CN112505482A - 一种基于智能化故障定位的电网自愈方法及实现该方法的系统 - Google Patents

一种基于智能化故障定位的电网自愈方法及实现该方法的系统 Download PDF

Info

Publication number
CN112505482A
CN112505482A CN202011320903.XA CN202011320903A CN112505482A CN 112505482 A CN112505482 A CN 112505482A CN 202011320903 A CN202011320903 A CN 202011320903A CN 112505482 A CN112505482 A CN 112505482A
Authority
CN
China
Prior art keywords
power
fault
power distribution
distribution network
switch
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
Application number
CN202011320903.XA
Other languages
English (en)
Inventor
陈哲浩
刘扬
钟剑杰
陈芳芳
沈栋成
张春燕
蒋骏
楼小波
吴潇潇
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.)
Zhejiang Tailun Power Group Co ltd
Original Assignee
Zhejiang Tailun Power Group 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 Zhejiang Tailun Power Group Co ltd filed Critical Zhejiang Tailun Power Group Co ltd
Priority to CN202011320903.XA priority Critical patent/CN112505482A/zh
Publication of CN112505482A publication Critical patent/CN112505482A/zh
Pending legal-status Critical Current

Links

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
    • G01R31/088—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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提出了一种基于智能化故障定位的电网自愈方法及实现该方法的系统，其中所述方法利用混沌理论对二进制粒子群进行改进，并重新构造含分布式电源的配电网故障定位评判函数，根据分布式电源配电网与传统配电网之间的异同点，建立配电网故障定位模型，实现电网故障的快速判断。其次，进一步以断路器、分段开关、联络开关为节点，以馈线状态信息作为寻优变量，找出故障发生后电网自愈过程中最优的改进方案。借助数据传感器的电压实现数据传感器的优化，减少传统智能配电网自愈系统在故障数据采集过程中产生的偏差，以及自愈时间过长的问题，从而提升供电的质量。

Description

一种基于智能化故障定位的电网自愈方法及实现该方法的 系统
技术领域
本发明涉及一种基于智能化故障定位的电网自愈方法及系统，特别是涉及故障定位及电网自愈的领域。
背景技术
电力作为社会经济发展过程中最主要的能源之一，在生活和生产的领域占据不可替代的地位。随着计算机科学技术的发展，电网在突发故障时，实现快速准确的故障定位是判别馈线故障和恢复供电的重要前提，同时，作出的自愈能力成了电力发展领域的趋势所向。
现有技术中，随着分布式发电技术的发展，伴随着分布式电源的接入，故障发生后配电网的潮流方向发生变化，且分布式电源出力的不确定性，使得故障定位的准确率不高，且容错率不高。
发明内容
发明目的：一个目的是提出一种基于智能化故障定位的电网自愈方法，以解决现有技术存在的上述问题。进一步目的是提出一种实现上述方法的系统。
技术方案：一种基于智能化故障定位的电网自愈方法，包括以下步骤：
步骤一：初始化开关编码参数；
步骤二、获取配电开关监控终端产生的传输值；
步骤三、建立开关状态函数；
步骤四、计算评判函数；
步骤五、建立智能故障定位模型；
步骤六、根据优选方案进行故障自愈。
在进一步的实施例中，所述步骤一进一步为：在引入分布式电源的配电网中，针对不含分布式电源的传统配电网，进行整数规划模型的重建；进一步为根据电流方向发生改变，建立新的整数规划模型，并用于判断各个配电开关监控终端上传的故障电流信息；其中，所述整数规划模型中涉及的编码规则进一步为，当配电开关监控终端上传的故障电流方向与正方向相同时，令开关状态值为1；当配电开关监控终端上传的故障电流方向与正方向相反时，令开关状态值为-1；当配电开关监控装置未检测到故障电流时，令开关状态为0，即：
Figure 100002_DEST_PATH_IMAGE002
式中，
Figure 100002_DEST_PATH_IMAGE004
表示根据检测支路上传的电流信息使得i号开关呈现出的状态值，
Figure 100002_DEST_PATH_IMAGE006
表示配电开关监控终端上传的故障电流方向与正方向相同，
Figure 100002_DEST_PATH_IMAGE008
表示配电开关监控装置未检测到故障电流，
Figure 100002_DEST_PATH_IMAGE010
表示配电开关监控终端上传的故障电流方向与正方向相反。
在进一步的实施例中，所述步骤二进一步为：通过配电网故障区间的定位装置，接收配电开关监控终端上传的状态数值，并按照步骤一中定义的编码规则进行开关状态信息的描述，从而判断故障发生区段，进一步输出故障区段的信息。
在进一步的实施例中，所述步骤三进一步为：根据步骤二中读取配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数，其中所述状态转换函数进一步为：
Figure 100002_DEST_PATH_IMAGE012
式中，
Figure 100002_DEST_PATH_IMAGE014
表示支路上i号开关的状态函数，
Figure 100002_DEST_PATH_IMAGE016
表示i号开关下游馈线的状态，
Figure 100002_DEST_PATH_IMAGE018
表示下半区的线路总数，
Figure 100002_DEST_PATH_IMAGE020
表示上半区的线路总数，
Figure 100002_DEST_PATH_IMAGE022
表示对电源的关合因子，
Figure 100002_DEST_PATH_IMAGE024
表示对电源的关合因子，
Figure 100002_DEST_PATH_IMAGE026
表示i号开关的下游所有馈线状态的函数，
Figure 100002_DEST_PATH_IMAGE028
表示i号开关的上游所有馈线状态的函数，
Figure 100002_DEST_PATH_IMAGE030
表示分布式电源并网运行的情况。
在进一步的实施例中，所述步骤四进一步为：建立评判函数分析关合电流与传递信息量的类似度，即：
Figure 100002_DEST_PATH_IMAGE032
式中，
Figure 100002_DEST_PATH_IMAGE034
表示用于评判类似度的函数，
Figure 100002_DEST_PATH_IMAGE036
表示第N条支路上配电开关监控终端上传的具体状况信息，
Figure 100002_DEST_PATH_IMAGE038
表示第N条支路的实际状况函数，
Figure 100002_DEST_PATH_IMAGE040
表示节点的总数，
Figure 100002_DEST_PATH_IMAGE042
表示故障支路总的数量，
Figure 100002_DEST_PATH_IMAGE044
表示故障支路数，
Figure 100002_DEST_PATH_IMAGE046
表示减少误判的修正系数。
在进一步的实施例中，所述步骤五进一步为：根据分布式电源配电网中，故障定位涉及的电流编码，采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位，进一步划分为以下步骤：
步骤5-1、接收配电开关监控终端上传的状态数值；
步骤5-2、计算评价函数的数值；
步骤5-3、根据引入的混沌理论改变初始化群体；
步骤5-4、结合改变后的初始化群体和二进制粒群，更新个体和种群的最优值；
步骤5-5、更新粒子速度和位置；
步骤5-6、判断循环条件，当满足循环终止条件时，输出对应数值并结束循环，当不满足循环终止条件时，跳转至步骤5-2。
在进一步的实施例中，所述步骤六进一步为：将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，根据目的建立配电网重构时的目标函数，即：
Figure 100002_DEST_PATH_IMAGE048
式中，
Figure 100002_DEST_PATH_IMAGE050
表示配电网中支路的总数，
Figure 338384DEST_PATH_IMAGE014
表示支路上i号开关的状态变量，
Figure 100002_DEST_PATH_IMAGE052
表示配电网中第i条支路的电阻、
Figure 100002_DEST_PATH_IMAGE054
表示配电网中第i条支路的有功功率，
Figure 100002_DEST_PATH_IMAGE056
表示配电网中第i条支路的无功功率，
Figure 100002_DEST_PATH_IMAGE058
表示配电网中第i条支路的支路电压。
一种基于智能化故障定位的电网自愈系统，用于实现上述方法，其特征在于，包括：
用于获取故障数据的第一模块；
用于处理数据的第二模块；
用于提高数据监控传输的第三模块。
在进一步的实施例中，所述第一模块进一步包括该模块进一步包括配电网故障区间定位装置，故障信息读取模块；其中所述故障区间定位装置通过定义的编码规则，接收配电开关监控终端上传的状态数值，判断故障发生区段并输出故障区段的信息；所述故障信息读取模块用于读取电网故障区间定位装置输出的故障区段信息，并将其传输至第二模块进行数据的处理。所述编码规则进一步为当配电开关监控终端上传的故障电流方向与正方向相同时，令开关状态值为1；当配电开关监控终端上传的故障电流方向与正方向相反时，令开关状态值为-1；当配电开关监控装置未检测到故障电流时，令开关状态为0。
在进一步的实施例中，所述第二模块进一步包括建立开关状态函数模块、评判函数计算模块、智能故障定位模型建立模块、优选方案选定模块；所述开关状态函数模块进一步用于在引入的分布式电源配电网络中，根据第一模块涉及的配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数；所述评判函数，模块进一步用于分析关合电流与传递信息量的类似度；所述智能故障定位模型建立模块进一步通过采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位；所述优选方案选定模块进一步将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，随后在故障发生后根据拟定的自愈方案进行配电网的重构，从而实现故障发生时的配电网自愈。
在进一步的实施例中，所述第三模块进一步将配电网中的分布式电源通过数据传感器进行相互间的连接，根据电网功率因数的决定因素，得到数据传感器的有功功率和无功功率；其中所述电网功率因数的决定因素是数据传感器的电抗X，所述数据传感器的有功功率进一步为：
Figure 100002_DEST_PATH_IMAGE060
式中，X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 100002_DEST_PATH_IMAGE062
表示功角，P表示有功功率。
所述无功功率进一步为：
Figure 100002_DEST_PATH_IMAGE064
式中X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 191983DEST_PATH_IMAGE062
表示功角，Q表示无功功率。
有益效果：本发明提出了一种基于智能化故障定位的电网自愈方法及实现该方法的系统，与传统配电网的自愈系统相比，本发明中首先，利用混沌理论对二进制粒子群进行改进，并重新构造含分布式电源的配电网故障定位评判函数，根据分布式电源配电网与传统配电网之间的异同点，建立配电网故障定位模型，实现电网故障的快速判断。其次，进一步以断路器、分段开关、联络开关为节点，以馈线状态信息作为寻优变量，找出故障发生后电网自愈过程中最优的改进方案，借助数据传感器的电压实现数据传感器的优化，减少传统智能配电网自愈系统在故障数据采集过程中产生的偏差，以及自愈时间过长的问题，从而提升供电的质量。
附图说明
图1为本发明的实现方法流程示意图。
图2为本发明遍历算法流程图。
图3为本发明中配电网故障区间定位装置数据走向图。
图4为本发明故障定位流程图。
具体实施方式
本发明通过一种基于智能化故障定位的电网自愈方法及实现该方法的系统，实现电网运行过程中发生故障时快速定位，并作出应急策略的目的。下面通过实施例，并结合附图对本方案做进一步具体说明。
在本申请中，我们提出了一种基于智能化故障定位的电网自愈方法及实现该方法的系统，其中包含的一种基于智能化故障定位的电网自愈方法，具体为包括以下步骤：
步骤一：初始化开关编码参数；该步骤进一步针对不含分布式电源的传统配电网，进行整数规划模型的重建。随着分布式电源的接入，电流方向发生改变，建立新的整数规划模型，根据编码规则判断各个配电开关监控终端上传的故障电流信息。其中，编码规则进一步为，当配电开关监控终端上传的故障电流方向与正方向相同时，令开关状态值为1,；当配电开关监控终端上传的故障电流方向与正方向相反时，令开关状态值为-1；当配电开关监控装置未检测到故障电流时，令开关状态为0，即：
Figure DEST_PATH_IMAGE002A
式中，
Figure 68672DEST_PATH_IMAGE004
表示根据检测支路上传的电流信息使得i号开关呈现出的状态值，
Figure 422293DEST_PATH_IMAGE006
表示配电开关监控终端上传的故障电流方向与正方向相同，
Figure 220484DEST_PATH_IMAGE008
表示配电开关监控装置未检测到故障电流，
Figure 216122DEST_PATH_IMAGE010
表示配电开关监控终端上传的故障电流方向与正方向相反。例如图2配电网络结构图所示，以开关S15为例，当D1处发生短路故障时，经过开关S15的故障电流由分布式电源DG3出力，所以开关S15的状态值变为-1，当D2处发生短路故障时，经过开关S15的故障电流由系统电源出力，所以开关S15的状态值为1。
步骤二、获取配电开关监控终端产生的传输值；该步骤通过配电网故障区间的定位装置，按照步骤一中定义的编码规则，接收配电开关监控终端上传的状态数值，判断故障发生区段并输出故障区段的信息，其实现流程如图3所示。
步骤三、建立开关状态函数；故障定位的判断方式为根据各馈线区段的实际状态进行判断，所以在步骤二读取接收配电开关监控终端上传的状态数值后，该步骤根据步骤二中读取配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数，从而实现故障定位的判断。其中所述状态转换函数进一步为：
Figure DEST_PATH_IMAGE012A
式中，
Figure 681739DEST_PATH_IMAGE014
表示支路上i号开关的状态函数，
Figure 206261DEST_PATH_IMAGE016
表示i号开关下游馈线的状态，
Figure 491749DEST_PATH_IMAGE018
表示下半区的线路总数，
Figure 25498DEST_PATH_IMAGE020
表示上半区的线路总数，
Figure 80042DEST_PATH_IMAGE022
表示对电源的关合因子，
Figure 244307DEST_PATH_IMAGE024
表示对电源的关合因子，
Figure 17091DEST_PATH_IMAGE026
表示i号开关的下游所有馈线状态的函数，
Figure 88952DEST_PATH_IMAGE028
表示i号开关的上游所有馈线状态的函数，
Figure 263581DEST_PATH_IMAGE030
表示分布式电源并网运行的情况。
步骤四、计算评判函数；该步骤通过建立评判函数，进一步分析关合电流与传递信息量的类似度，即：
Figure DEST_PATH_IMAGE032A
式中，
Figure 395486DEST_PATH_IMAGE034
表示用于评判类似度的函数，
Figure 921145DEST_PATH_IMAGE036
表示第N条支路上配电开关监控终端上传的具体状况信息，
Figure 531118DEST_PATH_IMAGE038
表示第N条支路的实际状况函数，即步骤三中建立的开关函数对应的数值，
Figure 763516DEST_PATH_IMAGE040
表示节点的总数，
Figure 66321DEST_PATH_IMAGE042
表示故障支路总的数量，
Figure 548118DEST_PATH_IMAGE044
表示故障支路数，
Figure 227361DEST_PATH_IMAGE046
表示减少误判的修正系数，优选为0.5。当评判函数的数值越低时，关合电流与传递信息量的类似度就越高。
步骤五、建立智能故障定位模型；该步骤根据分布式电源配电网中，故障定位涉及的电流编码，采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位。该步骤进一步划分为以下步骤：
步骤5-1、接收配电开关监控终端上传的状态数值；该步骤中接收的状态数值为步骤一中重构编码数值，所述数值为配电网支路上开关的实时状态。根据电流编码的编码方式，采用离散的二进制粒子群进行种群的初始化，对于粒子的位置取决于粒子速度的数值，并通过数值0和1表示，因此在定位过程中，表达式如下：
Figure DEST_PATH_IMAGE066
式中，
Figure DEST_PATH_IMAGE068
表示求解过程中生成的变化数，
Figure DEST_PATH_IMAGE070
表示sidmoid函数且其取值范围为[0,1]，同时为了避免因变量越限过于平坦，上述定位过程中涉及到的速度范围优选为[-5，5]，表达式为：
Figure DEST_PATH_IMAGE072
式中，
Figure DEST_PATH_IMAGE074
表示粒子速度的数值。
步骤5-2、计算评价函数的数值；该步骤所述评价函数为步骤四中建立的用于评价关合电流与传递信息量类似度的函数。
步骤5-3、根据引入的混沌理论改变初始化群体；该步骤中所述混沌理论具有不确定性和针对初始状态非常敏锐的特点，因此根据Logistic理论，建立如下表达式：
Figure DEST_PATH_IMAGE076
式中，
Figure 829113DEST_PATH_IMAGE042
表示共进行了n次变换，
Figure DEST_PATH_IMAGE078
表示控制因子且有选为4，
Figure DEST_PATH_IMAGE080
表示待求解的变量，因此最优的混沌群体为：
Figure DEST_PATH_IMAGE082
式中，
Figure DEST_PATH_IMAGE084
表示最优粒子，
Figure DEST_PATH_IMAGE086
表示根据实际情况设定的可调整的预定义变动数，其自适应变换的方式如下表达式所示：
Figure DEST_PATH_IMAGE088
式中，b表示邻边走索半径，
Figure DEST_PATH_IMAGE090
表示最终求解的更新代数，Gen表示目前的更新的代数，
Figure 15069DEST_PATH_IMAGE084
表示最优粒子。
步骤5-4、结合改变后的初始化群体和二进制粒群，更新个体和种群的最优值；该步骤中改变后的二进制粒子群改变依据为自适应的权重变化。利用混沌列数更新二进制粒子群的初始值，进一步解决传统粒子群容易陷入小范围优化解的问题。针对粒子群收敛时间过长问题，通过目标函数自适应改变权重数值，即：
Figure DEST_PATH_IMAGE092
式中，f表示当前的目标值，
Figure DEST_PATH_IMAGE094
表示目标均值，
Figure DEST_PATH_IMAGE096
表示最大目标值，
Figure DEST_PATH_IMAGE098
表示最小目标值。
步骤5-5、更新粒子速度和位置；
步骤5-6、判断循环条件，当满足循环终止条件时，输出对应数值并结束循环，当不满足循环终止条件时，跳转至步骤5-2。
步骤六、根据优选方案进行故障自愈，该步骤通过综合评判配电网损和操作开关的次数，进行故障自愈方案的设定。进一步为将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，随后在故障发生后根据拟定的自愈方案进行配电网的重构，从而实现故障发生时的配电网自愈。其中根据目的建立配电网重构时的目标函数，即：
Figure DEST_PATH_IMAGE048A
式中，
Figure 374375DEST_PATH_IMAGE050
表示配电网中支路的总数，
Figure 591730DEST_PATH_IMAGE014
表示支路上i号开关的状态变量，
Figure 798720DEST_PATH_IMAGE052
表示配电网中第i条支路的电阻、
Figure 443328DEST_PATH_IMAGE054
表示配电网中第i条支路的有功功率，
Figure 899717DEST_PATH_IMAGE056
表示配电网中第i条支路的无功功率，
Figure 920763DEST_PATH_IMAGE058
表示配电网中第i条支路的支路电压。
基于上述所述方案，进一步建立用于实现上述所述方法的系统，其特征在于，包括以下模块：
用于获取故障数据的第一模块；该模块进一步包括配电网故障区间定位装置，故障信息读取模块。其中所述故障区间定位装置通过定义的编码规则，接收配电开关监控终端上传的状态数值，判断故障发生区段并输出故障区段的信息。所述故障信息读取模块用于读取电网故障区间定位装置输出的故障区段信息，并将其传输至第二模块进行数据的处理。其中所述编码规则进一步为当配电开关监控终端上传的故障电流方向与正方向相同时，令开关状态值为1；当配电开关监控终端上传的故障电流方向与正方向相反时，令开关状态值为-1；当配电开关监控装置未检测到故障电流时，令开关状态为0，即：
Figure DEST_PATH_IMAGE002AA
式中，
Figure 778998DEST_PATH_IMAGE004
表示根据检测支路上传的电流信息使得i号开关呈现出的状态值，
Figure 860086DEST_PATH_IMAGE006
表示配电开关监控终端上传的故障电流方向与正方向相同，
Figure 803771DEST_PATH_IMAGE008
表示配电开关监控装置未检测到故障电流，
Figure 362929DEST_PATH_IMAGE010
表示配电开关监控终端上传的故障电流方向与正方向相反。
用于处理数据的第二模块；该模块进一步包括建立开关状态函数模块、评判函数计算模块、智能故障定位模型建立模块、优选方案选定模块。其中所述开关状态函数模块进一步为用于在引入的分布式电源配电网络中，根据第一模块涉及的配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数，从而实现故障定位的判断。所述评判函数，模块进一步用于分析关合电流与传递信息量的类似度，且当评判函数的数值越低时，关合电流与传递信息量的类似度就越高，所述智能故障定位模型建立模块进一步通过采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位。所述优选方案选定模块进一步将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，随后在故障发生后根据拟定的自愈方案进行配电网的重构，从而实现故障发生时的配电网自愈。
用于提高数据监控传输的第三模块；该模块进一步通过对数据传感器的电压进行控制，从而实现数据传感器的优化，提高数据的监控传输。在分布式电源和数据传感器实现满足用户供电的前提下，智能配电网通过负荷监控和数据传感实现自我保护和控制，由于用户所需电能来源于风力、光伏类的公共电网，所以通过数据传感器进行供电时，优化数据传感器可以进一步对智能电网进行科学调度，促进各元素之间的协调合作。数据传感器的传感模式中，采用有功电压分布式电源策略，即将配电网中的分布式电源通过数据传感器进行相互间的连接，根据电网功率因数的决定因素，可以得到数据传感器的有功功率和无功功率。其中所述电网功率因数的决定因素是数据传感器的电抗X，所述数据传感器的有功功率进一步为：
Figure DEST_PATH_IMAGE060A
式中，X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 606828DEST_PATH_IMAGE062
表示功角，P表示有功功率。
所述无功功率进一步为：
Figure DEST_PATH_IMAGE064A
式中X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 593239DEST_PATH_IMAGE062
表示功角，Q表示无功功率。
有功功率和无功功率表达式呈现出的支配因素包含功角、系统电压和传感器电压，由于分布式电源的稳定性不足，所以采用电压控制器对电压进行调节，从而保证系统的正常运行。其中调节过程中，涉及到的调节范围会受到数据传感器的功率以及系统整体电压的限制，因此进一步通过给定调节电压的最大值和最小值，进行电压调节，从而实现数据传感器的优化，达到保持负载端功率和电压恒定的前提下，输出最大的有功功率并支撑整个配电网络运行的目的。其中所述调节电压的最大值和最小值的表达式进一步为：
Figure DEST_PATH_IMAGE100
Figure DEST_PATH_IMAGE102
Figure DEST_PATH_IMAGE104
式中，X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 951451DEST_PATH_IMAGE062
表示功角，Q表示无功功率。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (10)

1.一种基于智能化故障定位的电网自愈方法，其特征在于，包括：
步骤一：初始化开关编码参数；
步骤二、获取配电开关监控终端产生的传输值；
步骤三、建立开关状态函数；
步骤四、计算评判函数；
步骤五、建立智能故障定位模型；
步骤六、根据优选方案进行故障自愈。
2.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤一进一步为：
在引入分布式电源的配电网中，针对不含分布式电源的传统配电网，进行整数规划模型的重建；进一步为根据电流方向发生改变，建立新的整数规划模型，并用于判断各个配电开关监控终端上传的故障电流信息；其中，所述整数规划模型中涉及的编码规则进一步为，当配电开关监控终端上传的故障电流方向与正方向相同时，令开关状态值为1；当配电开关监控终端上传的故障电流方向与正方向相反时，令开关状态值为-1；当配电开关监控装置未检测到故障电流时，令开关状态为0，即：
Figure DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE004
表示根据检测支路上传的电流信息使得i号开关呈现出的状态值，
Figure DEST_PATH_IMAGE006
表示配电开关监控终端上传的故障电流方向与正方向相同，
Figure DEST_PATH_IMAGE008
表示配电开关监控装置未检测到故障电流，
Figure DEST_PATH_IMAGE010
表示配电开关监控终端上传的故障电流方向与正方向相反。
3.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤二进一步为：
通过配电网故障区间的定位装置，接收配电开关监控终端上传的状态数值，并按照步骤一中定义的编码规则进行开关状态信息的描述，从而判断故障发生区段，进一步输出故障区段的信息。
4.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤三进一步为：
根据步骤二中读取配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数，其中所述状态转换函数进一步为：
Figure DEST_PATH_IMAGE012
式中，
Figure DEST_PATH_IMAGE014
表示支路上i号开关的状态函数，
Figure DEST_PATH_IMAGE016
表示i号开关下游馈线的状态，
Figure DEST_PATH_IMAGE018
表示下半区的线路总数，
Figure DEST_PATH_IMAGE020
表示上半区的线路总数，
Figure DEST_PATH_IMAGE022
表示对电源的关合因子，
Figure DEST_PATH_IMAGE024
表示对电源的关合因子，
Figure DEST_PATH_IMAGE026
表示i号开关的下游所有馈线状态的函数，
Figure DEST_PATH_IMAGE028
表示i号开关的上游所有馈线状态的函数，
Figure DEST_PATH_IMAGE030
表示分布式电源并网运行的情况。
5.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤四进一步为：
建立评判函数分析关合电流与传递信息量的类似度，即：
Figure DEST_PATH_IMAGE032
式中，
Figure DEST_PATH_IMAGE034
表示用于评判类似度的函数，
Figure DEST_PATH_IMAGE036
表示第N条支路上配电开关监控终端上传的具体状况信息，
Figure DEST_PATH_IMAGE038
表示第N条支路的实际状况函数，
Figure DEST_PATH_IMAGE040
表示节点的总数，
Figure DEST_PATH_IMAGE042
表示故障支路总的数量，
Figure DEST_PATH_IMAGE044
表示故障支路数，
Figure DEST_PATH_IMAGE046
表示减少误判的修正系数。
6.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤五进一步为：
根据分布式电源配电网中，故障定位涉及的电流编码，采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位，进一步划分为以下步骤：
步骤5-1、接收配电开关监控终端上传的状态数值；
步骤5-2、计算评价函数的数值；
步骤5-3、根据引入的混沌理论改变初始化群体；
步骤5-4、结合改变后的初始化群体和二进制粒群，更新个体和种群的最优值；
步骤5-5、更新粒子速度和位置；
步骤5-6、判断循环条件，当满足循环终止条件时，输出对应数值并结束循环，当不满足循环终止条件时，跳转至步骤5-2。
7.根据权利要求1所述的一种基于智能化故障定位的电网自愈方法，其特征在于，所述步骤六进一步为：
将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，根据目的建立配电网重构时的目标函数，即：
Figure DEST_PATH_IMAGE048
式中，
Figure DEST_PATH_IMAGE050
表示配电网中支路的总数，
Figure 599316DEST_PATH_IMAGE014
表示支路上i号开关的状态变量，
Figure DEST_PATH_IMAGE052
表示配电网中第i条支路的电阻、
Figure DEST_PATH_IMAGE054
表示配电网中第i条支路的有功功率，
Figure DEST_PATH_IMAGE056
表示配电网中第i条支路的无功功率，
Figure DEST_PATH_IMAGE058
表示配电网中第i条支路的支路电压。
8.一种基于智能化故障定位的电网自愈系统，用于实现上述权利要求1~7所述任意一项方法，其特征在于，包括：
用于获取故障数据的第一模块；
用于处理数据的第二模块；
用于提高数据监控传输的第三模块。
9.根据权利要求8所述的一种基于智能化故障定位的电网自愈系统，其特征在于，所述第一模块进一步包括该模块进一步包括配电网故障区间定位装置，故障信息读取模块；其中所述故障区间定位装置通过定义的编码规则，接收配电开关监控终端上传的状态数值，判断故障发生区段并输出故障区段的信息；所述故障信息读取模块用于读取电网故障区间定位装置输出的故障区段信息，并将其传输至第二模块进行数据的处理。
10.根据权利要求8所述的一种基于智能化故障定位的电网自愈系统，其特征在于，所述第二模块进一步包括建立开关状态函数模块、评判函数计算模块、智能故障定位模型建立模块、优选方案选定模块；所述开关状态函数模块进一步用于在引入的分布式电源配电网络中，根据第一模块涉及的配电开关监控终端上传的状态值，构建开关状态转变与馈线区段匹配的实际状态的开关状态转变函数；所述评判函数，模块进一步用于分析关合电流与传递信息量的类似度；所述智能故障定位模型建立模块进一步通过采用离散的二进制粒子群，以及引入混沌理论自适应的改变权重，实现故障的快速定位；所述优选方案选定模块进一步将配电网损最小和控制开关次数最少的综合评判作为拟定自愈方案的目标，并以此为目标建立目标函数，随后在故障发生后根据拟定的自愈方案进行配电网的重构，从而实现故障发生时的配电网自愈；
所述第三模块进一步将配电网中的分布式电源通过数据传感器进行相互间的连接，根据电网功率因数的决定因素，得到数据传感器的有功功率和无功功率；其中所述电网功率因数的决定因素是数据传感器的电抗X，所述数据传感器的有功功率进一步为：
Figure DEST_PATH_IMAGE060
式中，X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure DEST_PATH_IMAGE062
表示功角，P表示有功功率；
所述无功功率进一步为：
Figure DEST_PATH_IMAGE064
式中X表示电抗，E表示配电网系统电压，V表示传感器电压，
Figure 624778DEST_PATH_IMAGE062
表示功角，Q表示无功功率。
CN202011320903.XA 2020-11-23 2020-11-23 一种基于智能化故障定位的电网自愈方法及实现该方法的系统 Pending CN112505482A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011320903.XA CN112505482A (zh) 2020-11-23 2020-11-23 一种基于智能化故障定位的电网自愈方法及实现该方法的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011320903.XA CN112505482A (zh) 2020-11-23 2020-11-23 一种基于智能化故障定位的电网自愈方法及实现该方法的系统

Publications (1)

Publication Number Publication Date
CN112505482A true CN112505482A (zh) 2021-03-16

Family

ID=74958642

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011320903.XA Pending CN112505482A (zh) 2020-11-23 2020-11-23 一种基于智能化故障定位的电网自愈方法及实现该方法的系统

Country Status (1)

Country Link
CN (1) CN112505482A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193657A (zh) * 2021-06-04 2021-07-30 绍兴建元电力集团有限公司 基于人工智能的安全隐患排查治理策略匹配方法及系统
CN114170039A (zh) * 2021-11-11 2022-03-11 安徽明生恒卓科技有限公司 一种适应于电力行业的数据安全智能管控平台

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110144931A1 (en) * 2009-12-15 2011-06-16 Andre Smit Method and apparatus for high-speed fault detection in distribution systems
CN104578427A (zh) * 2015-01-27 2015-04-29 国家电网公司 一种含微网电源的配电网的故障自愈方法
CN107611942A (zh) * 2017-08-29 2018-01-19 国网江苏省电力公司淮安供电公司 一种结合形式化方法的智能配电网故障定位与恢复方法
CN111628499A (zh) * 2020-06-02 2020-09-04 国网浙江省电力有限公司湖州供电公司 一种计及多风险因素的配电网新能源消纳能力评估的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110144931A1 (en) * 2009-12-15 2011-06-16 Andre Smit Method and apparatus for high-speed fault detection in distribution systems
CN104578427A (zh) * 2015-01-27 2015-04-29 国家电网公司 一种含微网电源的配电网的故障自愈方法
CN107611942A (zh) * 2017-08-29 2018-01-19 国网江苏省电力公司淮安供电公司 一种结合形式化方法的智能配电网故障定位与恢复方法
CN111628499A (zh) * 2020-06-02 2020-09-04 国网浙江省电力有限公司湖州供电公司 一种计及多风险因素的配电网新能源消纳能力评估的方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
吴凡;赵晋泉;朱斌;吴海伟;苏大威;: "基于MOPSO的含分布式光伏配电网故障区段定位", 电力系统保护与控制, vol. 46, no. 06, 16 March 2018 (2018-03-16), pages 46 - 53 *
张页;卢峰;袁卫龙;: "10kV配电网智能化开闭所改造技术", 上海电力学院学报, vol. 29, no. 02, 15 April 2013 (2013-04-15), pages 121 - 123 *
梁瑞尤等: ""免疫原理的智能配电网自愈系统关键技术分析"", 《自动化与仪器仪表》, no. 6, 30 June 2020 (2020-06-30), pages 201 - 204 *
段颖梨等: ""改进的粒子群算法在故障定位中的研究"", 《通信电源技术》, vol. 37, no. 5, 10 March 2020 (2020-03-10), pages 22 - 25 *
王力等: ""基于混合算法用于配电网多重故障的自愈研究"", 《湖北民族学院学报(自然科学版)》, vol. 36, no. 3, 30 September 2018 (2018-09-30), pages 356 - 360 *
袁月;王守相;蒋菱;周建华;孙蓉;: "适应自愈要求的配电网开关优化配置", 中国电力, vol. 49, no. 03, 5 March 2016 (2016-03-05), pages 76 - 82 *
邰彬;王朋;赵伟;: "分布式电源网损约束下智能配电网故障定位方法研究", 电子设计工程, vol. 28, no. 08, 20 April 2020 (2020-04-20), pages 145 - 149 *
陈奎等: ""基于免疫算法的含分布式电源配电网的故障定位"", 《电力系统保护与控制》, vol. 45, no. 24, 16 December 2017 (2017-12-16), pages 57 - 62 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193657A (zh) * 2021-06-04 2021-07-30 绍兴建元电力集团有限公司 基于人工智能的安全隐患排查治理策略匹配方法及系统
CN113193657B (zh) * 2021-06-04 2022-04-08 绍兴建元电力集团有限公司 基于人工智能的安全隐患排查治理策略匹配方法及系统
CN114170039A (zh) * 2021-11-11 2022-03-11 安徽明生恒卓科技有限公司 一种适应于电力行业的数据安全智能管控平台

Similar Documents

Publication Publication Date Title
CN112505482A (zh) 一种基于智能化故障定位的电网自愈方法及实现该方法的系统
CN110837915B (zh) 一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法
CN111509728B (zh) 一种基于多源异构虚拟负荷的优化调控方法及系统
CN111384729B (zh) 一种基于边缘计算的分布式电源调度控制方法
CN115933787A (zh) 基于室内环境监测的室内多末端智能控制系统
CN112731022B (zh) 光伏逆变器故障检测方法、设备及介质
CN116914751B (zh) 一种智能配电控制系统
CN116125204A (zh) 一种基于电网数字化的故障预测系统
CN115758151A (zh) 联合诊断模型建立方法、光伏组件故障诊断方法
CN118050589A (zh) 一种基于智能算法的故障区段定位方法
CN113673065B (zh) 一种配电网络自动重构的降损方法
CN111832836B (zh) 一种计及负荷用电特性的配电网重构方法及系统
CN117787915A (zh) 一种配电网数字孪生智慧大脑构建方法
KR20190071174A (ko) 기압 데이터를 이용한 단기 풍속 예측 방법 및 시스템
CN117713116A (zh) 一种基于无功补偿的电压多级调节方法及系统
CN116908606A (zh) 基于人工智能算法的电网故障定位方法和系统
CN115833245A (zh) 一种分布式微电网并网的调控保护方法
Li et al. A wind power prediction model based on optimized N-BEATS network with multivariate inputs
CN113344073A (zh) 一种基于融合进化算法的日负荷曲线聚类方法及系统
Wang et al. Reliability evaluation of power-generating systems including time-dependent sources based on binary particle swarm optimization
CN112241812A (zh) 基于单边优化与遗传算法协作的低压配电网拓扑识别方法
CN115566679B (zh) 一种基于能量路由器的微电网能量控制方法及系统
CN116108320B (zh) 一种智能电能表运行控制方法
CN117200210B (zh) 一种基于智能电网的配电方法及装置
CN113283702B (zh) 融合电力系统安全稳定特性的潮流状态评价方法及装置

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