CN112485589B - 基于分布式实时数据仓库的台区停电及故障实时感知方法 - Google Patents

基于分布式实时数据仓库的台区停电及故障实时感知方法 Download PDF

Info

Publication number
CN112485589B
CN112485589B CN202011286112.XA CN202011286112A CN112485589B CN 112485589 B CN112485589 B CN 112485589B CN 202011286112 A CN202011286112 A CN 202011286112A CN 112485589 B CN112485589 B CN 112485589B
Authority
CN
China
Prior art keywords
data
column
fault
value
sampling
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.)
Active
Application number
CN202011286112.XA
Other languages
English (en)
Other versions
CN112485589A (zh
Inventor
孙伟
郑高峰
张淑娟
汪玉
卞真旭
邵珺伟
唐亮
梁晓伟
姜海辉
杨睿
张良
陶晓峰
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.)
Beiming Software Co ltd
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui Electric Power Co Ltd
Original Assignee
Beiming Software Co ltd
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui 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 Beiming Software Co ltd, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd, State Grid Anhui Electric Power Co Ltd filed Critical Beiming Software Co ltd
Priority to CN202011286112.XA priority Critical patent/CN112485589B/zh
Publication of CN112485589A publication Critical patent/CN112485589A/zh
Application granted granted Critical
Publication of CN112485589B publication Critical patent/CN112485589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Abstract

本发明属于感知方法，具体涉及一种基于分布式实时数据仓库的台区停电及故障实时感知方法。一种基于分布式实时数据仓库的台区停电及故障实时感知方法，包括下述步骤：步骤一：构建数据矩阵；步骤二：采样或接受上报数据；步骤三：核算标志位形成完整数据矩阵；步骤四：事故感知；步骤五：故障感知。本发明的显著效果是：本发明针对特定电网参数进行收集或上报，并在收集或上报的时候就进行事故判断，节约了大量运算工作量。在事故和故障两个层面，分别感知影响范围，不仅能够了解分布式电网事故或故障类型，同时也能感知影响范围。

Description

基于分布式实时数据仓库的台区停电及故障实时感知方法
技术领域
本发明属于感知方法，具体涉及一种基于分布式实时数据仓库的台区停电及故障实时感知方法。
背景技术
电网在生产生活中扮演着越来越重要的角色。随着科技的发展，我国的电网由原来的单发电机组电网逐渐向分布式电网发展。分布式电网具有多个独立的发电设备，每个分布式网络内也分布着不同的用电设备。
这种电网的缺陷在于：上级电网往往只收集下级电网上报的相关数据，而不关注下级电网内部运行的数据。如果发生事故，例如停电，跳闸，输电线路损毁等，那么剧烈的电网数据变动可以体现在下级电网上报的数据中。如果只是下级电网的输电质量产生了波动，例如电压波动、三相电压不平衡、谐波所占比例过高、频率偏差等，而这些输电质量问题尚未构成电网事故，那么由于子电网的“内部消化”作用，则上级电网可能完全无法了解下级电网是否产生了故障。而且由于电网互相是连通的，一个子电网产生的故障很可能会波及周围电网，因此故障范围大小也是需要感知的内容。
现有技术尚无法解决上述问题，因此需要一种针对分布式电网电能质量进行感知的方法。
发明内容
本发明针对现有技术的缺陷，提供一种基于分布式实时数据仓库的台区停电及故障实时感知方法。
本发明是这样实现的：一种基于分布式实时数据仓库的台区停电及故障实时感知方法，包括下述步骤：
步骤一：构建数据矩阵；
步骤二：采样或接受上报数据；
步骤三：核算标志位形成完整数据矩阵；
步骤四：事故感知；
步骤五：故障感知。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其中，所述的步骤一包括，
构建下述结构的数据矩阵
Z＝[aij]
上述数据矩阵的行有无限多，列共有10列；每列数据的物理意义分别为，
第一列ai1表示采样或者上报数据的次数；
第二列ai2表示采样或上报的节点编号；
第三列ai3表示谐波所占比例标志位；
第四列ai4表示电压波动比例标志位；
第五列ai5表示三相电压不平衡标志位；
第六列ai6表示频率偏差值标志位；
第七列ai7表示谐波所占比例采样或上报数据值；
第八列ai8表示电压波动比例采样或上报数据值；
第九列ai9表示三相电压不平衡采样或上报数据值；
第十列ai10表示频率偏差值采样或上报数据值。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其中，所述的步骤二包括，
当下层数据为基层电网数据时，进行采样；当下层数据为非基层电网数据时，接受下级电网的上报数据，无论采集数据还是上报的数据，均符合下述要求，
采样或上报的数据包括下述四种，即分别针对谐波所占比例、电压波动比例、三相电压不平衡、频率偏差值进行采样，
采样频率根据需要进行，以电网频率的10-20倍频率为采样频率，
上报频率与采样频率相同，
本申请的采样或上报内容都不是直接取得所需数据，而是采集相关基础数据然后根据基础数据计算得到的，具体为：
针对谐波所占比例：对电网电能采样，计算谐波所占比例，该比例用百分比表示，该所占比例为采样数据，
电压波动比例：采集电网电压，将电网电压与标准值进行相减并取绝对值，然后将差值与标准值相除，得到百分比数值，得到的百分比数值为本申请采样的内容，
三相电压不平衡：用电压负序分量与正序分量的方均根，并百分比表示，该百分比值为本申请的采样内容，
频率偏差：采集电网频率，用该频率与标准频率的差作为频率偏差的采样内容，由于本申请只需要使用其数值部分，因此所述的采样内容为频率偏差的绝对值。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其中，所述的步骤三包括，
设定阈值，所述的阈值，按照下述标准设定：
所述的谐波所占比例的阈值为5％，
所述的电压波动比例的阈值为5％，
所述的三相电压不平衡的阈值2％，
所述的频率偏差值的阈值为0.2Hz，
根据步骤二中实际采样或上报数据的值，以上述阈值为标准，若实际采样或上报数据的值小于等于阈值，则置相应标志位为1，否则置相应标志位为0。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其中，所述的步骤四包括，
步骤4.1：形成事故感知矩阵
取数据矩阵中的前6列数据形成事故感知矩阵，在事故感知矩阵中，第一列数据ai1的数值相同，即取出同次采样或上报数据的不同节点的所有标志位数据，形成事故感知矩阵，
步骤4.2：感知事故范围
取事故矩阵后四列，如果同列中有任意两行的数据均为0，那么该两行对应节点的特定事故相关性增加1，并判定有事故，否则相关性保持不变，
步骤4.3：输出事故范围
将步骤4.2感知到的结果输出，
如果步骤4.2感知到的结果为无事故，那么执行步骤五；
如果步骤4.2感知到的结果为有事故，则输出事故类型和事故范围。
如上所述的一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其中，所述的步骤五包括，
步骤5.1：形成故障感知矩阵
取数据矩阵中的前2列数据和后4列数据形成故障感知矩阵，在事故障知矩阵中，第一列数据ai1的数值相同，即取出同次采样或上报数据的不同节点的所有采样或上报数据，形成故障感知矩阵，
步骤5.2：感知事故范围
由于故障相关性的计算是对称的，即a节点与b节点的故障相关性，与b节点与a节点的故障相关性是相同的，因此本步骤后续计算中只计算a→b的故障相关性，不重复计算b→a的故障相关性，
步骤5.2.1：谐波所占比例故障相关性
对于第三列数据，若第a行第3列的元素ca3的值，和第b行第3列的元素cb3的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000051
Figure BDA0002782451780000052
其中，a、b表示感知故障矩阵的行数，且a≠b，
Figure BDA0002782451780000053
表示感知故障矩阵中第a行第3列的元素ca3的值的平方，
Figure BDA0002782451780000061
表示感知故障矩阵中第b行第3列的元素cb3的值的平方；||表示取绝对值，
若
Figure BDA0002782451780000062
的值小于等于0.25，则判定第a节点和第b节点的谐波所占比例故障相关性存在故障相关性，
步骤5.2.2：电压波动比例故障相关性
对于第四列数据，若第a行第4列的元素ca4的值，和第b行第4列的元素cb4的值均为0时，判定无故障；否则判定有故障；当判定结果为有故障时，如果ca4和cb4中有任意一个的值为0而另一个不为0，那么令
Figure BDA0002782451780000063
当ca4和cb4均不为0时，并用下述公式计算
Figure BDA0002782451780000064
Figure BDA0002782451780000065
其中ca4表示第a行第4列的元素的值；cb4第b行第4列的元素的值，
若
Figure BDA0002782451780000066
的值小于等于0.2，则判定第a节点和第b节点的电压波动比例存在故障相关性，
步骤5.2.3：三相电压不平衡故障相关性
对于第五列数据，若第a行第5列的元素ca5的值，和第b行第5列的元素cb5的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000067
Figure BDA0002782451780000068
其中ca5表示第a行第5列的元素的值；cb5第b行第5列的元素的值，
Figure BDA0002782451780000071
若
Figure BDA0002782451780000072
的值小于等于0.25，则判定第a节点和第b节点的三相电压不平衡存在故障相关性，
步骤5.2.4：频率偏差值故障相关性
对于第六列数据，若第a行第6列的元素ca6的值，和第b行第6列的元素cb6的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000073
Figure BDA0002782451780000074
其中ca6表示第a行第6列的元素的值；cb6第b行第6列的元素的值，||表示取绝对值，
若
Figure BDA0002782451780000075
的值大于等于0.8，则判定第a节点和第b节点的三频率偏差值存在故障相关性，
步骤5.3：故障范围输出
若步骤5.2判定的结果为无故障，则输出无故障；
若步骤5.2判定的结果为有故障，则输出故障类型及故障范围。
本发明的显著效果是：本发明针对特定电网参数进行收集或上报，并在收集或上报的时候就进行事故判断，节约了大量运算工作量。在事故和故障两个层面，分别感知影响范围，不仅能够了解分布式电网事故或故障类型，同时也能感知影响范围。
具体实施方式
一种基于分布式实时数据仓库的台区停电及故障实时感知方法，包括下述内容：
步骤一：构建数据矩阵
构建下述结构的数据矩阵
Z＝[aij]
上述数据矩阵的行有无限多，列共有10列；每列数据的物理意义分别为，
第一列ai1表示采样或者上报数据的次数；
第二列ai2表示采样或上报的节点编号；
第三列ai3表示谐波所占比例标志位；
第四列ai4表示电压波动比例标志位；
第五列ai5表示三相电压不平衡标志位；
第六列ai6表示频率偏差值标志位；
第七列ai7表示谐波所占比例采样或上报数据值；
第八列ai8表示电压波动比例采样或上报数据值；
第九列ai9表示三相电压不平衡采样或上报数据值；
第十列ai10表示频率偏差值采样或上报数据值。
上述数据矩阵之所以有无限多行，是因为随着时间的推移，子节点的采样或者上报数据会不断的填写到该数据矩阵中，因此该数据矩阵理论上有无限多行。
在实际操作中，由于存储空间的限制，一般采用24小时备份制度，即24小时内的数据直接存储在运算计算机中，超过24小时的数据备份到服务器的备份硬盘中。3个月以上的数据根据实际需要，可以考虑压缩后归档存储，也可以考虑直接丢弃该部分数据。
步骤二：采样或接受上报数据
当下层数据为基层电网数据时，进行采样；当下层数据为非基层电网数据时，接受下级电网的上报数据。无论采集数据还是上报的数据，均符合下述要求。
采样或上报的数据包括下述四种，即分别针对谐波所占比例、电压波动比例、三相电压不平衡、频率偏差值进行采样。
采样频率根据需要进行，一般以电网频率的10-20倍频率为采样频率。
虽然采样频率可以根据需要调整，但是只要是同一次评价活动，该采样频率一旦确定就不再更改。
上报频率与采样频率相同。
本申请的采样或上报内容都不是直接取得所需数据，而是采集相关基础数据然后根据基础数据计算得到的，具体为
针对谐波所占比例：对电网电能采样，计算谐波所占比例，该比例用百分比表示，该所占比例为采样数据。
电压波动比例：采集电网电压，将电网电压与标准值进行相减并取绝对值，然后将差值与标准值相除，得到百分比数值，得到的百分比数值为本申请采样的内容。
三相电压不平衡：用电压负序分量与正序分量的方均根，并百分比表示，该百分比值为本申请的采样内容。
频率偏差：采集电网频率，用该频率与标准频率的差作为频率偏差的采样内容。由于本申请只需要使用其数值部分，因此所述的采样内容为频率偏差的绝对值。
步骤三：核算标志位形成完整数据矩阵
设定阈值，所述的阈值，按照下述标准设定：
所述的谐波所占比例的阈值为5％，
所述的电压波动比例的阈值为5％，
所述的三相电压不平衡的阈值2％，
所述的频率偏差值的阈值为0.2Hz。
根据步骤二中实际采样或上报数据的值，以上述阈值为标准，若实际采样或上报数据的值小于等于阈值，则置相应标志位为1，否则置相应标志位为0。
例如某节点在某时刻上报数据如下表所示
谐波所占比例 电压波动比例 三相电压不平衡 频率偏差值
3％ 6％ 2.5％ 0.5Hz
那么根据上述阈值判断标准，则相应标志位的值分别为
Figure BDA0002782451780000101
假设该节点为分布式系统的第5个子节点，上报数据为第384次上报数据，那么形成的该条数据矩阵为
384 5 1 0 0 0 3％ 6％ 2.5％ 0.5Hz
步骤四：事故感知
步骤4.1：形成事故感知矩阵
取数据矩阵中的前6列数据形成事故感知矩阵。在事故感知矩阵中，第一列数据ai1的数值相同。即取出同次采样或上报数据的不同节点的所有标志位数据，形成事故感知矩阵。
例如数据矩阵的一部分如下表所示
384 1 1 1 1 1 3％ 2％ 1％ 0.1Hz
384 2 1 0 1 1 3％ 6％ 1％ 0.1Hz
384 3 0 0 1 1 6％ 6％ 1％ 0.1Hz
384 4 1 1 1 1 3％ 2％ 1％ 0.1Hz
384 5 1 0 0 0 3％ 6％ 2.5％ 0.5Hz
385 1 1 1 1 1 1％ 1％ 1％ 0.1Hz
385 2 1 1 1 1 1％ 1％ 1％ 0.1Hz
385 3 1 1 1 1 1％ 1％ 1％ 0.1Hz
385 4 1 1 1 1 1％ 2％ 1％ 0.1Hz
385 5 1 1 1 1 1％ 1％ 1％ 0.1Hz
386 1 1 1 1 1 1％ 1％ 1％ 0.1Hz
386 2 1 1 0 1 1％ 1％ 3％ 0.1Hz
386 3 1 1 0 1 1％ 1％ 3％ 0.1Hz
386 4 1 0 1 1 1％ 6％ 1％ 0.1Hz
取384次上报数据形成事故感知矩阵，则得到的384次事故感知矩阵如下所示
384 1 1 1 1 1
384 2 1 0 1 1
384 3 0 0 1 1
384 4 1 1 1 1
384 5 1 0 0 0
步骤4.2：感知事故范围
取事故矩阵后四列，如果同列中有任意两行的数据均为0，那么该两行对应节点的特定事故相关性增加1，并判定有事故，否则相关性保持不变。
仍以384次上报数据形成事故感知矩阵为例，该事故感知矩阵为
384 1 1 1 1 1
384 2 1 0 1 1
384 3 0 0 1 1
384 4 1 1 1 1
384 5 1 0 0 0
第三列只有1个数据0，则所有节点的相关性均保持不变；
第四列有3个数据0，则节点2、节点3和节点5，三个节点中任意两个的电压波动比例事故具备相关性；
第五列、第六列与第三列类似，也只有1个数据0，所有节点的相关性均保持不变。
如果事故感知矩阵中后四列的数据均为1，则判定无事故。
步骤4.3：输出事故范围
将步骤4.2感知到的结果输出。
如果步骤4.2感知到的结果为无事故，那么执行步骤五；
如果步骤4.2感知到的结果为有事故，则输出事故类型和事故范围。
仍以384次上报数据形成事故感知矩阵为例，判定结果为有事故，事故类型为电压波动比例事故，事故范围为节点2、节点3和节点5。
步骤五：故障感知
步骤5.1：形成故障感知矩阵
取数据矩阵中的前2列数据和后4列数据形成故障感知矩阵。在事故障知矩阵中，第一列数据ai1的数值相同。即取出同次采样或上报数据的不同节点的所有采样或上报数据，形成故障感知矩阵。
例如数据矩阵的一部分如下表所示
Figure BDA0002782451780000121
Figure BDA0002782451780000131
取385次上报数据形成故障感知矩阵，则得到的385次故障感知矩阵如下所示
385 1 1％ 1％ 1％ 0.1Hz
385 2 1％ 1％ 1％ 0.1Hz
385 3 1％ 1％ 1％ 0.1Hz
385 4 1％ 2％ 1％ 0.1Hz
385 5 1％ 1％ 1％ 0.1Hz
步骤5.2：感知事故范围
由于故障相关性的计算是对称的，即a节点与b节点的故障相关性，与b节点与a节点的故障相关性是相同的，因此本步骤后续计算中只计算a→b的故障相关性，不重复计算b→a的故障相关性。
步骤5.2.1：谐波所占比例故障相关性
对于第三列数据，若第a行第3列的元素ca3的值，和第b行第3列的元素cb3的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000132
Figure BDA0002782451780000133
其中，a、b表示感知故障矩阵的行数，且a≠b，
Figure BDA0002782451780000134
表示感知故障矩阵中第a行第3列的元素ca3的值的平方，
Figure BDA0002782451780000135
表示感知故障矩阵中第b行第3列的元素cb3的值的平方；||表示取绝对值。
若
Figure BDA0002782451780000136
的值小于等于0.25，则判定第a节点和第b节点的谐波所占比例故障相关性存在故障相关性。
步骤5.2.2：电压波动比例故障相关性
对于第四列数据，若第a行第4列的元素ca4的值，和第b行第4列的元素cb4的值均为0时，判定无故障；否则判定有故障；当判定结果为有故障时，如果ca4和cb4中有任意一个的值为0而另一个不为0，那么令
Figure BDA0002782451780000141
当ca4和cb4均不为0时，并用下述公式计算
Figure BDA0002782451780000142
Figure BDA0002782451780000143
其中ca4表示第a行第4列的元素的值；cb4第b行第4列的元素的值。
若
Figure BDA0002782451780000144
的值小于等于0.2，则判定第a节点和第b节点的电压波动比例存在故障相关性。
步骤5.2.3：三相电压不平衡故障相关性
对于第五列数据，若第a行第5列的元素ca5的值，和第b行第5列的元素cb5的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000145
Figure BDA0002782451780000146
其中ca5表示第a行第5列的元素的值；cb5第b行第5列的元素的值，
Figure BDA0002782451780000147
若
Figure BDA0002782451780000148
的值小于等于0.25，则判定第a节点和第b节点的三相电压不平衡存在故障相关性。
步骤5.2.4：频率偏差值故障相关性
对于第六列数据，若第a行第6列的元素ca6的值，和第b行第6列的元素cb6的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure BDA0002782451780000151
Figure BDA0002782451780000152
其中ca6表示第a行第6列的元素的值；cb6第b行第6列的元素的值，||表示取绝对值。
若
Figure BDA0002782451780000153
的值大于等于0.8，则判定第a节点和第b节点的三频率偏差值存在故障相关性。
步骤5.3：故障范围输出
若步骤5.2判定的结果为无故障，则输出无故障；
若步骤5.2判定的结果为有故障，则输出故障类型及故障范围。
例如前述例子中，存在故障，故障分别为
谐波所占比例故障，故障范围为节点1、节点2、节点3、节点4、节点5；
电压波动比例故障，故障范围为节点1、节点2、节点3、节点4、节点5；
三相电压不平衡故障，故障范围为节点1、节点2、节点3、节点4、节点5；
频率偏差值故障，故障范围为节点1、节点2、节点3、节点4、节点5。

Claims (1)

1.一种基于分布式实时数据仓库的台区停电及故障实时感知方法，其特征在于，包括下述步骤：
步骤一：构建数据矩阵；
步骤二：采样或接受上报数据；
步骤三：核算标志位形成完整数据矩阵；
步骤四：事故感知；
步骤五：故障感知；
所述的步骤一包括，
构建下述结构的数据矩阵
Z＝[aij]
上述数据矩阵的行有无限多，列共有10列；每列数据的物理意义分别为，
第一列ai1表示采样或者上报数据的次数；
第二列ai2表示采样或上报的节点编号；
第三列ai3表示谐波所占比例标志位；
第四列ai4表示电压波动比例标志位；
第五列ai5表示三相电压不平衡标志位；
第六列ai6表示频率偏差值标志位；
第七列ai7表示谐波所占比例采样或上报数据值；
第八列ai8表示电压波动比例采样或上报数据值；
第九列ai9表示三相电压不平衡采样或上报数据值；
第十列ai10表示频率偏差值采样或上报数据值；
所述的步骤二包括，
当下层数据为基层电网数据时，进行采样；当下层数据为非基层电网数据时，接受下级电网的上报数据，无论采集数据还是上报的数据，均符合下述要求，
采样或上报的数据包括下述四种，即分别针对谐波所占比例、电压波动比例、三相电压不平衡、频率偏差值进行采样，
采样频率根据需要进行，以电网频率的10-20倍频率为采样频率，
上报频率与采样频率相同，
采样或上报内容都不是直接取得所需数据，而是采集相关基础数据然后根据基础数据计算得到的，具体为
针对谐波所占比例：对电网电能采样，计算谐波所占比例，该比例用百分比表示，该所占比例为采样数据，
电压波动比例：采集电网电压，将电网电压与标准值进行相减并取绝对值，然后将差值与标准值相除，得到百分比数值，得到的百分比数值为采样的内容，
三相电压不平衡：用电压负序分量与正序分量的方均根，并百分比表示，该百分比值为采样内容，
频率偏差：采集电网频率，用该频率与标准频率的差作为频率偏差的采样内容，由于只需要使用其数值部分，因此所述的采样内容为频率偏差的绝对值；
所述的步骤三包括，
设定阈值，所述的阈值，按照下述标准设定：
所述的谐波所占比例的阈值为5％，
所述的电压波动比例的阈值为5％，
所述的三相电压不平衡的阈值2％，
所述的频率偏差值的阈值为0.2Hz，
根据步骤二中实际采样或上报数据的值，以上述阈值为标准，若实际采样或上报数据的值小于等于阈值，则置相应标志位为1，否则置相应标志位为0；
所述的步骤四包括，
步骤4.1：形成事故感知矩阵
取数据矩阵中的前6列数据形成事故感知矩阵，在事故感知矩阵中，第一列数据ai1的数值相同，即取出同次采样或上报数据的不同节点的所有标志位数据，形成事故感知矩阵，
步骤4.2：感知事故范围
取事故矩阵后四列，如果同列中有任意两行的数据均为0，那么该两行对应节点的特定事故相关性增加1，并判定有事故，否则相关性保持不变，
步骤4.3：输出事故范围
将步骤4.2感知到的结果输出，
如果步骤4.2感知到的结果为无事故，那么执行步骤五；
如果步骤4.2感知到的结果为有事故，则输出事故类型和事故范围；
所述的步骤五包括，
步骤5.1：形成故障感知矩阵
取数据矩阵中的前2列数据和后4列数据形成故障感知矩阵，在故障感知矩阵中，第一列数据ai1的数值相同，即取出同次采样或上报数据的不同节点的所有采样或上报数据，形成故障感知矩阵，
步骤5.2：感知事故范围
由于故障相关性的计算是对称的，即a节点与b节点的故障相关性，与b节点与a节点的故障相关性是相同的，因此本步骤后续计算中只计算a→b的故障相关性，不重复计算b→a的故障相关性，
步骤5.2.1：谐波所占比例故障相关性
对于第三列数据，若第a行第3列的元素ca3的值，和第b行第3列的元素cb3的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure FDA0003237231550000041
Figure FDA0003237231550000042
其中，a、b表示感知故障矩阵的行数，且a≠b，
Figure FDA0003237231550000043
表示感知故障矩阵中第a行第3列的元素ca3的值的平方，
Figure FDA0003237231550000044
表示感知故障矩阵中第b行第3列的元素cb3的值的平方；| |表示取绝对值，
若
Figure FDA0003237231550000045
的值小于等于0.25，则判定第a节点和第b节点的谐波所占比例故障相关性存在故障相关性，
步骤5.2.2：电压波动比例故障相关性
对于第四列数据，若第a行第4列的元素ca4的值，和第b行第4列的元素cb4的值均为0时，判定无故障；否则判定有故障；当判定结果为有故障时，如果ca4和cb4中有任意一个的值为0而另一个不为0，那么令
Figure FDA0003237231550000051
当ca4和cb4均不为0时，并用下述公式计算
Figure FDA0003237231550000052
Figure FDA0003237231550000053
其中ca4表示第a行第4列的元素的值；cb4第b行第4列的元素的值，
若
Figure FDA0003237231550000054
的值小于等于0.2，则判定第a节点和第b节点的电压波动比例存在故障相关性，
步骤5.2.3：三相电压不平衡故障相关性
对于第五列数据，若第a行第5列的元素ca5的值，和第b行第5列的元素cb5的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure FDA0003237231550000055
Figure FDA0003237231550000056
其中ca5表示第a行第5列的元素的值；cb5第b行第5列的元素的值，
Figure FDA0003237231550000057
若
Figure FDA0003237231550000058
的值小于等于0.25，则判定第a节点和第b节点的三相电压不平衡存在故障相关性，
步骤5.2.4：频率偏差值故障相关性
对于第六列数据，若第a行第6列的元素ca6的值，和第b行第6列的元素cb6的值均为0时，判定无故障，否则判定有故障，并用下述公式计算
Figure FDA0003237231550000059
Figure FDA0003237231550000061
其中ca6表示第a行第6列的元素的值；cb6第b行第6列的元素的值，| |表示取绝对值，
若
Figure FDA0003237231550000062
的值大于等于0.8，则判定第a节点和第b节点的三频率偏差值存在故障相关性，
步骤5.3：故障范围输出
若步骤5.2判定的结果为无故障，则输出无故障；
若步骤5.2判定的结果为有故障，则输出故障类型及故障范围。
CN202011286112.XA 2020-11-17 2020-11-17 基于分布式实时数据仓库的台区停电及故障实时感知方法 Active CN112485589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011286112.XA CN112485589B (zh) 2020-11-17 2020-11-17 基于分布式实时数据仓库的台区停电及故障实时感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011286112.XA CN112485589B (zh) 2020-11-17 2020-11-17 基于分布式实时数据仓库的台区停电及故障实时感知方法

Publications (2)

Publication Number Publication Date
CN112485589A CN112485589A (zh) 2021-03-12
CN112485589B true CN112485589B (zh) 2021-11-12

Family

ID=74931012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011286112.XA Active CN112485589B (zh) 2020-11-17 2020-11-17 基于分布式实时数据仓库的台区停电及故障实时感知方法

Country Status (1)

Country Link
CN (1) CN112485589B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4311964A (en) * 1979-09-21 1982-01-19 Westinghouse Electric Corp. Coherent phase shift keyed demodulator for power line communication systems
RU2002119904A (ru) * 2002-07-22 2004-02-10 Евгений Иванович Кошуринов Способ и система для радиолокационного измерения скоростей и координат объектов (варианты)
CN103399223A (zh) * 2013-07-24 2013-11-20 东北大学 一种新能源发电系统并网智能检测报警装置及方法
CN103605016A (zh) * 2013-10-30 2014-02-26 广东电网公司电力科学研究院 一种电能质量数据处理方法和装置
CN104574216A (zh) * 2015-01-22 2015-04-29 国家电网公司 一种基于wams数据的风电出力特性分析方法
CN106771875A (zh) * 2016-12-30 2017-05-31 国网天津市电力公司 一种配电网容错故障定位方法
CN106990325A (zh) * 2017-04-14 2017-07-28 积成电子股份有限公司 基于突变逻辑阵的配网小电流接地故障判定方法
CN108132419A (zh) * 2017-12-06 2018-06-08 福建奥通迈胜电力科技有限公司 基于电流突变信息阵的简易配电网主动故障研判方法
CN109406923A (zh) * 2017-08-17 2019-03-01 株洲中车时代电气股份有限公司 一种列车供电系统接地漏电故障预测方法及装置
CN111398714A (zh) * 2020-04-01 2020-07-10 深圳市中电电力技术股份有限公司 一种多数据融合的电能质量故障诊断方法及系统
CN111766475A (zh) * 2020-07-14 2020-10-13 国网江苏省电力有限公司泗洪县供电分公司 一种断线故障定位矩阵算法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7373282B2 (en) * 2002-07-31 2008-05-13 Tektronix, Inc. Fault severity check and source identification
US8275334B1 (en) * 2008-04-09 2012-09-25 Los Alamos National Security, Llc Remote detection of electronic devices
CN102478601A (zh) * 2010-11-23 2012-05-30 上海市电力公司 一种用于电能质量中64个采样点的谐波计算方法
CN105050120B (zh) * 2015-08-18 2019-04-26 深圳市科虹通信有限公司 Lte网络的mimo性能诊断方法及系统
KR101926995B1 (ko) * 2017-10-24 2018-12-07 한국전력공사 지중케이블 고장위치 탐지 장치 및 그 방법

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4311964A (en) * 1979-09-21 1982-01-19 Westinghouse Electric Corp. Coherent phase shift keyed demodulator for power line communication systems
RU2002119904A (ru) * 2002-07-22 2004-02-10 Евгений Иванович Кошуринов Способ и система для радиолокационного измерения скоростей и координат объектов (варианты)
CN103399223A (zh) * 2013-07-24 2013-11-20 东北大学 一种新能源发电系统并网智能检测报警装置及方法
CN103605016A (zh) * 2013-10-30 2014-02-26 广东电网公司电力科学研究院 一种电能质量数据处理方法和装置
CN104574216A (zh) * 2015-01-22 2015-04-29 国家电网公司 一种基于wams数据的风电出力特性分析方法
CN106771875A (zh) * 2016-12-30 2017-05-31 国网天津市电力公司 一种配电网容错故障定位方法
CN106990325A (zh) * 2017-04-14 2017-07-28 积成电子股份有限公司 基于突变逻辑阵的配网小电流接地故障判定方法
CN109406923A (zh) * 2017-08-17 2019-03-01 株洲中车时代电气股份有限公司 一种列车供电系统接地漏电故障预测方法及装置
CN108132419A (zh) * 2017-12-06 2018-06-08 福建奥通迈胜电力科技有限公司 基于电流突变信息阵的简易配电网主动故障研判方法
CN111398714A (zh) * 2020-04-01 2020-07-10 深圳市中电电力技术股份有限公司 一种多数据融合的电能质量故障诊断方法及系统
CN111766475A (zh) * 2020-07-14 2020-10-13 国网江苏省电力有限公司泗洪县供电分公司 一种断线故障定位矩阵算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Improved Matrix Pencil Method based Bearing Fault detection in Three Phase Induction Motor;K. C. Deekshit Kompella 等;《2020 IEEE International Conference on Computing, Power and Communication Technologies (GUCON)》;20201102;全文 *
考虑指标关联性的电能质量综合评估;曾巧燕 等;《电力系统及其自动化学报》;20160731;第28卷(第7期);第73-78页 *

Also Published As

Publication number Publication date
CN112485589A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
CN104659782B (zh) 考虑负荷波动极限的电力系统电压稳定性风险评估方法
CN103279639B (zh) 基于响应的受端电网电压稳定全过程态势评估及防控方法
CN100438251C (zh) 一种大型电力系统脆弱线路辨识的方法
CN101917001B (zh) 一种用于电力系统在线静态安全分析的故障排序方法
CN111210102B (zh) 一种极端灾害条件下电网故障建模方法
CN108695862B (zh) 一种基于pmu实测数据的电网惯量特征在线评估方法
EP2381094A1 (en) Energy network and control thereof
CN104657822A (zh) 一种基于风险评估结果的电力系统灾害预警分级方法及系统
CN108667005B (zh) 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN108695846B (zh) 一种单元制配电网运行风险评估方法
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
CN112485589B (zh) 基于分布式实时数据仓库的台区停电及故障实时感知方法
CN102570447B (zh) 一种电网发展阶段划分方法
CN106651206A (zh) 一种继电保护测试性评估指标体系的评估方法
CN110021933B (zh) 考虑组件故障的电力信息系统控制功能可靠性评估方法
CN109327027B (zh) 基于psd-bpa的交叉跨越线路故障校核方法
CN102521510B (zh) 一种电网抵御集中功率脱落能力评估方法
Zhao et al. Power transmission network vulnerable region identifying based on complex network theory
CN114047442A (zh) 一种新能源场站故障穿越检测方法、装置和系统
CN112529359A (zh) 风电场风电机组风险评价方法、装置、设备及存储介质
CN105608530B (zh) 一种配电网营配调数据完整性校验方法
Xu et al. Stability Analysis Method of AC/DC UHV Power System Based on Risk Assessment
CN115130691B (zh) 一种信息物理系统薄弱环节辨识与模拟致瘫方法及装置
CN103365290A (zh) 基于信号畸异分析的发电机控制系统隐性故障诊断方法
CN110490759B (zh) 一种配网电力安全事件等级计算方法

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