CN111060780A - 一种配电网容错性在线故障定位的概率评估方法 - Google Patents
一种配电网容错性在线故障定位的概率评估方法 Download PDFInfo
- Publication number
- CN111060780A CN111060780A CN201911400671.6A CN201911400671A CN111060780A CN 111060780 A CN111060780 A CN 111060780A CN 201911400671 A CN201911400671 A CN 201911400671A CN 111060780 A CN111060780 A CN 111060780A
- Authority
- CN
- China
- Prior art keywords
- fault
- probability
- feeder
- distribution network
- feeder line
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 81
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000009825 accumulation Methods 0.000 claims abstract description 58
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 68
- 230000001364 causal effect Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000011144 upstream manufacturing Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- 238000002955 isolation Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000012047 cause and effect analysis Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 229910004444 SUB1 Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 102100036464 Activated RNA polymerase II transcriptional coactivator p15 Human genes 0.000 description 1
- 101000713904 Homo sapiens Activated RNA polymerase II transcriptional coactivator p15 Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage 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
Abstract
本发明提出了一种配电网容错性在线故障定位的概率评估方法,其步骤如下:基于控制主站接收到的告警信息,对馈线故障概率评估值进行量化;建立以馈线故障概率评估值为内生变量的馈线故障概率累加特性计算函数;以馈线故障概率累加期望值和馈线故障概率累加特性计算函数值间的偏差为基础,建立概率逼近的开关函数集;以馈线故障概率评估值为约束条件和以概率逼近的开关函数集偏差平方和最小为优化目标建立概率评估优化模型,对馈线故障概率进行计算;控制主站依据馈线故障概率向可能故障馈线区段的紧邻自动化开关发送分闸命令。本发明基于不确定性理论架构,容错性更强,能够直接获得所有可能发生故障的馈线区段的故障概率,数值稳定性强。
Description
技术领域
本发明涉及智能配电网的技术领域,尤其涉及一种配电网容错性在线故障定位的概率评估方法,对配电网馈线故障区段实现有无告警信息漏报或误报时故障概率的有效量化和故障隔离。
背景技术
实践表明,配电网作为电力系统中直接与用户相连的部分,因所处环境比较复杂,其故障率高,快速准确的配电网故障定位方法是提升配电网自动化和智能化水平的关键,对于提高供电的自愈性和可靠性有重要作用。然而,随着配电网可利用故障定位信息具有很强的不确定性,如何在不确定性环境下有效提高配电网故障辨识的准确性、快速性和容错性,一直是配电网故障区段定位问题面临的技术难题。
在配电网运行早期,因受当时技术所限,通常采用人工巡线的方法寻找配电网故障点位置,耗时长、故障定位效率低,制约着配电网供电可靠性的提高。随着电力自动化设备的发展和经济实力的增长,电力部门在配电线路上装设了大量的自动化分段开关和自动化馈线终端装置,如何利用其实现配电网故障时馈线区段的快速定位与隔离已成为该领域的研究焦点。
早期基于电力自动化设备的故障定位方法直接利用重合闸和分段开关通过合理的时间配合实现。该方法首次实现了故障定位过程中的人工参与,显著提高了故障定位效率,但其时间整定过程比较复杂,故障辨识过程会造成人为强制性的多次停电,不利于配电网供电可靠性的进一步提高。
为了避开早期基于电力自动化设备故障定位方法面临的故障定位过程中多次停电问题,基于数据采集与处理的故障定位方法已成为新的研究方向。其中直接利用FTU(配电开关监控终端)装置监控采集的过电流信息,基于故障馈线与过电流间的耦合因果关联关系的配电网故障区段定位方法实现了无停电操作的配电网故障自动定位,且原理简单、易于实现和具有容错性等优点。
至今,学术界对于基于FTU装置采集信息的配电网故障定位方法已经开展了大量研究,基于故障电流信息的配电网故障区段定位方法采用的建模理论主要有:人工智能技术、图论算法和最优化方法等。人工智能技术的优势在于可应用于配电网复杂故障且通常具有容错性,但其对新的故障类型适应能力弱;图论算法建模直接、故障定位高效,但其容错性一般较弱。学者文福栓基于电力系统继电保护逻辑动作信息间的逼近关系原理,首次提出基于最优化技术的配电网故障定位方法,研究表明:该方法具有强的容错性和通用性,吸引着众多学者从事该类方法的研究。
最早的配电网故障定位的最优化方法采用逻辑关系建模,以群体智能方法作为故障定位的数学手段,其存在着对随机群体智能算法的依赖,不仅存在定位效率低的缺陷且因数值不稳定性而导致故障定位结果的可靠性降低,间接扩大故障范围。随后,为克服上述技术难题,基于代数建模的配电网故障定位技术被系统研究,具有数值稳定性好,故障决策效率高,可应用于大规模配电网故障的在线故障定位问题。但是其故障定位原理是以馈线故障或正常两种确定状态为基础实现,其是基于确定性理论框架实现馈线故障区段位置的辨识,但配电网告警信息难免会出现漏报和误报的情形,具有强的不确定性,利用确定性理论去解决具有强不确定性的配电网故障定位问题,将面临以下困难:(1)当配电网数据采集系统接收到的告警信息出现偏差时,因受不确定性畸变信息的影响,故障或正常两状态编码机制下的逼近关系模型给出的故障结果可能是错误的,将会直接导致该类方法的可靠性降低,产生故障的错判和漏判;(2)故障或正常两状态编码机制下导致优化模型含有0/1离散变量,增加了决策求解过程的复杂性,影响了故障区段辨识效率。
由以上的论述可以看出,现有的基于自动化终端采集信息的配电网故障定位方法中基于最优化技术的配电网故障定位方法更具有技术优势,但因采用确定性理论架构的建模机制,其仍然面临着当相邻点畸变位和非畸变位相等时的漏判错判的难题。因此,需要提出一种基于不确定性理论架构的具有强的抗告警信息畸变能力的配电网故障定位最优化新技术。
发明内容
针对基于自动化终端采集信息的配电网故障定位方法存在当相邻点畸变位和非畸变位相等时容易出现漏判错判的技术问题,本发明提出一种配电网容错性在线故障定位的概率评估方法,基于FTU等自动化终端设备,对配电网馈线故障区段实现有无告警信息畸变场景下馈线区段故障概率的有效量化和馈线故障的隔离,能够有效实现大规模复杂配电网的在线故障定位。
为了达到上述目的,本发明的技术方案是这样实现的:一种配电网容错性在线故障定位的概率评估方法,其步骤如下:
步骤一:基于控制主站接收到的告警信息,对馈线故障概率评估值进行量化;
步骤二:依据配电网电气特性、拓扑连通性和因果设备的馈线故障概率间的耦合特性,建立以馈线故障概率评估值为内生变量的馈线故障概率累加特性计算函数;
步骤三:收集电流告警信息并建立概率逼近的开关函数集:利用控制主站收集齐配电网各馈线分段开关的过电流告警信息,建立馈线故障概率累加期望值,以馈线故障概率累加期望值和馈线故障概率累加特性计算函数值间的偏差为基础,建立概率逼近的开关函数集;
步骤四:以馈线故障概率评估值为约束条件和以概率逼近的开关函数集偏差平方和最小为优化目标,建立与馈线故障区段概率评估值等价的配电网馈线故障定位的概率评估优化模型,并通过非线性规划内点法,根据馈线开关上传的过电流告警信息,对馈线故障概率进行计算;
步骤五:控制主站依据馈线故障概率向可能故障馈线区段的紧邻自动化开关发送分闸命令,从而实现馈线故障区段的隔离。
所述对馈线故障概率进行量化的方法为:基于告警信息的畸变与非畸变情况,提出馈线故障概率量化评估的直接计算模型,利用计算模型计算馈线故障区段不确定性的概率评估值:
p(i)=Di/max(Di+di,1);
其中,p(i)表示第i段馈线发生故障的概率评估值,di和Di分别表示第i段馈线关联的告警信息相对于其它馈线告警信息的畸变数与非畸变数。
所述步骤二中建立馈线故障概率累加特性计算函数的方法为:依据配电网拓扑连通性和电气特性,只有因果设备之间存在馈线故障概率间的耦合特性且其特点为:上游馈线是否故障对其下游馈线故障累加概率无影响,而下游馈线是否故障会影响到上游馈线的故障累加概率,即上游馈线故障累积概率应与该馈线及其下游因果馈线故障概率的代数和相等;利用代数加法运算来反映下游馈线对上游馈线的故障概率累加特性,假定ni为馈线i下游因果馈线数,对于辐射状配电网,当馈线总数为N时,基于概率描述的馈线故障概率累加特性计算函数数学模型为:
其中,P=[p(1)p(2)…p(N)]表示馈线故障概率集,Fi(P)表示第i个馈线分段开关因果馈线故障概率累加特性计算函数,p(j)表示第j段馈线的不确定性概率评估值。
所述步骤三中采用因果分析理论找出与监控点上传的馈线故障概率累加期望值直接相关的所有可能故障设备即因果关联设备,建立每个自动化开关的馈线故障概率累加期望值集即:判断配电网中是否存在故障过电流,当存在故障过电流时,各独立比较器输出报警值1,代表其对应馈线故障概率累加期望值为1,否则输出值0,代表其对应馈线故障概率累加期望值为0,并基于因果设备的关联关系和顺序进行存储,通过控制主站收集所有监控点的故障过电流越限值,形成馈线故障概率累加期望值集。
所述步骤三中建立概率逼近的开关函数集的方法为:在无告警信息畸变场景下,确定出最有可能发生故障的馈线故障概率时,其关联特性解析模型量化为自动化终端设备上传的告警信息故障概率累加值Ii与故障概率累加期望值Fi(P)间应完全逼近,即差异化为0,基于差异化的逼近关系表示方法,带约束的代数建模的概率描述开关函数的解析模型为:
其中,Ki表示第i个馈线分段开关的开关函数,N为馈线总数,p(i)表示第i段馈线发生故障的概率评估值。
所述步骤四中建立概率评估优化模型的方法为:依据故障诊断最小集理论和总体最佳一致逼近原理采用残差平方和最小化衡量其总体逼近程度,告警信息漏报或误报时,配电网故障区段定位概率评估问题由求解概率描述开关函数问题转化为以馈线故障概率评估值0≤p(i)≤1为约束条件和以告警信息故障概率累加期望值与馈线分段开关因果馈线故障概率累加特性计算函数间残差平方和最小为优化目标的最小二乘问题,配电网的连续空间的故障区段定位的概率评估优化模型为:
其中,f(P)表示告警信息故障概率累加期望值与馈线分段开关因果馈线故障概率累加特性计算函数间残差平方和。
针对连续空间的故障区段定位概率评估优化模型的凸优化特性,直接采用非线性规划内点法决策求解,计算出所有馈线的故障概率。
所述步骤五中按照馈线故障概率由大到小的顺序进行馈线故障馈线切除,直到未监测到过电流告警信息时表示成功实现故障馈线的隔离。
本发明的有益效果:与现有技术相比,本发明基于不确定性理论的架构实现,与确定性理论框架下故障区段定位方法相比可信性更高,容错性更强,能够直接获得所有可能发生故障的馈线区段的故障概率,可给决策者提供最大可能的故障切除方案,依据故障概率由大到小的顺序试探法进行故障切除,故障概率大的馈线优先试切除,当其切除后仍有过电流告警信息,表示其未故障,此时无法有效切除故障时,需对故障概率小的馈线进行尝试切除,依靠故障概率小馈线区段进行故障隔离,且所构建的故障概率评估模型不含离散变量的最小二乘模型,满足凸优化特性,可直接采用内点法决策求解,数值稳定性极强,更契合于大规模复杂配电网的在线故障定位。本发明对配电网馈线故障区段实现辐射状配电网在告警信息发生漏报或误报时的高容错性定位,具有实现便捷、可靠性高、容错性能力强、故障定位效率高、可应用于大规模配电网的在线定位等优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
图2为本发明正常运行时单电源辐射状配电网线路图。
图3为本发明故障运行时单电源辐射状配电网线路图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,当配电网线路故障时,采用本发明的一种配电网容错性在线故障定位的概率评估方法,其步骤如下:
步骤一:基于控制主站接收到的告警信息,对馈线故障概率进行量化。
基本方法为:基于告警信息的畸变与非畸变情况,提出馈线故障概率量化评估的直接计算模型,利用计算模型计算:馈线故障区段不确定性概率评估值p(i)为:
p(i)=Di/max(Di+di,1);
其中,p(i)表示第i段馈线发生故障的概率,di和Di分别表示第i段馈线关联的告警信息相对于其它馈线告警信息的畸变数与非畸变数。
如图1和图2所示,S1为变电站进线的断路器,S2、S3、……、S5为馈线分段开关,S1-S5之间为馈线1-5。告警集I=[1 1 0 1 1]的场景,馈线3的畸变数di=I4+I5为2和非畸变数Di=1-I3为1,馈线5的畸变数di=1-I3为1和非畸变数Di=I4+I5为2,依据计算模型p(i)=Di/max(Di+di,1),因此馈线3和馈线5的故障概率评估值分别为1/3和2/3。
步骤二:依据配电网电气特性、拓扑连通性和因果设备的馈线故障概率间的耦合特性,建立以馈线故障概率评估值p(i)为内生变量的馈线故障概率累加特性计算函数。
首先,采用因果分析理论找出与监控点上传的馈线故障概率累加期望值直接相关的所有可能故障设备,即因果关联设备,建立每个自动化开关的馈线故障概率累加期望值集。如图2所示,依据拓扑连通性理论和功率流流向,若某一自动化分段开关S出现故障过电流和馈线区段i发生短路的故障直接相关,则馈线区段i为自动化分段开关S的因果设备。当断路器S1的监控点有报警信息上传时,依据网络拓扑连通性和功率流的输送机制可知,可能是馈线1~5发生短路故障引起,其为造成断路器S1电流告警信息的因果设备;当分段开关S2的监控点有报警信息上传时,依据网络拓扑连通性和功率流的输送机制可知,可能是馈线2~5发生短路故障引起,其为造成分段开关S2电流告警信息的因果设备;当分段开关S3的监控点有报警信息上传时,依据网络拓扑连通性和功率流的输送机制可知,可能是馈线3~5发生短路故障引起,其为造成断路器S3电流告警信息的因果设备;当分段开关S4的监控点有报警信息上传时,依据网络拓扑连通性和功率流的输送机制可知,可能是馈线4~5发生短路故障引起,其为造成断路器S4电流告警信息的因果设备;当分段开关S5的监控点有报警信息上传时,依据网络拓扑连通性和功率流的输送机制可知,可能是馈线5发生短路故障引起,其为造成断路器S5电流告警信息的因果设备;建立的因果设备集和故障馈线的故障概率描述如表1所示。
表1自动化开关的因果设备集
其次,依据配电网拓扑连通性和电气特性,只有因果设备之间存在馈线故障概率间的耦合特性,且其特点为:上游馈线是否故障对其下游馈线故障累加概率无影响,而下游馈线是否故障会影响到上游馈线的故障累加概率,即上游馈线故障累积概率应与该馈线及其下游因果馈线故障概率的代数和相等。利用代数加法运算来反映下游馈线对上游馈线的故障概率累加特性,假定ni为馈线i下游因果馈线数,对于辐射状配电网,当馈线总数为N时,基于概率描述的馈线故障概率累加特性计算函数数学模型Fi(P)可表示为
其中,P=[p(1)p(2)…p(N)]表示馈线故障概率集,Fi(P)表示第i个馈线分段开关因果馈线故障概率累加特性计算函数,p(j)表示第j段馈线的不确定性概率评估值。ni为馈线i下游因果馈线数量和。
基于上述特性,图1中馈线故障概率累加函数为:
F1(P)=p(1)+p(2)+p(3)+p(4)+p(5),
F2(P)=p(2)+p(3)+p(4)+p(5),
F3(P)=p(3)+p(4)+p(5),
F4(P)=p(4)+p(5),
F5(P)=p(5)。
步骤三:收集电流告警信息并建立概率逼近的开关函数集:利用控制主站收集齐配电网各馈线分段开关的过电流告警信息,若某一分段开关上传过电流告警信息,则定义至该分段开关的馈线故障概率累加期望值为1,反之,则定义至该分段开关的馈线故障概率累加期望值为0,并基于因果设备的关联关系和顺序进行存储;然后,以馈线故障概率累加期望值和馈线故障概率累加特性计算函数值间的偏差为基础,建立概率逼近的开关函数集。
判断配电网中是否存在故障过电流,当存在故障过电流时,各独立比较器输出报警值1,代表其对应馈线故障概率累加期望值为1,否则输出值0,代表其对应馈线故障概率累加期望值为0,并通过控制主站收集所有监控点的故障过电流越限值,形成馈线故障概率累加期望值集。
如图1和图2所示,S1为变电站SUB1的进线断路器,馈线区段1-5由进线断路器S1的变电站SUB1供电,S2-S5为馈线分段开关,即馈线的自动化开关。假定馈线3发生故障,并设两种情况:(1)不存在FTU信息畸变,按照分段开关的序号S1、S2、……、S5的顺序排列,则此时形成的馈线故障概率累加期望值集:[1 1 1 1 1];(2)存在断路器S1或分段开关S2一位信息漏报、S1、S2两位信息漏报、分段开关S5一位信息误报、同时存在分段开关S5一位信息误报和分段开关S2一位信息漏报、同时存在分段开关S5一位信息误报和断路器S1一位信息漏报和误报的情况,则此时形成的馈线故障概率累加期望值集分别为:[0 1 1 0 0]、[1 0 1 0 0]、[0 0 1 0 0]、[1 1 1 0 1]、[1 0 1 0 1]、[0 1 1 0 1]。
配电网故障区段定位的概率评估方法的最终目的是利用开关函数能够找出相应发生故障的设备,使其最能解释控制主站获取的馈线故障概率累加期望值。因此,构建概率描述开关函数解析模型时,需满足:在无告警信息畸变场景下,确定出最有可能发生故障的馈线故障概率时,其关联特性解析模型量化得到的故障概率累加值Ii与自动化终端设备上传的告警信息故障概率累加期望值Fi(P)间应完全逼近,即差异化为0。基于计算方法中差异化的逼近关系表示方法,图2所示配电网,带约束的代数建模的概率描述开关函数的解析模型为:
其中,Ki表示第i个馈线分段开关的开关函数。
步骤四:以馈线故障概率0≤p(i)≤1为约束条件和以概率逼近的开关函数集偏差平方和最小为优化目标,建立与馈线故障区段不确定性概率评估值p(i)等价的配电网馈线故障定位的概率评估优化模型,并通过非线性规划内点法,根据馈线开关上传的过电流告警信息,对馈线故障概率p(i)进行计算。
依据概率描述开关函数的解析模型可知:在无告警信息畸变情况下由其表示的概率描述开关函数解析模型具有唯一解,通过对其求解即可得到各馈线发生故障的概率值,然而,对于存在告警信息漏报或误报情况,因馈线故障概率p(i)的非负性限制,概率描述开关函数解析模型存在方程间不相容特性,此时,依据故障诊断最小集理论和总体最佳一致逼近原理采用计算方法中残差平方和最小化衡量其总体逼近程度。依据上述描述,告警信息漏报或误报时,配电网故障区段定位概率评估问题可由求解概率描述开关函数问题转化为以馈线故障概率0≤p(i)≤1为约束条件和以告警信息故障概率累加期望值与开关函数值间残差平方和最小为优化目标的最小二乘问题,图2所示配电网的连续空间的故障区段定位概率评估优化模型为:
其中,f(P)表示告警信息故障概率累加期望值与馈线分段开关因果馈线故障概率累加特性计算函数间残差平方和。
针对连续空间的故障区段定位概率评估优化模型的凸优化特性,直接采用非线性规划内点法决策求解,计算出所有馈线的故障概率。对于图1和图2具体实例的无信息畸变和有信息畸变时的故障定位结果,如表2所示:
表2故障定位仿真结果
注:“-”表示无法直接利用式p(i)=Di/max(Di+di,1)计算概率评估值。
步骤五:控制主站依据馈线故障概率向可能故障馈线区段的紧邻自动化开关发送分闸命令,从而实现馈线故障区段的隔离。
按照馈线故障概率由大到小的顺序进行馈线故障馈线切除,直到未监测到过电流告警信息时表示成功实现故障馈线的隔离。根据步骤四完成的馈线故障区段定位的编号6的故障概率结果可知馈线3的故障概率为0.167,馈线5的计算概率为0.5。此时,因馈线5的故障概率大,控制主站优先向馈线5两端的自动化开关发送分闸命令,并删除其对应的概率,实现馈线故障区段5的隔离,此时因发生故障区段为馈线3,当切除馈线5后仍然存在故障过电流,切除故障失败,此时,控制主站向馈线3两端的自动化开关发送分闸命令,实现馈线故障区段3的隔离,成功切除故障。此时,若采用确定性框架下的方法只能隔离馈线5,未能成功隔离故障,从而说明了本发明具有明显的高容错性和高可靠性。
本发明利用控制主站收集配电网各馈线开关的电流告警信息,对馈线故障概率进行量化,建立馈线故障概率累加期望值集;建立概率逼近的开关函数集;建立与馈线故障区段不确定性概率评估值p(i)等价的配电网馈线故障定位的概率评估优化模型;利用非线性规划内点法计算出所有馈线的故障概率;依据概率值实现故障馈线区段的定位与隔离。本发明对配电网馈线故障区段实现辐射状配电网在告警信息发生漏报或误报时的高容错性定位,具有实现便捷、可靠性高、容错性能力强、故障定位效率高、可应用于大规模配电网的在线定位等优点。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种配电网容错性在线故障定位的概率评估方法,其特征在于,其步骤如下:
步骤一:基于控制主站接收到的告警信息,对馈线故障概率评估值进行量化;
步骤二:依据配电网电气特性、拓扑连通性和因果设备的馈线故障概率间的耦合特性,建立以馈线故障概率评估值为内生变量的馈线故障概率累加特性计算函数;
步骤三:收集电流告警信息并建立概率逼近的开关函数集:利用控制主站收集齐配电网各馈线分段开关的过电流告警信息,建立馈线故障概率累加期望值,以馈线故障概率累加期望值和馈线故障概率累加特性计算函数值间的偏差为基础,建立概率逼近的开关函数集;
步骤四:以馈线故障概率评估值为约束条件和以概率逼近的开关函数集偏差平方和最小为优化目标,建立与馈线故障区段概率评估值等价的配电网馈线故障定位的概率评估优化模型,并通过非线性规划内点法,根据馈线开关上传的过电流告警信息,对馈线故障概率进行计算;
步骤五:控制主站依据馈线故障概率向可能故障馈线区段的紧邻自动化开关发送分闸命令,从而实现馈线故障区段的隔离。
2.根据权利要求1所述的配电网容错性在线故障定位的概率评估方法,其特征在于,所述对馈线故障概率进行量化的方法为:基于告警信息的畸变与非畸变情况,提出馈线故障概率量化评估的直接计算模型,利用计算模型计算馈线故障区段不确定性的概率评估值:
p(i)=Di/max(Di+di,1);
其中,p(i)表示第i段馈线发生故障的概率评估值,di和Di分别表示第i段馈线关联的告警信息相对于其它馈线告警信息的畸变数与非畸变数。
3.根据权利要求2所述的配电网容错性在线故障定位的概率评估方法,其特征在于,所述步骤二中建立馈线故障概率累加特性计算函数的方法为:依据配电网拓扑连通性和电气特性,只有因果设备之间存在馈线故障概率间的耦合特性且其特点为:上游馈线是否故障对其下游馈线故障累加概率无影响,而下游馈线是否故障会影响到上游馈线的故障累加概率,即上游馈线故障累积概率应与该馈线及其下游因果馈线故障概率的代数和相等;利用代数加法运算来反映下游馈线对上游馈线的故障概率累加特性,假定ni为馈线i下游因果馈线数,对于辐射状配电网,当馈线总数为N时,基于概率描述的馈线故障概率累加特性计算函数数学模型为:
其中,P=[p(1)p(2)…p(N)]表示馈线故障概率集,Fi(P)表示第i个馈线分段开关因果馈线故障概率累加特性计算函数,p(j)表示第j段馈线的不确定性概率评估值。
4.根据权利要求1或3所述的配电网容错性在线故障定位的概率评估方法,其特征在于,所述步骤三中采用因果分析理论找出与监控点上传的馈线故障概率累加期望值直接相关的所有可能故障设备即因果关联设备,建立每个自动化开关的馈线故障概率累加期望值集即:判断配电网中是否存在故障过电流,当存在故障过电流时,各独立比较器输出报警值1,代表其对应馈线故障概率累加期望值为1,否则输出值0,代表其对应馈线故障概率累加期望值为0,并基于因果设备的关联关系和顺序进行存储,通过控制主站收集所有监控点的故障过电流越限值,形成馈线故障概率累加期望值集。
6.根据权利要求5所述的配电网容错性在线故障定位的概率评估方法,其特征在于,所述步骤四中建立概率评估优化模型的方法为:依据故障诊断最小集理论和总体最佳一致逼近原理采用残差平方和最小化衡量其总体逼近程度,告警信息漏报或误报时,配电网故障区段定位概率评估问题由求解概率描述开关函数问题转化为以馈线故障概率评估值0≤p(i)≤1为约束条件和以告警信息故障概率累加期望值与馈线分段开关因果馈线故障概率累加特性计算函数间残差平方和最小为优化目标的最小二乘问题,配电网的连续空间的故障区段定位的概率评估优化模型为:
其中,f(P)表示告警信息故障概率累加期望值与馈线分段开关因果馈线故障概率累加特性计算函数间残差平方和。
7.根据权利要求6所述的配电网容错性在线故障定位的概率评估方法,其特征在于,针对连续空间的故障区段定位概率评估优化模型的凸优化特性,直接采用非线性规划内点法决策求解,计算出所有馈线的故障概率。
8.根据权利要求1所述的配电网容错性在线故障定位的概率评估方法,其特征在于,所述步骤五中按照馈线故障概率由大到小的顺序进行馈线故障馈线切除,直到未监测到过电流告警信息时表示成功实现故障馈线的隔离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400671.6A CN111060780B (zh) | 2019-12-30 | 2019-12-30 | 一种配电网容错性在线故障定位的概率评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911400671.6A CN111060780B (zh) | 2019-12-30 | 2019-12-30 | 一种配电网容错性在线故障定位的概率评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060780A true CN111060780A (zh) | 2020-04-24 |
CN111060780B CN111060780B (zh) | 2022-01-28 |
Family
ID=70304972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911400671.6A Active CN111060780B (zh) | 2019-12-30 | 2019-12-30 | 一种配电网容错性在线故障定位的概率评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060780B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080273529A1 (en) * | 2004-01-12 | 2008-11-06 | Estibaliz Bear Chinea | Method for the Optimized Transmission of Data Bursts Between a Sending and a Receiving Network Node |
CN103278746A (zh) * | 2013-05-31 | 2013-09-04 | 华北电力大学 | 考虑不确定信息的电网故障诊断系统的实现方法 |
CN105785231A (zh) * | 2016-05-16 | 2016-07-20 | 河南工程学院 | 一种配电网在线故障容错性定位的线性整数规划方法 |
CN105929306A (zh) * | 2016-05-16 | 2016-09-07 | 河南工程学院 | 基于代数关系描述和互补理论的配电网故障定位方法 |
CN106526419A (zh) * | 2016-11-03 | 2017-03-22 | 河南工程学院 | 基于预测校正技术的配电网容错性在线故障定位方法 |
CN108931709A (zh) * | 2018-07-24 | 2018-12-04 | 华北电力大学 | 一种高容错率的配网故障定位方法 |
-
2019
- 2019-12-30 CN CN201911400671.6A patent/CN111060780B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080273529A1 (en) * | 2004-01-12 | 2008-11-06 | Estibaliz Bear Chinea | Method for the Optimized Transmission of Data Bursts Between a Sending and a Receiving Network Node |
CN103278746A (zh) * | 2013-05-31 | 2013-09-04 | 华北电力大学 | 考虑不确定信息的电网故障诊断系统的实现方法 |
CN105785231A (zh) * | 2016-05-16 | 2016-07-20 | 河南工程学院 | 一种配电网在线故障容错性定位的线性整数规划方法 |
CN105929306A (zh) * | 2016-05-16 | 2016-09-07 | 河南工程学院 | 基于代数关系描述和互补理论的配电网故障定位方法 |
CN106526419A (zh) * | 2016-11-03 | 2017-03-22 | 河南工程学院 | 基于预测校正技术的配电网容错性在线故障定位方法 |
CN108931709A (zh) * | 2018-07-24 | 2018-12-04 | 华北电力大学 | 一种高容错率的配网故障定位方法 |
Non-Patent Citations (4)
Title |
---|
MASASUMI KOKAWA等: "Fault Location Using Digraph and Inverse Direction Search with Application", 《AUTOMATICA》 * |
PAN ZHANG等: "A Fault Location Method in Distribution Networks with Fault-tolerant Ability Based on the Wrong-logic Region Detection", 《2016 IEEE PES ASIA-PACIFIC POWER AND ENERGY CONFERENCE》 * |
刘健等: "配电自动化主站的容错故障定位方法", 《电力系统保护与控制》 * |
郭壮志等: "配电网快速高容错性故障定位的线性整数规划方法", 《中国电机工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111060780B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109474067B (zh) | 一种电网调度故障处理辅助决策方法 | |
CN105785231B (zh) | 一种配电网在线故障容错性定位的线性整数规划方法 | |
CN111044846B (zh) | 一种复杂有源配电网容错性在线故障定位的概率评估方法 | |
CN110456234B (zh) | 故障电弧的检测方法、装置和系统 | |
CN111999605B (zh) | 基于故障相关性分析的配电网故障容错判定方法及装置 | |
CN103944162A (zh) | 一种基于实时预想事故集的配电网故障恢复方法 | |
CN111123028A (zh) | 一种基于分层模型的有源低压配电网故障定位优化方法 | |
CN113376476A (zh) | 一种基于phm的中低压配电网运维系统及方法 | |
CN111060780B (zh) | 一种配电网容错性在线故障定位的概率评估方法 | |
CN115112997A (zh) | 一种配电网故障区间定位方法、装置及终端设备 | |
CN113740666B (zh) | 一种数据中心电力系统告警风暴根源故障的定位方法 | |
CN111044847B (zh) | 基于概率评估的复杂配电网容错性在线故障定位方法 | |
CN103324845A (zh) | 一种基于不确定性推理的智能变电站开关状态估计方法 | |
CN115588961B (zh) | 一种基于配电网全模型保护的整定值自适应整定方法 | |
CN115825656B (zh) | 一种新能源光伏电站配电网的故障监测方法、装置及系统 | |
CN116975766A (zh) | 一种基于机器学习的配电网故障自愈方法和系统 | |
CN112415330A (zh) | 一种基于广域信息的电网故障智能辨识方法及系统 | |
CN113837423A (zh) | 基于能源互联网电力大数据的电网运行态势预测方法 | |
CN116739550A (zh) | 一种抢修智能辅助决策方法及系统 | |
CN104749493A (zh) | 基于规则树的电网故障设备分析推理方法 | |
CN114720819A (zh) | 一种基于自校验学习的故障区段二分定位方法 | |
CN108667013B (zh) | 一种多源异构配电网开关位置辨识分析方法 | |
CN112311090A (zh) | 适应5g通信网络的环形配电网分布式故障恢复方法及系统 | |
CN106709158B (zh) | 电网馈线自动化系统的性能提升方法 | |
CN117007912B (zh) | 配网线路停电分析方法、装置、设备及存储介质 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231226 Address after: 010000, 2nd floor, 201, Baoquan Village Agricultural Trade Market Settlement Center, Saihan District, Hohhot City, Inner Mongolia Autonomous Region Patentee after: Ketuo Energy Technology Co.,Ltd. Address before: 451191 Xianghe Road, Longhu Town, Zhengzhou City, Henan Province Patentee before: HENAN INSTITUTE OF ENGINEERING |
|
TR01 | Transfer of patent right |