的电力系统故障诊断方法 | |
Zhou et al. | Fault location for distribution networks with distributed generation sources using a hybrid DE/PSO algorithm | |
Daboul et al. | Testing protection relays based on IEC 61850 in substation automation systems | |
Riyas et al. | Comparative Analysis of Algorithms for the Optimum Placement of PMUs in Power Systems | |
Chanda et al. | A Heterogeneous Graph-Based Multi-Task Learning for Fault Event Diagnosis in Smart Grid | |
da Silva Borges et al. | Optimized method for locating the source of voltage sags | |
Kumar et al. | Improved fault prediction using hybrid machine learning techniques | |
CN111401481A (zh) | 基于多源信息融合技术的电网运行方式自动识别方法 | |
Li et al. | Distributed Fault Section Location for Active Distribution Network Based on Bayesian Complete Analytic Model | |
Salkuti | Study on the performance indicators for smart grids: a comprehensive review | |
Kumar et al. | Fault prediction in transmission line using GOOSE protocol and Artificial Neural Network | |
Wu et al. | A MOPSO based faulty section location method for distribution networks with PVs | |
Zong et al. | A method of fault diagnosis for secondary loop in intelligent substation based on Bayesian algorithm | |
Wu et al. | Research on Intelligent Operation Inspection Fault Diagnosis Method of Substation Relay Protection Logic Link | |
Ren et al. | Automatic recognition algorithm of information architecture reliability based on energy internet network topology |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210610 Address after: 276827 No.68 Yantai Road, Donggang District, Rizhao City, Shandong Province Applicant after: STATE GRID SHANDONG ELECTRIC POWER COMPANY RIZHAO POWER SUPPLY Co. Address before: 276827 No.68 Yantai Road, Donggang District, Rizhao City, Shandong Province Applicant before: STATE GRID SHANDONG ELECTRIC POWER COMPANY RIZHAO POWER SUPPLY Co. Applicant before: SHANGHAI JIAO TONG University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |