CN111551819A - 一种微电网故障检测方法、装置及存储介质 - Google Patents

一种微电网故障检测方法、装置及存储介质 Download PDF

Info

Publication number
CN111551819A
CN111551819A CN202010298565.8A CN202010298565A CN111551819A CN 111551819 A CN111551819 A CN 111551819A CN 202010298565 A CN202010298565 A CN 202010298565A CN 111551819 A CN111551819 A CN 111551819A
Authority
CN
China
Prior art keywords
value
sequence
microgrid
filtered
filtering
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
Application number
CN202010298565.8A
Other languages
English (en)
Other versions
CN111551819B (zh
Inventor
王阳光
张孝军
徐宇新
黄勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Hunan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Hunan Electric Power Co Ltd filed Critical State Grid Hunan Electric Power Co Ltd
Priority to CN202010298565.8A priority Critical patent/CN111551819B/zh
Publication of CN111551819A publication Critical patent/CN111551819A/zh
Application granted granted Critical
Publication of CN111551819B publication Critical patent/CN111551819B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/081Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Inverter Devices (AREA)

Abstract

本发明涉及一种微电网故障检测方法、装置及存储介质,所述方法包括如下步骤:获取微电网直流侧的特征量对应的特征值序列;对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值;分别确定各个所述滤波值与预定值之间的差分量;根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值;根据所述加权微分值确定所述微电网的故障信息。本发明的技术方案能够有效区分开故障暂态信号和噪声信号,抗干扰能力强,并且灵敏度高。

Description

一种微电网故障检测方法、装置及存储介质
技术领域
本发明涉及微电网故障检测领域,尤其涉及一种微电网故障检测方法、装置及存储介质。
背景技术
微电网是指由分布式电源、储能装置、能量转换装置、负荷和保护装置等组成的小型发配电系统,其中,多类电力电子装置的接入使得微电网的故障特性与传统交流系统存在显著的差异。尤其在微电网的直流侧,低惯性的直流电源和负荷在发生故障时将引起故障特征的迅速发展,为了保护微电网,就需要迅速切除并隔离故障。同时,在交直流混联的复杂拓扑下,也需要能有效辨识出微电网的交流侧故障引发的直流侧扰动,防止直流侧发生保护误动作。
微电网运行过程中,整流逆变双向功率换流器的开关高频投切会引起微电网的直流侧产生波纹和外界噪声的干扰,容易引起微电网的保护误动作或耐过阻能力下降,其中,故障暂态信号为宽频带连续信号,与噪声信号的频带相重叠,仅引入滤波手段无法有效滤除噪声,同时还会导致信号的延时,增加检测时间,不利于微电网的安全。
目前,常见的直流微电网故障检测手段是微分量保护方法,其通过故障暂态期间电压电流的变化来反映故障的发生,具有较高的灵敏性和速动性,但其对外界噪声和干扰很敏感。
发明内容
针对上述现有技术的不足,本发明提供一种微电网故障检测方法、装置及存储介质。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供了一种微电网故障检测方法,所述方法包括如下步骤:
获取微电网直流侧的特征量对应的特征值序列。
对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值。
分别确定各个所述滤波值与预定值之间的差分量。
根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值。
根据所述加权微分值确定所述微电网的故障信息。
第二方面,本发明提供了一种微电网故障检测装置,包括:
获取模块,用于获取微电网直流侧的特征量对应的特征值序列。
滤波模块,用于对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值。
第一处理模块,用于分别确定各个所述滤波值与预定值之间的差分量。
第二处理模块,用于根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值。
检测模块,用于根据所述加权微分值确定所述微电网的故障信息。
第三方面,本发明提供了一种微电网故障检测装置,所述装置包括存储器和处理器。
所述存储器,用于存储计算机程序。
所述处理器,用于当执行所述计算机程序时,实现如上所述的微电网故障检测方法。
第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的微电网故障检测方法。
本发明的微电网故障检测方法、装置及存储介质的有益效果是:对获取的特征值序列进行滤波处理,能够滤除噪声干扰,提高微电网的抗干扰能力;再确定各个滤波值与预定值之间的差分量,根据差分量分别确定各个滤波值基于偏差方向累计值的正馈权重因子,通过引入正馈权重因子能强化故障暂态特征,提高信噪比,进而提高微电网的抗噪、抗干扰能力;根据数据窗内各个滤波值的差分量和正馈权重因子确定特征量的加权微分值,根据加权微分值就可确定出交直流混联微电网的故障位置和故障类型。根据差分量进行处理可以有效地将故障暂态信号与噪声信号区分开,并且引入正馈权重因子可以使加权微分值向单一方向迅速发展,以此来弥补滤波带来的延时问题,提高检测灵敏度。本发明的技术方案能够有效区分开故障暂态信号和噪声信号,抗干扰能力强,选择性好并且灵敏度高,实现了单端微分量保护在复杂交直流混联微电网中多方面的性能优化。
附图说明
图1为本发明实施例的一种交直流混联微电网的结构示意图;
图2为本发明实施例的一种微电网故障检测方法的流程示意图;
图3为本发明实施例的直流微电网发生极间短路故障时的特征量暂态波形图;
图4为现有技术计算的直流微电网发生极间短路故障时的特征量微分值的结果示意图;
图5为本发明实施例计算的直流微电网发生极间故障时的特征量的加权微分值的结果示意图;
图6为本发明另一实施例的一种微电网故障检测装置的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示的交直流混联微电网结构示意图,交直流混联微电网包括交流侧、整流逆变双向功率换流器和直流侧,交流测的输出通过整流逆变双向功率换流器与直流侧的输入连接。交流测连接有储能装置和交流负载等,直流侧连接有光伏系统和直流负载等。
如图2所示,本发明实施例提供的一种微电网故障检测方法,所述方法包括如下步骤:
110,获取微电网直流侧的特征量对应的特征值序列。
120,对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值。
130,分别确定各个所述滤波值与预定值之间的差分量。
140,根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值。
具体地,根据差分量分别确定各个滤波值基于偏差方向累计值的正馈权重因子,根据正馈权重因子对数据窗内各个滤波值的差分量进行加权求和。
150,根据所述加权微分值确定所述微电网的故障信息。
本实施例中,对获取的特征值序列进行滤波处理,能够滤除噪声干扰,提高微电网的抗干扰能力;再确定各个滤波值与预定值之间的差分量,根据差分量分别确定各个滤波值基于偏差方向累计值的正馈权重因子,通过引入正馈权重因子能强化故障暂态特征,提高信噪比,进而提高微电网的抗噪、抗干扰能力;根据数据窗内各个滤波值的差分量和正馈权重因子确定特征量的加权微分值,根据加权微分值就可确定出交直流混联微电网的故障位置和故障类型。根据差分量进行处理可以有效地将故障暂态信号与噪声信号区分开,并且引入正馈权重因子可以使加权微分值向单一方向迅速发展,以此来弥补滤波带来的延时问题,提高检测灵敏度。本发明的技术方案能够有效区分开故障暂态信号和噪声信号,抗干扰能力强,选择性好并且灵敏度高,实现了单端微分量保护在复杂交直流混联微电网中多方面的性能优化。
优选地,所述特征量包括正极电压、负极电压和正负极电流差,所述正极电压对应的所述特征值序列为正极电压序列,所述负极电压对应的所述特征值序列为负极电压序列,所述正负极电流差对应的所述特征值序列为正负极电流差序列,获取微电网直流侧的特征量对应的特征值序列,具体包括如下步骤:
以预设频率分别对微电网直流侧的正极电压、负极电压、正极电流和负极电流进行采样,获得所述正极电压序列、所述负极电压序列、正极电流序列和负极电流序列。
具体地,令电流方向从整流逆变双向功率换流器流向直流侧为正,对直流侧的正极电压、负极电压、正极电流和负极电流进行采样。
根据所述正极电流序列和所述负极电流序列确定所述正负极电流差序列。
具体地,将正极电流序列和负极电流序列做差,得到正负极电流差序列。
优选地,对所述特征值序列进行处理,获得特征值滤波序列的具体实现为:
采用s点移动平均滤波法对所述特征值序列进行滤波处理,获得多个所述滤波值,所有所述滤波值排列构成所述特征值滤波序列;所述s点移动平均法由第一公式表示,所述第一公式为:
Figure BDA0002453131050000051
其中,s为滤波时的第一数据窗长,x(j)为所述特征值序列中的第j个特征值,xav(m)为所述特征值滤波序列中的第m个所述滤波值。
具体地,微电网运行过程中,整流逆变双向功率换流器的开关高频投切会引起直流侧产生波纹和外界噪声干扰,进而容易引起保护误动作或耐过阻能力下降。
本优选的实施例中,通过时域层面的移动平均滤波算法对电压电流采样结果进行平滑处理,可以在一定程度上滤除开关波纹和噪声干扰,提高信噪比,增强微电网的抗干扰能力,并且相对于现有的非线性滤波算法,本申请的移动平均滤波算法更易于工程实现,适合大范围推广。
优选地,分别确定各个所述滤波值与预定值之间的差分量,具体包括如下步骤:
以第二数据窗截取所述特征值滤波序列,令所述第二数据窗中的首个所述滤波值为第一滤波值,所述第一滤波值距离所述特征值滤波序列的首个所述滤波值至少l-1个所述滤波值;令所述特征值滤波序列中从所述第一滤波值向前数的第l个所述滤波值为所述预定值,采用第二公式确定各个所述滤波值与所述预定值之间的差分量,所述第二公式为:
dj=xbv(j)-xbv(1-l),j=1,2,...,N,
其中,xbv(j)为所述第二数据窗中的第j个所述滤波值,xbv(1-l)为所述特征值滤波序列中从所述第一滤波值向前数的第l个所述滤波值,l为正整数,dj表示所述特征值滤波序列中第j个所述滤波值对应的所述差分量,N为所述第二数据窗的第二数据窗长,且N大于或等于1。
具体地,确定各个滤波值对应的差分量后,可根据差分量确定各个滤波值的偏差方向,dj大于零时,偏差方向为正方向;dj小于零时,偏差方向为负方向。
优选地,根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,具体包括如下步骤:
对于所述特征值滤波序列中第j个所述滤波值,确定所述特征值滤波序列的前j个所述滤波值中所述差分量为正数的所述滤波值的第一数量npj,以及所述差分量为负数的所述滤波值的第二数量nnj
根据所述第一数量npj和所述第二数量nnj,采用第三公式确定各个所述滤波值的所述正馈权重因子,所述第三公式为:
Figure BDA0002453131050000071
其中,wj为所述特征值滤波序列中第j个所述滤波值的所述正馈权重因子。
具体地,此时N也是实施微分量反馈加权的数据窗长,数值可与第二数据窗长相同,N越大则微电网的抗干扰能力就越强,但是延时也越大、资源消耗也越大。npj越大,则表示该数据窗长对应的数据窗中有越多的数据大于xbv(1-l),特征量的数值向升高的方向变化;nnj越大,则表示该数据窗长对应的数据窗中有越多的数据小于xbv(1-l),特征量的数值向降低的方向变化。
优选地,根据各个所述正馈权重因子确定所述特征量的加权微分值,具体包括如下步骤:
根据各个所述滤波值的所述正馈权重因子以及对应的所述差分量,采用第四公式确定所述特征量的所述加权微分值,所述第四公式为:
Figure BDA0002453131050000072
其中,Dx_m为所述特征量的所述加权微分值,wj为所述特征值滤波序列中第j个所述滤波值的所述正馈权重因子,dj为所述特征值滤波序列中第j个所述滤波值对应的所述差分量。
具体地,由于故障暂态信号为宽频带连续信号,与噪声信号的频带相重叠,引入滤波手段会导致信号延时,增长检测时间。
本优选的实施例中,通过确定第二数据窗长对应的数据窗中滤波值个点的偏差方向累计值,即npj和nnj,可以反映出特征值滤波序列的发展趋势,进而可以有效地将单方向变化的故障暂态起始信号与随机扰动波动的稳态信号区分开来。并且,通过指数形式生成正馈权重因子,可以使加权微分值向单一方向迅速发展,以此来弥补滤波带来的延时问题,提高检测灵敏度,能够快速检测到故障的发生。
优选地,所述特征量包括正极电压、负极电压和正负极电流差,令所述正极电压对应的所述加权微分值为第一加权微分值,所述负极电压对应的所述加权微分值为第二加权微分值,且所述正负极电流差对应的所述加权微分值为第三加权微分值,根据所述加权微分值确定所述微电网的故障信息,具体包括如下步骤:
比对所述第一加权微分值与预设的第一门槛值,比对所述第二加权微分值与预设的第二门槛值,比对所述第三加权微分值与预设的第三门槛值。
具体地,令第一加权微分值为DUP_m,第二加权微分值为DUn_m,第三加权微分值为DIc_m,第一门槛值和第二门槛值可取同一数值,例如DUset,可令第三门槛值为DIset,第一门槛值、第二门槛值和第三门槛值均为正数。
当所述第三加权微分值小于或等于所述第三门槛值时,则确定微电网交流侧发生故障引起微电网直流侧扰动。
具体地,当DIc_m≤DIset时,则检测到的故障为交流测故障引起的直流侧扰动;当DIc_m>DIset时,则检测到的故障位置为直流侧发生故障。
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值大于所述第一门槛值,以及所述第二加权微分值大于所述第二门槛值时,则确定微电网直流侧发生正极接地故障。
具体地,当DIc_m>DIset,DUP_m>DUset,且DUn_m>DUset时,检测到的故障为直流侧的正极接地导致的故障。
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值小于或等于所述第一门槛值,以及所述第二加权微分值小于或等于所述第二门槛值时,则确定微电网直流侧发生负极接地故障。
具体地,当DIc_m>DIset,DUP_m≤DUset,且DUn_m≤DUset时,则检测到的故障为直流侧的负极接地导致的故障。
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值小于或等于所述第一门槛值,以及所述第二加权微分值大于所述第二门槛值时,则确定微电网直流侧发生极间短路故障。
具体地,当DIc_m>DIset,DUP_m≤DUset,且DUn_m>DUset时,则检测到的故障为直流侧发生极间短路故障。
本优选的实施例中,可根据实际需要设置门槛值,将加权微分值与对应的门槛值进行对比,可在微电网发生故障时,快速获知故障位置和故障类型。
下面以微电网直流侧在2S时刻发生10欧姆极间短路故障的例子,对本发明实施例的一种微电网故障检测方法做进一步的说明。
令电流方向以整流逆变双向功率换流器流向直流侧为正,以10KHZ的频率对直流侧的正极电压、负极电压、正极电流和负极电流进行高频采样,根据正极电流和负极电流获得正负极电流差信号,并在采样得到的信号中加入信噪比为40dB的高斯白噪声,用于模拟干扰信号。最终,加入噪声信号为的含干扰的正负极电流信号、含干扰的正极电压信号和含干扰的负极电压信号如图3所示。
此时,若采用现有技术的传统微分方法,得到的正负极电流差微分值、正极电压微分值和负极电压微分值的结果示意图如图4所示,可知,采用现有的传统微分方法,微分值波动频繁,无法正定合适的门槛值以有效区分故障。
本实施例的微电网故障检测方法中,可取S为40,采用40点移动平均滤波法对特征值序列进行滤波处理,再采用第二公式确定滤波值与预定值之间的差分量,其中第二数据窗长N可取10,l可取20。并且,根据差分量可确定滤波值的偏差方向。
然后根据第三公式确定各个滤波值的正馈权重因子,第三公式中N可取10,l可取20。并根据正馈权重因子和对应的差分量,采用第四公式确定特征量的加权微分值。采用本发明的微电网检测方法确定正极电压的加权微分值、负极电压的加权微分值和正负极电流差的加权微分值如图5所示。
根据特征量的加权微分值就可来判断故障位置和故障类型。本实施例中,可正定第一门槛值和第二门槛值为Uset=0.05kV,第三门槛值为DIset=0.2kA,故障在2s时刻发生,根据图5的加权微分值结果图可知,在故障发生后的5ms内,DIc_m>DIset,DUP_m<DUset,且DUn_m>DUset,因此,确定微电网直流侧发生极间短路故障,检测结果准确,并且检测速度快。
如图6所示,本发明另一实施例提供的一种微电网故障检测装置,包括:
获取模块,用于获取微电网直流侧的特征量对应的特征值序列。
滤波模块,用于对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值。
第一处理模块,用于分别确定各个所述滤波值与预定值之间的差分量。
第二处理模块,用于根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值。
检测模块,用于根据所述加权微分值确定所述微电网的故障信息。
本发明另一实施例提供的一种微电网故障检测装置包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如上所述的微电网故障检测方法。
本发明再一实施例提供的一种计算机可读存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的微电网故障检测方法。
需要理解的是,在本说明书的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。在本申请中,所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本发明的较佳实施例,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 (10)

1.一种微电网故障检测方法,其特征在于,所述方法包括如下步骤:
获取微电网直流侧的特征量对应的特征值序列;
对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值;
分别确定各个所述滤波值与预定值之间的差分量;
根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值;
根据所述加权微分值确定所述微电网的故障信息。
2.根据权利要求1所述的微电网故障检测方法,其特征在于,所述特征量包括正极电压、负极电压和正负极电流差,所述正极电压对应的所述特征值序列为正极电压序列,所述负极电压对应的所述特征值序列为负极电压序列,所述正负极电流差对应的所述特征值序列为正负极电流差序列,获取微电网直流侧的特征量对应的特征值序列,具体包括如下步骤:
以预设频率分别对微电网直流侧的正极电压、负极电压、正极电流和负极电流进行采样,获得所述正极电压序列、所述负极电压序列、正极电流序列和负极电流序列;
根据所述正极电流序列和所述负极电流序列确定所述正负极电流差序列。
3.根据权利要求1所述的微电网故障检测方法,其特征在于,对所述特征值序列进行处理,获得特征值滤波序列的具体实现为:
采用s点移动平均滤波法对所述特征值序列进行滤波处理,获得多个所述滤波值,所有所述滤波值排列构成所述特征值滤波序列;所述s点移动平均滤波法由第一公式表示,所述第一公式为:
Figure FDA0002453131040000021
其中,s为滤波时的第一数据窗对应的第一数据窗长,x(j)为所述特征值序列中的第j个特征值,xav(m)为所述特征值滤波序列中的第m个所述滤波值。
4.根据权利要求3所述的微电网故障检测方法,其特征在于,分别确定各个所述滤波值与预定值之间的差分量,具体包括如下步骤:
以第二数据窗截取所述特征值滤波序列,令所述第二数据窗中的首个所述滤波值为第一滤波值,所述第一滤波值距离所述特征值滤波序列的首个所述滤波值至少l-1个所述滤波值;令所述特征值滤波序列中从所述第一滤波值向前数的第l个所述滤波值为所述预定值,采用第二公式确定各个所述滤波值与所述预定值之间的差分量,所述第二公式为:
dj=xbv(j)-xbv(1-l),j=1,2,...,N,
其中,xbv(j)为所述第二数据窗中的第j个所述滤波值,xbv(1-l)为所述特征值滤波序列中从所述第一滤波值向前数的第l个所述滤波值,l为正整数,dj表示所述特征值滤波序列中第j个所述滤波值对应的所述差分量,N为所述第二数据窗的第二数据窗长。
5.根据权利要求4所述的微电网故障检测方法,其特征在于,根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,具体包括如下步骤:
对于所述特征值滤波序列中第j个所述滤波值,确定所述特征值滤波序列的前j个所述滤波值中所述差分量为正数的所述滤波值的第一数量npj,以及所述差分量为负数的所述滤波值的第二数量nnj
根据所述第一数量npj和所述第二数量nnj,采用第三公式确定第j个所述滤波值的所述正馈权重因子,所述第三公式为:
Figure FDA0002453131040000022
其中,wj为所述特征值滤波序列中第j个所述滤波值的所述正馈权重因子。
6.根据权利要求5所述的微电网故障检测方法,其特征在于,根据各个所述正馈权重因子确定所述特征量的加权微分值,具体包括如下步骤:
根据各个所述滤波值的所述正馈权重因子以及对应的所述差分量,采用第四公式确定所述特征量的所述加权微分值,所述第四公式为:
Figure FDA0002453131040000031
其中,Dx_m为所述特征量的所述加权微分值,wj为所述特征值滤波序列中第j个所述滤波值的所述正馈权重因子,dj为所述特征值滤波序列中第j个所述滤波值对应的所述差分量。
7.根据权利要求6所述的微电网故障检测方法,其特征在于,所述特征量包括正极电压、负极电压和正负极电流差,令所述正极电压对应的所述加权微分值为第一加权微分值,所述负极电压对应的所述加权微分值为第二加权微分值,且所述正负极电流差对应的所述加权微分值为第三加权微分值,根据所述加权微分值确定所述微电网的故障信息,具体包括如下步骤:
比对所述第一加权微分值与预设的第一门槛值,比对所述第二加权微分值与预设的第二门槛值,比对所述第三加权微分值与预设的第三门槛值;
当所述第三加权微分值小于或等于所述第三门槛值时,则确定微电网交流侧发生故障引起微电网直流侧扰动;
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值大于所述第一门槛值,以及所述第二加权微分值大于所述第二门槛值时,则确定微电网直流侧发生正极接地故障;
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值小于或等于所述第一门槛值,以及所述第二加权微分值小于或等于所述第二门槛值时,则确定微电网直流侧发生负极接地故障;
当所述第三加权微分值大于所述第三门槛值,且所述第一加权微分值小于或等于所述第一门槛值,以及所述第二加权微分值大于所述第二门槛值时,则确定微电网直流侧发生极间短路故障。
8.一种微电网故障检测装置,其特征在于,包括:
获取模块,用于获取微电网直流侧的特征量对应的特征值序列;
滤波模块,用于对所述特征值序列进行处理,获得特征值滤波序列,所述特征值滤波序列包括多个滤波值;
第一处理模块,用于分别确定各个所述滤波值与预定值之间的差分量;
第二处理模块,用于根据各个所述差分量分别确定对应的所述滤波值的正馈权重因子,并根据各个所述正馈权重因子确定所述特征量的加权微分值;
检测模块,用于根据所述加权微分值确定所述微电网的故障信息。
9.一种微电网故障检测装置,其特征在于,所述装置包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于当执行所述计算机程序时,实现如权利要求1至7任一项所述的微电网故障检测方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至7任一项所述的微电网故障检测方法。
CN202010298565.8A 2020-04-16 2020-04-16 一种微电网故障检测方法、装置及存储介质 Expired - Fee Related CN111551819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010298565.8A CN111551819B (zh) 2020-04-16 2020-04-16 一种微电网故障检测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010298565.8A CN111551819B (zh) 2020-04-16 2020-04-16 一种微电网故障检测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111551819A true CN111551819A (zh) 2020-08-18
CN111551819B CN111551819B (zh) 2022-04-29

Family

ID=71998210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010298565.8A Expired - Fee Related CN111551819B (zh) 2020-04-16 2020-04-16 一种微电网故障检测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111551819B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111999753A (zh) * 2020-08-27 2020-11-27 贵州电网有限责任公司 一种配电线路单相接地故障定位技术及自愈决策方法
CN112415338A (zh) * 2020-12-17 2021-02-26 石家庄嘉诚联信科技开发有限公司 一种电网故障检测方法、装置及存储介质
CN116826674A (zh) * 2023-06-19 2023-09-29 国网湖北省电力有限公司电力科学研究院 一种适配控制模式切换的光储充群直流微电网极间故障保护方法
CN118655421A (zh) * 2024-08-20 2024-09-17 兰州朗青交通科技有限公司 一种高速公路微电网系统的故障定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000015456A1 (de) * 1998-09-11 2000-03-23 Siemens Aktiengesellschaft Überwachungsverfahren und überwachungsvorrichtung für ein filter
CN103454549A (zh) * 2013-09-18 2013-12-18 福州大学 一种环网配电系统短路故障早期检测、辨识及定线方法
CN106597217A (zh) * 2016-11-28 2017-04-26 华北电力大学 一种mmc‑hvdc交流侧不对称故障诊断方法
CN106990324A (zh) * 2017-04-06 2017-07-28 北京四方继保自动化股份有限公司 一种配电网接地故障检测定位方法
CN107992665A (zh) * 2017-11-27 2018-05-04 国家电网公司 一种特高压换流站交流滤波器在线故障诊断分析方法
CN108459240A (zh) * 2018-03-27 2018-08-28 国网江苏省电力有限公司苏州供电分公司 一种配电网线路故障区间定位方法
CN110414412A (zh) * 2019-07-25 2019-11-05 长沙理工大学 基于大数据分析的广域电网多重扰动精确识别方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000015456A1 (de) * 1998-09-11 2000-03-23 Siemens Aktiengesellschaft Überwachungsverfahren und überwachungsvorrichtung für ein filter
CN103454549A (zh) * 2013-09-18 2013-12-18 福州大学 一种环网配电系统短路故障早期检测、辨识及定线方法
CN106597217A (zh) * 2016-11-28 2017-04-26 华北电力大学 一种mmc‑hvdc交流侧不对称故障诊断方法
CN106990324A (zh) * 2017-04-06 2017-07-28 北京四方继保自动化股份有限公司 一种配电网接地故障检测定位方法
CN107992665A (zh) * 2017-11-27 2018-05-04 国家电网公司 一种特高压换流站交流滤波器在线故障诊断分析方法
CN108459240A (zh) * 2018-03-27 2018-08-28 国网江苏省电力有限公司苏州供电分公司 一种配电网线路故障区间定位方法
CN110414412A (zh) * 2019-07-25 2019-11-05 长沙理工大学 基于大数据分析的广域电网多重扰动精确识别方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
汤广福等: "多端直流输电与直流电网技术", 《中国电机工程学报》 *
肖朝霞等: "逆变型微网状态空间方程的分析与建立", 《电力系统自动化》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111999753A (zh) * 2020-08-27 2020-11-27 贵州电网有限责任公司 一种配电线路单相接地故障定位技术及自愈决策方法
CN111999753B (zh) * 2020-08-27 2023-01-06 贵州电网有限责任公司 一种配电线路单相接地故障定位技术及自愈决策方法
CN112415338A (zh) * 2020-12-17 2021-02-26 石家庄嘉诚联信科技开发有限公司 一种电网故障检测方法、装置及存储介质
CN116826674A (zh) * 2023-06-19 2023-09-29 国网湖北省电力有限公司电力科学研究院 一种适配控制模式切换的光储充群直流微电网极间故障保护方法
CN116826674B (zh) * 2023-06-19 2024-06-11 国网湖北省电力有限公司电力科学研究院 一种适配控制模式切换的光储充群直流微电网极间故障保护方法
CN118655421A (zh) * 2024-08-20 2024-09-17 兰州朗青交通科技有限公司 一种高速公路微电网系统的故障定位方法
CN118655421B (zh) * 2024-08-20 2024-10-29 兰州朗青交通科技有限公司 一种高速公路微电网系统的故障定位方法

Also Published As

Publication number Publication date
CN111551819B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN111551819B (zh) 一种微电网故障检测方法、装置及存储介质
CN113219300B (zh) 一种基于相电流暂态稳态的配电网单相接地故障感知方法
Kumar et al. A fast and scalable protection scheme for distribution networks with distributed generation
Bhattacharya et al. Shunt compensation
EP3563162A1 (en) Method and control system for faulted phase detection
CN112285601A (zh) 一种多端小电流接地柔性直流系统单极接地故障选线方法
CN113156337B (zh) 用于vienna整流器单管开路故障在线辨识方法、装置及存储介质
Agarwal et al. An improved method using artificial neural network for fault detection and fault pole identification in voltage source converter-based high-voltage direct current transmission lines
CN110954743A (zh) 一种分布式录波装置及小电流接地选线方法
Farshad et al. A signal segmentation approach to identify incident/reflected traveling waves for fault location in half-bridge MMC-HVdc grids
CN107589298A (zh) 电网频率检测电路、方法、存储介质和处理器
CN109586249A (zh) 变压器励磁涌流判别方法和装置
Muzzammel et al. Wavelet multiscale principal components and traveling waves enabled machine learning technique for protection of MT-HVDC systems
EP3639336A1 (en) Method for detecting fault in power transmission line and protection system using the same
Wang et al. Protection of line faults in HVDC grids through convexity detection in backward traveling wave voltages
CN113671410B (zh) 消弧线圈并小电阻接地配电网的接地故障检测方法及系统
CN116754886A (zh) 基于相电流分析的配电网单相接地故障判定方法及装置
CN115469182A (zh) 基于高频波形特性的直流微电网高阻故障检测方法及装置
CN114034934A (zh) 一种hvdc-mmc系统功率模块电容容值在线监测方法
Shakiba et al. Robustness analysis of generalized regression neural network-based fault diagnosis for transmission lines
CN117949820B (zh) 中线继电器的检测方法和逆变器检测电路
Shu et al. A novel transient voltage pilot protection method for hybrid MTdc transmission systems
Li et al. A data-driven fault detection scheme for DC distribution networks based on the adaptive boosting technique
Psaras et al. Real time evaluation of wavelet transform for fast and efficient HVDC grid non-unit protection
CN211880105U (zh) 消除三相电压相位噪声的电容柜取样电路

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: 20220429