CN111413581A - 一种考虑智能电表信息的配电网故障精确定位方法 - Google Patents
一种考虑智能电表信息的配电网故障精确定位方法 Download PDFInfo
- Publication number
- CN111413581A CN111413581A CN202010196772.2A CN202010196772A CN111413581A CN 111413581 A CN111413581 A CN 111413581A CN 202010196772 A CN202010196772 A CN 202010196772A CN 111413581 A CN111413581 A CN 111413581A
- Authority
- CN
- China
- Prior art keywords
- fault
- distribution network
- power distribution
- positioning
- information
- 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 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 239000013256 coordination polymer Substances 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
Abstract
本发明公开了一种考虑智能电表信息的配电网故障精确定位方法,包括以下步骤:步骤S1:建立配电网故障定位的非线性定位模型;步骤S2:依据二进制线性转化原则,将区段定位的非线性定位模型转化为线性定位模型;步骤S3:故障发生后,按各个电源方向采集配电网中所有SFI的故障方向信息,并将这些信息上传到配电运营中心;步骤S4:将SFI的方向信息导入线性定位模型,利用CPLEX求解该线性定位模型,找出故障区段;步骤S5:读取故障区段内部智能电表的断电信息,确定故障的精确位置,本发明优点是:分布式电源接入的配电网故障定位中具有更高的可靠性,并且不仅可以定位出故障区段,而且还可以定位出更精准的故障位置。
Description
技术领域
本发明涉及配电网故障定位、隔离与供电恢复的技术领域,更具体地说是涉及考虑智能电表信息的配电网故障定位方法的技术领域。
背景技术
在极端环境下,如暴风、暴雨、雪灾等,配电网的弹性直接关系到配电网的供电可靠性,为了提高配电网在极端环境下的可靠性,需要增加配电网的弹性,随着科技的不断进步,智能设备如遥控开关、重合闸、SFI、智能电表等在配电网中大量使用,这些设备为配电网故障定位提供了新的研究背景。许多专家对基于SFI的配电网故障定位进行了研究,虽然取得了一些成果,但这些定位方法由于只利用了SFI的节点状态信息,导致其只能定位出故障区段,无法精确定位故障位置。
发明内容
为了解决以上问题,本发明提出一种在分布式电源接入的配电网故障定位中具有更高的可靠性,并且不仅可以定位出故障区段,而且还可以定位出更精准的故障位置的考虑智能电表信息的配电网故障精确定位方法。
本发明为了解决上述技术问题而采用的技术解决方案如下:
一种考虑智能电表信息的配电网故障精确定位方法,包括以下步骤:
步骤S1:建立配电网故障定位的非线性定位模型;非线性定位模型包括目标函数和约束条件,目标函数以故障区段、节点漏报和误报之和最少为原理构建,约束条件包括按主电源到故障点、分布式电源到故障点两种方向构建的区段状态约束、节点状态约束、节点状态的通信约束、多重故障约束、漏报与误报之间的逻辑约束;
步骤S2:依据二进制线性转化原则,将区段定位的非线性定位模型转化为线性定位模型;
步骤S3:故障发生后,按各个电源方向采集配电网中所有SFI的故障方向信息,并将这些信息上传到配电运营中心;
步骤S4:将SFI的方向信息导入线性定位模型,利用CPLEX求解该线性定位模型,找出故障区段;
步骤S5:读取故障区段内部智能电表的断电信息,确定故障的精确位置。
进一步地,所述步骤S1中,非线性定位模型的目标函数为:
其中,xi表示区段状态,fi、mi表示节点状态的漏报和误报;
所述步骤S1中,非线性定位模型的约束条件包含:
1)区段状态约束为:
其中,ΩORj表示保护设备动作后确定的故障区域,ΩPD表示保护设备;
2)节点状态约束为:
3)节点状态的通信约束为:
其中,表示配电网运行中心实际收到的不同故障方向确定的节点状态;表示主电源到故障点的节点漏报,表示分布式电源到故障点的漏报;表示主电源到故障点的节点误报,表示分布式电源到故障点的误报;表示真实的节点漏报,表示真实的节点误报;
4)多重故障约束为:
5)漏报与误报之间的逻辑约束为:
将目标函数和约束条件合在一起,得到非线性定位模型为:
............................................
.....................................................................
.....................................................................
.....................................................................
.......................................
进一步地,所述步骤S5中,利用智能电表的断电信息确定故障的精确位置的步骤为:
1)智能电表断电,则状态编码为“1”,若不断电,则状态编码为“0”;
2)若配电变压器下游的所有智能电表中,有半数以上断电,则配电变压器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
3)若熔断器下游的所有配电变压器中,有半数以上断电,则熔断器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
4)若断路器下游的所有熔断器中,有半数以上断电,则断路器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”。
本发明采用上述技术解决方案所能达到的有益效果是:本发明的方法利用故障指示器采集的不同电源方向信息构建区段定位模型,在分布式电源接入配电网以后,从多个故障方向定位故障区段;在定位出故障区段以后,利用智能电表的断电信息,定位出故障的精确位置;从而在分布式电源接入的配电网故障定位中具有更高的可靠性,并且不仅可以定位出故障区段,而且还可以定位出更精准的故障位置。
附图说明
图1为20节点配电网结构图;
图2为配电网中主电源到故障点的故障电流分布图;
图3为配电网中DG1到故障点的故障电流分布图;
图4为配电网中DG2到故障点的故障电流分布图;
图5为故障区段供电侧面上的智能电表分布图。
具体实施方式
以20节点配电网模型作为本发明的实施例,如图1所示,该模型包含20个SFI,也就是20个节点,节点用SFI1-SFI20表示,这些节点将配电网分成20区段,区段用SL1-SL20表示,在区段SL16和SL20末端接入分布式电源DG1和DG2,DG1和DG2的容量设置分别为1.65MW和1.5MW。
一种考虑智能电表信息的配电网故障精确定位方法,包括以下步骤:
步骤S1:建立配电网故障定位的非线性定位模型;非线性定位模型包括目标函数和约束条件,目标函数以故障区段、节点漏报和误报之和最少为原理构建,约束条件包括按主电源到故障点、分布式电源到故障点两种方向构建的区段状态约束、节点状态约束、节点状态的通信约束、多重故障约束、漏报与误报之间的逻辑约束;
非线性定位模型的目标函数为:
其中,xi表示区段状态,fi、mi表示节点状态的漏报和误报;
非线性定位模型的约束条件包含:
1)区段状态约束为:
其中,ΩORj表示保护设备动作后确定的故障区域,ΩPD表示保护设备;
2)节点状态约束为:
3)节点状态的通信约束为:
其中,表示配电网运行中心实际收到的不同故障方向确定的节点状态;表示主电源到故障点的节点漏报,表示分布式电源到故障点的漏报;表示主电源到故障点的节点误报,表示分布式电源到故障点的误报;表示真实的节点漏报,表示真实的节点误报;
4)多重故障约束为:
5)漏报与误报之间的逻辑约束为:
将目标函数和约束条件合在一起,得到非线性定位模型为:
s.t.∑xi∈[9,10,11,12,13]-1≥0
xi∈[1,...,20]∩xi∈[1,...,20]=0
mi∈[1,...,20]∩fi∈[1,...,20]=0
步骤S2:依据二进制线性转化原则,将区段定位的非线性定位模型转化为线性定位模型;由非线性定位模型转化成的线性定位模型为:
............................................
.....................................................................
..................................................................
.....................................................................
.......................................
在本实施例中,将区段定位的非线性定位模型转化得到的线性定位模型为:
s.t.∑xi∈[9,10,11,12,13]-1≥0
............................................
.....................................................................
.....................................................................
.....................................................................
.......................................
1-mi∈[1,...,20]-fi∈[1,...,20]≥0
步骤S3:故障发生后,按各个电源方向采集配电网中所有SFI的故障方向信息,并将这些信息上传到配电运营中心;在区段SL11和SL17设置两重故障,按不同电源方向采集配电网中所有SFI的故障方向信息为:
ZS→F=[z1~z20]=[11100000111000001000]
ZDG1→F=[z1~z20]=[00100000111001111000]
ZDG2→F=[z1~z20]=[00110000111000001011]
步骤S4:将SFI的方向信息导入线性定位模型,利用CPLEX求解该线性定位模型,定位结果为:
X=[x1~x20]=[00000000001000001000];
F=[f1~f20]=[00000000000000000000];
M=[m1~m20]=[00000000000000001000];
根据定位结果,找出故障区段,从上述定位结果中可以发现:区段SL11和SL17发生了故障。
步骤S5:读取故障区段内部智能电表的断电信息,确定故障的精确位置。利用智能电表的断电信息确定故障的精确位置的步骤为:
1)智能电表断电,则状态编码为“1”,若不断电,则状态编码为“0”;
2)若配电变压器下游的所有智能电表中,有半数以上断电,则配电变压器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
3)若熔断器下游的所有配电变压器中,有半数以上断电,则熔断器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
4)若断路器下游的所有熔断器中,有半数以上断电,则断路器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”。
故障区段SL11和SL17内部包含五个供电侧面,如图5所示,读取这些侧面上的智能电表断电信息为:
S=[S1~S13]=[1111000010000]
根据定位步骤,确定区段SL11的故障发生在断面上游,SL17故障发生在熔断器FU6和配电变压器DT6之间。
Claims (4)
1.一种考虑智能电表信息的配电网故障精确定位方法,其特征在于包括以下步骤:
步骤S1:建立配电网故障定位的非线性定位模型;非线性定位模型包括目标函数和约束条件,目标函数以故障区段、节点漏报和误报之和最少为原理构建,约束条件包括按主电源到故障点、分布式电源到故障点两种方向构建的区段状态约束、节点状态约束、节点状态的通信约束、多重故障约束、漏报与误报之间的逻辑约束;
步骤S2:依据二进制线性转化原则,将区段定位的非线性定位模型转化为线性定位模型;
步骤S3:故障发生后,按各个电源方向采集配电网中所有SFI的故障方向信息,并将这些信息上传到配电运营中心;
步骤S4:将SFI的方向信息导入线性定位模型,利用CPLEX求解该线性定位模型,找出故障区段;
步骤S5:读取故障区段内部智能电表的断电信息,确定故障的精确位置。
2.根据权利要求1所述的一种考虑智能电表信息的配电网故障精确定位方法,其特征在于:所述步骤S1中,非线性定位模型的目标函数为:
其中,xi表示区段状态,fi、mi表示节点状态的漏报和误报;
所述步骤S1中,非线性定位模型的约束条件包含:
1)区段状态约束为:
其中,ΩORj表示保护设备动作后确定的故障区域,ΩPD表示保护设备;
2)节点状态约束为:
3)节点状态的通信约束为:
其中,表示配电网运行中心实际收到的不同故障方向确定的节点状态;表示主电源到故障点的节点漏报,表示分布式电源到故障点的漏报;表示主电源到故障点的节点误报,表示分布式电源到故障点的误报;表示真实的节点漏报,表示真实的节点误报;
4)多重故障约束为:
5)漏报与误报之间的逻辑约束为:
将目标函数和约束条件合在一起,得到非线性定位模型为:
4.根据权利要求1、2或3所述的一种考虑智能电表信息的配电网故障精确定位方法,其特征在于:所述步骤S5中,利用智能电表的断电信息确定故障的精确位置的步骤为:
1)智能电表断电,则状态编码为“1”,若不断电,则状态编码为“0”;
2)若配电变压器下游的所有智能电表中,有半数以上断电,则配电变压器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
3)若熔断器下游的所有配电变压器中,有半数以上断电,则熔断器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”;
4)若断路器下游的所有熔断器中,有半数以上断电,则断路器判定为断电,编码为“1”,否则,判定为非断电,编码为“0”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196772.2A CN111413581B (zh) | 2020-03-19 | 2020-03-19 | 一种考虑智能电表信息的配电网故障精确定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196772.2A CN111413581B (zh) | 2020-03-19 | 2020-03-19 | 一种考虑智能电表信息的配电网故障精确定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111413581A true CN111413581A (zh) | 2020-07-14 |
CN111413581B CN111413581B (zh) | 2023-08-25 |
Family
ID=71489104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196772.2A Active CN111413581B (zh) | 2020-03-19 | 2020-03-19 | 一种考虑智能电表信息的配电网故障精确定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111413581B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114859165A (zh) * | 2021-04-15 | 2022-08-05 | 贵州电网有限责任公司 | 一种基于广域通信法的直流配网故障区段定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006200948A (ja) * | 2005-01-18 | 2006-08-03 | Chugoku Electric Power Co Inc:The | 障害箇所検知システム、検出器、及び情報処理装置 |
CN105738769A (zh) * | 2016-03-31 | 2016-07-06 | 山东大学 | 基于分布参数模型的串联补偿双回线故障定位方法 |
CN105988064A (zh) * | 2015-11-25 | 2016-10-05 | 国网辽宁省电力有限公司锦州供电公司 | 可定位故障点的功能表及其对故障点位置定位的方法 |
JP2018046673A (ja) * | 2016-09-15 | 2018-03-22 | 東日本旅客鉄道株式会社 | 鉄道車両の地絡検出システム |
CN108919054A (zh) * | 2018-07-05 | 2018-11-30 | 国网上海市电力公司 | 基于负荷及分支线估计的智能配电网短路故障定位方法 |
CN109655718A (zh) * | 2019-02-25 | 2019-04-19 | 广东工业大学 | 一种配电网故障定位方法 |
-
2020
- 2020-03-19 CN CN202010196772.2A patent/CN111413581B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006200948A (ja) * | 2005-01-18 | 2006-08-03 | Chugoku Electric Power Co Inc:The | 障害箇所検知システム、検出器、及び情報処理装置 |
CN105988064A (zh) * | 2015-11-25 | 2016-10-05 | 国网辽宁省电力有限公司锦州供电公司 | 可定位故障点的功能表及其对故障点位置定位的方法 |
CN105738769A (zh) * | 2016-03-31 | 2016-07-06 | 山东大学 | 基于分布参数模型的串联补偿双回线故障定位方法 |
JP2018046673A (ja) * | 2016-09-15 | 2018-03-22 | 東日本旅客鉄道株式会社 | 鉄道車両の地絡検出システム |
CN108919054A (zh) * | 2018-07-05 | 2018-11-30 | 国网上海市电力公司 | 基于负荷及分支线估计的智能配电网短路故障定位方法 |
CN109655718A (zh) * | 2019-02-25 | 2019-04-19 | 广东工业大学 | 一种配电网故障定位方法 |
Non-Patent Citations (1)
Title |
---|
王秋杰 等: "计及FTU漏报和误报的配电网故障定位分层解析模型", 《电力自动化设备》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114859165A (zh) * | 2021-04-15 | 2022-08-05 | 贵州电网有限责任公司 | 一种基于广域通信法的直流配网故障区段定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111413581B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200293032A1 (en) | Extremely fast substation asset monitoring system and method | |
Pandey et al. | Resiliency-driven proactive distribution system reconfiguration with synchrophasor data | |
JP2018061425A (ja) | 送電網システムの高度妨害管理 | |
CN106646103B (zh) | 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 | |
Ten et al. | Electric power: distribution emergency operation | |
US11063472B1 (en) | Topology identification and state estimation of power grids | |
CN103269279B (zh) | 一种主子站联合拓扑辨识方法 | |
US11824354B2 (en) | Online state estimation and topology identification using advanced metering infrastructure (AMI) measurements | |
Bindhu et al. | Effective automatic fault detection in transmission lines by hybrid model of authorization and distance calculation through impedance variation | |
CN101562339A (zh) | 基于成功流的配电系统可靠性指标计算方法 | |
CA3131717A1 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
Lindsay et al. | Power system reliability assessment in a complex restructured power system | |
CN111625915B (zh) | 一种馈线设备区间供电范围变户数据的分析方法及系统 | |
CN111413581A (zh) | 一种考虑智能电表信息的配电网故障精确定位方法 | |
Xie et al. | Massively digitized power grid: opportunities and challenges of use-inspired AI | |
CN113791306A (zh) | 基于用采数据的配电网故障处理系统及方法 | |
CN111157851B (zh) | 一种配电网故障定位方法及系统 | |
CN111413584B (zh) | 一种基于故障方向的配电网故障定位线性规划方法 | |
CN111413583B (zh) | 一种配电网区段定位的实时线性整数规划方法 | |
CN108564112B (zh) | 一种综合能源系统的故障统一定位方法 | |
CN111413582B (zh) | 一种利用多类测量数据的配电网故障精确定位方法 | |
CN214622998U (zh) | 利用5g通信含有边缘计算的台区智能感知终端 | |
CN115186974A (zh) | 一种基于业务中台的配电网供电质量综合评价方法及系统 | |
Tiwari et al. | Classification and identification of partial outage in transmission lines using deep learning | |
Guo | Data analytics and application developments based on synchrophasor measurements |
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 |