CN111413589A - 一种基于灰靶决策的配电网单相短路故障定位方法 - Google Patents
一种基于灰靶决策的配电网单相短路故障定位方法 Download PDFInfo
- Publication number
- CN111413589A CN111413589A CN202010254168.0A CN202010254168A CN111413589A CN 111413589 A CN111413589 A CN 111413589A CN 202010254168 A CN202010254168 A CN 202010254168A CN 111413589 A CN111413589 A CN 111413589A
- Authority
- CN
- China
- Prior art keywords
- fault
- section
- decision
- distribution network
- power distribution
- 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 54
- 238000001514 detection method Methods 0.000 claims abstract description 10
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims abstract description 5
- 230000001052 transient effect Effects 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 3
- 241001522301 Apogonichthyoides nigripinnis Species 0.000 claims description 3
- 230000007704 transition Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation 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
一种基于灰靶决策的配电网单相短路故障定位方法，属于配电网故障定位技术领域。其特征在于：包括如下步骤：步骤a，对配电网进行零序电压检测；步骤b，满足故障定位的启动条件执行步骤c，否则返回步骤a；步骤c，对配电网划分区段；步骤d，计算故障特征指标值；步骤e，对故障特征指标值进行归一化处理；步骤f，确定主客观权重得到综合权重；步骤g～h，利用灰色动态灰靶方法进行区段状态评价，得到故障区段选择结果。在本基于灰靶决策的配电网单相短路故障定位方法中，利用专门解决信息模糊不全的非确定性问题的灰靶决策模型，将故障稳态和暂态信息赋权进行结合，避免了单一故障判据时故障定位可靠性较差的问题。
Description
技术领域
一种基于灰靶决策的配电网单相短路故障定位方法，属于配电网故障定位技术领域。
背景技术
我国分布式电源开启商业化进程，可再生能源渗透率进一步提高。在此基础上集成可再生能源的有源配电网将会替代传统辐射型配电网。同时，接地故障的成因、类型也非常复杂，从故障形态上看，除了常规的典型故障波形外，还有不稳定性的瞬时接地、间歇性接地、同相多点接地和高阻接地等。而现有的故障特征分析，均主要针对对称系统稳定性接地故障等理想情况，对于上述具有明显发展性变化的复杂故障考虑不足，未掌握其故障特征。与此相应的，定位装置所采用的检测原理，无论是利用故障自身信号还是利用外施信号的方法，也不能适应上述复杂情况。
目前国内外研究的配电网故障定位方法可以分为：外施信号法、暂态信号法以及稳态信号法三类。(1)当线路上发生单相接地故障时，外施信号发生装置检测到故障信息后，首先判断出故障相，然后对故障相施加特定信号，安装在线路上的故障检测装置检测流过本线路的特定信号，若满足故障特征则故障检测装置给出报警，从而指示出故障位置。外施信号法的缺陷是需要附加信号装置，工程实现复杂，同时会对电网引入谐波，当发生高阻接地短路时，信号源注入的信号强度降低，故障判断的准确性降低。(2)接地故障的暂态电流幅值大，可达系统稳态对地电容电流的十几倍，利用暂态信息进行小电流接地故障检测，不受消弧线圈的影响，适应性广，在出现间歇性接地时，暂态过程持续时间更长、暂态量更丰富。利用暂态信息进行小电流系统接地故障检测时，其缺陷在于对现场设备的采集能力与计算能力有较高的要求，成本高。(3)稳态信号法的基本原理为基于零序电压检测装置和零序电流互感器，通过直接检测在单相接地故障发生时的零序电压和稳态零序电流以判断单相接地故障是否发生，并利用V0和I0之间的相角关系来判断故障是发生在监测点的电源侧还是负荷侧以进行故障定位，用稳态电气量的故障定位方法，对应电气量采集方便，只需规定一次正方向，并能够在接收到故障点上游终端发出的故障隔离完毕的信息后进行供电恢复控制，但在谐振接地系统或高阻故障下会有故障漏判现象，因此需要结合其它指标提高状态评估的可靠性。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种利用专门解决信息模糊不全的非确定性问题的灰靶决策模型，将故障稳态和暂态信息赋权进行结合，避免了单一故障判据时故障定位可靠性较差的基于灰靶决策的配电网单相短路故障定位方法。
本发明解决其技术问题所采用的技术方案是：该基于灰靶决策的配电网单相短路故障定位方法，其特征在于：包括如下步骤：
步骤a，对配电网三相线路进行零序电压检测；
步骤b，判断配电线路中零序电压是否满足故障定位的启动条件，如果满足故障定位的启动条件，执行步骤c，如果不满足故障定位的启动条件，返回步骤a；
步骤c，智能终端自动识别馈线拓扑结构，根据配电网拓扑划分区段并确认各边界智能终端在各区段的位置；
步骤d，对配电网进行划分区段后，区段内的智能终端与构成闭合区段的相邻智能终端通信，得到区段边界所有智能终端采集到的电气量，计算各故障特征指标值；
步骤e，对步骤d中计算得到的故障特征指标值进行归一化处理；
步骤f，将故障特征指标值作为决策目标，确定各个决策目标的决策权，并根据各个决策目标的主观权重和客观权重确定综合权重；
步骤g，借助灰色系统理论中的灰靶决策模型综合各故障特征指标，用区间灰数表示故障特征指标的标准采样值，指标采样值构成区间矩阵作为最优指标序列，计算配电网各个区段三种状态决策方案对应的期望靶心距，并进行大小比较；
步骤h，配电网中每一区段根据期望靶心距进行状态决策，根据期望靶心距得到每一个区段的区段状态，并将故障区段的区段位置信息上传至主站。
优选的，步骤b中所述的启动条件为：零序电压幅值的波动量是否超过预设定的故障阈值，零序电压波动量低于故障阈值时，表示不满足启动条件；若零序电压波动量超过故障且任意一相相电压波动量大于相电压有效值的10％，表示满足启动条件。
优选的，所述的故障特征指标值包括：区段阻抗、区段暂态零模电流幅值、暂态零模电流衰减速度及区段漏电流大小。
优选的，在执行所述的步骤g时，以区段的运行状态a1为唯一决策对象，此时决策对象集为A，决策对象通过故障特征指标值的评价来综合判断是否为故障区段，决策指标集为K，由区段内阻抗k1、区段暂态零模电流幅值k2、暂态零模电流衰减速度k3及区段漏电流大小k4构成，其对应的权重集为；决策对象为正常运行区段、故障时的健全区段或故障区段分别作为决策结果b1、b2、b3，此时决策结果集为B，得到故障区段定位模型中的决策方案集为Sf：
若就决策对象a1进行决策得到s13为最佳方案，则该区段为故障区段，否则为健全区段。
优选的，在步骤h中，以期望靶心距最小的方案对应状态为区段状态。
优选的，以最优指标序列
为期望靶心，将实际区段采样值信息作为期望靶心值，计算正常运行区段、故障时的健全区段或故障区段三种状态的期望靶心距，对应数值小的即为区段状态，
阶段t的状态指标序列与期望靶心关于指标kj的靶心系数为：
式中，d(m,n)表示为m与n之间的空间距离，方案s1i的期望靶心距为：
优选的，在步骤f中，选取熵值客观权重确定法和层次分析法确定主观权重作为线路区段运行状态评价权重确定的方法。
与现有技术相比，本发明所具有的有益效果是：
1、考虑利用灰靶决策融合多重故障判据。配电线路故障时通常会导致多个状态量的变化，复杂配电网发生故障时使用单一信息判断故障位置容易漏判或误判，本方法利用专门解决信息模糊不全的非确定性问题的灰靶决策模型，将故障稳态和暂态信息赋权结合起来，避免了单一故障判据的死区影响故障定位可靠性的缺陷。有源配电网拓扑结构复杂、状态信息量大且具有不确定性和模糊性，灰靶决策能够解决非确定性问题。
2、考虑分布式电源的接入。考虑到分布式电源对线路出口处、故障点处故障特征量的影响，在分布式电源接入处配置STU，采取区段状态决策的方式进行故障定位，可以避免其对闭合区段内的故障特征判据产生影响。
3、考虑尽量减少定位运算数据：在装设有STU的配电网中使用分布式控制定位方法，通过区段内保护装置对等交换实时数据检测故障，计算处理的数据量大大减少。该方法不依赖于变电站的馈线数量，不需要主站综合处理大量数据，融合多种短路故障信息能够提高运行控制水平和容错能力，使定位可靠，缩短故障定位时间，达到快速自愈的效果。
4、通过区段内保护装置对等交换实时数据检测故障，计算处理的数据量大大减少，将故障定位由“搜索和选择”问题转化为各个区段的“状态评估”问题，各区段同时进行区段状态判断，节省故障处理时间。
5、分布式控制模式下，智能终端独立判断故障区域，既能更好地适应配电网拓扑变更，又能保证大规模配电网信息处理的效率，降低数据传送中产生的偏差。
6、结合多种故障信息，提高故障定位的可靠性，降低故障定位装置的误动率和拒动率。
附图说明
图1为基于灰靶决策的配电网单相短路故障定位方法流程图。
图2为典型辐射状10kV配电网等效模型线路图。
具体实施方式
图1～2是本发明的最佳实施例，下面结合附图1～2对本发明做进一步说明。
如图1所示，一种基于灰靶决策的配电网单相短路故障定位方法，包括如下步骤：
步骤1001，开始，开始进行基于灰靶决策的配电网单相短路故障定位流程。
步骤1002，对配电网三相线路进行零序电压检测；
步骤1003，零序电压幅值的波动量是否超过预设的故障阈值；
将零序电压幅值的波动量作为故障定位的启动条件，若三相线路中零序电压幅值的波动量均低于预设定的故障阈值时，说明没有发生单相接地故障，返回步骤1002，若三相线路中零序电压幅值的波动量超过故障阈值且任意一相相电压的波动量大于相电压有效值的10％时，执行步骤1004。
步骤1004，读取电网数据，对配电网进行拓扑识别划分区段；
联络开关处的智能终端(Smart Terminal Unit，简称STU)采用逐级查询的方法自动识别馈线拓扑结构，根据配电网拓扑划分区段并确认各边界STU在各区段的位置。
参照图2所示的辐射状10kV配电网模型图，规定电源流向母线和负荷的方向为正方向，在配电线路中，以分段开关作为边界划分为多个区段(图2中的区段I～区段III)，在每一个区段内分别设置有智能终端。在其中区段II和区段III中还分别设置有分支线路，并在区段III的一个分支线路中连接有分布式电源，在每一个区段的每一条分支线路中同样设置有智能终端。
步骤1005，输入特征指标数据；
对配电网进行划分区段后，区段内的STU与构成闭合区段的相邻STU通信，得到区段边界所有STU采集到的电气量，计算各故障特征指标值。故障特征指标值包括区段阻抗、区段暂态零模电流幅值、暂态零模电流衰减速度及区段漏电流大小。
结合图2，定义Ix(x＝Ⅰ，Ⅱ，Ⅲ)为区段x的漏电流幅值，其值由区段上游STU采集电流向量与下游STU采集电流向量相减取模得到，
为STU处采集到的稳态电流向量。区外故障或正常运行情况下该值约等于零，区内故障时该值较大，该指标满足效益型指标定义，故区段漏电流的大小可以作为评价线路区段状态的故障稳态指标。
对于图2所示的配电网等效模型，故障过渡电阻较小时(一百欧姆以下)，若发生金属性或低阻接地故障，此时R较小C0充电速度快，主谐振频率高Lp可以忽略；对该电路模型列KVL方程为：
其中，
为故障发生瞬间在故障点的等效电压源，Um为故障前故障相电压幅值，ω0为工频角频率，
为故障初相角；R为过渡电阻、线模电阻及零模电阻的等效电阻，其值为R＝3Rf+2(RT1+R1)+RTG+R0；Lp、L分别为消弧线圈并联等效电感及电路等效电感；由于线模网络中系统阻抗远小于分布电容容抗，C0为全系统零序等效电容。
对公式(1)求解的大故障点暂态电流的振荡衰减分量i′f的表达式：
其中，δ1为该系统时间常数的倒数其值为R/2L0，
为振荡角频率，ω0为工频角频率，R为过渡电阻、线模电阻及零模电阻的等效电阻，C0为全系统零序等效电容，Um为故障前故障相电压幅值，t表示故障发生后任意时刻。
根据式(3)可知暂态衰减振荡电流信号与过渡电阻、故障初相角及线路参数有关，δ1越大周期振荡衰减速度越快。在线路参数不变的情况下，若同一时刻发生故障，根据暂态电流衰减速度和电流的大小构造故障判断指标，在过渡电阻较大的情况下电流衰减速度明显提高，可以弥补电流幅值小故障特征不明显的缺陷。
根据式(3)得到不同故障初相角下故障点暂态电流的振荡衰减分量i′f最大值满足：
且t0＝0s时取到最大值为|If|max＝Ifm，同时电流幅值最大值一定大于
因此可以得到不同故障初相角下故障点暂态电流的振荡衰减分量i′f的最大值范围(|If|min,|If|max]。
由于高阻情况下故障电流较小，采集有功功率或能量损耗均不能保证检测灵敏度。用平均有功功率ΔP与暂态零序故障电流i0f的平方的比值近似反映出过渡电阻的大小，可以判断区段是否发生高阻接地故障。当区段的电能损耗Wp大于线路自身电阻的电能消耗Wpz时，计算区段内电阻R′f的大小来判断是否发生高阻故障，式中t为测量Wp对应时间。
其中，R′f为区段内电阻，Wp为区段内电能损耗，t表示时间，i0f为暂态零序故障电流，ΔP为平均有功功率。
若计算得到区段内电阻远远高于线路电阻，即可判断该区段发生高阻故障。
步骤1006，故障特征指标规范化处理；
由于不同故障特征量的意义、性质和量纲不同，为得到具有可比性的数据，需要对区段状态评价指标进行归一化。评价指标可以分为效益型指标和成本性指标，其中，数值越大表征区段故障可能性越高的为效益型指标，反之则为成本型指标。根据以上分析，步骤1005中，区段阻抗、区段暂态零模电流幅值、暂态零模电流衰减速度及区段漏电流大小的四个指标皆为效益型评价指标，即区段采样值越大为故障区段的可能性越大，对应指标归一化公式如下所示：
在公式(5)中，字母t表示故障后采样点(t＝1，2，…，T)
步骤1007，确定主客观权重，并得到综合权重；
选取熵值客观权重确定法和层次分析法确定主观权重作为线路区段运行状态评价权重确定的方法，通过主观权重、客观权重计算综合权重。
(1)主观权重，主观权重完全依赖于部分现场及仿真数据，因此结合层次分析法(Analytic Hierarchy Process，AHP)确定的主观权重避免切断指标权重主观性的来源，使权重兼具有主观性和客观性。利用九度法根据重要性对四个指标列写判断矩阵：
层次分析法分析得到主观权重计算公式为：
(2)客观权重，对于某一指标，不同状态下差异程度越大，信息熵越小，则该指标的权重越大；反之，该项指标值的差异程度越小，信息熵越大，则该指标的权重越小。线路区段运行状态有m组历史数据，分别在4个指标下的指标数据矩阵为Xm×4。
其中第一列数据为正常运行区段指标数据，根据不同种类故障发生的概率大小，列写剩余m-1列故障区段指标数据构成指标数据矩阵。四项指标中第二行之后的元素与第一行元素相差较大的第j行可视为故障特征明显，则该指标kj在综合评价中所起的作用就越大；反之，作用越小。信息熵是系统无序程度的度量，其表达式为：
式中：xji为j指标的第i个状态值(总共有m个状态)；p(xji)为j指标出现第i个状态值的概率p(xji)＝xji/x∑j。第j个指标对应的客观权重求取公式为：
为了体现主客观相结合的思想，综合权重为：
步骤1008，利用灰数动态灰靶方法进行区段状态评价；
借助灰色系统理论中的灰靶决策模型综合各故障特征指标，以增加故障定位的可靠性。本区段的运行状态a为唯一决策对象，此时决策对象集为A。决策对象通过4个指标的评价来综合判断是否为故障区段，决策指标集为K。由区段内阻抗k1、区段暂态零模电流幅值k2、暂态零模电流衰减速度k3及区段漏电流大小k4构成，其对应的权重集为λ。决策对象为正常运行区段、故障时的健全区段或故障区段分别作为决策结果b1、b2、b3，此时决策结果集为B。根据决策方案表达式，可得故障区段定位模型中的决策方案集为Sf。
线路区段的运行信息是不断变化的，故障发生t0后的一段时间内，区段实时信息取样点为(1,T)，对于指标kj的标准采样值用区间灰数表示：
故障区段的定位问题就转化为事件集下三种决策结果的选择，若就决策对象a进行决策得到s13为最佳方案，则该区段为故障区段，否则为健全区段。
在区段状态判断中对于故障定位启动后的阶段t，最优指标序列
为该状态期望靶心，将实际区段采样值信息作为期望靶心值，计算三种状态的期望靶心距，对应数值小的即为区段状态。
阶段t的状态指标序列与期望靶心关于指标kj的靶心系数：
式中：d(m,n)表示为m与n之间的空间距离。
方案s1i的期望靶心距为：
在公式(12)～(14)中，字母t表示故障后STU采集样本点(t＝1，2，…，T)，T为最末采集点。
步骤1009，得到故障区段选择结果；
每一区段根据期望靶心距进行状态决策，靶心距小的方案对应状态为区段状态。若决策为故障区段将该区段位置信息上传至主站进行故障自愈处理。
步骤1010，结束；
进行基于灰靶决策的配电网单相短路故障定位流程结束。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (7)
1.一种基于灰靶决策的配电网单相短路故障定位方法，其特征在于：包括如下步骤：
步骤a，对配电网三相线路进行零序电压检测；
步骤b，判断配电线路中零序电压是否满足故障定位的启动条件，如果满足故障定位的启动条件，执行步骤c，如果不满足故障定位的启动条件，返回步骤a；
步骤c，智能终端自动识别馈线拓扑结构，根据配电网拓扑划分区段并确认各边界智能终端在各区段的位置；
步骤d，对配电网进行划分区段后，区段内的智能终端与构成闭合区段的相邻智能终端通信，得到区段边界所有智能终端采集到的电气量，计算各故障特征指标值；
步骤e，对步骤d中计算得到的故障特征指标值进行归一化处理；
步骤f，将故障特征指标值作为决策目标，确定各个决策目标的决策权，并根据各个决策目标的主观权重和客观权重确定综合权重；
步骤g，借助灰色系统理论中的灰靶决策模型综合各故障特征指标，用区间灰数表示故障特征指标的标准采样值，指标采样值构成区间矩阵作为最优指标序列，计算配电网各个区段三种状态决策方案对应的期望靶心距，并进行大小比较；
步骤h，配电网中每一区段根据期望靶心距进行状态决策，根据期望靶心距得到每一个区段的区段状态，并将故障区段的区段位置信息上传至主站。
2.根据权利要求1所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：步骤b中所述的启动条件为：零序电压幅值的波动量是否超过预设定的故障阈值，零序电压波动量低于故障阈值时，表示不满足启动条件；若零序电压波动量超过故障且任意一相相电压波动量大于相电压有效值的10％，表示满足启动条件。
3.根据权利要求1所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：所述的故障特征指标值包括：区段阻抗、区段暂态零模电流幅值、暂态零模电流衰减速度及区段漏电流大小。
4.根据权利要求1所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：在执行所述的步骤g时，以区段的运行状态a1为唯一决策对象，此时决策对象集为A，决策对象通过故障特征指标值的评价来综合判断是否为故障区段，决策指标集为K，由区段内阻抗k1、区段暂态零模电流幅值k2、暂态零模电流衰减速度k3及区段漏电流大小k4构成，其对应的权重集为；决策对象为正常运行区段、故障时的健全区段或故障区段分别作为决策结果b1、b2、b3，此时决策结果集为B，得到故障区段定位模型中的决策方案集为Sf：
若就决策对象a1进行决策得到s13为最佳方案，则该区段为故障区段，否则为健全区段。
5.根据权利要求1所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：在步骤h中，以期望靶心距最小的方案对应状态为区段状态。
6.根据权利要求5所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：以最优指标序列
为期望靶心，将实际区段采样值信息作为期望靶心值，计算正常运行区段、故障时的健全区段或故障区段三种状态的期望靶心距，对应数值小的即为区段状态，
阶段t的状态指标序列与期望靶心关于指标kj的靶心系数为：
式中，d(m,n)表示为m与n之间的空间距离，方案s1i的期望靶心距为：
7.根据权利要求1所述的基于灰靶决策的配电网单相短路故障定位方法，其特征在于：在步骤f中，选取熵值客观权重确定法和层次分析法确定主观权重作为线路区段运行状态评价权重确定的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254168.0A CN111413589B (zh) | 2020-04-02 | 2020-04-02 | 一种基于灰靶决策的配电网单相短路故障定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010254168.0A CN111413589B (zh) | 2020-04-02 | 2020-04-02 | 一种基于灰靶决策的配电网单相短路故障定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111413589A true CN111413589A (zh) | 2020-07-14 |
| CN111413589B CN111413589B (zh) | 2022-03-11 |
Family
ID=71489603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010254168.0A Expired - Fee Related CN111413589B (zh) | 2020-04-02 | 2020-04-02 | 一种基于灰靶决策的配电网单相短路故障定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111413589B (zh) |
Cited By (4)
| 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 |
| CN113420258A (zh) * | 2021-06-10 | 2021-09-21 | 国网福建省电力有限公司电力科学研究院 | 一种基于区间灰数动态灰靶的二次设备状态评估方法 |
| CN113469568A (zh) * | 2021-07-22 | 2021-10-01 | 国网湖南省电力有限公司 | 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 |
| CN115061049A (zh) * | 2022-08-08 | 2022-09-16 | 山东卓朗检测股份有限公司 | 一种数据中心ups电池故障快速检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455658A (zh) * | 2013-07-10 | 2013-12-18 | 西北工业大学自动化学院 | 一种基于加权灰靶理论的容错电机健康状态测定方法 |
| CN107330286A (zh) * | 2017-07-10 | 2017-11-07 | 华南理工大学 | 一种大型油浸式电力变压器可靠性评估动态修正方法 |
| CN107422223A (zh) * | 2016-12-28 | 2017-12-01 | 国网福建省电力有限公司 | 一种分布式小电流接地故障定位的方法 |
| CN107884679A (zh) * | 2017-10-27 | 2018-04-06 | 山东理工大学 | 基于暂态零序电流信号特征的中小电流接地故障定位方法 |
| CN107886171A (zh) * | 2017-09-28 | 2018-04-06 | 国网辽宁省电力有限公司 | 一种基于pmu数据的断路器状态在线诊断方法及系统 |
-
2020
- 2020-04-02 CN CN202010254168.0A patent/CN111413589B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103455658A (zh) * | 2013-07-10 | 2013-12-18 | 西北工业大学自动化学院 | 一种基于加权灰靶理论的容错电机健康状态测定方法 |
| CN107422223A (zh) * | 2016-12-28 | 2017-12-01 | 国网福建省电力有限公司 | 一种分布式小电流接地故障定位的方法 |
| CN107330286A (zh) * | 2017-07-10 | 2017-11-07 | 华南理工大学 | 一种大型油浸式电力变压器可靠性评估动态修正方法 |
| CN107886171A (zh) * | 2017-09-28 | 2018-04-06 | 国网辽宁省电力有限公司 | 一种基于pmu数据的断路器状态在线诊断方法及系统 |
| CN107884679A (zh) * | 2017-10-27 | 2018-04-06 | 山东理工大学 | 基于暂态零序电流信号特征的中小电流接地故障定位方法 |
Non-Patent Citations (3)
| Title |
|---|
| YUANYUAN WANG: ""Faulty Feeder Detection of Single Phase-Earth Fault Using Grey Relation Degree in Resonant Grounding System"", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
| 杨欢红: ""基于最优权重和区间灰数动态灰靶的变压器状态评估"", 《电力系统保护与控制》 * |
| 程梦竹: ""基于多目标加权灰靶决策的有源配电网故障区段定位方法"", 《电力系统保护与控制》 * |
Cited By (5)
| 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 |
| CN113420258A (zh) * | 2021-06-10 | 2021-09-21 | 国网福建省电力有限公司电力科学研究院 | 一种基于区间灰数动态灰靶的二次设备状态评估方法 |
| CN113469568A (zh) * | 2021-07-22 | 2021-10-01 | 国网湖南省电力有限公司 | 一种基于改进灰靶理论的工业用户负荷调节能力量化方法及装置 |
| CN115061049A (zh) * | 2022-08-08 | 2022-09-16 | 山东卓朗检测股份有限公司 | 一种数据中心ups电池故障快速检测方法及系统 |
| CN115061049B (zh) * | 2022-08-08 | 2022-11-01 | 山东卓朗检测股份有限公司 | 一种数据中心ups电池故障快速检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111413589B (zh) | 2022-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111413589B (zh) | 一种基于灰靶决策的配电网单相短路故障定位方法 | |
| AU2020103179A4 (en) | A Fault Locating Method of Power Grid Based on Network Theory | |
| CN106353642A (zh) | 基于消弧线圈接入控制短时异态信号的小电流接地选线和调谐方法 | |
| CN109765459B (zh) | 一种基于就地研判的单相接地故障定位方法和系统 | |
| CN111308272B (zh) | 一种小电流接地故障区段定位方法 | |
| CN110247420B (zh) | 一种hvdc输电线路故障智能识别方法 | |
| CN106990324A (zh) | 一种配电网接地故障检测定位方法 | |
| CN102419408B (zh) | 基于负荷监测仪的单相断线故障区域的判定系统及其方法 | |
| CN108074198B (zh) | 一种电力系统pmu不良数据识别方法 | |
| CN108206541A (zh) | 一种含分布式电源的配电网电能质量扰动源定位方法 | |
| CN110927527A (zh) | 基于暂态能量双通道及信息融合的瞬时性故障感知方法 | |
| CN107505534A (zh) | 配网故障遗传搜索定位方法 | |
| López et al. | Fault location techniques for electrical distribution networks: a literature survey | |
| CN105652157B (zh) | 基于行波电气量的配电网健康状态分析方法 | |
| CN112130027A (zh) | 基于直流动态时间弯曲距离的主动配电网故障定位方法 | |
| CN110736900A (zh) | 一种基于方向行波的配电线路单相接地故障选线方法 | |
| CN115598563A (zh) | 一种基于粗糙神经网络的配电网单相接地故障诊断方法 | |
| CN115498695A (zh) | 一种含光伏发电的主动配电网分布式状态估计方法 | |
| CN114325243A (zh) | 基于线电压幅值变化量的油田井场配电网故障判断方法 | |
| Zhongjian et al. | A fault location method for single-phase grounding fault in distribution network | |
| Liu et al. | Single-phase Grounding Fault Line Selection Method Based on the Difference of Electric Energy Information Between the Distribution End and the Load End | |
| Wu | Grounding Fault Detection Method Of Intelligent Distribution Network Under Power Marketing Informatization | |
| CN109038544B (zh) | 一种基于电压轨迹特征的暂态稳定识别方法 | |
| Wu et al. | The medium-voltage distribution detwork fault fiagnosis based on data association analysis | |
| Qi et al. | Overview of Topology Identification for Low-voltage Distribution Network |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220311 |