CN112952771B - 一种用于交直流混联电网的故障识别与控制系统及方法 - Google Patents
一种用于交直流混联电网的故障识别与控制系统及方法 Download PDFInfo
- Publication number
- CN112952771B CN112952771B CN202110109643.XA CN202110109643A CN112952771B CN 112952771 B CN112952771 B CN 112952771B CN 202110109643 A CN202110109643 A CN 202110109643A CN 112952771 B CN112952771 B CN 112952771B
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- power grid
- direct current
- alternating current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013139 quantization Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 8
- 238000011002 quantification Methods 0.000 claims description 7
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000019771 cognition Effects 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
- H02H7/28—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured for meshed systems
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J5/00—Circuit arrangements for transfer of electric power between ac networks and dc networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于交直流混联电网的故障识别与控制系统及方法，属于电力系统技术领域。本发明系统，包括：识别层，发出设备故障预警信号；分析及研判层，发出连锁故障预警信号；量化层，根据量化数据确定控制措施数据及发出故障区域预警信号；控制层，根据控制措施数据控制交直流混联电网运行并清除故障。本发明为大电网安全预警和控制提供快速精准的故障感知触角，实现交直流混联电网关键设备故障的快速精准识别，以及系统连锁故障准确快速的智能判断以及实时控制，提升电网运行人员对薄弱断面和复杂故障形态认知水平，可应用于省级电网、区域电网、跨区交直流混联电网的故障监测、预警和实时控制等典型场景，切实提升电网管控水平。
Description
技术领域
本发明涉及电力系统技术领域，并且更具体地，涉及一种用于交直流混联电网的故障识别与控制系统及方法。
背景技术
随着国家能源战略对特高压交直流发展计划的落实，大规模新能源基地及其送出工程的投入建成，以中东部及沿海地区电网为中心的特高压交直流混联电网的“强直弱交”特征更为突出，电网运行控制遭遇诸多难题，如电网故障形态复杂，对故障形态难以有效快速判断，故障判别时间过长，导致单个控制指令的周期太长，不利于交直流故障的快速隔离，限制了输电能力的提升，故障的发生存在地域分散性，难以针对所有故障组织有效防御控制等，大电网的安全、高效运行需要以更为灵活、可靠的故障识别预警和防御控制为基础的安全稳定分析及控制系统作保障。
发明内容
针对上述问题，本发明提出了一种用于交直流混联电网的故障识别与控制系统，包括：
识别层，所述识别层接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
分析及研判层，所述分析及研判层调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
量化层，所述量化层调用分析及研判层获取的连锁故障数据，针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
控制层，所述控制层接收设备故障预警信号、连锁故障预警信号及故障区域预警信号，并根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障。
可选的，识别层：获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
可选的，设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
可选的，分析及研判层，根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
可选的，时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
可选的，针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
所述故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
所述传播路径推理，根据交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径。
所述故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
可选的，控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
本发明还提出了一种用于交直流混联电网的故障识别与控制方法，包括：
接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障。
可选的，方法还包括：获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
可选的，设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
可选的，方法还包括：根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
可选的，时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
可选的，针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
所述故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
所述传播路径推理，根据交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径。
所述故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
可选的，控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
本发明为大电网安全预警和控制提供快速精准的故障感知触角，实现交直流混联电网关键设备故障的快速精准识别，以及系统连锁故障准确快速的智能判断以及实时控制，提升电网运行人员对薄弱断面和复杂故障形态认知水平，可应用于省级电网、区域电网、跨区交直流混联电网的故障监测、预警和实时控制等典型场景，切实提升电网管控水平。
附图说明
图1为本发明系统的结构图；
图2为本发明系统实施例的原理图；
图3为本发明方法的流程图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于交直流混联电网的故障识别与控制系统，如图1所示，包括：
识别层，所述识别层接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
分析及研判层，所述分析及研判层调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
量化层，所述量化层调用分析及研判层获取的连锁故障数据，针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
控制层，所述控制层接收设备故障预警信号、连锁故障预警信号及故障区域预警信号，并根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障。
其中，识别层：获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
其中，设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
其中，分析及研判层，根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
其中，时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
其中，针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
传播路径推理，根据交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径。
故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
其中，控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
下面结合实施例对本发明进行进一步的说明：
实施例原理如图2所示，系统包括：
识别层，构建输变电设备故障特征与规则化知识表示映射模型，形成能够精准描述大电网高压设备故障特征的规则化知识表示方法。
分析及研判层，建立基于多源实时测量信息的大型交直流混联电网故障推理模型，形成自主扩展能力强、环境适应性强的故障识别知识库。
量化层，提出基于人工智能方法的电网故障冲击量化评价方法和响应控制措施实时量化方法，为基于响应的交直流协调控制实现提供依据。
控制层，将设备故障预警信号、连锁故障预警信号、故障区域预警信号、紧急控制措施信号发送给电力系统相关平台或装置。
识别层主要包括设备故障特征提取和设备故障特征规则化知识表示。
(1)设备故障特征提取通过建立输变电设备的故障特征数据模型库，并结合电气和非电气实时状态突变信息，形成输变电设备故障的事件化特征数据。
故障特征数据模型库主要涵盖不同设备类型(母线、线路、主变、直流等)、不同故障形态(无故障、瞬时故障、永久故障、开关拒动等)下的特征数据。
电气量实时状态信息主要通过远端测控单元装置RTU、相量测量装置PMU、保护装置、故障录波器获取并进行故障特征量提取，从而得到多时间尺度突变数据。非电气量实时状态突变信息主要通过保护装置获取保护动作信号、出口跳闸信号，通过开关位置信号获取开关动作信号。
(2)设备故障特征规则化知识表示依据输变电设备故障的事件化特征数据建立统一、分层的输变电设备故障特征知识表示框架，构建输变电设备故障特征知识表示器，并融入离线仿真、实际故障案例等样本训练，建立设备故障特征知识表示函数。
分析及研判层主要包括提出反映算例时变因素的量化指标，并对算例进行筛除和分类，从而建立故障分层识别模型。
(1)反映算例时变因素的量化指标通过分析电力系统时变特性对稳定判定算法准确度的影响获得定性指标，并进一步结合电气量受扰轨迹信息演化趋势获得定量指标。
(2)算例进行筛除和分类将基于时变度指标稳定裕度足够大且其可信度足够高的稳定算例筛除，并设计稳定类、疑似稳定类、疑似失稳类及失稳类算例的识别规则对故障进行分类，按可信度的优先级高于识别效率的原则来优化各规则的阈值，分析各识别规则执行的先后顺序对识别结果和计算量的影响，建立故障分层识别框架。
量化层主要包括故障定位、传播路径推理、故障冲击强度量化、控制措施量化。
(1)故障定位通过能量割集法将电网分割成一系列割集，通过监测电网实时运行状态数据，分析各割集能量流向，基于所计算的关键线路的割集能量，找到故障源所在的割集区域，实现故障快速定位。
(2)传播路径推理对交直流混联电网的拓扑结构、运行方式与保护信息进行在线监测与分析，智能识别大电网故障的传播路径。
(3)故障冲击强度量化基于故障定位和故障传播路径结果，采用人工智能算法分析系统故障特性及稳定演变机理，量化故障传播路径内各受扰元件故障冲击强度。
(4)控制措施量化依据故障冲击强度量化结果，并结合故障传播路径上可控元件灵敏度，实时计算控制措施。
控制层主要包括：
(1)接收设备故障智能识别层的设备故障预警信号、故障形态智能分析及研判层的连锁故障预警信号、故障冲击量化评估及控制措施实时量化层的故障区域预警信号，并出口给电力系统调度决策平台。
(2)接收故障冲击量化评估及控制措施实时量化层的实时量化控制措施，并出口给电力系统相关控制装置实施。
本发明还提出了一种用于交直流混联电网的故障识别与控制方法，如图3所示，包括：
接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障。
其中，获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
其中，设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
其中，根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
其中，时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
其中，针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
传播路径推理，根据交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径。
故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
其中，控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
本发明为大电网安全预警和控制提供快速精准的故障感知触角，实现交直流混联电网关键设备故障的快速精准识别，以及系统连锁故障准确快速的智能判断以及实时控制，提升电网运行人员对薄弱断面和复杂故障形态认知水平，可应用于省级电网、区域电网、跨区交直流混联电网的故障监测、预警和实时控制等典型场景，切实提升电网管控水平。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种用于交直流混联电网的故障识别与控制系统，所述系统包括：
识别层，所述识别层接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
分析及研判层，所述分析及研判层调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
量化层，所述量化层调用分析及研判层获取的连锁故障数据，针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
控制层，所述控制层接收设备故障预警信号、连锁故障预警信号及故障区域预警信号，并根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障；
所述针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
所述故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
所述传播路径推理，根据交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径；
所述故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
2.根据权利要求1所述的系统，所述识别层：获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
3.根据权利要求2所述的系统，所述设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
4.根据权利要求1所述的系统，所述分析及研判层，根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
5.根据权利要求4所述的系统，所述时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
6.根据权利要求1所述的系统，所述控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
7.一种用于交直流混联电网的故障识别与控制方法，所述方法包括：
接收交直流混联电网的设备故障数据，对故障数据进行故障识别，获取识别数据，并发出设备故障预警信号；
调用识别层获取的识别数据，针对识别数据进行故障推理，获取连锁故障数据，并发出连锁故障预警信号；
针对连锁故障数据进行量化，获取量化数据，并根据量化数据确定控制措施数据及发出故障区域预警信号；
根据设备故障预警信号、连锁故障预警信号及故障区域预警信号发出紧急控制措施信号，发出紧急控制措施信号后调用量化层确定的控制措施数据，根据控制措施数据控制交直流混联电网运行并清除故障；
所述针对连锁故障数据进行量化，包括：
故障定位、传播路径推理及故障冲击强度量化；
所述故障定位，包括：将交直流混联电网分割成多个割集，并通过监测交直流混联电网的实时运行状态数据，确定割集能量流向，根据割集能量流向确定交直流混联电网的关键线路的割集能量，根据割集能量确定故障源所在的割集区域，通过故障源所在的割集区域对故障进行定位；
所述传播路径推理，根据交交直流混联电网的拓扑结构、运行方式与保护信息，推理传播路径；
所述故障冲击强度量化，根据故障定位及传播路径，量化故障传播路径内受扰元件的故障冲击强度。
8.根据权利要求7所述的方法，所述方法还包括：获取交直流混联电网的设备的历史故障数据，针对历史故障数据，提取历史故障数据中设备故障特征及故障特征规则化知识表示；根据设备故障特征及故障特征规则化知识表示构建映射模型；
使用映射模型对故障数据进行识别。
9.根据权利要求8所述的方法，所述设备故障特征的提取，根据故障特征数据模型库，电气及非电气的实时状态突变信息进行提取。
10.根据权利要求7所述的方法，所述方法还包括：根据时变因素的量化指标，及对识别后的历史故障数据进行筛除和分类，构建推理模型；
使用推理模型对故障数据进行推理，获取连锁故障数据。
11.根据权利要求10所述的方法，所述时变因素的量化指标获取方式，包括：
通过交直流混联电网时变特性对稳定判定算法的准确度影响获取指标；
并针对指标根据，交直流混联电网电气量受扰轨迹信息的演化趋势，确定时变因素的量化指标。
12.根据权利要求7所述的方法，所述控制措施数据，根据故障冲击强度及受扰元件的灵敏度确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110109643.XA CN112952771B (zh) | 2021-01-26 | 2021-01-26 | 一种用于交直流混联电网的故障识别与控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110109643.XA CN112952771B (zh) | 2021-01-26 | 2021-01-26 | 一种用于交直流混联电网的故障识别与控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112952771A CN112952771A (zh) | 2021-06-11 |
| CN112952771B true CN112952771B (zh) | 2023-10-31 |
Family
ID=76237684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110109643.XA Active CN112952771B (zh) | 2021-01-26 | 2021-01-26 | 一种用于交直流混联电网的故障识别与控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112952771B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103199566A (zh) * | 2013-03-26 | 2013-07-10 | 国家电网公司 | 一种交直流混联电力系统的连锁故障分析方法 |
| CN107947216A (zh) * | 2017-11-15 | 2018-04-20 | 中国电力科学研究院有限公司 | 一种大型交直流混联电网连锁故障预警及控制方法及系统 |
| CN108899904A (zh) * | 2018-08-30 | 2018-11-27 | 山东大学 | 一种交直流大电网连锁故障快速搜索方法及系统 |
| CN109494873A (zh) * | 2018-11-08 | 2019-03-19 | 全球能源互联网研究院有限公司 | 一种交直流混联电网的控制保护方法、装置及系统 |
| CN110096767A (zh) * | 2019-04-15 | 2019-08-06 | 国网江西省电力有限公司电力科学研究院 | 一种交直流混联电网连锁故障仿真方法 |
-
2021
- 2021-01-26 CN CN202110109643.XA patent/CN112952771B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103199566A (zh) * | 2013-03-26 | 2013-07-10 | 国家电网公司 | 一种交直流混联电力系统的连锁故障分析方法 |
| CN107947216A (zh) * | 2017-11-15 | 2018-04-20 | 中国电力科学研究院有限公司 | 一种大型交直流混联电网连锁故障预警及控制方法及系统 |
| CN108899904A (zh) * | 2018-08-30 | 2018-11-27 | 山东大学 | 一种交直流大电网连锁故障快速搜索方法及系统 |
| CN109494873A (zh) * | 2018-11-08 | 2019-03-19 | 全球能源互联网研究院有限公司 | 一种交直流混联电网的控制保护方法、装置及系统 |
| CN110096767A (zh) * | 2019-04-15 | 2019-08-06 | 国网江西省电力有限公司电力科学研究院 | 一种交直流混联电网连锁故障仿真方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112952771A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717665A (zh) | 基于调度控制系统故障辨识及趋性分析系统和方法 | |
| CN110020967B (zh) | 一种电网调度端变电站智能告警的信息处理方法及装置 | |
| WO2015043441A1 (zh) | 基于多场景分析的智能告警推理方法 | |
| CN107884711A (zh) | 断路器测试方法和终端 | |
| CN105245001B (zh) | 一种事件驱动的变电站事故智能告警处理方法和装置 | |
| CN109034470A (zh) | 一种电力通信现场运维故障预测方法 | |
| KR101965159B1 (ko) | 머신러닝을 이용한 이상 신호 분류 인공지능 알고리즘 방법 및 이를 이용한 변전소 상태감시 시스템 | |
| CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
| EP4125172A1 (en) | Systems and methods for ai-assisted electrical power grid fault analysis | |
| CN104657913A (zh) | 一种基于全数据模型的智能告警系统 | |
| CN110349048B (zh) | 变电站多维数据运行交互控制平台及故障处置方法 | |
| CN115549094B (zh) | 一种智能电网变电设备预警评估方法及系统 | |
| CN110350660A (zh) | 一种继电保护功能压板在线监视方法和系统 | |
| CN108596450B (zh) | 电网风险预警方法和系统 | |
| CN102684306A (zh) | 一种变电站智能运行的方法 | |
| CN112952771B (zh) | 一种用于交直流混联电网的故障识别与控制系统及方法 | |
| CN117390944A (zh) | 一种变电站运行工况仿真系统 | |
| CN106651113A (zh) | 一种基于超前n‑1分析的调度员操作风险评估方法 | |
| CN111353465A (zh) | 基于深度学习技术的变电站人员行为分析方法及系统 | |
| CN116596301A (zh) | 基于零次学习法的电缆多状态变量评估模型设计方法及装置 | |
| CN116468243A (zh) | 一种基于监控运行数据的电网趋势预警方法 | |
| CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
| CN115864644A (zh) | 一种继电保护装置状态评价方法、系统、设备及介质 | |
| CN104979903A (zh) | 一种集控中心巡维分析方法和装置 | |
| CN114925866A (zh) | 低压配网线路中的辅助决策装置、故障报警方法及系统 |
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 |