CN113552443B - 基于交直流脉冲和随机森林的混连高压线路故障识别方法 - Google Patents

基于交直流脉冲和随机森林的混连高压线路故障识别方法 Download PDF

Info

Publication number
CN113552443B
CN113552443B CN202110637895.XA CN202110637895A CN113552443B CN 113552443 B CN113552443 B CN 113552443B CN 202110637895 A CN202110637895 A CN 202110637895A CN 113552443 B CN113552443 B CN 113552443B
Authority
CN
China
Prior art keywords
voltage
line
fault
distribution line
random forest
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
CN202110637895.XA
Other languages
English (en)
Other versions
CN113552443A (zh
Inventor
张镱议
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN202110637895.XA priority Critical patent/CN113552443B/zh
Publication of CN113552443A publication Critical patent/CN113552443A/zh
Application granted granted Critical
Publication of CN113552443B publication Critical patent/CN113552443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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

Abstract

本发明公开了一种基于交直流脉冲和随机森林的混连高压线路故障识别方法，涉及电网高压线路故障诊断技术领域，搭建模拟配电线路；根据模拟配电线路计算并实验得到模拟配电线路的交/直流电压耐受程度及交/直流电压注入的参数选择；在模拟配电电路上设定故障点，将线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数并上传至故障诊断装置的云计算系统；配电线路故障诊断系统使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过基于RF的混连线路故障信息表征模型判断配电网线路故障是否存在故障，能够有效判断配电线路中混连线路的故障是位于架空线还是电缆线路。

Description

基于交直流脉冲和随机森林的混连高压线路故障识别方法
技术领域
本发明属于电网高压线路故障诊断技术领域，尤其涉及一种基于交直流脉冲和随机森林的混连高压线路故障识别方法。
背景技术
配电网与主网相比，其结构更为复杂，分支多，传输过程环境恶劣。据有关统计，由配电网故障引起的停电事故占比高达80％。因此，配电网故障后快速查找故障点，实现故障隔离和恢复具有重要意义。对于明显的故障(如断路或者树枝卷曲)，可以通过巡检直接找到故障的位置。但对于避雷器、继电保护装置等外形没有明显的故障特征，很难确定故障的具体位置，也很难确定线路的故障类型。检修人员通常采用摇表来测量接地电阻进行巡检，但这种方法的偶然性较高、准确性较低，特别是在天气条件不佳的情况下，如雨天空气湿度相对较高的情况下很容易出现误判。如今随着电缆在配电网中的普遍使用，尤其是在城市，交联聚乙烯电缆现在已经大量使用并逐步取代电线，而摇表遥测法无法用于电缆故障定位，如果不及时采取措施，最终会导致故障规模扩大，给配电网的稳定运行带来重大的安全隐患。在这种情况下，如何在短时间内从高压架空线和高压电缆混合线路快速准确地分析故障类型，锁定故障区域，对配电网的稳定可靠运行至关重要。
大量研究和实践表明，将电压信号注入线路，并检测输出电流，可以有效地计算出故障分支和非故障分支之间的电流差，从而对故障线路进行准确定位。注入的电压信号可以是直流或者交流。这两种电压信号在线路故障定位中各有优缺点。注入直流信号的方法避免受到线路接地过渡电阻已经故障点后的线路长度的影响，定位精度高、数据处理简单，但其检测流程相对麻烦。相反注入交流信号的方法当接地过渡电阻较大或故障点之后的线长为时，定位精度会明显下降，但是其检测过程比较简单，方便。为了避免网络结构和线路参数的干扰，同时消除分布电容和过渡电阻的影响，有必要开展基于直流/交流高压的混连线路的故障诊断方法的研究。
如今大数据运用已经不限于IT行业，各行各业都在挖掘大数据的价值。尤其是在电网领域，面对复杂的电网环境，只有做到覆盖式、全时段的监测线路运行情况，能够提前发现可疑故障，或者故障发生最快发现故障点，这样才能将线路故障率降到最低，将损失降到最小。监测过程会产生大量的数据需要存储，随着云服务的快速发展，如阿里云、AWS、GOOGLE等，都能提供高效的云存储和云计算功能。将大数据与云计算相结合，运用在配电线路故障诊断领域，建立一个基于云数据融合的配电线路故障诊断系统。通过云数据融合，我们不仅可以分析多次故障之间的规律，提前发现并排查故障，还能根据服务器实时传输诊断数据，能在第一时间发现故障，确定故障点。
随机森林(RF)是一种基于统计学习理论的数据驱动的非参数分类方法。它将利用bootstrap重采样方法从原始样本中提取多个样本，利用自助采样技术和节点随机分裂技术为每个bootstrap样本集构造出多个决策树，进而对多个决策树的组合进行分类，最后以投票的方法获得最终的分类结果。该方法通过对给定样本的学习和训练，形成分类规则，因此不需要事先进行分类。与目前流行的同类算法相比，RF方法具有预测精度高、泛化误差可控、收敛速度快、平差参数少等优点，在解决信息冲突方面具有一定的优越性。
注入直流信号的定位方法和注入交流信号的定位方法对配电网线路故障诊断具有良好的效果，但是在同时应用这两种方法时可能会产生信息冲突，甚至诊断结果的不一致性。此外，在架空线路和电缆线路相连接处，现有的技术难以判断出故障具体是在哪部分。因此，如何判断配电网线路故障部分是处于架空线路还是处于电缆线路中还有待研究，还有如何解决两种电流注入法在判断线路故障时所产生的信息冲突一直是国内外研究的难点。
因此急需一种可应用于现场的既能同时诊断高压架空线和高压电缆线路的故障，又能解决多种技术在判别线路故障时所产生信息冲突的新方法。
发明内容
本发明的目的在于提供一种基于交直流脉冲和随机森林的混连高压线路故障识别方法，从而解决了现有交直流电压注入法在判断线路故障时所产生的信息冲突的缺点。
为实现上述目的，本发明提供了一种基于交直流脉冲和随机森林的混连高压线路故障识别方法，包括以下步骤：
搭建模拟配电线路，对所述模拟配电线路进行试验，获取试验数据；
根据所述模拟配电线路和试验数据计算并实验得到模拟配电线路的交/直流电压耐受程度和交/直流电压注入的参数选择；
基于直/交流信号注入技术建立线路故障定位装置；
在模拟配电电路上设定故障点；
使用选择的交/直流电压注入的参数对所述线路故障定位装置进行设置，后将所述线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；
建立基于云数据融合的配电线路故障诊断系统，所述配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过表征有效信息的参数作为基于RF的混连线路故障信息表征模型的输入，基于RF的混连线路故障信息表征模型输出配电网线路故障是否存在故障。
进一步的，所述试验为对所述模拟配电线路进行耐压试验，获取所述模拟配电线路在正常投运时，应承受的直流电压和交流电压。
进一步的，模拟配电线路的交/直流电压耐受程度为模拟配电线路的相电压和相电压峰值
进一步的，计算得到模拟配电线路的交/直流电压耐受程度包括以下步骤：
S211、在星形连接的模拟配电电路中，星形连接的模拟配电电路线电压和相电压的关系如公式(1)所示，如果已知线路线电压，经过化简，求解出模拟配电网线路的相电压计算公式(2)；
Figure BDA0003105916600000031
UP＝UL·0.577 (2)
式(1)和式(2)中，UAB表示A相与B相之间的线电压，UA表示A相的相电压；UP表示相电压，UL表示线电压，a为超前相位角；
S212、根据模拟配电线路中电压的峰值与电压有效值的数学关系得到公式(3)，对公式(3)化简，得到模拟配电线路的相电压峰值计算公式(4)；
Figure BDA0003105916600000041
Um＝UP·1.414 (4)
式(3)和式(4)中，U1表示电压有效值，u1表示电压瞬时值，T表示一个周期的时间，t表示周期内的任意时间；Um表示模拟配电网路的相电压峰值，Up表示模拟配电网线路的相电压有效值；
S213、根据式(4)求出模拟配电网线路的的相电压UP和相电压峰值Um，作为模拟配电线路正常投运时注入直流电压和交流电压的最大承受值。
进一步的，选择交/直流电压注入的参数包括：交流高压发生部分的元件的容量计算及选择；补偿电抗器所需的电感量、耐受电流计算及选择；补偿电容所需的电容量、击穿电压计算及选择。
进一步的，所述线路故障定位装置的电路结构包括依次连接的电源模块、升压模块、补偿电抗器模块以及、补偿电容器模块以及保护电路模块。
进一步的，所述配电线路故障诊断系统通过云计算数据平台进行运行。
进一步的，使用随机森林算法建立基于RF的混连线路故障信息表征模型包括以下步骤：
构建基于RF的混连线路故障信息表征模型，确定随机森林分类模型的输入为原始样本集——故障信息特征参量值；
在原始样本集挑选训练样本子集并计算出熵值，根据熵值较小的子集构建多个决策树；
以各决策树的输出结果进行诊断，然后计算出诊断结果属于的故障状态，并对所述故障状态的概率，其中，概率值最大的状态为随机森林分类模型的最终结果，从而得到基于RF的混连线路故障信息表征模型。
与现有的技术相比，本发明具有如下有益效果：
本发明所提供的基于交直流高频脉冲融合和随机森林概率分类的混连高压线路故障识别方法，搭建模拟配电线路，对模拟配电线路进行试验，获取试验数据；根据模拟配电线路计算并实验得到模拟配电线路的交/直流电压耐受程度以及交/直流电压注入的参数选择；基于直/交流信号注入技术建立线路故障定位装置，在模拟配电电路上设定故障点；使用根据选择的交/直流电压注入的参数对线路故障定位装置进行设置，后将线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；建立基于云数据融合的配电线路故障诊断系统，配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过表征有效信息的参数作为基于RF的混连线路故障信息表征模型的输入，基于RF的混连线路故障信息表征模型输出配电网线路故障是否存在故障，能够有效判断配电线路中混连线路的故障是位于架空线还是电缆线路，还能解决交/直流两种检测方法在判别线路故障时所产生信息矛盾问题。并且能够通过基于云数据融合的配电线路故障诊断系统分析数据，传输故障诊断数据。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于交/直流高压脉冲的配电网线路故障定位装置原理框图；
图2是本发明的线路故障定位装置的结构示意图；
图3是本发明云数据融合配电线路故障诊断系统流程图；
图4是本发明的随机森林训练流程图；
图5是本发明的RF用于混连线路故障信息评估的流程图；
图6是本发明一种基于交直流高频脉冲融合和随机森林概率分类的混连高压线路故障识别方法的流程图；
具体实施方式
下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
图6示出了本发明所提供的其中一个实施例的基于交直流脉冲和随机森林的混连高压线路故障识别方法，包括以下步骤：
S1、搭建模拟配电线路，对模拟配电线路进行试验，获取试验数据；
具体的，模拟配电电路包括：电源、电力变压器、电线、大功率电阻、电流互感器、大量的0.62μF移相电容以及故障点；电源采用三相交流电源，三相交流电源与电力变压器连接，同时电力变压器与电线的一端连接，电线的另一端与大功率电阻连接，电流互感器与电线连接，同时根据配电线路运行情况添加移相电容。
S2、根据模拟配电线路和试验数据计算并实验得到模拟配电线路的交/直流电压耐受程度和交/直流电压注入的参数选择；
S3、基于直/交流信号注入技术建立线路故障定位装置；
S4、在模拟配电电路上设定故障点；
具体的，人为设置多个故障相和非故障相；
S5、使用根据步骤S2选择的交/直流电压注入的参数对步骤S3构建的线路故障定位装置进行设置，后将线路故障定位装置对步骤S4设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；
其中，表征有效信息的参数包括：直流注入电压信号、泄漏电流信号，以及接地电阻值；交流注入电压信号、泄漏电流信号，以及接地电阻值；
具体的，使用线路故障定位装置分别用相同幅值、相同频率的交流电压注入到非故障相和故障相中，测量泄漏电流是否满足条件，如果满足条件，进而测量各相的输出电流值，根据欧姆定律估算出线路的接地过渡电阻值；然后用同样的方法将直流电压注入到非故障相和故障相中，测量泄露电流是否满足条件，再测量各相的输出电流值；
S6、建立基于云数据融合的配电线路故障诊断系统，配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过表征有效信息的参数作为基于RF的混连线路故障信息表征模型的输入，基于RF的混连线路故障信息表征模型输出配电网线路故障是否存在故障；
上述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，搭建模拟配电线路，对模拟配电线路进行试验，获取试验数据；根据模拟配电线路计算并实验得到模拟配电线路的交/直流电压耐受程度以及交/直流电压注入的参数选择；基于直/交流信号注入技术建立线路故障定位装置，在模拟配电电路上设定故障点；使用根据选择的交/直流电压注入的参数对线路故障定位装置进行设置，后将线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；建立基于云数据融合的配电线路故障诊断系统，配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过表征有效信息的参数作为基于RF的混连线路故障信息表征模型的输入，基于RF的混连线路故障信息表征模型输出配电网线路故障是否存在故障，能够有效判断配电线路中混连线路的故障是位于架空线还是电缆线路，还能解决交/直流两种检测方法在判别线路故障时所产生信息矛盾问题。并且能够通过基于云数据融合的配电线路故障诊断系统分析数据，传输故障诊断数据。
具体的，根据步骤S1在实验室搭建模拟配电线路，人为设置多个故障相和非故障相。然后使用线路故障定位装置分别用相同幅值、相同频率的交流电压注入到非故障相和故障相中，测量泄漏电流是否满足条件。如果满足条件，进而测量各相的输出电流值，根据欧姆定律估算出线路的接地过渡电阻值；然后用同样的方法将直流电压注入到非故障相和故障相中，测量泄露电流是否满足条件，再测量各项的输出电流值；最后通过配电线路故障诊断系统分析各项的输出电流值对线路节点进行拓扑分析以确定直流检测点，利用输入直流信号检测故障分支和非故障分支、故障点前后的电流差异进行故障定位。
其中一个实施例，基于交直流脉冲和随机森林的混连高压线路故障识别方法还包括步骤S7、将步骤S6中的随机森林算法以及混连线路故障信息表征模型对参数进行云计算，进行云计算后由服务器将诊断数据反馈至后台。
其中一个实施例，步骤S1中，试验为对模拟配电线路进行耐压试验，获取模拟配电线路在正常投运时，应承受的直流电压和交流电压。
其中一个实施例，步骤S2中，模拟配电线路的交/直流电压耐受程度为模拟配电线路的相电压和相电压峰值。
具体计算得到模拟配电线路的交/直流电压耐受程度包括以下步骤：
S211、在星形连接的模拟配电电路中，星形连接的模拟配电电路线电压和相电压的关系如公式(1)所示，如果已知线路线电压，经过化简，可以求解出模拟配电网线路的相电压计算公式(2)；
Figure BDA0003105916600000081
UP＝UL·0.577 (2)
式(1)和式(2)中，UAB表示A相与B相之间的线电压，UA表示A相的相电压；UP表示相电压，UL表示线电压，a为超前相位角；
S212、在模拟配电线路中相电压指的是电压有效值，因此，在星形连接的模拟配电电路中相电压并不能说明在配电线路中电压的峰值，因此，根据模拟配电线路电压的峰值与电压有效值的数学关系得到公式(3)，对公式(3)化简，得到模拟配电线路的相电压峰值计算公式(4)；
Figure BDA0003105916600000082
Um＝UP·1.414 (4)
式(3)和式(4)中，U1表示电压有效值，u1表示电压瞬时值，T表示一个周期的时间，t表示周期内的任意时间；Um表示模拟配电网路的相电压峰值，Up表示模拟配电网线路的相电压有效值；
S213、根据式(4)求出模拟配电网线路的的相电压UP和相电压峰值Um，作为模拟配电线路正常投运时注入直流电压和交流电压的最大承受值。
其中一个实施例，图1示出了基于交/直流高压脉冲的配电网线路故障定位装置原理框图，在向待测输电线路注入一个与配电线路额定电压等级等效的直/交流电压时，通过直/交流发生装置是否产生保护动作来确定线路是否存在故障，并且能够定性判断线路能否送电。若注入电压与输出电流之商得到等效电阻的数据基本稳定，则待检测线路不存在故障；同理若注入电压与输出电流得到的等效电阻数据波动较大，且数据趋于无穷小，则待检测线路存在故障。因此，步骤S2中，选择交/直流电压注入的参数包括：交流高压发生部分(被测设备)的元件的容量计算及选择；补偿电抗器所需的电感量、耐受电流计算及选择；补偿电容所需的电容量、击穿电压计算及选择。
具体的，选择交/直流电压注入的参数包括以下步骤：
S221、使用电容表测试出被测设备(模拟配电线路)的等效电容量，电容基本功能是存储电荷，电容满足代数关系见公式(5)，通过式(5)可知，电容的大小与时间、电压、电荷量有关；在电力系统中运用的通常为时不变荷控电容，电容量以及电容电流通过方程组(6)计算；
fC(u(t),q(t),t)＝0 (5)
Figure BDA0003105916600000091
式(5)和式(6)中，fc为电压，电荷随时间变化的代数关系式，u(t)为电容电压与时间的代数式，q(t)为电荷与时间的代数式,c(t)为电容值与时间的代数关系，i(t)为电流值与时间的代数关系，t为时间；
已知公式(5)以及公式(6)，当电力系统处于稳态运行，将电流和电容关系从时域转换到频域中，可以计算被测设备的容性电流，如方程组式(7)、方程式(8)所示：
Figure BDA0003105916600000092
w＝2πf (8)
式(7)和式(8)中，XC为电容容抗，j为复数单位，w为角频率，c为电容值，U为B被测设备的两端电压，IC为被测设备的容性电流，Cd为被测设备的电容量，f为50Hz频率；
根据式(7)和式(8)的计算结果旋转交流高压发生部分(被测设备)的元件的容量。
S222、根据被测设备的容性电流大小选择补偿电抗器的大小，电抗器是实质是电感线圈，电抗器满足代数关系为式(9)，通过式(9)可知，电感线圈的大小与时间、电流、磁通量有关，当电抗器为时不变磁控电感，当电力系统稳定运行，电抗器的电感值从时域转换到频域中，根据方程组式(10)可以求得电抗器的电感值和电感电压；
fL(i(t),ψ(t),t)＝0 (9)
Figure BDA0003105916600000101
式(9)和式(10)中，fL为电流、磁链随时间变化的代数关系，t为时间，i(t)为电流随时间变化的代数式，ψ(t)为磁链随时间变化的代数式,ψ为磁通量,L为电感值,I为电感通过的电流值,XL为电感感抗,j为复数单位，w为角频率，U为被测设备两端电压；
连列方程组(7)、(10)计算出50Hz频率下的电容数值：
Figure BDA0003105916600000102
式(11)中，Ck为补偿电抗器需要对应的电容值，Lc为补偿电抗器感值。
S224、根据公式(6)计算补偿电容的大小Cn:
Cn＝Ck-Cd (12)
式(12)中，Ck为补偿电抗器需要对应的电容值，Cd为被测设备的电容量。
S225、击穿电压只需大于步骤S2中的得到的直流耐压的二倍即可。
可以据步骤S224-S225选择出补偿电容与步骤S223补偿电抗器组合起来作为补偿模块，将补偿模块、升压模块和自耦调压电路等进行组合得到交/直流高频脉冲装置，并通过交/直流高频脉冲装置对被测设备进行高压耐压试验。
其中一个实施例，如图2所示的线路故障定位装置，步骤S3中，线路故障定位装置包括依次连接的电源模块、升压模块、补偿电抗器模块、补偿电容器模块以及保护电路模块，通过保护电路模块的输出端与被测设备连接进行高压耐压试验。
具体的，电源模块用于为整个线路故障定位装置提供运行电能，具体的，电源模块采用自耦调压器接入交流电源；
升压模块通过屏蔽电线活动连接电源模块，其中，升压单元采用升压变压器，升压变压器如方程组(13)所示：
Figure BDA0003105916600000111
式(13)中，K为N1、N2的匝数比，N1为初级线圈的匝数，N2为次级线圈的匝数，U2为次级电压，U1为初级电压。通过式(13)可知，次级电压与线圈匝数比有关，因此，调节匝数比就可将初级220V电压升高到测试电压等级。
补偿电抗器模块通过屏蔽线与升压模块活动连接，采用RL串联与C并联的接线方式，使补偿电容器(电容电流)和补偿电抗器模块(电感)两者相互补偿，所以通过补偿电抗器模块和补偿电容器模块构成的补偿模块能够灵活的对被测设备进行电容、电感量的补偿。补偿电抗器模块为步骤S224选择出补偿电容，；补偿电抗器模块为步骤S223计算得到的补偿电抗器。
并且，采用基于鲁棒控制原理的微差双向补偿耐压方法来调节补偿电容、补偿电抗器参数，当ωL＝1/ωC时，线路故障定位装置与被测设备形成的电路呈现电阻性，电压一定时，电流达最大，这种现象称为串联谐振，谐振时的频率称为谐振频率，也称电路的固有频率，即：
Figure BDA0003105916600000112
式(14)中，w0为电路的角频率，L为电感的感值，C为电容的容值，f0为电路的谐振频率。
式(14)表明谐振频率不仅与元件参数L、C有关，与电阻R无关，因此，试验频率随被测设备的电容量的改变而改变。
补偿电容器模块根据步骤S224-S225的计算结果以及选择结果进行选择。
保护电路模块是保证装置安全运行的关键，与升压模块的自耦变压器连接，保护电路模块包括接地保护，过流保护，自动放电接触器等。
其中一个实施例，线路故障定位装置还包括主控模块，线路故障定位装置通过主控模块连接GPRS与云服务器通信，通过云服务器实时自动传送位置信息和各个诊断数据，由云服务器利用多证据融合方法进行融合，并以手机短信或者app提醒的方式将计算结果反馈
其中一个实施例，在实验室内模拟运行线路故障定位装置与被测设备进行测试，进一步地，针对现场测试存在的问题，对装置进行优化与改进。
具体包括以下步骤：首先在实验室内搭建好的模拟配电线路进行测试，同时在非故障相和故障相以及不同的架空线路和电缆等工况下的进行实验，验证线路故障定位装置的基本功能、抗干扰能力、安全性是否符合设计标准。同时对实验过程中的不足之处进行总结，改进线路故障定位装置中发现的问题，然后再次验证，直到达到设计要求。然后选取现场具有典型代表的若干条混连线路，进行现场测试，检查线路故障定位装置在现场试验中的性能表现。
其中一个实施例，从步骤S6中，提取了直/交流两种测试方法得到的表征有效信息的参数建立配电网线路故障的特征参量数据库，通过特征参量数据库对表征有效信息的参数进行存储。
其中一个实施例，步骤S6具体包括以下步骤：
S61、将步骤S5通过交/直流两种方法采集得到的表征有效信息的参数进行聚类分类，存储到云服务器中；
具体的，搭建一个配电网线路故障的特征参量数据库。
S62、建立云计算数据平台，云计算数据平台用于分析存储的数据，以及通过云计算数据平台建立基于云数据融合的配电线路故障诊断系统，为配电线路故障诊断系统提供相关的计算，如图3所示，例如：采用随机森林模型对数据进行云计算，准确、及时的发现故障并定位故障的位置，从而实现故障诊断；还将每一次步骤S42得到的故障诊断的结果保存在云服务器数据库中，借助拟合模型分析多次故障的规律，争取做到提前发现故障，提前排查故障点，减少配电线路的故障率。
图4示出了本发明的随机森林训练流程图；图5示出了RF用于混连线路故障信息评估的流程图；
S63、将步骤S61中云服务器中储存的原始样本集——故障信息特征参量值作为随机森林算法模型的输入样本，构成原始训练样本数据集(xi,yi)MN，其中，xi是M维样本向量，M为样本属性个数，yi是xi所对应的分类标号，N为训练样本数目；
具体的，采集接地点故障前后的相/线电流、电压的大小、方向以及故障距离数据，并进行离散化处理。由于现场测试环境、工况复杂，所以在不同一条件下的同一变量(电流的大小、电压大小以及故障距离)的数值波动可能会比较大，所以，要对数据样本集进行无量纲化和标准化处理，然后才按一定比例将其分为训练集和测试集。
需要注意的是随机森林算法中要求输入数据为离散型，而配电网混连线路的采集到的数据属于连续性。故接地点故障前后相线电流和电压的大小、方向、故障距离等数据，作为故障诊断的重要数据源，需要先对其做离散化处理。
S64、对故障类型和故障距离进行编码，建立基于RF的混连线路故障信息表征模型，并将模型的参数(原始样本集)初始化为随机较小数值。
S65、在原始数据空间(步骤S64得到的样本集)，根据采取随机抽样的方式生成K个新训练样本子集(测试集)，首先根据熵值公式(15)算出故障的概率大小作为熵值特征参数；再将每个新样本子集根据熵值公式(16)计算出熵值：
Figure BDA0003105916600000131
Figure BDA0003105916600000132
式(15)和式(16)中，H为熵值特征参数，Hi为每个训练样本子集的熵值，n为K个样本训练子集中的不同子集数量，p(xi)为不同子集的概率函数，D为每一个训练子集的参数总数，Di为每一个训练子集的不同参数数量；
再将式(15)、(16)得到的熵值相减，得到每一个训练子集与熵值特征参数的熵值差ΔHi如式(17)所示，其中，熵值差越小表征该子集混乱程度越低，特征性更明显；
ΔHi＝H-Hi (17)
式(17)中，H为熵值特征参数，Hi为每个训练样本子集的熵值；
然后在熵值差较小的新训练样本子集中随机挑选MS个属性按照节点不纯度最小原则进行分支生长成多k棵决策树，即将熵值较小的子集随机组合，构建出k棵决策树，组成RF组合分类器；
其中，对于决策树第一个节点，选择基尼系数作为判断选择是否正确的依据，如下式(18)可知：
Figure BDA0003105916600000141
式(18)中，Gini(Dj)为每个子集的基尼系数，Pi代表每个训练子集占所有样本的比例，n表示每个子集中的参数数量；
Figure BDA0003105916600000142
式(20)中，GiniA(D)为基尼系数D表示所有不同训练子集中的参数数量，Dj为不同的训练子集，k为训练子集数。
从公式(20)可以看出，当数据集中数据混合的程度越高，基尼指数也就越高。当数据集D只有一种数据类型，那么基尼指数的值为最低0。这与熵值有相似之处，将熵值与基尼指数线性拟合，如果拟合结果线性相关，则可将该子集作为决策树。
S66、确定随机森林分类模型的输出结果为对应与样本数据经诊断后，诊断结果属于的故障状态，并统各计故障状态的概率，其中，概率值最大的状态为分类的最终结果。
S67、将测试集输入随机森林分类模型中，由各个决策树分别给出故障信息状态类别。
S68、集合步骤S67得到的所有决策树的判断结果，通过投票决定所属的故障类型和故障区域范围，其最终的分类结果按如下公式(21)给出：
Figure BDA0003105916600000151
式(21)中，T(x)表示组合分类模型，ti(x)为单棵决策树模型，G表示目标分类，A是示性函数，i为决策树个数。
随机森林的决策性能可靠性取决于每一棵树的分类强度和树之间的相关度，单棵决策树的分类能力越强，和树与树之间的相关度越小，则随机森林的分类性能越好；因此，在所有决策树投票后，可以根据投票结果生成混淆矩阵CM(i,j)，而此时随机森林分类错误率RFER为：
RFER＝1-(∑CM(i,i)/∑CM(i,j)) (22)
式(22)中，RFER为随机森林分类错误率，CM(i,j)为决策树的混淆矩阵。
S69、通过OOB(随机森林分类错误率)误差估计来衡量随机森林分类模型的分类识别性能，并存储好训练好的随机森林分类模型及其参数，得到基于RF的混连线路故障信息表征模型。
S610、将测试集中的混连故障信息样本数据(包括故障类型数据及其故障范围标签)通过基于RF的混连线路故障信息表征模型进行测试，得到模拟配电网的故障是否存在故障。
对本发明基于交直流脉冲和随机森林的混连高压线路故障识别方法的实施例进行详细说明，以使本领域技术人员更了解本发明：
S1、以配电网66kV配电线路为例，根据公式(2)和公式(4)分别求解出配电网线路的相电压和相电压峰值，以判断配电线路正常投运时应承受的直流电压和交流电压。
UP＝UL·0.577＝66×0.577≈38.1KV (1)
Um＝UP·1.414＝1.414×38.1≈53.9KV (2)
根据计算结果，在66kV配电线路中，只要线路承受的注入直流电压不低于53.9KV，注入交流电压不低于38.1KV，那么输电线路就能正常投运。
如图1所示，输入等效交/直流电压。当注入电压为直流时，不受接地过渡电阻大小的影响，如果电压能升至53.9kV，同时泄漏电流表也缓慢起，则表示所试的线路段无故障。同时已知注入电压和输出电流，根据欧姆定律得到的等效电阻数据波动较小，在小范围内呈现动态稳定，表示输电线路可以送电；相反当线路存在故障时，电压还未达到53.9kV，电流数据与电压数据呈非线性变化，且等效电阻趋于无限小时，同时机内过流保护动作，说明线路绝缘不合格，不能送电。对于注入电压为交流时，同理可知，如果电压能升至38.1kV，泄漏电流表也缓慢起，则表示所试的线路段无故障。如果等效电阻在小范围内实现动态稳定，则表示线路可以送电；而当线路存在故障时，但是如果电压在升压过程中还未到38.1kV，等效电阻波动很大，同时机内过流保护动作，说明线路绝缘不合格，不能送电。
S2、对交流高压发生部分的元件的容量计算及选择；对补偿电感所需的电感量、耐受电流计算及选择；对补偿电容所需的电容量、击穿电压计算及选择，如图2所示。
首先，测试出被测设备的电容量数值，根据方程组(10)可以计算被测设备的容性电流，其中，f为50Hz，Cd为被测设备的电容大小，U为被测设备两端电压，Ic为被测设备的容性电流。
Ic＝2π·50·CdU＝314.2CdU (19)
然后，根据被测设备的容性电流来选择补偿电抗器，然后根据公式(11)计算出50Hz频率下的电容数值；最后，根据公式(12)计算补偿电容的容量大小：
Figure BDA0003105916600000161
Cn＝Ck-Cd (12)
式(11)中，Cx为补偿电抗器需要对应的电容值，Lc为补偿电感器感值。
至此，完成直/交流电压耐受程度以及直/交流流电压输入的条件的选择，据此选择出补偿电容并与补偿电抗器组合起来作为补偿部分、与升压模块连接，其中升压模块为自耦调压模块组成交/直流高频脉冲装置，并对被测设备进行高压耐压试验。
S3、根据步骤S2的选择结果，基于直/交流信号注入技术建立线路故障定位装置；路故障定位装置包括依次连接的电源模块、升压模块、补偿电抗器模块以及补偿电容器模块；
电源模块采用自耦调压器，通过自耦调压器输入范围为交流110V-380V；升压模块为单相工频升压变压器，升压变压器的次级连接整流电路的输入端，升压变压器的初级以及高压器的次级连接；
补偿电抗器模块采用补充电抗器，补偿电抗器由多个电抗器叠放串联而成，其总电感量能够通过调节补偿电抗器之间的间距实现改变；
补偿电容器模块采用补充电容器，补偿电容器采用并联或串联的方式调整补充电容器的容量，所以通过电容支架固定并调节补偿电容器，电容支架设置在装置内部，电容补偿器两端均外接引出线，通过调节引出线的连接方式调整电容器的容量；
S4-S6、基于直/交流信号注入技术建立线路故障定位装置，在模拟配电电路上设定故障点；使用根据选择的交/直流电压注入的参数对线路故障定位装置进行设置，后将线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；建立基于云数据融合的配电线路故障诊断系统，配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于RF的混连线路故障信息表征模型，通过表征有效信息的参数作为基于RF的混连线路故障信息表征模型的输入，基于RF的混连线路故障信息表征模型输出配电网线路故障是否存在故障。
实验结果表明:基于交/直流高频脉冲装置及其测试方法在66/110kV的架空线和电力电缆混连线路中能够很好的分辨故障线路以及准确定位故障点，具有很好的实用性。其优势在于可以消除过渡电阻和分布电容的影响，避免网络结构和线路参数的干扰，很大程度上解决了离线状态下配电网混连线路中的单相接地故障定位准确度问题，并且装置的性能非常优秀能够显著减短寻找故障的时间，根据柳州供电局配电线路故障查找时间统计，2008～2013年之间故障排查平均用时约为4小时，在运用本装置后，对2020年34次10kV配电线路故障排查统计，排查平均用时为半小时，故障排查平均用时减少了3小时40分钟，效率提高了390％。同时随机森林概率分类模型很好的解决了在定位测试中注入直流电压与注入交流电压产生不同结果多所面临的信息矛盾问题，准确地判断出配电网线路故障部分是处于架空线路还是处于电缆线路中，保证对配电网线路故障诊断结果的一致性，并且取得了良好的应用效果，根据柳州供电局配电线路故障查找时间统计，2008～2013年之间故障排查平均送电一次成功率为69％，在运用本装置后，送电一次成功率为100％，极大地减少了供电系统受冲击的风险。最后采用多证据融合方法实时解决处理信息融合问题，通过建立云计算数据平台，使设备实时自动向服务器传送位置信息和各个诊断数据，由服务器利用多证据融合方法进行融合，并以手机短信或app提醒的方式将计算结果反馈。
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (6)

1.基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，包括以下步骤：
搭建模拟配电线路，对所述模拟配电线路进行试验，获取试验数据；
根据所述模拟配电线路和试验数据计算并实验得到模拟配电线路的交/直流电压耐受程度和交/直流电压注入的参数选择；
基于交/直流信号注入技术建立线路故障定位装置；
在模拟配电线路上设定故障点；
使用选择的交/直流电压注入的参数对所述线路故障定位装置进行设置，后将所述线路故障定位装置对设置了故障点的模拟配电线路进行交/直流电压注入，测量得到的表征有效信息的参数；
建立基于云数据融合的配电线路故障诊断系统，所述配电线路故障诊断系统对表征有效信息的参数进行存储，并使用随机森林算法建立基于随机森林的混连线路故障信息表征模型，通过表征有效信息的参数作为基于随机森林的混连线路故障信息表征模型的输入，基于随机森林的混连线路故障信息表征模型输出配电线路是否存在故障；
模拟配电线路的交/直流电压耐受程度为模拟配电线路的相电压和相电压峰值；
具体计算得到模拟配电线路的交/直流电压耐受程度包括以下步骤：
S211、在星形连接的模拟配电线路中，星形连接的模拟配电线路的线电压和相电压的关系如公式(1)所示，已知线路线电压，经过化简，可以求解出模拟配电线路的相电压计算公式(2)；
Figure FDA0003904599360000011
UP＝UL·0.577 (2)
式(1)和式(2)中，UAB表示A相与B相之间的线电压，UA表示A相的相电压；UP表示相电压，UL表示线电压，a为超前相位角；
S212、在模拟配电线路中相电压指的是电压有效值，因此，在星形连接的模拟配电线路中相电压并不能说明在配电线路中电压的峰值，因此，根据模拟配电线路电压的峰值与电压有效值的数学关系得到公式(3)，对公式(3)化简，得到模拟配电线路的相电压峰值计算公式(4)；
Figure FDA0003904599360000021
Um＝UP·1.414 (4)
式(3)和式(4)中，U1表示电压有效值，u1表示电压瞬时值，T表示一个周期的时间，t表示周期内的任意时间；Um表示模拟配电线路的相电压峰值，Up表示模拟配电线路的相电压有效值；
S213、根据式(4)求出模拟配电线路的相电压UP和相电压峰值Um，作为模拟配电线路正常投运时注入直流电压和交流电压的最大承受值。
2.根据权利要求1所述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，所述试验为对所述模拟配电线路进行耐压试验，获取所述模拟配电线路在正常投运时，应承受的直流电压和交流电压。
3.根据权利要求1所述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，选择交/直流电压注入的参数包括：交流高压发生部分的元件的容量计算及选择；补偿电抗器所需的电感量、耐受电流计算及选择；补偿电容所需的电容量、击穿电压计算及选择。
4.根据权利要求1所述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，所述线路故障定位装置的电路结构包括依次连接的电源模块、升压模块、补偿电抗器模块、补偿电容器模块以及保护电路模块。
5.根据权利要求1所述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，所述配电线路故障诊断系统通过云计算数据平台进行运行。
6.根据权利要求1所述的基于交直流脉冲和随机森林的混连高压线路故障识别方法，其特征在于，使用随机森林算法建立基于随机森林的混连线路故障信息表征模型包括以下步骤：
构建基于随机森林的混连线路故障信息表征模型，确定随机森林分类模型的输入为原始样本集——故障信息特征参量值；
在原始样本集挑选训练样本子集并计算出熵值，根据熵值较小的子集构建多个决策树；
以各决策树的输出结果进行诊断，然后计算出诊断结果属于的故障状态，并对所述故障状态的概率进行计算，其中，概率值最大的状态为随机森林分类模型的最终结果，从而得到基于随机森林的混连线路故障信息表征模型。
CN202110637895.XA 2021-06-08 2021-06-08 基于交直流脉冲和随机森林的混连高压线路故障识别方法 Active CN113552443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110637895.XA CN113552443B (zh) 2021-06-08 2021-06-08 基于交直流脉冲和随机森林的混连高压线路故障识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110637895.XA CN113552443B (zh) 2021-06-08 2021-06-08 基于交直流脉冲和随机森林的混连高压线路故障识别方法

Publications (2)

Publication Number Publication Date
CN113552443A CN113552443A (zh) 2021-10-26
CN113552443B true CN113552443B (zh) 2022-12-02

Family

ID=78130412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110637895.XA Active CN113552443B (zh) 2021-06-08 2021-06-08 基于交直流脉冲和随机森林的混连高压线路故障识别方法

Country Status (1)

Country Link
CN (1) CN113552443B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114236330B (zh) * 2021-12-02 2022-05-20 中山市惠丰达电气设备有限公司 用于gis耐压过程中的闪络定位监测与控制系统
CN117031213B (zh) * 2023-10-09 2024-01-19 江苏省电力试验研究院有限公司 一种混合线路故障快速定位方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760473A (zh) * 2014-02-18 2014-04-30 国家电网公司 架空线路-电力电缆混连线路故障支路判别方法
WO2018045689A1 (zh) * 2016-09-07 2018-03-15 江南大学 光伏二极管箝位型三电平逆变器的决策树svm故障诊断方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104155596B (zh) * 2014-08-12 2017-01-18 北京航空航天大学 一种基于随机森林的模拟电路故障诊断系统
CN104931849B (zh) * 2015-05-13 2018-01-26 广西电网有限责任公司河池供电局 一种供电线路弧光接地故障测距方法
CN105137292B (zh) * 2015-09-22 2017-12-26 国家电网公司 用于高压电缆故障定位的直流信号智能采集装置
US10346271B2 (en) * 2015-12-28 2019-07-09 Quanta Computer Inc. Manage power supply units and modularized automatic transfer switches
CN107024639A (zh) * 2016-02-02 2017-08-08 天津理工大学 一种用于区域直流配电系统的微型故障定位设备及方法
KR101872342B1 (ko) * 2016-10-07 2018-06-29 고려대학교 산학협력단 개선된 RTC(Real-time contrasts) 기법을 이용한 지능형 이상 진단 방법 및 장치
EP3460496B1 (en) * 2017-09-26 2022-06-08 Siemens Aktiengesellschaft A method and apparatus for automatic localization of a fault
CN108196162A (zh) * 2017-10-17 2018-06-22 西安科技大学 模型参数识别的直流配电网单极接地故障线路检测方法
CN108303632A (zh) * 2017-12-14 2018-07-20 佛山科学技术学院 基于随机森林算法的电路故障诊断方法
CN109039281A (zh) * 2018-08-10 2018-12-18 江南大学 一种基于改进随机森林算法的光伏阵列故障诊断方法
CN110247420B (zh) * 2019-07-17 2020-07-28 四川轻化工大学 一种hvdc输电线路故障智能识别方法
AU2020102142A4 (en) * 2020-09-04 2020-10-15 Acharya, Biswaranjan MR Technique for multilayer protection from quantifiable vulnerabilities in industrial cyber physical system
CN112433128B (zh) * 2020-10-13 2022-12-02 西安理工大学 一种基于随机共振的直流故障电弧诊断方法及装置
CN112327104B (zh) * 2020-11-19 2023-10-20 国网安徽省电力有限公司 一种含分布式电源配电网的故障检测与定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760473A (zh) * 2014-02-18 2014-04-30 国家电网公司 架空线路-电力电缆混连线路故障支路判别方法
WO2018045689A1 (zh) * 2016-09-07 2018-03-15 江南大学 光伏二极管箝位型三电平逆变器的决策树svm故障诊断方法

Also Published As

Publication number Publication date
CN113552443A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
Bíscaro et al. Integrated fault location and power-quality analysis in electric power distribution systems
CN113552443B (zh) 基于交直流脉冲和随机森林的混连高压线路故障识别方法
Densem et al. Three phase transmisssion system modelling for harmonic penetration studies
CN110609200B (zh) 一种基于模糊度量融合判据的配电网接地故障保护方法
Jin-qiang Fault prediction of a transformer bushing based on entropy weight TOPSIS and gray theory
CN108344917A (zh) 基于轨迹法的110kV交联聚乙烯交叉互联电缆在线故障诊断方法
CN111273199A (zh) 基于扫频阻抗曲线辨识的变压器绕组变形智能检测方法
CN108008254A (zh) 一种变电站接地网故障诊断方法及装置
CN107247222A (zh) 一种变电站接地网故障诊断方法
CN115684776A (zh) 高压输电线路线损支路的确定方法及其装置、处理器
KR102260550B1 (ko) 운전 중인 전력설비 내부 전기회로정수 측정에 의한 설비 건전상태 감시 방법
Akhmetov et al. A bootstrapping solution for effective interpretation of transformer winding frequency response
Penido et al. An analytical zero sequence method to locate fault in distribution systems rich in DG
CN115236582A (zh) 一种三相四线接法电能计量装置误差在线评估方法及装置
CN109444666B (zh) 一种配电网单相高阻断线故障辨识方法及装置
Chen et al. Big data analysis based identification method of low-voltage substation area
CN103743994B (zh) 低压带负荷测试方法及装置
Chen et al. Location for single‐phase grounding fault in distribution network based on equivalent admittance distortion rate
Geth et al. Data quality challenges in existing distribution network datasets
CN112130027A (zh) 基于直流动态时间弯曲距离的主动配电网故障定位方法
Abasi et al. Broken conductor fault location in power transmission lines using GMDH function and single-terminal data independent of line parameters
CN116593926A (zh) 便携式信息系统电源综合性能检测方法及平台
Alabbawi et al. Faults detection, location, and classification of the elements in the power system using intelligent algorithm
Mirshekali et al. An accurate fault location algorithm for smart electrical distribution systems equipped with micro phasor mesaurement units
CN103267912B (zh) 一种直流输电穿墙套管风险评估系统及风险评估方法

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