CN111123034A - 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 - Google Patents
一种基于支路元件关联矩阵自动建模的电网故障诊断方法 Download PDFInfo
- Publication number
- CN111123034A CN111123034A CN201911335347.0A CN201911335347A CN111123034A CN 111123034 A CN111123034 A CN 111123034A CN 201911335347 A CN201911335347 A CN 201911335347A CN 111123034 A CN111123034 A CN 111123034A
- Authority
- CN
- China
- Prior art keywords
- protection
- line
- suspect
- fault
- power grid
- 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
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
Abstract
本发明公开了电力系统故障诊断技术领域的一种基于支路元件关联矩阵自动建模的电网故障诊断方法,旨在解决现有技术中基于解析模型的电网故障诊断方法在复杂故障以及考虑保护和断路器误动或拒动的情况下容易导致误诊的技术问题。所述方法包括如下步骤:确定目标电网的可疑故障元件;建立目标电网的支路元件关联矩阵;基于支路元件关联矩阵和可疑故障元件,确定可疑故障元件关联的保护和断路器,建立目标电网的故障假说,求取可疑故障元件所关联保护和断路器的期望状态,建立目标电网的目标函数;以目标函数最小为目标,求取目标电网的正确故障假说;基于正确故障假说,得到目标电网的真实故障元件及关联保护和断路器误动拒动的信息。
Description
技术领域
本发明涉及一种基于支路元件关联矩阵自动建模的电网故障诊断方法,属于电力系统故障诊断技术领域。
背景技术
电网故障诊断的基本任务是电网发生故障后,及时有效地判别出故障元件及切除故障过程,对于缩小停电范围、保障安全调控运行具有重要意义。目前,电网故障诊断方法主要包括专家系统、人工神经网络、Petri网、解析模型、粗糙集理论和多源信息融合等。其中,基于解析模型的电网故障诊断是将故障问题表示为整数规划问题,是一种基于数学模型的诊断方法,建立目标函数后采用智能算法求解,具有较强的理论依据和数学基础。传统解析模型以可疑元件的状态作为故障假说,目标函数为求保护与断路器的实际状态和期望状态的最小偏差,但在复杂故障以及考虑保护和断路器误动或拒动的情况下容易导致误诊。现有的建模方法运算复杂,工作量冗杂,为实现解析模型目标函数的自动建模,已有学者运用拓扑结构进行建模,实现方便但矩阵运算复杂。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于支路元件关联矩阵自动建模的电网故障诊断方法,以解决现有技术中基于解析模型的电网故障诊断方法在复杂故障以及考虑保护和断路器误动或拒动的情况下容易导致误诊的技术问题。
为解决上述技术问题,本发明所采用的技术方案是:
一种基于支路元件关联矩阵自动建模的电网故障诊断方法,包括如下步骤:
基于目标电网的告警信息,确定目标电网的可疑故障元件;
基于目标电网的系统结构和保护配置,建立目标电网的支路元件关联矩阵;
基于支路元件关联矩阵和可疑故障元件,确定可疑故障元件关联的保护和断路器;
基于可疑故障元件以及其关联的保护和断路器,建立目标电网的故障假说;
基于故障假说,求取可疑故障元件所关联保护和断路器的期望状态;
基于期望状态,建立目标电网的目标函数;
以目标函数最小为目标,基于故障假说求取目标电网的正确故障假说;
基于正确故障假说,得到目标电网的真实故障元件。
进一步地,还包括:基于正确故障假说,得到目标电网误动或拒动的保护或/和断路器。
进一步地,可疑故障元件包括目标电网的可疑母线或/和可疑线路。
进一步地,所述保护包括主保护、近后备保护、远后备保护中的至少任一项。
进一步地,基于支路元件关联矩阵和可疑故障元件,确定可疑故障元件关联的保护和断路器,包括:
基于支路元件关联矩阵,建立目标电网的断路器保护关联矩阵和元件关联保护矩阵;
基于元件关联保护矩阵,确定所述可疑故障元件关联的保护;
基于断路器保护关联矩阵,确定所述可疑故障元件关联的保护所出口的断路器,作为可疑故障元件关联的断路器。
进一步地,所述元件关联保护矩阵包括母线关联保护矩阵和线路关联保护矩阵。
进一步地,还包括:将支路元件关联矩阵中的元素置换为对应元件和断路器的状态,获取目标电网的支路元件状态矩阵。
进一步地,所述正确故障假说的求取方法,包括改进模拟植物生长算法。
进一步地,所述目标函数,其计算公式如下:
E(H)=w1E1(H)+w2E2(H),其中,
式中,E(H)为目标函数,H为目标电网的故障假说,E1(H)为保护和断路器的实际状态与期望状态的偏差,E2(H)为故障假说中误动或拒动的保护和断路器的数量之和,w1为E1(H)的权重,w2为E2(H)的权重,且w1>>w2;nQB为可疑母线的数量,nQL为可疑线路的数量,为与可疑线路关联的线路远后备保护的数量,nc为与可疑故障元件关联的断路器的数量,nr为与可疑故障元件关联的保护的数量;rib为与可疑母线i关联的母线主保护的实际状态,为与可疑母线i关联的母线主保护的期望状态,ris为与可疑母线i关联的母线后备保护的实际状态,为与可疑母线i关联的母线后备保护的期望状态,rjm为与可疑线路j关联的线路主保护的实际状态,为与可疑线路j关联的线路主保护的期望状态,rjp为与可疑线路j关联的线路近后备保护的实际状态,为与可疑线路j关联的线路近后备保护的期望状态,rjs为与可疑线路j关联的线路远后备保护的实际状态,为与可疑线路j关联的线路远后备保护的期望状态,rks为与可疑线路关联的远后备保护的实际状态,为与可疑线路关联的远后备保护的期望状态;R(rib)为与可疑母线i关联的后备保护的集合,R(rjm)为与可疑线路j关联的线路远后备保护的集合,R(rjp)也为与可疑线路j关联的线路远后备保护的集合;ch为与可疑故障元件关联的断路器的实际状态,为与可疑故障元件关联的断路器的期望状态;fg为与可疑故障元件关联的保护和断路器是否误动的状态,mg为与可疑故障元件关联的保护和断路器是否拒动的状态;表示连或运算。
与现有技术相比,本发明所达到的有益效果:本发明方法采用改进解析模型,针对可疑母线和可疑线路分别建模,同时引入修正因子和故障假说最小化指标,避免了诊断结果不唯一,且能够有效识别误报或漏报的告警信息;通过构建支路元件关联矩阵,并在此基础上依据保护动作规则和断路器动作规则建立了断路器保护关联矩阵和元件关联保护矩阵,可以方便地统计出与可疑元件关联的保护和断路器,并求出其期望状态进而生成目标函数,适用于不同规模的电网;采用改进模拟植物生长算法求解,诊断结果正确的同时提高了诊断效率。
附图说明
图1是本发明实施例中IEEE14节点电力系统的结构示意图;
图2是本发明实施例中IEEE14节点电力系统的支路元件关联矩阵;
图3是本发明实施例中IEEE14节点电力系统的支路元件状态矩阵;
图4是本发明实施例中IEEE14节点电力系统的断路器保护关联矩阵;
图5是本发明实施例中IEEE14节点电力系统的母线关联保护矩阵;
图6是本发明实施例中IEEE14节点电力系统的线路关联保护矩阵;
图7是故障场景1中搜索远后备保护L7Rs关联元件及关联路径的示意图;
图8是本发明实施例中所述改进模拟植物生长算法(MPGSA)的流程示意图;
图9是本发明实施例的故障诊断流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明具体实施方式提供了一种基于支路元件关联矩阵自动建模的电网故障诊断方法,包括以下步骤:
步骤一,由SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制系统)得到告警信息,基于该告警信息采用结线分析法确定可疑元件。
步骤二,根据电力系统结构及保护配置,建立支路元件关联矩阵和断路器保护关联矩阵,并通过搜索支路元件关联矩阵建立支路元件状态矩阵和元件关联保护矩阵,所述元件关联保护矩阵包括母线关联保护矩阵和线路关联保护矩阵。本实施例中,以IEEE14节点电力系统为例进行具体描述。如图1所示,是本发明实施例中IEEE14节点电力系统的结构示意图,该系统电网中共有20条线路(L1~L20)、14条母线(B1~B14)、40个断路器(CB1~CB40)。该IEEE14节点电力系统的矩阵描述如图2~图6所示,具体包括步骤21)~步骤25):
步骤21):基于图1所示IEEE14节点电力系统结构及保护配置,建立支路元件关联矩阵。如图2所示,是本发明实施例中IEEE14节点电力系统的支路元件关联矩阵。该矩阵的行数为20,即图1中线路的数量,每一行元素反映该行所代表线路的连接信息。该矩阵的列数为5,第一列元素为线路的编号,第二列元素为线路送端断路器的编号,第三列元素为线路受端断路器的编号,第四列元素为线路送端母线的编号,第五列元素为线路受端母线的编号。一条线路的连接信息为一行,20条线路的连接信息依次排列,构成图2所示支路元件关联矩阵;
步骤22):基于图1所示IEEE14节点电力系统结构及保护配置,建立断路器保护关联矩阵。如图4所示,是本发明实施例中IEEE14节点电力系统的断路器保护关联矩阵。该矩阵的行数为40,即断路器的数量,每一行元素是以该行所代表断路器为出口的保护名称。该矩阵的列数为4,第一列元素是以该行所代表断路器为出口的母线主保护名称,第二、三、四列元素依次是以该行所代表断路器为出口的线路主保护、近后备保护、远后备保护的名称。以同一个断路器为出口的保护为一行,40个断路器依次排列,构成图4所示断路器保护关联矩阵;
步骤23):将图2所示支路元件关联矩阵中的元素置换为对应元件和断路器的状态,得到支路元件状态矩阵,如图3所示,是本发明实施例中IEEE14节点电力系统的支路元件状态矩阵;
步骤24):搜索图2所示支路元件关联矩阵,构建母线关联保护矩阵,如图5所示,是本发明实施例中IEEE14节点电力系统的母线关联保护矩阵。具体包括步骤241)~步骤244):
步骤241):统计系统电网中母线数量,母线数量即图5所示母线关联保护矩阵的行数。该矩阵中,每一行元素为该行代表的母线关联的所有保护,其中第一列为该母线的主保护,其余列为该母线直接相连线路的远后备保护。搜索与母线直接相连线路的远后备保护的过程,如步骤242)~步骤244):
步骤242):逐行搜索图2所示支路元件关联矩阵,找到某母线所在位置;
步骤243):若该母线位于图2所示支路元件关联矩阵的第4(5)列,则该母线所连线路的受(送)端远后备保护为该母线的后备保护;将搜索得到的该母线直接相连线路的远后备保护名称,自动添加至图5所示母线关联保护矩阵中该母线所在的行;
步骤244):转至步骤242),直至搜索完所有母线为止。
步骤25):搜索图2所示支路元件关联矩阵和图4所示断路器保护关联矩阵,构建线路关联保护矩阵,如图6所示,是本发明实施例中IEEE14节点电力系统的线路关联保护矩阵,具体包括步骤251)~步骤254):
步骤251):统计系统电网中线路数量,线路数量即图6所示线路关联保护矩阵的行数。该矩阵中,每一行元素为该行所代表线路关联的所有保护。前六列元素为该线路本身配置的主保护、近后备保护、远后备保护,其余列元素为该线路相邻线路的远后备保护。相邻线路的远后备保护的搜索过程,如步骤252)~步骤254):
步骤252):逐行搜索图2所示支路元件关联矩阵,得到某线路所连接的送端和受端母线名称,线路所连送(受)端母线为该线路所在行的第4(5)列元素;
步骤253):搜索图5所示母线关联保护矩阵,得到该线路所连的送端和受端母线关联的线路远后备保护名称,自动添加至图6所示线路关联保护矩阵中该线路所在的行,并删除重复的元素;
步骤254):转至步骤252),直至搜索完所有母线为止。
步骤三,建立故障假说H,具体包括步骤31)~步骤33):
步骤31):搜索元件关联保护矩阵,确定与可疑元件关联的保护集合,具体包括步骤311)~步骤313):
步骤311):若某母线为可疑元件,则扫描图5所示母线关联保护矩阵,该母线所在行的所有保护,即为与该母线关联的保护;
步骤312):若某线路为可疑元件,则扫描图6所示线路关联保护矩阵,该线路所在行的所有保护,即为与该线路关联的保护;
步骤313):将所有可疑母线关联的保护和可疑线路关联的保护求并集,得到与可疑元件关联的保护集合。
步骤32):搜索图4所示断路器保护关联矩阵,确定与可疑元件关联的断路器集合,具体包括步骤321)~步骤322):
步骤321):逐行扫描图4所示断路器保护关联矩阵,某保护所在行代表的断路器即为该保护出口的断路器;
步骤322):转至步骤321),直至搜索完所有保护为止。
步骤33):利用式(1)建立故障假说,所述式(1)如下:
H=[S,F,M] (1)
式(1)中,H为故障假说,S为可疑元件是否故障的状态,F为关联保护和断路器是否误动的状态,M为关联保护和断路器是否拒动的状态。S=[s1,...,sk,...,sn],其中sk=1/0,表示可疑元件k故障/正常;其中表示保护ri(断路器cj)误动/正常;其中表示保护ri(断路器cj)拒动/正常;n为可疑元件的数量,nr(nc)表示与可疑元件关联的保护(断路器)的数量。
步骤四,自动建模,得到目标函数,具体包括步骤41)~步骤43):
步骤41):不计及误动或拒动,利用式(2)至式(6)求关联的保护和断路器的期望状态,所述式(2)至式(6)如下:
母线主保护rib的期望状态为:
线路主保护rjm的期望状态为:
线路近后备保护rjp的期望状态为:
线路远后备保护rks的期望状态与本线路状态、末端母线状态、直接相邻线路状态均有关。考虑远后备保护的不同保护范围,求取远后备保护期望状态的基本思路为:
1)保护本线路时,线路远后备保护的期望状态为:
2)保护末端母线时,搜索图2所示支路元件关联矩阵,得到路径上的断路器名称。若所求保护为线路送(受)端远后备保护,其末端母线为该线路所在行的第五(四)列元素,路径上的断路器为该线路所在行的第三(二)列元素。在搜索找到元件和断路器在支路元件关联矩阵中的位置后,对应状态为支路元件状态矩阵相同位置的元素值。其期望状态为:
3)保护所连线路时,搜索支路元件关联矩阵得到路径上的断路器名称。若所求保护为线路送端远后备保护,先搜索到其末端母线并得到路径上的断路器,再从末端母线出发搜索到末端母线连接的其他线路并得到路径上的断路器,若所求保护为线路受端远后备保护,搜索方法相似不作赘述。若有多条线路,则分别求期望后再求或。其期望状态为:
式(7)中,a3为线路远后备保护rks保护所连线路时的期望状态,表示连或运算,即项后面的元素不全为0时,结果为1;sl为本线路所连线路的状态,为本线路到所连线路的路径上断路器的状态,Z(rks)为保护rks的保护范围内的线路集合。
综上,三种情况只要发生其一,线路远后备保护都应动作,因此线路远后备保护期望状态为:
断路器ch的期望状态为:
步骤42):排除矛盾的故障假说,针对合理的故障假说求计及误动或拒动的关联保护和断路器的期望状态,具体过程如表1所示,表达式如式(10)、(11):
表1:保护和断路器的期望状态计算
表1中,为未计及误动或拒动的保护ri的期望状态,为未计及误动或拒动的断路器cj的期望状态,为保护ri是否拒动的状态,为断路器cj是否拒动的状态,为保护ri是否误动的状态,为断路器cj是否误动的状态,为计及误动或拒动的保护ri的期望状态,为计及误动或拒动的断路器cj的期望状态。
计及误动或拒动的关联保护和断路器的期望状态为:
步骤43):利用式(12)建立改进的目标函数,所述式(12)为:
E(H)=w1E1(H)+w2E2(H) (12)
其中,
E1(H)为保护与断路器的实际状态和期望状态的偏差,针对可疑母线和可疑线路分别建模。E1(H)中第一项表示母线主保护动作对目标函数的影响,和表示与可疑母线i关联的母线主保护和后备保护的实际(期望)状态,R(rib)表示与可疑母线i关联的后备保护的集合;当母线主保护拒动时,将增大目标函数值,而修正因子将消除这种影响。E1(H)中第二项至第四项分别表示线路主保护、近后备保护、远后备保护动作对目标函数的影响,表示与可疑线路j关联的线路主保护、近后备保护、远后备保护的实际(期望)状态,R(rjm)表示与可疑线路j关联的线路远后备保护的集合,修正因子和的作用与相同。E1(H)中第五项表示断路器动作对目标函数的影响,表示与可疑元件关联的断路器的实际(期望)状态。R(rjp)表示与可疑线路j关联的线路远后备保护的集合,表示与可疑线路关联的远后备保护的实际(期望)状态,fg表示与可疑故障元件关联的保护和断路器是否误动的状态,mg表示与可疑故障元件关联的保护和断路器是否拒动的状态,w1表示E1(H)的权重,w2表示E2(H)的权重。
E2(H)为故障假说中误动和拒动的保护和断路器的数量之和,E2(H)越小,即误动和拒动的保护和断路器总数越少,目标函数越小,故障假说H越可信。权值w1>>w2,取w1=100,w2=1。
步骤五,采用改进模拟植物生长算法(Modified Plant Growth SimulationAlgorithm,MPGSA)求解,得到正确的故障假说Hbest=[Sbest,Fbest,Mbest],式中,Sbest表示可疑故障元件的真实故障状态,Fbest表示关联保护和断路器是否误动的真实状态,Mbest表示关联保护和断路器是否拒动的真实状态。如图8所示,是本发明实施例中所述改进模拟植物生长算法(MPGSA)的流程示意图,具体包括步骤51)至步骤58):
步骤51):选取初始生长点x0,步长dx,初始化最优解变量Xmin=x0和最优函数值Fmin=f(x0);
步骤52):以dx为步长进行生长搜索,获得本次生长后可行域空间内的可生长点,加入到可生长点集合SM中;
步骤53):计算各新可生长点的目标函数值,更新Xmin及Fmin的值;
步骤55):判断可生长点集合SM是否为空集;如果是空集,则输出Xmin及Fmin的值;如果不是空集,则转向步骤56)至步骤58):
步骤56):采用改进的形态素浓度计算公式(13)和(14),计算SM中各生长点的形态素浓度值,所述式(13)和式(14)为:
式中,SM=(SM1,......,SMi,......,SMK),为树干M上的K个初始生长点,每个生长点的形态素浓度为PM=(PM1,......,PMi,......,PMK);Sm=(Sm1,......,Smj,......,Smq),为树枝m上的q个新生长点,每一个生长点的形态素浓度为Pm=(Pm1,......,Pmj,......,Pmq)。此式将原形态素浓度公式中的f(x0)替换为f(x0)为初始生长点的目标函数值,为第n-1次(上一次)生长过程中所选生长点对应的函数值;
步骤57):[0,1]之间任选一个随机数,在状态空间中选取下一个生长点,并将此点从SM中剔除;
步骤58):淘汰形态素浓度值小于所选生长点的劣质生长点,转至步骤52)。
步骤六,由正确的故障假说可得到真实的故障元件,以及误动或拒动的保护和断路器信息。
步骤七,根据正确的故障假说,求出对应的保护和断路器的期望状态,与告警状态对比,得到漏报或误报的告警信息;若期望状态为1,告警状态为0,则对应保护或断路器的告警信息被漏报;若期望状态为0,告警状态为1,则对应保护或断路器的告警信息为误报。
下面,基于图1所示IEEE14节点电力系统结构及保护配置,通过两个故障场景对本发明方法作进一步描述。
故障场景1:母线B7和B10发生故障,保护B7m动作跳开CB13、CB15、CB18,B10m动作跳开CB35、CB40,但CB35拒动,由L18Rs动作跳开CB36,切除故障;
告警信息:断路器CB13、CB15、CB18、CB36和CB40动作,保护B7m、B10m和L18Rs动作。
由前述步骤一,基于告警信息采用结线分析法确定停电区域内可疑元件集合为{B7,B10,L18};
由前述步骤二,构建图2所示支路元件关联矩阵、图3所示支路元件状态矩阵、图4所示断路器保护关联矩阵、图5所示母线关联保护矩阵、图6所示线路关联保护矩阵;
由前述步骤31),搜索图5所示母线关联保护矩阵和图6所示线路关联保护矩阵,确定与可疑元件关联的保护集合为{B7m,B10m,L18Sm,L18Rm,L18Sp,L18Rp,L7Rs,L8Rs,L9Ss,L14Ss,L18Ss,L18Rs,L20Ss};
由前述步骤32),搜索图4所示断路器保护关联矩阵,确定与可疑元件关联的断路器集合为{CB13,CB14,CB15,CB16,CB17,CB18,CB27,CB35,CB36,CB39,CB40};
由前述步骤33),确立故障假说为:
H=[sB7,sB10,sL18,fB7m,fB10m,fL18Sm,fL18Rm,fL18Sp,fL18Rp,fL7Rs,fL8Rs,fL9Ss,fL14Ss,fL18Ss,fL18Rs,fL20Ss,fCB13,fCB14,fCB15,fCB16,fCB17,fCB18,fCB27,fCB35,fCB36,fCB39,fCB40,mB7m,mB10m,mL18Sm,mL18Rm,mL18Sp,mL18Rp,mL7Rs,mL8Rs,mL9Ss,mL14Ss,mL18Ss,mL18Rs,mL20Ss,mCB13,mCB14,mCB15,mCB16,mCB17,mCB18,mCB27,mCB35,mCB36,mCB39,mCB40]
由前述步骤41),不计及误动或拒动,求关联的保护和断路器的期望状态,其中,主保护和近后备保护的期望状态如下:
aB7m=sB7,
aB10m=sB10,
aL18Sm=sL18,
aL18Rm=sL18,
由于远后备保护涉及三层保护范围,要通过搜索图2所示支路元件关联矩阵得到其保护范围内的关联元件及关联路径上断路器。以保护L7Rs为例,搜索图2所示支路元件关联矩阵的过程如图7所示。由图7可以看出,L7到达末端母线B7的路径上有断路器CB13,L7到达下游线路L8的路径上有断路器CB13和CB15,L7到达下游线路L9的路径上有断路器CB13和CB18,所以L7Rs的期望状态表达式为:
同理,其余远后备保护的期望状态表达式为:
在所有关联保护的期望状态都获取以后,断路器的期望状态也很容易得到:
由前述步骤42),通过逻辑运算得到计及误动或拒动的关联保护和断路器的期望状态,由前述步骤43)得到目标函数;
由前述步骤五的改进模拟植物生长算法(MPGSA)求解目标函数,得最优解为:
Hbest=[1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0]
由前述步骤六,从正确的故障假说可以得到B7,B10故障,CB35拒动;
由前述步骤七,求出正确的故障假说对应的保护和断路器的期望状态,结果为:
与告警信息对比,可知没有发生告警信息误报或漏报,诊断结束,诊断结果正确。
故障场景2:母线B11和线路L4发生故障,保护B11m动作跳开CB28、CB36,但B11m漏报;保护L4Sm动作跳开CB7,保护L4Rm动作跳开CB8;
告警信息:断路器CB7、CB8、CB28和CB36动作,保护L4Sm、L4Rm动作。
由前述步骤一,基于告警信息采用结线分析法确定停电区域内可疑元件集合为{B11,L4};
由前述步骤二,构建图2所示支路元件关联矩阵、图3所示支路元件状态矩阵、图4所示断路器保护关联矩阵、图5所示母线关联保护矩阵、图6所示线路关联保护矩阵;
由前述步骤31),搜索图5所示母线关联保护矩阵和图6所示线路关联保护矩阵,确定与可疑元件关联的保护集合为{B11m,L4Sm,L4Rm,L4Sp,L4Rp,L1Ss,L3Rs,L4Ss,L4Rs,L5Rs,L6Ss,L9Rs,L10Rs,L11Rs,L14Ss,L18Ss};
由前述步骤32),搜索图4所示断路器保护关联矩阵,确定与可疑元件关联的断路器集合为{CB1,CB6,CB7,CB8,CB10,CB11,CB18,CB20,CB22,CB27,CB28,CB35,CB36};
由步骤33)确立故障假说为:
H=[sB11,sL4,fB11m,fL4Sm,fL4Rm,fL4Sp,fL4Rp,fL1Ss,fL3Rs,fL4Ss,fL4Rs,fL5Rs,fL6Ss,fL9Rs,fL10Rs,fL11Rs,fL14Ss,fL18Ss,fCB1,fCB6,fCB7,fCB8,fCB10,fCB11,fCB18,fCB20,fCB22,fCB27,fCB28,fCB35,fCB36,mB11m,mL4Sm,mL4Rm,mL4Sp,mL4Rp,mL1Ss,mL3Rs,mL4Ss,mL4Rs,mL5Rs,mL6Ss,mL9Rs,mL10Rs,mL11Rs,mL14Ss,mL18Ss,mCB1,mCB6,mCB7,mCB8,mCB10,mCB11,mCB18,mCB20,mCB22,mCB27,mCB28,mCB35,mCB36]
由前述步骤41),不计及误动或拒动,求关联的保护和断路器的期望状态,其中,主保护和近后备保护的期望状态如下:
aB11m=sB11,
aL4Sm=sL4,
aL4Rm=sL4,
远后备保护期望状态的求取方法与故障场景1中相同:
在所有关联保护的期望状态都获取以后,断路器的期望状态也很容易得到:
由前述步骤42),通过逻辑运算得到计及误动或拒动的关联保护和断路器的期望状态,由前述步骤43)得到目标函数;
由前述步骤五的改进模拟植物生长算法(MPGSA)求解目标函数,得最优解为:
Hbest=[1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
由前述步骤六,从正确的故障假说可以得到B11,L4故障;
由前述步骤七,求出正确的故障假说对应的保护和断路器的期望状态,结果为:
与告警信息对比可知保护B11m漏报,诊断结束,诊断结果正确。
通过两个故障场景的仿真可以看到,本发明提出的基于支路元件关联矩阵自动建模的电网故障诊断优化模型,适用于不同规模的电网;在电网发生复杂故障以及计及保护和断路器误动或拒动的情况下,均能准确诊断出真实故障元件,容错性强;且能够识别出错误的告警信息,诊断结果完备。
综上所述,本发明方法采用改进解析模型,针对可疑母线和可疑线路分别建模,同时引入修正因子和故障假说最小化指标,避免了诊断结果不唯一,且能够有效识别误报或漏报的告警信息;通过构建支路元件关联矩阵,并在此基础上依据保护动作规则和断路器动作规则建立了断路器保护关联矩阵和元件关联保护矩阵,可以方便地统计出与可疑元件关联的保护和断路器,并求出其期望状态进而生成目标函数,适用于不同规模的电网;采用改进模拟植物生长算法求解,诊断结果正确的同时提高了诊断效率。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,包括如下步骤:
基于目标电网的告警信息,确定目标电网的可疑故障元件;
基于目标电网的系统结构和保护配置,建立目标电网的支路元件关联矩阵;
基于支路元件关联矩阵和可疑故障元件,确定可疑故障元件关联的保护和断路器;
基于可疑故障元件以及其关联的保护和断路器,建立目标电网的故障假说;
基于故障假说,求取可疑故障元件所关联保护和断路器的期望状态;
基于期望状态,建立目标电网的目标函数;
以目标函数最小为目标,基于故障假说求取目标电网的正确故障假说;
基于正确故障假说,得到目标电网的真实故障元件。
2.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,还包括:基于正确故障假说,得到目标电网误动或拒动的保护或/和断路器。
3.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,可疑故障元件包括目标电网的可疑母线或/和可疑线路。
4.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,所述保护包括主保护、近后备保护、远后备保护中的至少任一项。
5.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,基于支路元件关联矩阵和可疑故障元件,确定可疑故障元件关联的保护和断路器,包括:
基于支路元件关联矩阵,建立目标电网的断路器保护关联矩阵和元件关联保护矩阵;
基于元件关联保护矩阵,确定所述可疑故障元件关联的保护;
基于断路器保护关联矩阵,确定所述可疑故障元件关联的保护所出口的断路器,作为可疑故障元件关联的断路器。
6.根据权利要求5所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,所述元件关联保护矩阵包括母线关联保护矩阵和线路关联保护矩阵。
7.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,还包括:将支路元件关联矩阵中的元素置换为对应元件和断路器的状态,获取目标电网的支路元件状态矩阵。
8.根据权利要求1所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,所述正确故障假说的求取方法,包括改进模拟植物生长算法。
9.根据权利要求3所述的基于支路元件关联矩阵自动建模的电网故障诊断方法,其特征是,所述目标函数,其计算公式如下:
E(H)=w1E1(H)+w2E2(H),其中,
式中,E(H)为目标函数,H为目标电网的故障假说,E1(H)为保护和断路器的实际状态与期望状态的偏差,E2(H)为故障假说中误动或拒动的保护和断路器的数量之和,w1为E1(H)的权重,w2为E2(H)的权重,且w1>>w2;nQB为可疑母线的数量,nQL为可疑线路的数量,为与可疑线路关联的线路远后备保护的数量,nc为与可疑故障元件关联的断路器的数量,nr为与可疑故障元件关联的保护的数量;rib为与可疑母线i关联的母线主保护的实际状态,为与可疑母线i关联的母线主保护的期望状态,ris为与可疑母线i关联的母线后备保护的实际状态,为与可疑母线i关联的母线后备保护的期望状态,rjm为与可疑线路j关联的线路主保护的实际状态,为与可疑线路j关联的线路主保护的期望状态,rjp为与可疑线路j关联的线路近后备保护的实际状态,为与可疑线路j关联的线路近后备保护的期望状态,rjs为与可疑线路j关联的线路远后备保护的实际状态,为与可疑线路j关联的线路远后备保护的期望状态,rks为与可疑线路关联的远后备保护的实际状态,为与可疑线路关联的远后备保护的期望状态;R(rib)为与可疑母线i关联的后备保护的集合,R(rjm)为与可疑线路j关联的线路远后备保护的集合,R(rjp)也为与可疑线路j关联的线路远后备保护的集合;ch为与可疑故障元件关联的断路器的实际状态,为与可疑故障元件关联的断路器的期望状态;fg为与可疑故障元件关联的保护和断路器是否误动的状态,mg为与可疑故障元件关联的保护和断路器是否拒动的状态;表示连或运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335347.0A CN111123034B (zh) | 2019-12-23 | 2019-12-23 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335347.0A CN111123034B (zh) | 2019-12-23 | 2019-12-23 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111123034A true CN111123034A (zh) | 2020-05-08 |
CN111123034B CN111123034B (zh) | 2022-06-14 |
Family
ID=70501594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911335347.0A Active CN111123034B (zh) | 2019-12-23 | 2019-12-23 | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123034B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986722A (zh) * | 2021-01-29 | 2021-06-18 | 南京邮电大学 | 一种船舶岸电故障诊断方法及装置 |
CN113325266A (zh) * | 2021-05-19 | 2021-08-31 | 国网辽宁省电力有限公司 | 基于模糊积分多源信息融合的电网故障诊断方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000048277A (ja) * | 1998-03-16 | 2000-02-18 | Kdd Corp | 障害個所推定方法 |
CN101562339A (zh) * | 2009-05-08 | 2009-10-21 | 东南大学 | 基于成功流的配电系统可靠性指标计算方法 |
CN102496066A (zh) * | 2011-12-03 | 2012-06-13 | 重庆大学 | 一种中压配电网可靠性评估方法 |
CN104237688A (zh) * | 2014-09-17 | 2014-12-24 | 三峡大学 | 考虑多重保护配置下的电网故障诊断解析模型 |
CN106597845A (zh) * | 2016-11-09 | 2017-04-26 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
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 |
-
2019
- 2019-12-23 CN CN201911335347.0A patent/CN111123034B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000048277A (ja) * | 1998-03-16 | 2000-02-18 | Kdd Corp | 障害個所推定方法 |
CN101562339A (zh) * | 2009-05-08 | 2009-10-21 | 东南大学 | 基于成功流的配电系统可靠性指标计算方法 |
CN102496066A (zh) * | 2011-12-03 | 2012-06-13 | 重庆大学 | 一种中压配电网可靠性评估方法 |
CN104237688A (zh) * | 2014-09-17 | 2014-12-24 | 三峡大学 | 考虑多重保护配置下的电网故障诊断解析模型 |
CN106597845A (zh) * | 2016-11-09 | 2017-04-26 | 同济大学 | 一种基于多目标优化的输电网故障诊断方法 |
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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986722A (zh) * | 2021-01-29 | 2021-06-18 | 南京邮电大学 | 一种船舶岸电故障诊断方法及装置 |
CN113325266A (zh) * | 2021-05-19 | 2021-08-31 | 国网辽宁省电力有限公司 | 基于模糊积分多源信息融合的电网故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111123034B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112217202B (zh) | 考虑灵活性投资的分布式新能源、储能与配电网规划方法 | |
CN107609725B (zh) | 一种考虑变电站影响的输电网风险评估方法 | |
Xiong et al. | A new approach to fault diagnosis of power systems using fuzzy reasoning spiking neural P systems | |
CN109633372B (zh) | 一种基于膜系统的电力系统故障自动诊断方法 | |
CN111123034B (zh) | 一种基于支路元件关联矩阵自动建模的电网故障诊断方法 | |
CN107769202B (zh) | 计及天气模型的基于模糊Petri网的配电网可靠性评估方法 | |
CN105932775B (zh) | 一种信息系统对微电网运行可靠性影响的分析方法 | |
CN107632590B (zh) | 一种基于优先级的底事件排序方法 | |
CN103995215A (zh) | 一种基于多层次反馈调整的智能电网故障诊断方法 | |
CN111159922B (zh) | 一种电力系统连锁故障的关键线路辨识方法和装置 | |
CN102854439A (zh) | 采用故障信息组群技术协调电网综合故障信息分析的方法 | |
CN106771848A (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN107491876A (zh) | 一种智能变电站保护系统的风险评估方法 | |
CN114254818A (zh) | 一种基于风险评估模型的低压配电网连锁故障预警方法 | |
CN115347562A (zh) | 一种ai技术下配电网抢修快速抵达方法 | |
CN112332420B (zh) | 电力系统风险评估中的分层负荷削减量确定装置及方法 | |
CN113346484A (zh) | 一种考虑暂态不确定性的配电网弹性提升方法及系统 | |
CN112965990A (zh) | 低压联络柜故障解决方案生成方法、装置 | |
CN107179688A (zh) | 考虑蒙特卡罗状态抽样截尾的电力系统可靠性分析方法 | |
CN114187132A (zh) | 一种变电站监控信息特征选择方法、存储介质和设备 | |
CN116632821A (zh) | 一种基于sdn的配电网信息物理协同恢复方法及系统 | |
CN112986722A (zh) | 一种船舶岸电故障诊断方法及装置 | |
CN109888338B (zh) | 基于统计的sofc供气故障检测方法及设备 | |
CN112462187A (zh) | 一种计及ftu漏报和误报的配电网故障分层定位方法和装置 | |
CN111651889A (zh) | 输电系统高风险事件筛选方法、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 |