CN112014687A - 一种含分布式电源的主动配电网故障区段分层定位方法 - Google Patents
一种含分布式电源的主动配电网故障区段分层定位方法 Download PDFInfo
- Publication number
- CN112014687A CN112014687A CN202010899218.0A CN202010899218A CN112014687A CN 112014687 A CN112014687 A CN 112014687A CN 202010899218 A CN202010899218 A CN 202010899218A CN 112014687 A CN112014687 A CN 112014687A
- Authority
- CN
- China
- Prior art keywords
- fault
- positioning
- distribution network
- section
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 230000006870 function Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004807 localization Effects 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 24
- 239000002356 single layer Substances 0.000 description 8
- 238000004088 simulation Methods 0.000 description 6
- 230000001939 inductive effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012360 testing method 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及一种含分布式电源的主动配电网故障区段分层定位方法,包括以下步骤:获取故障电流信息,对该信息进行编码;将主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法确定故障二端口;获取故障二端口对应的故障电流信息,采用区段定位算法确定故障区段。与现有技术相比,本发明在准确性、容错性等方面均具有明显的优势,能够辨识多种故障、满足快速准确定位故障点的要求。
Description
技术领域
本发明涉及一种主动配电网故障定位方法,尤其是涉及一种含分布式电源的主动配电网故障区段分层定位方法。
背景技术
随着现代电力系统的发展,配电网的网络日益复杂,容量和电压等级不断提升,配电网的安全正常运行成为服务电网用户的关键环节。在配电网运行监测中,能够在线路故障后快速实现准确故障定位测距,是提高配电网供电可靠性的关键。因此故障定位对保证主动配电网稳定运行和可靠供电至关重要。
当主动配电网内发生故障时,馈线终端单元(FTU)将故障电流信息上传至数据采集与监视控制系统(SCADA)进行交互,为调度中心实现快速有效地故障点所在区域诊断、定位与故障隔离,避免故障扩大。通常故障区域定位算法就是在配线线路发生故障后,快速地确定故障点所在位置,该区域位置越精确越好,并且及时对故障区域进行隔离,从而保证主动配电网中其他正常区域的供电,再对非故障失电区域进行供电恢复。近年来,随着分布式电源的规模化接入,使得配电网由传统的单电源辐射型网络变为复杂的多电源网络,故障电流的流向也由单向流动变为双向流动,传统故障定位的方法已不再完全适用,同时分布式电源投切、FTU上传的故障信息发生畸变以及配电网规模不断扩大等问题对故障定位提出了更高的要求。因此,需要研究新形势下适应性强的主动配电网故障定位的方法,提高配电网供电可靠性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种含分布式电源的主动配电网故障区段分层定位方法,能够对多种故障进行检测并实现快速准确的故障点定位。
本发明的目的可以通过以下技术方案来实现:
一种含分布式电源的主动配电网故障区段分层定位方法,该方法包括以下步骤:
获取故障电流信息,对该信息进行编码,所述故障电流信息包括故障发生区段和开关过流信息;
将所述主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;
获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法对所述第一层故障定位模型进行故障定位,确定故障二端口;
获取故障二端口对应的故障电流信息,采用区段定位算法对所述故障二端口对应的第二层故障定位模型进行故障定位,确定故障区段。
进一步地,所述编码具体为:
用xi表示第i条区段的状态,i=1,2,3,…,D1,D1为全系统区段总数,当发生短路故障时:
用Ij表示第j个开关处的过流信息,j=1,2,3,…,D2,D2为全系统开关总数,当发生短路故障时:
进一步地,所述含分布式电源DG的主动配电网的开关函数为:
其中,表示开关j的状态信息期望值;xm表示开关j上游第m个区段的状态信息,故障时为1,正常时为0;xn表示开关j下游第n个区段的状态信息,故障时为1,正常时为0;kDGi为DGi的投切系数,反应该开关所在线路是否接入DG,若接入DG则为1,否则为0;X、Y分别表示开关j上、下游的馈线区段总数,Π为逻辑“或”运算。
进一步地,所述端口定位算法包括遗传算法。
进一步地,所述区段定位算法包括整数线性规划。
进一步地,所述故障电流信息由FTU采集并上传存储至SCADA系统中。
本发明还提供一种含分布式电源的主动配电网故障区段分层定位装置,包括:
故障信息获取编码模块,用于获取故障电流信息,对该信息进行编码,所述故障电流信息包括故障发生区段和开关过流信息;
定位模型构建模块,用于将所述主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;
二端口定位模块,用于获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法对所述第一层故障定位模型进行故障定位,确定故障二端口;
区段定位模块,用于获取故障二端口对应的故障电流信息,采用区段定位算法对所述故障二端口对应的第二层故障定位模型进行故障定位,确定故障区段。
进一步地,该装置与SCADA系统连接。
本发明还提供一种含分布式电源的主动配电网故障区段分层定位装置,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器执行所述计算机程序以实现如所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
与现有技术相比,本发明具有如下有益效果:
1、本发明建立含分布式电源的含分布式电源的主动配电网故障区段分层定位模型,采用分层定位方法实现故障定位,能够辨识多种故障、满足快速准确定位故障点的要求,解决含分布式电源的主动配电网故障区段定位效率低的问题。
2、本发明的故障区段分层定位模型首先是将主动配电网的各分支进行二端口等效进行故障二端口定位,再利用故障二端口内部的节点状态信息进行具体的区段定位,减小需要计算的数量,大大降低了变量搜索维度,加快算法的收敛速度,同时若端口定位算法发生不成熟收敛,则区段定位算法可以对其进行校验,并最终输出准确定位结果,保证故障定位的准确性和容错性。
3、本发明每层定位模型采用不同算法求解,避免了智能算法求解结果的不稳定性,同时也加快了算法的收敛速度。
4、本发明通过端口节点判别故障电流方向,可以有效避免了大量安装功率方向继电器,减小了投资成本。
5、本发明建立了适用于含有DG的主动配电网的开关函数,减少了误判情况的发生,能够解决多电源多重故障且带有感性负荷的配电线路故障区段定位问题。
附图说明
图1为本发明的流程示意图;
图2为T型配电网拓扑图;
图3为等效二端口网络示意图;
图4为实施例采用的IEEE 33节点主动配电网;
图5为实施例的第一层故障定位模型。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本发明提供一种含分布式电源的主动配电网故障区段分层定位方法,该方法如图1所示,包括以下步骤:
获取故障电流信息,对该信息进行编码,所述故障电流信息包括故障发生区段和开关过流信息;
将所述主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;
获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法对所述第一层故障定位模型进行故障定位,在算法满足收敛条件后,确定故障二端口;
获取故障二端口对应的故障电流信息,采用区段定位算法对所述故障二端口对应的第二层故障定位模型进行故障定位,在算法满足收敛条件后,确定故障区段。
上述定位方法首先对故障信息进行编码,然后引入网络关系矩阵用来描述节点与线路之间的拓扑关系并建立开关函数,在此基础上结合分布式电源投切系数和“端口-区段”理念构建分层定位模型,包括故障端口定位和故障区段定位。该方法的具体创新点描述如下。
一、故障信息编码方式
配电网发生故障后,安装在线路的FTU会检测到故障电流信息。用xi(i=1,2,3,…,D1)表示第i条区段的状态,D1为全系统区段总数。当发生短路故障时,对应的区段状态编码为1,否则编码为0,如式(1)所示。
用Ij表示第j个开关处FTU检测的过流信息,1表示开关流过正向故障电流,0表示无故障电流,-1表示流过负向故障电流,其编码方式如式(2)所示。
其中Ij(j=1,2,3,…,D2)为第j个开关状态编码,D2为全系统开关总数。
二、开关函数
对配电线路进行故障区段定位时,需要构建一个函数将区段状态和开关状态联系起来,为此,引入网络关系矩阵用来描述节点与线路之间的拓扑关系,并规定第j个开关与主电源或其他线路区段之间的区段称为开关上游区段,其与本线路其他区段之间的区段称为下游区段,其表达式如式(3)所示。
当配电网某一线路发生故障时,配电自动化系统得到故障信息是由监控设备FTU传回控制中心的开关故障电流的信息。因此要通过分析开关故障电流信息实现故障定位,就必须要将开关故障信息与线路故障信息建立起关系,开关函数就是起到了这个作用。
对于单一电源的传统配电网,其表达式如式(4)所示。
式(4)所示的开关函数只适用于单电源网络,对于含有DG的主动配电网而言,将导致误判情况发生。另外,配电系统的感性负荷较多,发生故障时负荷继续与配电网连接运行,负荷中心点经大地与配电网主电源的中性点构成回路,因此感性负荷也会对配电线路的故障点产生故障电流。为了解决多电源多重故障且带有感性负荷的配电线路故障区段定位问题,建立新的开关函数如式(5)所示。
其中,表示开关j的状态信息期望值;xm表示开关j上游第m个区段的状态信息,故障时为1,正常时为0;xn表示开关j下游第n个区段的状态信息,故障时为1,正常时为0;kDGi为DGi的投切系数,反应该开关所在线路是否接入DG,若接入DG则为1,否则为0;X、Y分别表示开关j上、下游的馈线区段总数。
三、故障区域分层定位模型
传统配电网单层定位模型往往是采用单一智能算法(例如遗传算法GA)搜索每个节点开关的故障电流信息实现定位。对于含有众多节点的主动配电网而言,一方面单层定位模型扩大了算法的种群规模,使算法求解耗时增加,无法满足故障定位实时性的要求;另一方面单层定位模型需要在每个节点开关处安装功率方向元件采集故障方向信息,这无疑会导致投资成本的增加。同时单层定位模型没有反馈校验环节,无法保证故障定位的准确性和容错性。
多分支节点(3个及以上)是典型辐射状配电网网络结构的重要组成部分,决定着配电网拓扑结构的复杂程度,也就决定着开关函数构建的复杂程度。以含有T型节点的配电网为例,分析开关函数构建中的逻辑规律,含有3个分支的T型配电网拓扑图如图2所示。
(i)当分支c上的区段(9)发生故障时,根据式(5)计算可得节点1的开关函数为:
同理可得分支a上其他节点的开关函数为:
同理可得分支b上各节点的开关函数为:
(ii)当分支c上区段(10)发生故障,根据式(5)可得分支a上的开关函数为:
分支b上的开关函数为:
(iii)当分支c上区段(9)、(10)同时发生故障,分支a上各节点的开关函数仍然满足式(14),分支b上个节点的开关函数仍满足式(15)。
通过上述分析可知,分支c上任意一个区段或者多个区段同时发生故障,分支c对其他支路开关函数构建的影响相同。因此,根据二端口网络对外等效定则,可将支路c等效为一个无源二端口,如图3所示,其中靠近主电源侧的节点定义为端口节点,端口内部包含的区段为端口区段。
因此,含T型节点的配电网各分支均能够等效为一个二端口,并且变量维度下降2/3,这为构建分层故障定位模型提供了理论基础。采用配电网故障分层定位方法解决传统配电网单层故障定位模型的缺陷,将整个故障定位模型分为两层。第一层根据配电网各支路二端口等效网络建立模型进行故障端口定位,第二层在第一层定位输出的故障端口内部进行故障区段定位。
四、故障区域分层定位模型的混合求解算法
首先,以配电网各分支为边界进行端口等效,求解时只搜索端口节点以及故障端口内的节点,这样大大降低了变量搜索维度,加快算法的收敛速度。其次,每层定位模型采用不同算法求解,避免了智能算法求解结果的不稳定性,同时也加快了算法的收敛速度。通过端口节点判别故障电流方向,可以有效避免了大量安装功率方向继电器,减小了投资成本。最后,根据两层定位输出结果的一致性校验整个故障定位结果的准确性。
配电网分层故障定位包括故障端口定位和区段定位。本实施例中,故障端口定位是根据读取的区域端节点故障信息,利用遗传算法将故障定位到某个二端口内部;区段定位根据端口定位的结果,读取二端口内部节点故障信息,利用整数线性规划将故障定位到具体区段。
五、案例分析
采用如图4所示的含分布式电源(DG)的IEEE 33节点主动配电网。其中,黑色圆点为开关(包括了断路器和分段开关),编号1~33;两圆点之间的线段为馈线区段,编号(1)~(33)。定义K为分布式电源投切矩阵,并规定K=[k1,k2,k3,k4,k5,k6,k7],其中各元素分别为光伏PV1、光伏PV2、风电WT1、风电WT2、风电WT3、储能ES1、储能ES2对应的投切系数。
(i)故障仿真验证
首先,以多分支节点为边界将配电网等效为10个二端口,构建第一层故障定位模型,如图5所示。每单个二端口都属于第二层定位模型,每个二端口包括的普通节点和区段如表1所示,表中首节点为端口节点。
表1二端口内包含的开关
对图4所示系统设置单一、多重故障,以及不同DG的投切组合、FTU上传数据畸变的情况,对故障定位进行仿真验证,其仿真结果表2、表3所示。
表2单一故障仿真结果
表3多重故障仿真结果
以上仿真表明,无论是发生单重故障还是多重故障,将故障定位分层模型运用于含DG的主动配电网中,变量的维度降低了69.7%,极大的简化了故障定位模型;最终故障端口、故障区段定位的结果也与故障预先设置的位置一致。综上所述,在含DG的主动配电网发生单一、多重故障时,所采用的定位方法均能够快速准确定位出故障区段,自适应性良好。
(ii)定位方法的容错性检验
设置端口Port5的区段x9和端口Port10的区段x32同时发生故障,端口Port3内的节点5的和端口Port8内的节点24处的FTU上传信息发生畸变,分别从1变为-1和0变为1。首先采用改进遗传算法进行第一层故障定位,所得结果为端口Port3、Port5、Port8、Port10发生故障,与预先设置的故障位置不符,故障定位出现不完全错误。
随后,系统采集故障端口内节点的状态编码信息,采用整数线性规划法对上述故障端口进行具体区段定位,其定位结果如表4所示。
表4区段故障定位结果
由表4可知,区段定位结果与端口定位结果不同。利用区段定位结果重新进行端口定位,将端口状态初始值设为[0,0,0,0,1,0,0,0,0,1],进行一次端口定位后判定为Port5、Port10发生故障,然后再对故障端口内进行区段定位,结果为区段x9、x32同时发生故障,两层定位模型输出的结果一致,定位结束。从上述分析可以看出,故障端口Port3、Port8实际没有发生故障,这说明区段故障定位能够对端口故障定位进行反馈和校验,保证了整个故障定位过程具有一定的容错性。
(iii)与其他模型的对比
为了验证故障区段分层定位模型在定位容错性和准确性上的优势,将其与单层故障定位模型进行对比。对比结果如表5所示。
表5两种模型对比分析
从表5中可得如下结论:当信息畸变(FTU漏报和误报)的开关数量小于3个时,单层定位模型与分层定位模型均可实现准确定位,当信息畸变(FTU漏报和误报)的开关数量超过3个,采用单层故障定位模型开始无法准确定位故障区段,而采用分层故障定位模型,能够降低单次故障定位的变量维度;同时,由于整个故障定位分为2次,即使信息畸变(FTU漏报和误报)的开关数量超过6个,依然能够准确定位故障元件,这说明当故障信息发生大面积畸变时,分层定位模型在容错性和准确性上具有明显的优势。
为了验证分层故障定位模型在进行端口定位和区段定位分别采用不同算法的优势,将混合求解算法与单一算法求解进行对比分析。设置区段x7、x18同时发生故障,三种情形分别运行200次,统计迭代次数及准确次数。对比分析结果如表6所示。
表6三种算法性能对比
从表6中可以看出,混合求解算法求解模型时的平均收敛次数为8次,准确次数200次;当采用单一遗传算法求解模型时,平均收敛次数为14次,准确次数187次;当采用单一的整数线性规划算法求解模型时,平均收敛次数为24次,准确次数180次。
由此可见,本发明方法在准确性、容错性等方面均具有明显的优势。
实施例2
本实施例提供一种含分布式电源的主动配电网故障区段分层定位装置,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器执行所述计算机程序以实现如实施例1所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
实施例3
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如实施例1所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种含分布式电源的主动配电网故障区段分层定位方法,其特征在于,该方法包括以下步骤:
获取故障电流信息,对该信息进行编码,所述故障电流信息包括故障发生区段和开关过流信息;
将所述主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;
获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法对所述第一层故障定位模型进行故障定位,确定故障二端口;
获取故障二端口对应的故障电流信息,采用区段定位算法对所述故障二端口对应的第二层故障定位模型进行故障定位,确定故障区段。
4.根据权利要求1所述的含分布式电源的主动配电网故障区段分层定位方法,其特征在于,所述端口定位算法包括遗传算法。
5.根据权利要求1所述的含分布式电源的主动配电网故障区段分层定位方法,其特征在于,所述区段定位算法包括整数线性规划。
6.根据权利要求1所述的含分布式电源的主动配电网故障区段分层定位方法,其特征在于,所述故障电流信息由FTU采集并上传存储至SCADA系统中。
7.一种含分布式电源的主动配电网故障区段分层定位装置,其特征在于,包括:
故障信息获取编码模块,用于获取故障电流信息,对该信息进行编码,所述故障电流信息包括故障发生区段和开关过流信息;
定位模型构建模块,用于将所述主动配电网的各分支进行二端口等效,形成第一层故障定位模型,其中的每个二端口均为第二层故障定位模型,从而建立故障区段分层定位模型;
二端口定位模块,用于获取编码后的所述故障电流信息,基于含分布式电源的主动配电网的开关函数,采用端口定位算法对所述第一层故障定位模型进行故障定位,确定故障二端口;
区段定位模块,用于获取故障二端口对应的故障电流信息,采用区段定位算法对所述故障二端口对应的第二层故障定位模型进行故障定位,确定故障区段。
8.根据权利要求1所述的含分布式电源的主动配电网故障区段分层定位装置,其特征在于,该装置与SCADA系统连接。
9.一种含分布式电源的主动配电网故障区段分层定位装置,其特征在于,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器执行所述计算机程序以实现权利要求1-6任一所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任一所述含分布式电源的主动配电网故障区段分层定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899218.0A CN112014687A (zh) | 2020-08-31 | 2020-08-31 | 一种含分布式电源的主动配电网故障区段分层定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899218.0A CN112014687A (zh) | 2020-08-31 | 2020-08-31 | 一种含分布式电源的主动配电网故障区段分层定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112014687A true CN112014687A (zh) | 2020-12-01 |
Family
ID=73504029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010899218.0A Pending CN112014687A (zh) | 2020-08-31 | 2020-08-31 | 一种含分布式电源的主动配电网故障区段分层定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014687A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113009274A (zh) * | 2021-02-22 | 2021-06-22 | 山东科技大学 | 基于ielm算法的配电网故障区段定位方法及系统 |
CN114113901A (zh) * | 2021-11-30 | 2022-03-01 | 国网浙江杭州市萧山区供电有限公司 | 一种含分布式电源的配电网的故障定位方法 |
CN114545148A (zh) * | 2022-01-18 | 2022-05-27 | 国网江苏省电力有限公司电力科学研究院 | 配电网故障区段定位方法、装置、存储介质及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037414A (zh) * | 2017-12-11 | 2018-05-15 | 福州大学 | 一种基于分层模型和智能校验算法的配电网故障定位方法 |
CN109470997A (zh) * | 2018-12-06 | 2019-03-15 | 湖北鄂电德力电气有限公司 | 一种利用多因素降维的配电网区段定位方法 |
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 |
CN110632451A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江省电力有限公司衢州供电公司 | 一种低压有源配电网故障定位方法 |
CN111597701A (zh) * | 2020-05-11 | 2020-08-28 | 广东电网有限责任公司 | 一种含dg的配电网故障定位方法和系统 |
-
2020
- 2020-08-31 CN CN202010899218.0A patent/CN112014687A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037414A (zh) * | 2017-12-11 | 2018-05-15 | 福州大学 | 一种基于分层模型和智能校验算法的配电网故障定位方法 |
CN109470997A (zh) * | 2018-12-06 | 2019-03-15 | 湖北鄂电德力电气有限公司 | 一种利用多因素降维的配电网区段定位方法 |
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 |
CN110632451A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江省电力有限公司衢州供电公司 | 一种低压有源配电网故障定位方法 |
CN111597701A (zh) * | 2020-05-11 | 2020-08-28 | 广东电网有限责任公司 | 一种含dg的配电网故障定位方法和系统 |
Non-Patent Citations (4)
Title |
---|
万富康等: "基于线性整数规划的主动配电网故障区段定位", 《辽宁石油化工大学学报》 * |
刘严等: "基于0-1整数规划的配电网区段定位方法", 《电网与清洁能源》 * |
王秋杰等: "基于分层模型和智能校验算法的配电网故障定位技术", 《电工技术学报》 * |
高锋阳等: "含特殊负荷的配电网故障定位与识别", 《电力自动化设备》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113009274A (zh) * | 2021-02-22 | 2021-06-22 | 山东科技大学 | 基于ielm算法的配电网故障区段定位方法及系统 |
CN113009274B (zh) * | 2021-02-22 | 2022-05-03 | 山东科技大学 | 基于ielm算法的配电网故障区段定位方法及系统 |
CN114113901A (zh) * | 2021-11-30 | 2022-03-01 | 国网浙江杭州市萧山区供电有限公司 | 一种含分布式电源的配电网的故障定位方法 |
CN114545148A (zh) * | 2022-01-18 | 2022-05-27 | 国网江苏省电力有限公司电力科学研究院 | 配电网故障区段定位方法、装置、存储介质及计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014687A (zh) | 一种含分布式电源的主动配电网故障区段分层定位方法 | |
CN103872681A (zh) | 一种基于主配网一体化的在线实时合环方法 | |
CN106771848B (zh) | 一种基于拓扑图元信息融合的电网故障诊断方法 | |
CN104462779B (zh) | 采用快速建模与数据质量分析的理论线损在线计算方法 | |
CN112072647B (zh) | 考虑通信故障影响的配电网cps安全性评估方法及装置 | |
Wang et al. | A hierarchical power grid fault diagnosis method using multi-source information | |
CN105606931A (zh) | 一种基于量子遗传算法的中压配电网故障诊断方法 | |
CN112485587B (zh) | 一种含分布式光伏配电网故障区段分层定位方法 | |
CN105893714B (zh) | 基于大电网仿真系统下的自动电压控制系统闭环检测及评估方法 | |
CN107491876A (zh) | 一种智能变电站保护系统的风险评估方法 | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
CN113595246B (zh) | 微电网状态在线监测方法、装置、计算机设备和存储介质 | |
CN113189428A (zh) | 一种电能质量监测管理系统 | |
CN110632451B (zh) | 一种低压有源配电网故障定位方法 | |
CN108460228A (zh) | 一种基于多目标优化算法进行风电场等值的方法 | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN109861178A (zh) | 基于SCADA稳态信息的220kV电网复杂保护动作判断方法 | |
Liu et al. | Fault location method for distribution network with distributed generation based on deep learning | |
CN112086969A (zh) | 基于Infomap算法的配电网边缘划分方法和装置 | |
CN114386222A (zh) | 一种基于信息物理系统的配电网协同故障恢复方法和系统 | |
CN113011047A (zh) | 一种基于220kV及以下智能变电站二次系统的可靠性分析方法 | |
Yang et al. | Trend Analysis and Fault Diagnosis of Equipment State Based on Transformer Operation Mechanism Modeling | |
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 | |
Li et al. | Fault location method of active distribution network based on graph theory and matrix algorithm | |
Bao et al. | A fault location method for active distribution network with DGs |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201201 |
|
RJ01 | Rejection of invention patent application after publication |