CN115436750A - 一种电网故障点定位方法 - Google Patents
一种电网故障点定位方法 Download PDFInfo
- Publication number
- CN115436750A CN115436750A CN202211049406.XA CN202211049406A CN115436750A CN 115436750 A CN115436750 A CN 115436750A CN 202211049406 A CN202211049406 A CN 202211049406A CN 115436750 A CN115436750 A CN 115436750A
- Authority
- CN
- China
- Prior art keywords
- traveling wave
- fault
- data
- voltage
- detection data
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种电网故障点定位方法，包括以下步骤：A、建立电网监控区域的拓扑结构；B、在拓扑结构中选择若干个节点位置安装行波测量模块，选择若干个节点位置安装电压电流测量模块；C、根据电压电流的检测数据和行波测量数据对故障点进行定位。本发明能够改进现有技术的不足，通过对传统阻抗法和行波法的改进和融合，有效的提高了电网故障识别定位的准确度。
Description
技术领域
本发明涉及电网测控技术领域，尤其是一种电网故障点定位方法。
背景技术
电网系统在运行过程中，不可避免的会出现局部的电气故障。这时候就要快速、准确的对故障进行识别和定位，以免故障扩大影响整个电网系统。现有技术中，常用的故障识别定位方法有两种：阻抗法和行波法。阻抗法在面对较为复杂的电网结构时由于线路参数的误差，会影响到计算准确度；而行波法对于行波的定位严重依赖于行波波头的定位，但是行波是以接近光速传播的，对其进行准确采样和分析难度也很大。
发明内容
本发明要解决的技术问题是提供一种电网故障点定位方法，能够解决现有技术的不足，通过对传统阻抗法和行波法的改进和融合，有效的提高了电网故障识别定位的准确度。
为解决上述技术问题，本发明所采取的技术方案如下。
一种电网故障点定位方法，包括以下步骤：
A、建立电网监控区域的拓扑结构；
B、在拓扑结构中选择若干个节点位置安装行波测量模块，选择若干个节点位置安装电压电流测量模块；
C、根据电压电流的检测数据和行波测量数据对故障点进行定位。
作为优选，步骤A中，拓扑结构中，对符合合并条件的相邻节点进行合并，合并条件为，相邻节点之间通过电力线缆直接连接，且相邻节点所代表的的电网元件类型相同。
作为优选，步骤B中，不同行波测量模块安装位置之间没有电力线缆直接连接，每个行波测量模块的安装位置与至少一个电压电流测量模块的节点位置通过电力线缆直接连接。
作为优选，步骤C中，对故障点进行定位包括以下步骤，
C1、使用电压电流的检测数据和行波测量数据划定故障区域；
C2、使用行波测量数据确定故障点；
C3、使用电压电流的检测数据确定故障类型并同时对故障点进行二次确认。
作为优选，步骤C1中，划定故障区域包括以下步骤，
C11、设定用于故障判定的时间窗口，使用时间窗口在时许坐标上滑动，对时间窗口内的全部的电压电流的检测数据进行判定，统计异常检测数据的数量；
C12、当时间窗口内的异常检测数据的数量超出设定阈值时，对时间窗口内的异常检测数据进行分析，根据异常检测数据的出现位置对异常检测数据进行分组，然后对每组异常检测数据根据时序顺序建立数据序列，对每个数据序列的空间关联性度和电性关联度进行双维度赋值，然后使用两个维度关联度进行加权平均，得到数据序列的异常判定值，若异常判定值超出设定阈值，则判定对应异常检测数据的出现位置为预判故障区域；
C13、对故障区域内行波测量模块检测到的电压行波数据进行分析，得到电压行波数据在每个行波测量模块处的相位数据、强度数据，然后根据不同行波测量模块处的相位数据和强度数据将不同的行波进行分离，并确定每个行波的传输路径，然后将行波的传输路径和步骤C12中确定的预判故障区域进行比对，将重合的部分判定为最终的故障区域。
作为优选，步骤C2中，确定故障点包括以下步骤，
对步骤C13确定的故障区域内的电压行波数据进行多尺度小波分解，使用信号强度最大的尺度中第一个模极大值为第一参考点，进行各个尺度的逐一搜索，得到每个尺度的第二参考点，使用第二参考点对第一参考点的时域坐标进行修正，修正后的第一参考点时域坐标对应的位置为行波波头，根据不同行波测量模块接收到行波波头的时间差，确定故障点的具体位置。
作为优选，步骤C3中，确定故障类型并对故障点进行二次确认包括以下步骤，
读取故障点的电压电流的检测数据，然后输入预先训练完毕的故障识别神经网络模型进行故障识别，得到故障类型，调取故障类型对应的典型电压行波数据，与步骤C13确定的故障区域内的电压行波数据进行特征比对，若比对结果的相似度高于设定阈值则最终确定故障点位置，否则返回步骤C1。
采用上述技术方案所带来的有益效果在于：本发明首先改变了现有阻抗法对于电压电流数据的处理方法，建立数据序列后采用双维度赋值的方式划定预判故障区域。然后使用行波数据进行故障区域的缩小。这里并没有直接使用行波波头进行故障点的确定，因为预判故障区域内行波数据众多，如果直接进行采样判定，误差较大。本发明通过对不同行波传输路径的分析，首先缩小的故障区域范围，然后再对行波波头进行采样分析，得到最终的故障点。最后，通过对故障类型的分析，与行波数据进行比对，对故障区域行波数据进行比对，对故障点进行二次确认，进一步提高故障点的定位准确度。本发明虽然涉及到了阻抗法当中的电压电流数据和行波法当中的行波数据，但是其具体的处理过程和处理结果与现有技术均完全不同，是对电网故障点识别定位方法的一次重大创新。
附图说明
图1是本发明一个具体实施方式的原理图。
具体实施方式
参照图1，本发明一个具体实施方式包括以下步骤：
A、建立电网监控区域的拓扑结构；
B、在拓扑结构中选择若干个节点位置安装行波测量模块，选择若干个节点位置安装电压电流测量模块；
C、根据电压电流的检测数据和行波测量数据对故障点进行定位。
步骤A中，拓扑结构中，对符合合并条件的相邻节点进行合并，合并条件为，相邻节点之间通过电力线缆直接连接，且相邻节点所代表的的电网元件类型相同。
步骤B中，不同行波测量模块安装位置之间没有电力线缆直接连接，每个行波测量模块的安装位置与至少一个电压电流测量模块的节点位置通过电力线缆直接连接。
步骤C中，对故障点进行定位包括以下步骤，
C1、使用电压电流的检测数据和行波测量数据划定故障区域；
C2、使用行波测量数据确定故障点；
C3、使用电压电流的检测数据确定故障类型并同时对故障点进行二次确认。
步骤C1中，划定故障区域包括以下步骤，
C11、设定用于故障判定的时间窗口，使用时间窗口在时许坐标上滑动，对时间窗口内的全部的电压电流的检测数据进行判定，统计异常检测数据的数量；
C12、当时间窗口内的异常检测数据的数量超出设定阈值时，对时间窗口内的异常检测数据进行分析，根据异常检测数据的出现位置对异常检测数据进行分组，然后对每组异常检测数据根据时序顺序建立数据序列，对每个数据序列的空间关联性度和电性关联度进行双维度赋值，然后使用两个维度关联度进行加权平均，得到数据序列的异常判定值，若异常判定值超出设定阈值，则判定对应异常检测数据的出现位置为预判故障区域；
C13、对故障区域内行波测量模块检测到的电压行波数据进行分析，得到电压行波数据在每个行波测量模块处的相位数据、强度数据，然后根据不同行波测量模块处的相位数据和强度数据将不同的行波进行分离，并确定每个行波的传输路径，然后将行波的传输路径和步骤C12中确定的预判故障区域进行比对，将重合的部分判定为最终的故障区域。
步骤C2中，确定故障点包括以下步骤，
对步骤C13确定的故障区域内的电压行波数据进行多尺度小波分解，使用信号强度最大的尺度中第一个模极大值为第一参考点，进行各个尺度的逐一搜索，得到每个尺度的第二参考点，使用第二参考点对第一参考点的时域坐标进行修正，修正后的第一参考点时域坐标对应的位置为行波波头，根据不同行波测量模块接收到行波波头的时间差，确定故障点的具体位置。
步骤C3中，确定故障类型并对故障点进行二次确认包括以下步骤，
读取故障点的电压电流的检测数据，然后输入预先训练完毕的故障识别神经网络模型进行故障识别，得到故障类型，调取故障类型对应的典型电压行波数据，与步骤C13确定的故障区域内的电压行波数据进行特征比对，若比对结果的相似度高于设定阈值则最终确定故障点位置，否则返回步骤C1。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种电网故障点定位方法，其特征在于包括以下步骤：
A、建立电网监控区域的拓扑结构；
B、在拓扑结构中选择若干个节点位置安装行波测量模块，选择若干个节点位置安装电压电流测量模块；
C、根据电压电流的检测数据和行波测量数据对故障点进行定位。
2.根据权利要求1所述的电网故障点定位方法，其特征在于：步骤A中，拓扑结构中，对符合合并条件的相邻节点进行合并，合并条件为，相邻节点之间通过电力线缆直接连接，且相邻节点所代表的的电网元件类型相同。
3.根据权利要求2所述的电网故障点定位方法，其特征在于：步骤B中，不同行波测量模块安装位置之间没有电力线缆直接连接，每个行波测量模块的安装位置与至少一个电压电流测量模块的节点位置通过电力线缆直接连接。
4.根据权利要求1所述的电网故障点定位方法，其特征在于：步骤C中，对故障点进行定位包括以下步骤，
C1、使用电压电流的检测数据和行波测量数据划定故障区域；
C2、使用行波测量数据确定故障点；
C3、使用电压电流的检测数据确定故障类型并同时对故障点进行二次确认。
5.根据权利要求4所述的电网故障点定位方法，其特征在于：步骤C1中，划定故障区域包括以下步骤，
C11、设定用于故障判定的时间窗口，使用时间窗口在时许坐标上滑动，对时间窗口内的全部的电压电流的检测数据进行判定，统计异常检测数据的数量；
C12、当时间窗口内的异常检测数据的数量超出设定阈值时，对时间窗口内的异常检测数据进行分析，根据异常检测数据的出现位置对异常检测数据进行分组，然后对每组异常检测数据根据时序顺序建立数据序列，对每个数据序列的空间关联性度和电性关联度进行双维度赋值，然后使用两个维度关联度进行加权平均，得到数据序列的异常判定值，若异常判定值超出设定阈值，则判定对应异常检测数据的出现位置为预判故障区域；
C13、对故障区域内行波测量模块检测到的电压行波数据进行分析，得到电压行波数据在每个行波测量模块处的相位数据、强度数据，然后根据不同行波测量模块处的相位数据和强度数据将不同的行波进行分离，并确定每个行波的传输路径，然后将行波的传输路径和步骤C12中确定的预判故障区域进行比对，将重合的部分判定为最终的故障区域。
6.根据权利要求5所述的电网故障点定位方法，其特征在于：步骤C2中，确定故障点包括以下步骤，
对步骤C13确定的故障区域内的电压行波数据进行多尺度小波分解，使用信号强度最大的尺度中第一个模极大值为第一参考点，进行各个尺度的逐一搜索，得到每个尺度的第二参考点，使用第二参考点对第一参考点的时域坐标进行修正，修正后的第一参考点时域坐标对应的位置为行波波头，根据不同行波测量模块接收到行波波头的时间差，确定故障点的具体位置。
7.根据权利要求6所述的电网故障点定位方法，其特征在于：步骤C3中，确定故障类型并对故障点进行二次确认包括以下步骤，
读取故障点的电压电流的检测数据，然后输入预先训练完毕的故障识别神经网络模型进行故障识别，得到故障类型，调取故障类型对应的典型电压行波数据，与步骤C13确定的故障区域内的电压行波数据进行特征比对，若比对结果的相似度高于设定阈值则最终确定故障点位置，否则返回步骤C1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049406.XA CN115436750A (zh) | 2022-08-30 | 2022-08-30 | 一种电网故障点定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049406.XA CN115436750A (zh) | 2022-08-30 | 2022-08-30 | 一种电网故障点定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115436750A true CN115436750A (zh) | 2022-12-06 |
Family
ID=84243939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211049406.XA Pending CN115436750A (zh) | 2022-08-30 | 2022-08-30 | 一种电网故障点定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115436750A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115980512A (zh) * | 2022-12-28 | 2023-04-18 | 山东恒道信息技术有限公司 | 一种输配电网故障定位方法 |
-
2022
- 2022-08-30 CN CN202211049406.XA patent/CN115436750A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115980512A (zh) * | 2022-12-28 | 2023-04-18 | 山东恒道信息技术有限公司 | 一种输配电网故障定位方法 |
| CN115980512B (zh) * | 2022-12-28 | 2023-08-15 | 山东恒道信息技术有限公司 | 一种输配电网故障定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109324266B (zh) | 一种基于深度学习的配网接地故障分析方法 | |
| CN112072621B (zh) | 基于5g通信和动态模式匹配的配电网线路差动保护方法 | |
| CN115436750A (zh) | 一种电网故障点定位方法 | |
| CN115800272A (zh) | 基于拓扑识别的电网故障分析方法、系统、终端及介质 | |
| CN117892117B (zh) | 一种配电网输电线路故障定位方法及系统 | |
| CN110188837A (zh) | 一种基于模糊神经的mvb网络故障诊断方法 | |
| CN112327104A (zh) | 一种含分布式电源配电网的故障检测与定位方法 | |
| CN117875421B (zh) | 基于深度学习的光伏阵列故障诊断方法及系统 | |
| CN109145764B (zh) | 综合检测车的多组检测波形的未对齐区段识别方法及装置 | |
| CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
| CN108459933B (zh) | 一种基于深度递归网络的大数据计算机系统故障检测方法 | |
| CN113490857A (zh) | 方法和测试设备 | |
| CN117786446A (zh) | 一种基于多判据融合的单相接地故障免阈值选段方法 | |
| CN112114229A (zh) | 配电网故障定位方法、装置和系统 | |
| CN116256593A (zh) | 一种基于波形图灵敏角检测的线路故障单端行波识别与波头标定方法 | |
| CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
| CN112240964B (zh) | 一种用于配电网故障类型识别的方法 | |
| CN118432948B (zh) | 一种基于弱信息的工业互联网异常节点的检测方法及系统 | |
| AU2021106381A4 (en) | Method for Calculating Power Supply Reliability of Power Distribution Network Capable of Considering Multifunctional Power Distribution Automation Terminals | |
| Verrax et al. | Fault identification in HVDC grids using a transient parametric model | |
| CN118101413B (zh) | 基于神经网络的数据通信网设备故障诊断方法及设备 | |
| CN112763989B (zh) | 一种基于cdif的抖动信号分选方法 | |
| Guo et al. | Global Attention-Based Approach for Substation Devices Classification and Localization | |
| CN117310373A (zh) | 基于空洞卷积识别配网数据的方法及系统、设备、介质 | |
| CN115017207A (zh) | 一种飞行器传感器故障关联关系确定方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |