CN114152839A - 一种分布式电力并网环境下的配电网故障定位方法及系统 - Google Patents
一种分布式电力并网环境下的配电网故障定位方法及系统 Download PDFInfo
- Publication number
- CN114152839A CN114152839A CN202111423956.9A CN202111423956A CN114152839A CN 114152839 A CN114152839 A CN 114152839A CN 202111423956 A CN202111423956 A CN 202111423956A CN 114152839 A CN114152839 A CN 114152839A
- Authority
- CN
- China
- Prior art keywords
- fault
- link
- power distribution
- distribution network
- node
- 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.)
- Granted
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
- G01R31/081—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
-
- 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)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式电力并网环境下的配电网故障定位方法及系统,包括获取整个配电网络的拓扑结构,对其分割成若干个区域链路集合;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;对分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;根据初步识别出的故障区域链路,结合区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,计算未安装馈线终端设备开关节点的各状态下概率,构建故障判断矩阵;根据故障判断矩阵进一步判断故障区域链路中的故障区段线路。本发明通过两步法识别法,实现配电网故障全局精准定位。
Description
技术领域
本发明涉及配电网故障定位技术领域,具体涉及一种分布式电力并网环境下的配电网故障定位方法及系统。
背景技术
随着碳达峰、碳中和相关政策法规的发布,新能源发电趋势势不可挡,特别是以光伏、风电为主清洁能源发电项目越来越多,大型分布式光伏、风电发电项目越来越多。另外,针对用户侧分布式清洁能源发电装置也受到国家重视,并出台相关政策法规支持其发展,中小型分布式发电项目也越来越多。随着大中小型等分布式发电项目逐渐并网,导致电网中存在多个分布式发电源。分布式发电并网运行导致配电网的网络结构发生变化,配电网的网络结构变得异常复杂,且潮流方向不再具有单向性,会产生多种潮流方向。电力关系国家经济民生和经济命脉,如果配电网发生故障到带来比较大的损失,当配电网节点发生故障时,配电网故障的快速准确定位是供电恢复的前提,也是保证整个配电网乃至整个电力系统稳定运行的重要环节。由于在分布式电力并网环境下,配电网故障的定位变得更加复杂。因此,研究分布式电力并网环境下的配电网故障定位方法显得尤为重要。
目前的配电网故障定位主流的方式是利用馈线终端设备(Feeder TerminalUnit,FTU)信息进行故障定位的方法,主要利用馈线终端设备在开关节点处可实时获取配电网电压、过电流等运行信息,采用机器智能算法进行故障定位的方法。这些方法都需要在每个配电网节点安装FTU测量装置,随着整个电力拓扑结构变得越来越复杂,节点越来越多,存在成本较高,且容易陷入局部最优的问题。
发明内容
本发明所要解决的技术问题是现有的配电网故障定位方法需要在每个配电网节点安装 FTU测量装置,随着整个电力拓扑结构变得越来越复杂,节点越来越多,存在成本较高,且容易陷入局部最优而造成故障定位不精准的问题。
本发明目的在于提供一种分布式电力并网环境下的配电网故障定位方法及系统,本发明通过两步法识别的方式,优先确定故障区域链路,然后在故障区域链路中确定故障线路,实现配电网故障全局精准定位,大量减小了馈线终端设备的数量,减少了经济成本;保证整个配电网乃至整个电力系统稳定运行。
本发明通过下述技术方案实现:
第一方面,本发明提供了一种分布式电力并网环境下的配电网故障定位方法,该方法包括:
S1:获取整个配电网络的拓扑结构,对整个配电网络的拓扑结构分割成若干个区域链路集合;
S2:在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;
S3:对步骤S1分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
S4:根据步骤S3初步识别出的故障区域链路,结合步骤S2区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,采用贝叶斯网络模型计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值,并构建故障信息矩阵;
S5:根据故障区域链路的内部拓扑网络矩阵和所述故障信息矩阵,采用矩阵相乘得到故障判断矩阵;根据所述故障判断矩阵进一步判断所述故障区域链路中的故障区段线路,达到故障定位的目的。
本发明通过两步法识别的方式,优先确定故障区域链路,然后在故障区域链路中确定故障线路,实现配电网故障全局精准定位,同时也减少了经济成本;保证整个配电网乃至整个电力系统稳定运行。
进一步地,步骤S1具体包括:
获取整个配电网络的拓扑结构,把整个配电网络的拓扑结构构造一个无向图G,计算无向图G中每个节点的度;将无向图G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合。
进一步地,步骤S3具体包括:
S31:对步骤S1分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点可用一条边替代;
S32:根据整个配电网络拓扑结构构建区域网络有向图,找出有源链路与无源链路,对无源链路进行裁剪简化网络复杂度,得到简化的网络有向图;定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路;
其中,所述有源链路为区域网络有向图中度为1且与发电源节点联通的链路;所述无源链路为除去有源链路的其他所有链路。
进一步地,步骤S32中节点的开关函数表征区段线路的状态,区段线路的状态是由相关节点设备开关节点处检测到的故障电流信息与区段线路本身连接的关系决定的;
开关函数的表达式Ij(s)为:
Ij(s)=Iju(s)-Ijd(s)
式中,Iju(s)为有源配电网的上游函数值,Ijd(s)为有源配电网的下游函数值;j为开关节点,且作为分界线;
目标函数的表达式为:
式中,F(SB)为评价函数,即目标函数;N为开关节点数;Ij为第j个开关节点上的过电流信息;Ij *(SB)表示各开关节点的开关函数的期望状态值。
进一步地,步骤S32中采用自适应遗传粒子群模型识别配电网中的故障区域链路,具体包括:
利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合。
进一步地,步骤S4中根据故障区域链路内部的拓扑结构,采用贝叶斯网络模型计算未安装馈线终端设备开关节点的各状态下概率。
进一步地,步骤S5中根据故障区域链路的拓扑网络矩阵和故障信息矩阵,采用两者矩阵相乘,得到故障判断矩阵。
第二方面,本发明又提供了一种分布式电力并网环境下的配电网故障定位系统,该系统支持所述的一种分布式电力并网环境下的配电网故障定位方法,该系统包括:
获取单元,用于获取整个配电网络的拓扑结构;
分割单元,用于对整个配电网络的拓扑结构分割成若干个区域链路集合;
安装及采集单元,用于在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;
故障初步识别单元,用于对分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
故障最终识别单元,用于根据初步识别出的故障区域链路,结合区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值,并构建故障信息矩阵;及根据故障区域链路的拓扑网络矩阵和故障信息矩阵,得到故障判断矩阵;根据故障判断矩阵进一步判断故障区域链路中的故障区段线路。
进一步地,所述分割单元的执行过程为:
把整个配电网络的拓扑结构构造一个无向图G,计算无向图G中每个节点的度;将无向图 G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合。
进一步地,所述故障初步识别单元的执行过程为:
对分割单元分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点可用一条边替代;
根据整个配电网络拓扑结构构建区域网络有向图,找出有源链路与无源链路,对无源链路进行裁剪简化网络复杂度,得到简化的网络有向图;定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路;
其中,所述有源链路为区域网络有向图中度为1且与发电源节点联通的链路;所述无源链路为除去有源链路的其他所有链路;
所述的采用自适应遗传粒子群模型识别配电网中的故障区域链路具体包括:
利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过两步法识别的方式,优先确定故障区域链路,然后在故障区域链路中确定故障线路,实现配电网故障全局精准定位,大量减小了馈线终端设备的数量,减少了经济成本;保证整个配电网乃至整个电力系统稳定运行。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明一种分布式电力并网环境下的配电网故障定位方法流程图。
图2为本发明一种分布式电力并网环境下的配电网故障定位系统结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
基于现有的配电网故障定位方法需要在每个配电网节点安装FTU测量装置,随着整个电力拓扑结构变得越来越复杂,节点越来越多,存在成本较高,且容易陷入局部最优而造成故障定位不精准的问题。本发明设计了一种分布式电力并网环境下的配电网故障定位方法及系统,本发明通过两步法识别的方式,优先确定故障区域链路,然后在故障区域链路中确定故障线路,实现配电网故障全局精准定位,同时也减少了经济成本;保证整个配电网乃至整个电力系统稳定运行。
如图1所示,本发明一种分布式电力并网环境下的配电网故障定位方法,该方法包括:
S1:获取整个配电网络的拓扑结构,对整个配电网络的拓扑结构分割成若干个区域链路集合;
步骤S1具体包括:
获取整个配电网络的拓扑结构,把整个配电网络的拓扑结构构造一个无向图G=(N,E),N 表示节点,包含发电源节点和电力设备节点,发电源节点又分为主电源节点和分布式电源节点;E表示边,表示节点间存在连接关系;
计算无向图G中每个节点的度,将无向图G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合{L1,L2,…,Ln},每条区域链路包含若干个节点。
S2:在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;其中,采用取模的方式计算安装设备的节点Ni=TL/M,其中 TL表示链路内的节点总数,M表示设备数。
通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值Ij。在分布式电力并网环境下,线路故障电流的线路状态对应的开关电流信息用-1、0、 1来编码,-1代表有负方向故障电流,0代表无故障电流,1代表有正方向故障电流,本发明中定义主电源的潮流方向为正方向。因此,顺着主电源潮流方向的过电流为正,逆着主电源潮流方向的过电流为负。
S3:对步骤S1分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
步骤S3具体包括:
S31:对步骤S1分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点可用一条边替代;
S32:根据整个配电网络拓扑结构构建区域网络有向图G=(NL,E),NL代表每个区域链路以及多个发电源,E为区域链路节点的链接方向,该方向代表潮流流向;找出区域网络有向图中度为1且与发电源节点联通的链路,定为有源链路,除去有源链路的其他所有链路为无源链路。由于有源链路包含网络中的所有发电源节点,无源链路不包含发电源,依靠有源链路提供故障电流,如果无源链路中某个分支无故障电流,则整个无源链路都无故障电流,因此,可根据无源链路中是否有故障电流,如果无故障电流,可在整个区域网络有向图中剔除该无源链路,得到简化的网络有向图。
定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路。具体如下:
(1)开关函数定义
故障区域链路识别本质定位出区段线路是否发生故障,因此区段线路是存在状态的,有故障发生则为1,无故障则为0,区段线路的状态是由相关节点设备开关节点处检测到的故障电流信息与区段线路本身连接的关系决定的,可用开关函数Ij(s)表述。在分布式电力并网环境下,对某个开关节点来说,不仅需要考虑下有的馈线区段,也需要考虑上游馈线区段带来的影响,因此开关函数的表达式为:
Ij(s)=Iju(s)-Ijd(s)
式中,Iju(s)为有源配电网的上游函数值,Ijd(s)为有源配电网的下游函数值;j为开关节点,且作为分界线;以开关节点j为分界线,将有源配电网分为上游和下游两部分:上游和下游分别为含有主电源和分布式电源的部分;开关函数值为上游函数值Iju(s)与下游函数值Ijd()的差值;表示开关节点j到上游系统电源Gu之间的馈线区段的状态值,表示开关节点j到下游分布式电源Gd之间的馈线区段的状态值;Sj,u表示上游部分所有馈线区段的状态值;Sj,d表示上游部分和下游部分所有馈线区段的状态值; M1为上游部分电源的数量,N1为下游部分电源的数量;M2表示上游部分所有馈线区段的总数, N2表示下游部分所有馈线区段的总数;П表示逻辑或运算;Ku表示上游部分电源的接入系数, Kd表示下游部分电源的接入系数,当有电源接入配电网中时,其值为“1”,无电源时,取值为“0”。
(2)评价函数构造
合理的评价函数能使优化算法实现更准确的故障区间定位。本发明中的评价函数即为自适应遗传粒子群模型的适应度函数,定义为:
式中,F(SB)为评价函数,即目标函数;N为开关节点数;Ij为第j个开关节点上的过电流信息;Ii *(SB)表示各开关节点的开关函数的期望状态值。
(3)采用自适应遗传粒子群模型识别配电网中的故障区域链路
具体包括:利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合CL={L1,,,Ln}。
S4:根据步骤S3初步识别出的故障区域链路,结合步骤S2区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,采用贝叶斯网络模型计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值;
根据故障区域链路内全部配电设配开关节点的状态,构建故障信息矩阵G,G为n×1的矩阵,n为区域链路网络中节点的数量,gi属于集合{0,1},若节点i流过正向故障电流,则gi=1;若节点i流过反向故障电流或者不流过故障电流,则gi=0。
S5:根据故障区域链路的内部拓扑网络矩阵和所述故障信息矩阵,采用矩阵相乘得到故障判断矩阵;根据所述故障判断矩阵进一步判断所述故障区域链路中的故障区段线路,达到故障定位的目的;
具体地:根据故障区域链路的网络拓扑结构,构造拓扑网络矩阵D,D为n×m的矩阵,n 为区域链路网络中节点的数量,m为线路区段数量,若区段j属于节点i的下游区域,则对应网络描述矩阵D中的元素dij=1,否则dij=0。
根据故障区域链路网络拓扑矩阵D和故障信息矩阵G,两个矩阵相乘得到故障判断矩阵 P=D-1G,P为一个m×1的矩阵,m为故障区域链路网络中区段线路的数量。若pi=1,则说明故障发生在编号为i的区段线路;若pi=-1或0,则说明故障未发生在编号为i的区段线段上。
针对所有初步识别的故障区域链路,采用相同的方法识别出所有的故障区段线路,从而达到故障定位的目标。
本发明通过两步法识别的方式,优先确定故障区域链路,然后在故障区域链路中确定故障线路,实现配电网故障全局精准定位;减少了智能算法迭代的初始样本量,防止算法陷入局部最优;大量减小了馈线终端设备的数量,减少了经济成本;保证整个配电网乃至整个电力系统稳定运行。
实施例2
如图2所示,本实施例与实施例1的区别在于,本实施例提供了一种分布式电力并网环境下的配电网故障定位系统,该系统支持实施例1所述的一种分布式电力并网环境下的配电网故障定位方法,该系统包括:
获取单元,用于获取整个配电网络的拓扑结构;
分割单元,用于对整个配电网络的拓扑结构分割成若干个区域链路集合;
安装及采集单元,用于在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;
故障初步识别单元,用于对分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
故障最终识别单元,用于根据初步识别出的故障区域链路,结合区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值,并构建故障信息矩阵;及根据故障区域链路的拓扑网络矩阵和故障信息矩阵,得到故障判断矩阵;根据故障判断矩阵进一步判断故障区域链路中的故障区段线路。
本实施例中,所述分割单元的执行过程为:
把整个配电网络的拓扑结构构造一个无向图G,将无向图G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合。
本实施例中,所述故障初步识别单元的执行过程为:
对分割单元分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点可用一条边替代;
根据整个配电网络拓扑结构构建区域网络有向图,对无源链路进行裁剪简化网络复杂度;定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路;
所述的采用自适应遗传粒子群模型识别配电网中的故障区域链路具体包括:
利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合。
其它各个单元的执行过程按照实施例1所述的一种分布式电力并网环境下的配电网故障定位方法流程步骤执行即可,此实施例中不再一一赘述。
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。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种分布式电力并网环境下的配电网故障定位方法,其特征在于,该方法包括:
S1:获取整个配电网络的拓扑结构,对整个配电网络的拓扑结构分割成若干个区域链路集合;
S2:在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;
S3:对步骤S1分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
S4:根据步骤S3初步识别出的故障区域链路,结合步骤S2区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值,并构建故障信息矩阵;
S5:根据故障区域链路的拓扑网络矩阵和故障信息矩阵,得到故障判断矩阵;根据故障判断矩阵进一步判断故障区域链路中的故障区段线路。
2.根据权利要求1所述的一种分布式电力并网环境下的配电网故障定位方法,其特征在于,步骤S1具体包括:
获取整个配电网络的拓扑结构,把整个配电网络的拓扑结构构造一个无向图G,计算无向图G中每个节点的度;将无向图G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合。
3.根据权利要求1所述的一种分布式电力并网环境下的配电网故障定位方法,其特征在于,步骤S3具体包括:
S31:对步骤S1分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点用一条边替代;
S32:根据整个配电网络拓扑结构构建区域网络有向图,找出有源链路与无源链路,对无源链路进行裁剪简化网络复杂度,得到简化的网络有向图;定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路;
其中,所述有源链路为区域网络有向图中度为1且与发电源节点联通的链路;所述无源链路为除去有源链路的其他所有链路。
5.根据权利要求4所述的一种分布式电力并网环境下的配电网故障定位方法,其特征在于,步骤S32中采用自适应遗传粒子群模型识别配电网中的故障区域链路,具体包括:
利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合。
6.根据权利要求1所述的一种分布式电力并网环境下的配电网故障定位方法,其特征在于,步骤S4中根据故障区域链路内部的拓扑结构,采用贝叶斯网络模型计算未安装馈线终端设备开关节点的各状态下概率。
7.根据权利要求1所述的一种分布式电力并网环境下的配电网故障定位方法,其特征在于,步骤S5中根据故障区域链路的拓扑网络矩阵和故障信息矩阵,采用两者矩阵相乘,得到故障判断矩阵。
8.一种分布式电力并网环境下的配电网故障定位系统,其特征在于,该系统支持如权利要求1至7中任一所述的一种分布式电力并网环境下的配电网故障定位方法,该系统包括:
获取单元,用于获取整个配电网络的拓扑结构;
分割单元,用于对整个配电网络的拓扑结构分割成若干个区域链路集合;
安装及采集单元,用于在每个区域链路的端节点分别安装馈线终端设备,在每个区域链路内部的中间节点随机安装若干个馈线终端设备;通过馈线终端设备采集各个区域链路中配电设备开关节点故障电流信息,并编号标记其状态值;
故障初步识别单元,用于对分割后的每个区域链路,采用自适应遗传粒子群模型初步识别配电网中的故障区域链路;
故障最终识别单元,用于根据初步识别出的故障区域链路,结合区域链路内部随机安装馈线终端设备采集的配电设备开关节点故障电流信息,根据故障区域链路内部的拓扑结构,计算未安装馈线终端设备开关节点的各状态下概率,预测其状态值,得到故障区域链路内的全部配电设备开关节点的状态值,并构建故障信息矩阵;及根据故障区域链路的拓扑网络矩阵和故障信息矩阵,得到故障判断矩阵;根据故障判断矩阵进一步判断故障区域链路中的故障区段线路。
9.根据权利要求8所述的一种分布式电力并网环境下的配电网故障定位系统,其特征在于,所述分割单元的执行过程为:
把整个配电网络的拓扑结构构造一个无向图G,计算无向图G中每个节点的度;将无向图G中节点度大于2的节点作为分割节点,将整个配电网拓扑结构的无向图分割成若干个区域链路集合。
10.根据权利要求8所述的一种分布式电力并网环境下的配电网故障定位系统,其特征在于,所述故障初步识别单元的执行过程为:
对分割单元分割后的每个区域链路进行预处理,预处理包括:先将区域链路中的内部节点隐去,只保留链路的端节点,中间节点用一条边替代;
根据整个配电网络拓扑结构构建区域网络有向图,找出有源链路与无源链路,对无源链路进行裁剪简化网络复杂度,得到简化的网络有向图;定义节点的开关函数及目标函数,采用自适应遗传粒子群模型识别配电网中的故障区域链路;
其中,所述有源链路为区域网络有向图中度为1且与发电源节点联通的链路;所述无源链路为除去有源链路的其他所有链路;
所述的采用自适应遗传粒子群模型识别配电网中的故障区域链路具体包括:
利用节点的开关函数,得到故障区段的故障向量,最为自适应遗传粒子群模型的输入;以配电网馈线区段总数为自适应遗传粒子群模型的种群维度和遗传算法的编码长度,以评价函数作为自适应遗传粒子群模型的目标函数;以粒子群最优粒子的位置作为自适应遗传粒子群模型的输出,最终识别出故障区域链路集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111423956.9A CN114152839B (zh) | 2021-11-26 | 2021-11-26 | 一种分布式电力并网环境下的配电网故障定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111423956.9A CN114152839B (zh) | 2021-11-26 | 2021-11-26 | 一种分布式电力并网环境下的配电网故障定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114152839A true CN114152839A (zh) | 2022-03-08 |
CN114152839B CN114152839B (zh) | 2022-09-27 |
Family
ID=80458318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111423956.9A Active CN114152839B (zh) | 2021-11-26 | 2021-11-26 | 一种分布式电力并网环境下的配电网故障定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114152839B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115184738A (zh) * | 2022-09-08 | 2022-10-14 | 北京智芯微电子科技有限公司 | 配电网故障定位系统、定位方法及计算机可读介质 |
CN117517862A (zh) * | 2023-11-08 | 2024-02-06 | 国网河北省电力有限公司电力科学研究院 | 配电网故障定位方法及装置 |
CN117728582A (zh) * | 2023-12-26 | 2024-03-19 | 国网青海省电力公司清洁能源发展研究院 | 一种具有自适应判断能力的5g电力监控系统 |
CN118035694A (zh) * | 2024-04-15 | 2024-05-14 | 广东电网有限责任公司湛江供电局 | 一种配电网故障预测方法及其预测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160124452A1 (en) * | 2013-06-14 | 2016-05-05 | Shandong University Of Technology | An Application Topology Recognition Method for Distribution Networks |
CN113471971A (zh) * | 2021-08-17 | 2021-10-01 | 南方电网科学研究院有限责任公司 | 一种配电台区拓扑网络生成方法及装置 |
-
2021
- 2021-11-26 CN CN202111423956.9A patent/CN114152839B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160124452A1 (en) * | 2013-06-14 | 2016-05-05 | Shandong University Of Technology | An Application Topology Recognition Method for Distribution Networks |
CN113471971A (zh) * | 2021-08-17 | 2021-10-01 | 南方电网科学研究院有限责任公司 | 一种配电台区拓扑网络生成方法及装置 |
Non-Patent Citations (4)
Title |
---|
倪凯峰等: "计及分布式电源接入的配电网动态无功优化研究", 《计算机与数字工程》 * |
徐晓晖等: "一种针对数据不全情况的配电网络分析方法及其应用", 《电气应用》 * |
牛东晓等: "遗传粒子群混合算法在配电网络重构多目标优化中的应用", 《华北电力技术》 * |
胡雯等: "基于改进的自适应遗传算法的智能配电网重构研究", 《电力系统保护与控制》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115184738A (zh) * | 2022-09-08 | 2022-10-14 | 北京智芯微电子科技有限公司 | 配电网故障定位系统、定位方法及计算机可读介质 |
CN117517862A (zh) * | 2023-11-08 | 2024-02-06 | 国网河北省电力有限公司电力科学研究院 | 配电网故障定位方法及装置 |
CN117517862B (zh) * | 2023-11-08 | 2024-06-04 | 国网河北省电力有限公司电力科学研究院 | 配电网故障定位方法及装置 |
CN117728582A (zh) * | 2023-12-26 | 2024-03-19 | 国网青海省电力公司清洁能源发展研究院 | 一种具有自适应判断能力的5g电力监控系统 |
CN117728582B (zh) * | 2023-12-26 | 2024-05-10 | 国网青海省电力公司清洁能源发展研究院 | 一种具有自适应判断能力的5g电力监控系统 |
CN118035694A (zh) * | 2024-04-15 | 2024-05-14 | 广东电网有限责任公司湛江供电局 | 一种配电网故障预测方法及其预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114152839B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114152839B (zh) | 一种分布式电力并网环境下的配电网故障定位方法及系统 | |
Candelieri et al. | A graph based analysis of leak localization in urban water networks | |
CN109474023B (zh) | 智能配电网区段实时更新方法、系统、存储介质及终端 | |
CN104505820B (zh) | 基于多信息关联利用的配电网智能重构方法 | |
CN111475953B (zh) | 供能可靠性影响分析方法、装置设备及存储介质 | |
CN103366062A (zh) | 基于bbo算法和电网生存性的核心骨干网架构建方法 | |
CN114065634A (zh) | 一种数据驱动的电能质量监测布点优化方法及装置 | |
AU2022231757B2 (en) | Method for multi-adaptive optimal μPMU placement in micro-energy network | |
CN104506137A (zh) | 一种设备故障诊断方法和装置 | |
CN107742883A (zh) | 一种基于Spark的电力系统拓扑岛快速识别系统和方法 | |
CN112103950B (zh) | 一种基于改进gn分裂算法的电网分区方法 | |
CN110865329B (zh) | 一种基于大数据自诊断的电能计量方法及系统 | |
CN112668184A (zh) | 一种台风灾害下风电停运风险值计算方法、装置及存储介质 | |
CN112886599A (zh) | 基于秩判断的scuc模型潮流约束可行域边界辨识方法 | |
CN114205214B (zh) | 一种电力通信网络故障识别方法、装置、设备及存储介质 | |
Ou et al. | Fault location analysis in active distribution network based on multi-population genetic algorithm | |
CN114070198B (zh) | 分布式光伏发电系统的故障诊断方法、装置和电子设备 | |
CN116489602B (zh) | 一种分布式容错目标跟踪方法、系统、设备及介质 | |
CN116976060B (zh) | 分布式新能源集群-负荷-网络动态重构的灵活组网方法 | |
CN113009274B (zh) | 基于ielm算法的配电网故障区段定位方法及系统 | |
Soronga et al. | THE MATHEMATICAL ANALYSIS AND IMPROVEMENT OF MATRIX ALGORITHM FOR FEEDER FAULT LOCATION BASED ON FTU IN THE DISTRIBUTION NETWORK | |
CN117873816A (zh) | 一种基于有向无环拓扑网的应用集群健康检测方法及系统 | |
Zhang et al. | RiskRoot: Multi-Dimensional Root Causes Location Model Based on Risk Score and Iterative Search | |
Jena et al. | Fuzzy reliability analysis in interconnection networks | |
CN115800244A (zh) | 一种电网连锁故障孤岛划分恢复方法、装置和设备 |
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 |