CN115112992A - 基于模糊熵权的Vague集的小电流接地故障综合选线方法 - Google Patents

基于模糊熵权的Vague集的小电流接地故障综合选线方法 Download PDF

Info

Publication number
CN115112992A
CN115112992A CN202210639616.8A CN202210639616A CN115112992A CN 115112992 A CN115112992 A CN 115112992A CN 202210639616 A CN202210639616 A CN 202210639616A CN 115112992 A CN115112992 A CN 115112992A
Authority
CN
China
Prior art keywords
fault
line
line selection
column
decision matrix
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.)
Withdrawn
Application number
CN202210639616.8A
Other languages
English (en)
Inventor
张晓鹏
周雪枫
赵国伟
陈建丰
李捷
杨扬
郑晓梅
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.)
Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Datong Power Supply Co of State Grid Shanxi 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 Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Datong Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202210639616.8A priority Critical patent/CN115112992A/zh
Publication of CN115112992A publication Critical patent/CN115112992A/zh
Withdrawn legal-status Critical Current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
    • G01R31/081—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
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Locating Faults (AREA)

Abstract

本申请公开了基于模糊熵权的Vague集的小电流接地故障综合选线方法，包括：当判定配电网中发生故障时，获取配电网中各线路的故障特征，并根据故障特征构建选线决策矩阵；对选线决策矩阵进行归一化运算，并逐列选取归一化后选线决策矩阵中的最大列元素和最小列元素；根据最大列元素和最小列元素，计算选线决策矩阵中各元素的第一隶属度和第二隶属度，并采用数组的形式，根据第一隶属度和第二隶属度，组成小电流接地故障选线综合Vague值矩阵；对小电流接地故障选线综合Vague值矩阵进行加权运算，计算配电网中各线路的故障评分，选取故障评分最大值对应的线路记作小电流接地故障线路。通过本申请中的技术方案，提高了小电流接地故障选线的准确性。

Description

基于模糊熵权的Vague集的小电流接地故障综合选线方法
技术领域
本申请涉及电网故障检测的技术领域，具体而言，涉及基于模糊熵权的Vague集的小电流接地故障综合选线方法。
背景技术
配电网在电力系统中扮演着非常重要的角色，其能够从变电站或地方发电厂获得电能并逐级分配给电力用户，与用户的关系最为紧密。而我国配电网分布范围广、配置相对较低，是整个大电网中相对薄弱的环节。配电网故障率高，主要以接地故障为主，由于我国6～66kV电压等级广泛采用中性点非直接接地运行方式即小电流接地运行方式，主要包括：中性点不接地运行方式和中性点经消弧线圈接地运行方式。
虽然配电网单相接地故障发生后可以带电继续运行1～2个小时，供电可靠性一定程度上得到了提高，但是由于故障电流较小，为故障点位置的确定增加了难度。单相接地故障发生后，非故障相电压升高，若不及时将故障切除将可能导致故障范围扩大。随着社会经济水平的提高，电力用户对供电可靠性提出了更高的要求。因此，当故障发生后，快速确定故障位置、切除故障、恢复供电就显得格外重要。
而现有技术中，基于传统模糊理论的小电流接地故障综合选线方法，对各条线路、各个选线方法建立故障隶属度函数，并加权求和得到各条线路的故障可信度，通过比较各条线路的故障可信度判断故障线路。
但是，由于小电流接地故障的复杂性，通过每种选线方法判断该条线路是否为故障线路往往存在一定的犹豫度，即故障线路、非故障线路以及介于故障与非故障之间的犹豫度，所以，故障隶属度函数的单一函数值不能全面地表达出小电流接地故障选线问题中的模糊信息，使得单一的评价标准会造成小电流接地故障选线失败，导致无法及时响应电网故障。
发明内容
本申请的目的在于：解决模糊理论中小电流接地故障选线存在的问题，提高小电流接地故障选线的准确性，提高电网供电的可靠性。
本申请的技术方案是：提供了基于模糊熵权的Vague集的小电流接地故障综合选线方法，该方法包括：步骤1，当判定配电网中发生故障时，获取配电网中各线路的故障特征，并根据故障特征构建选线决策矩阵；步骤2，对选线决策矩阵进行归一化运算，并逐列选取归一化后选线决策矩阵中的最大列元素和最小列元素；步骤3，根据最大列元素和最小列元素，计算选线决策矩阵中各元素的第一隶属度和第二隶属度，并采用数组的形式，根据第一隶属度和第二隶属度，组成小电流接地故障选线综合Vague值矩阵；步骤4，对小电流接地故障选线综合Vague值矩阵进行加权运算，计算配电网中各线路的故障评分，选取故障评分最大值对应的线路记作小电流接地故障线路，其中，加权运算的模糊熵权重值由选线决策矩阵中的元素值确定。
上述任一项技术方案中，进一步地，步骤1中，根据故障特征构建选线决策矩阵，具体包括：步骤11，当判定配电网中发生故障时，获取配电网中各线路的故障电流信息；步骤12，对故障电流信息进行傅里叶变换和小波包变换，提取配电网中各线路的故障特征，其中，故障特征至少包括零序基波电流幅值、五次谐波幅值以及小波包变换能量值；步骤13，以配电网中各线路的标号为行数，以故障特征的类别标号为列数，构建选线决策矩阵。
上述任一项技术方案中，进一步地，步骤2中，第一隶属度和第二隶属度的计算公式为：
Figure BDA0003681912850000031
Figure BDA0003681912850000032
式中，tij为第一隶属度，dij为第二隶属度，
Figure BDA0003681912850000033
为第一运算参量，
Figure BDA0003681912850000034
为第二运算参量，
Figure BDA0003681912850000035
为第三运算参量，
Figure BDA0003681912850000036
为第四运算参量，
Figure BDA0003681912850000037
为第j列中的最大列元素，
Figure BDA0003681912850000038
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
上述任一项技术方案中，进一步地，步骤2中，小电流接地故障选线综合Vague值矩阵的计算公式为：
Figure BDA0003681912850000039
式中，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度。
上述任一项技术方案中，进一步地，步骤2中，对选线决策矩阵进行归一化运算的计算公式为：
Figure BDA00036819128500000310
式中，bij为选线决策矩阵中第i行j列的元素，i＝1，2，...，n，i为配电网中各线路的标号，j为故障特征的类别标号，j＝1，2，...，m，gij为元素bij归一化后对应的元素。
上述任一项技术方案中，进一步地，步骤4中，故障评分的计算公式为：
Si＝ti-di
Figure BDA0003681912850000041
Figure BDA0003681912850000042
式中，ti为第一评分参数，di为第二评分参数，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度，ωj为选线决策矩阵中第j列的模糊熵权重值，
Figure BDA0003681912850000043
为第j列中的最大列元素，
Figure BDA0003681912850000044
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
上述任一项技术方案中，进一步地，模糊熵权重值ωj的计算公式为：
Figure BDA0003681912850000045
式中，
Figure BDA0003681912850000046
为选线决策矩阵中第j列元素对应的信息熵权重，
Figure BDA0003681912850000047
为选线决策矩阵中第j列元素对应的模糊理论权重，j为故障特征的类别标号，j＝1，2，...，m，m为类别标号的最大值。
上述任一项技术方案中，进一步地，信息熵权重
Figure BDA0003681912850000048
的计算公式为：
Figure BDA0003681912850000049
Figure BDA00036819128500000410
式中，qij为熵值参数，Hj为属性熵值，gij为归一化后选线决策矩阵中的第i行第j列元素，i＝1，2，...，n，i为配电网中各线路的标号，n为标号的最大值，
Figure BDA00036819128500000411
为第i个故障特征对应的信息熵权重。
上述任一项技术方案中，进一步地，故障特征包括零序基波电流幅值、五次谐波幅值以及小波包变换能量值，模糊理论权重
Figure BDA00036819128500000412
的计算公式为：
Figure BDA0003681912850000051
Figure BDA0003681912850000052
Figure BDA0003681912850000053
式中，
Figure BDA0003681912850000054
为基波权值，|bi1|max为第i条线路中零序基波电流幅值的最大值，|bi1|sum为第i条线路中零序基波电流幅值的和值，
Figure BDA0003681912850000055
为谐波权值，|bi2|max为第i条线路中五次谐波幅值的最大值，|bi2|sum为第i条线路中五次谐波幅值的和值，
Figure BDA0003681912850000056
为小波权值，θ为电压初相角。
本申请的有益效果是：
本申请中的技术方案，将Vague集理论应用到小电流接地故障选线问题中，不仅考虑了隶属度，还考虑了非隶属度和犹豫度，从而更好、更准确地表达多重选线方法中的不确定信息，实现故障选线。
在本申请的优选实现方式中，首先选取各条线路的零序电流为故障特征量，选择具有优势互补的三种选线方法，包括：稳态基波比幅法、五次谐波法以及小波包能量法，并将其对应的特征作为故障特征，然后运用Vague集理论进行信息融合。
另外，在Vague集理论进行信息融合过程中，确定各个选线方法(故障特征)在评分函数中所占的权重是一个关键问题，本申请根据信息熵权法确定信息熵权重，根据传统模糊理论确定模糊理论权重，并综合两者得到模糊熵权重。最后根据评分函数计算故障评分、确定故障线路。为了验证本申请中技术方案的可靠性，利用MATLAB仿真进行验证，仿真结果表明该选线方法弥补了单一选线方法的不足，在不同故障条件下验证了该选线方法的可靠性。
同时，对不同类型的线路在不同故障位置、不同故障初相角、不同接地电阻及相电压过峰值时电弧故障等不同故障条件下发生单相接地故障，该选线方法均能正确对故障线路做出判断，选线方法有较强的适用性。
附图说明
本申请的上述和/或附加方面的优点在结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本申请的一个实施例的配电网故障线路的仿真模型示意图；
图2是根据本申请的一个实施例的基于模糊熵权的Vague集的小电流接地故障综合选线方法的示意流程图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施方式对本申请进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互结合。
在下面的描述中，阐述了很多具体细节以便于充分理解本申请，但是，本申请还可以采用其他不同于在此描述的其他方式来实施，因此，本申请的保护范围并不受下面公开的具体实施例的限制。
本实施例中在小电流接地故障选线问题时，引入Vague集多属性决策理论，选取各个选线方法的故障特征量，如零序基波电流幅值、五次谐波幅值以及小波包变换能量值，类比于属性集H中的各个属性，将各条线路类比方案集L中的各个方案，并通过Vague集多属性决策方法，判断小电流接地的故障线路。
如图1和图2所示，本实施例提供了基于模糊熵权的Vague集的小电流接地故障综合选线方法，该方法包括：
步骤1，当判定配电网中发生故障时，获取配电网中各线路的故障特征，并根据故障特征构建选线决策矩阵，其中，构建出的选线决策矩阵B＝(bij)n×3为：
Figure BDA0003681912850000071
L＝{L1，L2，…，Ln}为备选线路集合，H＝{H1，H2，H3}为故障特征量集合，其中H1、H2、H3分别为各条线路的零序基波电流幅值(b11-bn1分别为n条线路的零序基波电流幅值)、五次谐波幅值(b12-bn2分别为n条线路的五次谐波幅值)、小波包变换能量值(b13-bn3)分别为n条线路的小波包变换能量值。
进一步的，步骤1中具体包括：
步骤11，当判定配电网中发生故障时，获取配电网中各线路的故障电流信息；
步骤12，对故障电流信息进行傅里叶变换和小波包变换，提取配电网中各线路的故障特征，其中，故障特征至少包括零序基波电流幅值、五次谐波幅值以及小波包变换能量值；
具体的，通过对故障电流信息进行傅里叶变换，可以提取出配电网中各线路的零序基波电流幅值和五次谐波幅值，通过对故障电流信息进行小波包变换，可以提取出配电网中各线路的小波包变换能量值。
步骤13，以配电网中各线路的标号为行数，以故障特征的类别标号为列数，构建选线决策矩阵。
本实施例中，在仿真软件MATLAB/Simulink中建立包含4条馈线的10.5kV配电网单相接地故障仿真模型，如图1所示。设定仿真系统为中性点经消弧线圈接地系统，设置线路L1在线路10％处发生A相单相接地故障，接地电阻为100Ω，故障电压初相角为45°。该故障条件下线路L1、L2、L3、L4的稳态基波幅值、五次谐波幅值、小波包能量值如表1所示。
表1
线路 基波幅值 五次谐波幅值 小波包能量值
L<sub>1</sub> 19.68 0.49 375.4120
L<sub>2</sub> 7.819 0.2 202.8615
L<sub>3</sub> 8.352 0.22 193.4792
L<sub>4</sub> 3.511 0.07 386.0780
可以看到，线路L4的小波包能量值为386.0780，在所有线路中其值最大，如果根据暂态能量法判断故障线路，则线路L4为故障线路，与实际不符，此时发生误判。
而在本实施例中，首先获取配电网中各线路的故障特征，建立选线决策矩阵B：
Figure BDA0003681912850000081
式中，L＝{L1，L2，L3，L4}为备选线路集合，H＝{H1，H2，H3}为故障特征量集合，其中，H1、H2、H3分别为各条线路的零序基波电流幅值、五次谐波幅值、小波包变换能量值。
步骤2，对选线决策矩阵进行归一化运算，并逐列选取归一化后选线决策矩阵中的最大列元素和最小列元素；其中，对选线决策矩阵进行归一化运算的计算公式为：
Figure BDA0003681912850000082
式中，bij为选线决策矩阵中第i行j列的元素，i＝1，2，...，n，i为配电网中各线路的标号，j为故障特征的类别标号，j＝1，2，...，m，gij为元素bij归一化后对应的元素。
具体的，通过上述归一化运算，将归一化后的选线决策矩阵记作矩阵G＝(gij)n×3，对应为：
Figure BDA0003681912850000091
之后，逐列选取归一化后选线决策矩阵G中的最大列元素和最小列元素，对应的计算公式为：
Figure BDA0003681912850000092
步骤3，根据最大列元素和最小列元素，计算选线决策矩阵中各元素的第一隶属度和第二隶属度，并采用数组的形式，根据第一隶属度和第二隶属度，组成小电流接地故障选线综合Vague值矩阵；其中，第一隶属度和第二隶属度的计算公式为：
Figure BDA0003681912850000093
Figure BDA0003681912850000094
式中，tij为第一隶属度，dij为第二隶属度，
Figure BDA0003681912850000095
为第一运算参量，
Figure BDA0003681912850000096
为第二运算参量，
Figure BDA0003681912850000097
为第三运算参量，
Figure BDA0003681912850000098
为第四运算参量，
Figure BDA0003681912850000099
为第j列中的最大列元素，
Figure BDA00036819128500000910
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
因此，组成的小电流接地故障选线综合Vague值矩阵的计算公式为：
Figure BDA00036819128500000911
式中，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度，其中，第一隶属度为故障隶属度，第二隶属度为非隶属度。
具体的，本实施例中的小电流接地故障选线综合Vague值矩阵V＝([tij，dij])4×3。
Figure BDA0003681912850000101
步骤4，对小电流接地故障选线综合Vague值矩阵进行加权运算，计算配电网中各线路的故障评分，选取故障评分最大值对应的线路记作小电流接地故障线路，其中，加权运算的模糊熵权重值由选线决策矩阵中的元素值确定。故障评分的计算公式为：
Si＝ti-di
Figure BDA0003681912850000102
Figure BDA0003681912850000103
式中，ti为第一评分参数，di为第二评分参数，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度，ωj为选线决策矩阵中第j列的模糊熵权重值，
Figure BDA0003681912850000104
为第j列中的最大列元素，
Figure BDA0003681912850000105
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
具体的，本实施例通过引入评分函数Si，反映各个线路的故障评分，Si值越大表明其第一隶属度(故障隶属度)ti和第二隶属度(非隶属度)di的差值越大，故障评分越高，相应线路为故障线路的可能性越大。
在本实施例的一个优选实现方式中，还示出了一种模糊熵权重值ωj的计算方法，以提高故障评分计算的准确性，该模糊熵权重值ωj的计算公式为：
Figure BDA0003681912850000111
式中，
Figure BDA0003681912850000112
为选线决策矩阵中第j列元素对应的信息熵权重，
Figure BDA0003681912850000113
为选线决策矩阵中第j列元素对应的模糊理论权重，j为故障特征的类别标号，j＝1，2，...，m，m为类别标号的最大值。
具体的，由于小电流接地故障的不确定性和复杂性，对于不同中性点接地方式、不同故障线路、不同故障位置、不同故障电阻、不同故障初相角等不同故障条件下，需确定不同的权值。
该模糊熵权重值ωj的计算由信息熵权重
Figure BDA0003681912850000114
和模糊理论权重
Figure BDA0003681912850000115
两部分决定，对于信息熵权重
Figure BDA0003681912850000116
而言，对应的计算公式为：
Figure BDA0003681912850000117
Figure BDA0003681912850000118
式中，qij为熵值参数，Hj为属性熵值，gij为归一化后选线决策矩阵中的第i行第j列元素，i＝1，2，...，n，i为配电网中各线路的标号，n为标号的最大值，
Figure BDA0003681912850000119
为第j个故障特征对应的信息熵权重。
对于上述三种故障特征而言，信息熵权重
Figure BDA00036819128500001110
对于第j(j＝1，2，3)个故障特征而言，依据上述计算公式，计算出的信息熵权重
Figure BDA00036819128500001111
对于模糊理论权重
Figure BDA00036819128500001112
而言，需要对三种故障特征分别确定权值，对应的计算公式为：
Figure BDA00036819128500001113
Figure BDA0003681912850000121
Figure BDA0003681912850000122
Figure BDA0003681912850000123
式中，
Figure BDA0003681912850000124
为基波权值，|bi1|max为第i条线路中零序基波电流幅值的最大值，|bi1|sum为第i条线路中零序基波电流幅值的和值，
Figure BDA0003681912850000125
为谐波权值，|bi2|max为第i条线路中五次谐波幅值的最大值，|bi2|sum为第i条线路中五次谐波幅值的和值，
Figure BDA0003681912850000126
为小波权值，θ为电压初相角。
具体的，任一个故障特征均对应于一种选线方法，设权重隶属度函数用
Figure BDA0003681912850000127
表示，
Figure BDA0003681912850000128
若使用该选线方法进行故障判断的可信度越同，
Figure BDA0003681912850000129
越接近1；若使用该选线方法进行故障判断的可信度越低，
Figure BDA00036819128500001210
越接近0。因此，将权重隶属度函数
Figure BDA00036819128500001211
作为模糊理论权重
Figure BDA00036819128500001212
对于为零序基波电流幅值的故障特征而言，其对应的权重隶属度函数
Figure BDA00036819128500001213
的计算公式为：
Figure BDA00036819128500001214
|bi1|sum为所有线路稳态零序基波电流幅值之和，理论分析故障线路的稳态零序基波电流幅值应等于|bi1|sum的一半，但在实际中由于受到多种因素的影响，故障线路的稳态零序基波电流幅值偏小，与非故障线路差别不大，此时，稳态基波比幅法的可信度降低。
对于为五次谐波幅值的故障特征而言，其对应的权重隶属度函数
Figure BDA0003681912850000137
的计算公式为：
Figure BDA0003681912850000131
|bi2|sum表示所有线路五次谐波幅值之和，故障线路的五次谐波幅值应等于|bi2|sum的一半，而与稳态基波法相比，五次谐波法还具有不受消弧线圈影响的优势。
对于为小波包变换能量值的故障特征而言，选取可测得的电压初相角作为计算依据，其对应的权重隶属度函数
Figure BDA0003681912850000132
的计算公式为：
Figure BDA0003681912850000133
电压初相角影响故障暂态电容电流，当电压初相角越接近于90°，故障暂态电容电流在故障暂态电流中所占比例越大，振荡过程越显著，此时小波包能量法可信度高；当电压初相角越接近于0°，故障暂态电容电流在故障暂态电流中所占比例越小，振荡过程越不显著，此时小波包能量法可信度低。
因此，通过上述计算公式计算，模糊理论权重
Figure BDA0003681912850000134
为：
Figure BDA0003681912850000135
具体的，为了使模糊熵权重值计算的更为合理，本实施例采用加权几何平均数的方法，计算得到模糊熵权重值ωj，对应的计算公式为：
Figure BDA0003681912850000136
由信息熵权重
Figure BDA0003681912850000141
及模糊理论权重
Figure BDA0003681912850000142
计算得到三个故障特征的模糊熵权重值为ω＝{ω1，ω2，ω3}＝{0.4453，0.4898，0.0649}。
本实施例中，利用上述过程计算得到各条线路的三个特征量的第一隶属度(故障隶属度)、第二隶属度(非隶属度)及故障评分的值，如表2所示。
表2
Figure BDA0003681912850000143
可以看到表中评分函数值S1＞S3＞S2＞S4，由此判断线路L1为故障线路，与实际故障线路一致，判断正确。
进一步的，为验证基于模糊熵权的Vague集的小电流接地故障选线方法的正确性，对中性点不接地系统、中性点经消弧线圈系统中不同类型的线路在不同故障条件下发生单相接地故障进行仿真验证，包括：不同故障初相角、不同接地电阻、不同故障位置、电弧故障。
仿真结果表明，不同类型的线路在不同故障位置、不同故障初相角、不同接地电阻及相电压过峰值时电弧故障等不同故障条件下发生单相接地故障，该选线方法均能正确对故障线路做出判断，表明基于模糊熵权的Vague模糊集的故障选线方法有较强的适用性。
以上结合附图详细说明了本申请的技术方案，本申请提出了基于模糊熵权的Vague集的小电流接地故障综合选线方法，包括：步骤1，当判定配电网中发生故障时，获取配电网中各线路的故障特征，并根据故障特征构建选线决策矩阵；步骤2，对选线决策矩阵进行归一化运算，并逐列选取归一化后选线决策矩阵中的最大列元素和最小列元素；步骤3，根据最大列元素和最小列元素，计算选线决策矩阵中各元素的第一隶属度和第二隶属度，并采用数组的形式，根据第一隶属度和第二隶属度，组成小电流接地故障选线综合Vague值矩阵；步骤4，对小电流接地故障选线综合Vague值矩阵进行加权运算，计算配电网中各线路的故障评分，选取故障评分最大值对应的线路记作小电流接地故障线路，其中，加权运算的模糊熵权重值由选线决策矩阵中的元素值确定。通过本申请中的技术方案，提高了小电流接地故障选线的准确性。
本申请中的步骤可根据实际需求进行顺序调整、合并和删减。
本申请装置中的单元可根据实际需求进行合并、划分和删减。
尽管参考附图详地公开了本申请，但应理解的是，这些描述仅仅是示例性的，并非用来限制本申请的应用。本申请的保护范围由附加权利要求限定，并可包括在不脱离本申请保护范围和精神的情况下针对发明所作的各种变型、改型及等效方案。

Claims (9)

1.基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，方法包括：
步骤1，当判定配电网中发生故障时，获取配电网中各线路的故障特征，并根据故障特征构建选线决策矩阵；
步骤2，对选线决策矩阵进行归一化运算，并逐列选取归一化后选线决策矩阵中的最大列元素和最小列元素；
步骤3，根据最大列元素和最小列元素，计算选线决策矩阵中各元素的第一隶属度和第二隶属度，并采用数组的形式，根据第一隶属度和第二隶属度，组成小电流接地故障选线综合Vague值矩阵；
步骤4，对小电流接地故障选线综合Vague值矩阵进行加权运算，计算配电网中各线路的故障评分，选取故障评分最大值对应的线路记作小电流接地故障线路，其中，加权运算的模糊熵权重值由选线决策矩阵中的元素值确定。
2.如权利要求1的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，步骤1中，根据故障特征构建选线决策矩阵，具体包括：
步骤11，当判定配电网中发生故障时，获取配电网中各线路的故障电流信息；
步骤12，对故障电流信息进行傅里叶变换和小波包变换，提取配电网中各线路的故障特征，其中，故障特征至少包括零序基波电流幅值、五次谐波幅值以及小波包变换能量值；
步骤13，以配电网中各线路的标号为行数，以故障特征的类别标号为列数，构建选线决策矩阵。
3.如权利要求1的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，步骤2中，第一隶属度和第二隶属度的计算公式为：
Figure FDA0003681912840000021
Figure FDA0003681912840000022
式中，tij为第一隶属度，dij为第二隶属度，
Figure FDA0003681912840000023
为第一运算参量，
Figure FDA0003681912840000024
为第二运算参量，
Figure FDA0003681912840000025
为第三运算参量，
Figure FDA0003681912840000026
为第四运算参量，
Figure FDA0003681912840000027
为第j列中的最大列元素，
Figure FDA0003681912840000028
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
4.如权利要求3的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，步骤2中，小电流接地故障选线综合Vague值矩阵的计算公式为：
Figure FDA0003681912840000029
式中，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度。
5.如权利要求1或3的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，步骤2中，对选线决策矩阵进行归一化运算的计算公式为：
Figure FDA00036819128400000210
式中，bij为选线决策矩阵中第i行j列的元素，i＝1,2,…,n，i为配电网中各线路的标号，j为故障特征的类别标号，j＝1,2,…,m，gij为元素bij归一化后对应的元素。
6.如权利要求1的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，步骤4中，故障评分的计算公式为：
Si＝ti-di
Figure FDA0003681912840000031
Figure FDA0003681912840000032
式中，ti为第一评分参数，di为第二评分参数，tij为选线决策矩阵中第i行j列的第一隶属度，dij为选线决策矩阵中第i行j列的第二隶属度，ωj为选线决策矩阵中第j列的模糊熵权重值，
Figure FDA0003681912840000033
为第j列中的最大列元素，
Figure FDA0003681912840000034
为第j列中的最小列元素，gij为归一化后选线决策矩阵中的第i行第j列元素。
7.如权利要求6的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，模糊熵权重值ωj的计算公式为：
Figure FDA0003681912840000035
式中，
Figure FDA0003681912840000036
为选线决策矩阵中第j列元素对应的信息熵权重，
Figure FDA0003681912840000037
为选线决策矩阵中第j列元素对应的模糊理论权重，j为故障特征的类别标号，j＝1,2,…,m，m为类别标号的最大值。
8.如权利要求7的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，信息熵权重
Figure FDA0003681912840000038
的计算公式为：
Figure FDA0003681912840000039
Figure FDA00036819128400000310
式中，qij为熵值参数，Hj为属性熵值，gij为归一化后选线决策矩阵中的第i行第j列元素，i＝1,2,…,n，i为配电网中各线路的标号，n为标号的最大值，
Figure FDA0003681912840000041
为第j个故障特征对应的信息熵权重。
9.如权利要求7的基于模糊熵权的Vague集的小电流接地故障综合选线方法，其特征在于，故障特征包括零序基波电流幅值、五次谐波幅值以及小波包变换能量值，模糊理论权重
Figure FDA0003681912840000042
的计算公式为：
Figure FDA0003681912840000043
Figure FDA0003681912840000044
Figure FDA0003681912840000045
Figure FDA0003681912840000046
式中，
Figure FDA0003681912840000047
为基波权值，|bi1|max为第i条线路中零序基波电流幅值的最大值，|bi1|sum为第i条线路中零序基波电流幅值的和值，
Figure FDA0003681912840000048
为谐波权值，|bi2|max为第i条线路中五次谐波幅值的最大值，|bi2|sum为第i条线路中五次谐波幅值的和值，
Figure FDA0003681912840000049
为小波权值，θ为电压初相角。
CN202210639616.8A 2022-06-07 2022-06-07 基于模糊熵权的Vague集的小电流接地故障综合选线方法 Withdrawn CN115112992A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210639616.8A CN115112992A (zh) 2022-06-07 2022-06-07 基于模糊熵权的Vague集的小电流接地故障综合选线方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210639616.8A CN115112992A (zh) 2022-06-07 2022-06-07 基于模糊熵权的Vague集的小电流接地故障综合选线方法

Publications (1)

Publication Number Publication Date
CN115112992A true CN115112992A (zh) 2022-09-27

Family

ID=83326389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210639616.8A Withdrawn CN115112992A (zh) 2022-06-07 2022-06-07 基于模糊熵权的Vague集的小电流接地故障综合选线方法

Country Status (1)

Country Link
CN (1) CN115112992A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227538A (zh) * 2023-04-26 2023-06-06 国网山西省电力公司晋城供电公司 基于聚类和深度学习的小电流接地故障选线方法及设备
CN116643123A (zh) * 2023-06-06 2023-08-25 国网江苏省电力有限公司宿迁供电分公司 基于现场故障数据集的小电流接地选线优化方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227538A (zh) * 2023-04-26 2023-06-06 国网山西省电力公司晋城供电公司 基于聚类和深度学习的小电流接地故障选线方法及设备
CN116643123A (zh) * 2023-06-06 2023-08-25 国网江苏省电力有限公司宿迁供电分公司 基于现场故障数据集的小电流接地选线优化方法及装置

Similar Documents

Publication Publication Date Title
CN115112992A (zh) 基于模糊熵权的Vague集的小电流接地故障综合选线方法
CN107589341B (zh) 一种基于配电自动化主站的单相接地在线故障定位方法
CN101924354B (zh) 利用s变换能量样本属性的配电网故障的人工神经网络选线方法
CN111308272B (zh) 一种小电流接地故障区段定位方法
CN111965475A (zh) 一种基于零序电流分布特性的配电网综合故障研判方法
CN112147462A (zh) 一种基于深度学习的输电线路故障辨识方法
CN110596530A (zh) 一种小电流接地故障选线方法
CN104716646B (zh) 一种基于注入电流的节点耦合度分析方法
CN113625103B (zh) 小电流接地系统单相接地故障的选线方法
CN112557950B (zh) 基于矩阵相似性的配电网谐振接地系统故障选线方法
CN105069236A (zh) 考虑风电场节点空间相关性的广义负荷联合概率建模方法
CN115494349B (zh) 有源配电网单相接地故障区段定位方法
CN112255493A (zh) 一种多判据综合投票配电网故障选线方法
CN103823158B (zh) 采用不变矩的谐振接地系统故障选线方法
CN112710923B (zh) 基于故障后稳态信息的数据驱动单相接地故障选线方法
CN113567803B (zh) 基于Tanimoto相似度的小电流接地故障定位方法及系统
CN107462810A (zh) 一种适用于有源配电网的故障区段定位方法
Acácio et al. Evaluation of the impact of different neural network structure and data input on fault detection
CN112255495A (zh) 一种微电网高阻故障检测方法
CN110503200A (zh) 一种基于综合判据和神经网络的电压暂降源定位方法
CN112710924B (zh) 基于故障前后稳态变化量的单相接地故障选线方法
CN109375058A (zh) 一种基于多点监测与电流电压相差二阶差分的故障线路识别方法
Song et al. Grounding fault line selection method of distribution network based on time-frequency domain energy matrix
Bretas et al. A BP neural network based technique for HIF detection and location on distribution systems with distributed generation
CN114660418B (zh) 基于特征融合和聚类的配电网单相接地故障选线方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220927