CN116243101A - 一种考虑大量分布式光伏发电接入配电网故障定位方法 - Google Patents
一种考虑大量分布式光伏发电接入配电网故障定位方法 Download PDFInfo
- Publication number
- CN116243101A CN116243101A CN202211635719.3A CN202211635719A CN116243101A CN 116243101 A CN116243101 A CN 116243101A CN 202211635719 A CN202211635719 A CN 202211635719A CN 116243101 A CN116243101 A CN 116243101A
- Authority
- CN
- China
- Prior art keywords
- measurement
- distribution network
- power distribution
- fault
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000010248 power generation Methods 0.000 title claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 142
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 239000000203 mixture Substances 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 28
- 238000002347 injection Methods 0.000 claims description 27
- 239000007924 injection Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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
本发明公开了一种考虑大量分布式光伏发电接入配电网故障定位方法,包括:基于有源配电网的系统量测矢量,确定混合量测数据的组成;采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数;基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型;采用迭代加权最小二乘法求解有源配电网的状态量;通过引入虚拟节点,构建故障定位模型并确定故障点的位置。本发明提供的方法可在高比例分布式光伏接入配电网条件下确保有源配电网单相接地故障选线的高效性、准确性和经济性。
Description
技术领域
本发明涉及配电网故障定位策略的技术领域,尤其涉及一种考虑大量分布式光伏发电接入配电网故障定位方法。
背景技术
精准快速的故障定位有利于提高配电网的安全性和可靠性。前期关于配电网故障定位策略主要有基于矩阵方法的故障选线和基于人工智能算法的故障选线两种方法。随着高渗透率的分布式光伏大规模并网,配电网的故障定位策略受到影响。主要影响体现在以下两个方面:(1)使传统的单电源配电网转变为含多端供电的复杂有源配电网,发生故障时故障电流方向不唯一。(2)分布式光伏发电具有不确定性,故障后配电网的潮流特性受到分布式光伏接入配电网的容量的影响,目前国内外对含有分布式光伏的配电网故障定位策略的研究需要在系统中装设大量的信号量测装置,有源配电网运行的经济性难以满足。此外,由于配电网中故障定位特征微弱,基于故障暂态特征分析的故障定位策略适应性较差,且算法本身较复杂。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明目的是提供一种考虑大量分布式光伏发电接入配电网故障定位方法,解决现有的考虑大量分布式光伏发电接入配电网故障定位策略的研究,在经济性、适应性等方面存在不足以及不能实现快速精准的故障定位的问题。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明实施例提供了一种考虑大量分布式光伏发电接入配电网故障定位方法,包括:
基于有源配电网的系统量测矢量,确定混合量测数据的组成;
采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数;
基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型;
采用迭代加权最小二乘法求解有源配电网的状态量;
通过引入虚拟节点,构建故障定位模型并确定故障点的位置。
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:所述有源配电网的系统量测矢量包括,
分布式光伏接入节点的伪量测、μPMU安装节点或母线处所采集到的实时量测数据;
所述有源配电网的系统量测矢量如下:
z=[zL,zG,zF,zP]T
其中,zL为常规负荷节点其三相注入有功功率和无功功率伪量测,zG为DG节点三相注入有功功率和无功功率伪量测,zF为FTU装置采集到的支路有功功率、无功功率以及支路电流幅值,zP为μPMU装置采集到的节点电压幅值、节点电压相角以及与该节点相连支路的电流幅值和相角。
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数包括,
采用不同量测信号的相关系数衡量不同量测信号在时域上同步关系,如下式所示:
其中,ρFP为zF与zP之间的相关系数,t1为当前FTU量测时刻,t2为当前μPMU量测的截止时刻,θ为μPMU量测的时间序列,C为互协方差函数;
分析按时间序列排列zF与zP之间的相关系数矩阵即ρFP(t1,t2-θ),得出相关联度最高的列向量所对应的μPMU采样时刻tj;
将基准时刻tj作为FTU的量测时刻,当前μPMU量测的截止时刻t2作为状态估计计算时刻;
基准时刻和状态估计计算时刻之间的延时误差εt,如下式所示:
εt=ktd,F
其中,k为被量测量的变化率,td,F为基准时刻与状态估计计算时刻的偏差;
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型包括,
将μPMU采集到的节点电压相量及与该节点相连的所有支路电流相量、FTU采集到的支路功率和电流幅值实时量测以及节点注入功率伪量测、常规负荷和DG节点注入有功或无功功率伪量测,通过量测变换技术转化为相应的等效支路电流实部和虚部量测以及节点注入电流实部和虚部;
采用独立变量方差合成定理求出变换后的FTU量测权重因子。
根据量测矢量z确定系统状态变量x即基于混合量测数据的有源配电网状态估计,如下式所示:
z=h(x)+ν
其中:z为系统混合量测矢量,x为待求的系统状态量,ν为系统量测误差。
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:采用迭代加权最小二乘法求解有源配电网的状态量包括,
系统状态量的估计值公式如下所示:
xest=arg min||·||2
其中,xest为系统状态量的估计值,X为系统状态矢量空间,||·||2为向量或矩阵的2范数;
输入混合量测z、量测函数h(·)和量测误差ν,并对程序进行初始化,设置系统状态初始值x0和迭代矩阵收敛判据ε,求出迭代公式的一阶最优条件后采用高斯-牛顿迭代法反复求解量测函数,直至收敛到最优;
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:通过引入虚拟节点,构建故障定位模型并确定故障点的位置包括,
将虚拟节点布置在网络中的每条支路,并在该网络拓扑下分别进行状态估计检验;
若系统处于为正常运行状态,则虚拟节点的注入功率为零,状态估计结果不受影响;
若系统处于故障运行状态,则虚拟节点注入功率等效为故障负荷注入功率;
若虚拟节点处于故障支路,则得到精确的状态估计结果;
若虚拟节点处于在非故障支路,则状态估计结果存在较大的偏差,从而识别出故障位置;
将虚拟节点布置在网络中每条支路上,对系统状态矢量和混合量测矢量进行扩展,如下式所示:
作为本发明所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其中:将虚拟节点布置在网络中的每条支路,并在该网络拓扑下分别进行状态估计检验包括,
通过系统状态量和实际状态量的比较,确定故障点的位置;
设定主流程为有源配电网故障定位策略,子流程为故障选线过程中的线性状态估计,主子问题交替进行,当Rmean最小时最终得出故障位置。
第二方面,本发明实施例提供了一种考虑大量分布式光伏发电接入配电网故障定位系统,包括,
数据组成模块,基于有源配电网的系统量测矢量,确定混合量测数据的组成;
函数构建模块,采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数;
模型搭建模块,基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型;
计算模块,采用迭代加权最小二乘法求解有源配电网的状态量;
位置确定模块,通过引入虚拟节点,构建故障定位模型并确定故障点的位置。
第三方面,本发明实施例提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的一种考虑大量分布式光伏发电接入配电网故障定位方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述一种考虑大量分布式光伏发电接入配电网故障定位方法。
本发明的有益效果:本发明提供的方法可在高比例分布式光伏接入配电网条件下确保有源配电网单相接地故障选线的高效性、准确性和经济性。
附图说明
为了更清楚地说明本发明实施例的技术方案,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些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一种考虑大量分布式光伏发电接入配电网故障定位方法的流程图。
图2为本发明一种考虑大量分布式光伏发电接入配电网故障定位方法所述故障定位模型图。
图3为本发明一种考虑大量分布式光伏发电接入配电网故障定位方法的IEEE 13节点网络布置图。
图4为本发明一种考虑大量分布式光伏发电接入配电网故障定位方法的基于状态估计的有源配电网故障定位策略的故障选线结果图。
图5为本发明一种考虑大量分布式光伏发电接入配电网故障定位方法的基于故障前后暂态电流幅值比对的故障定位策略的故障选线结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
参照图1~图2,提供了一种考虑大量分布式光伏发电接入配电网故障定位方法,包括:
如图1所示,本发明的具体步骤如下:
S1:基于有源配电网的系统量测矢量,确定混合量测数据的组成。应说明的是:
有源配电网的系统量测矢量包括:
分布式光伏接入节点的伪量测、μPMU安装节点或母线处所采集到的实时量测数据。
有源配电网的系统量测矢量如下式:
z=[zL,zG,zF,zP]T
其中,zL为常规负荷节点其三相注入有功功率和无功功率伪量测,zG为DG节点三相注入有功功率和无功功率伪量测,zF为FTU装置采集到的支路有功功率、无功功率以及支路电流幅值,zP为μPMU装置采集到的节点电压幅值、节点电压相角以及与该节点相连支路的电流幅值和相角。
S2:采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数。应说明的是:
μPMU的刷新频率高于FTU的刷新频率,并且两者延时不同,控制中心于不同时刻接受混合量测数据。
采用不同量测信号的相关系数衡量不同量测信号在时域上同步关系,如下式所示:
其中,ρFP为zF与zP之间的相关系数,t1为当前FTU量测时刻,t2为当前μPMU量测的截止时刻,θ为μPMU量测的时间序列,C为互协方差函数。
分析按时间序列排列zF与zP之间的相关系数矩阵即ρFP(t1,t2-θ),得出相关联度最高的列向量所对应的μPMU采样时刻tj为混合量测系统的当前基准量测时刻,如下式所示:
ρFP(t1,tj)=max{ρFP(t1,t2-θ)}
其中,tj=t2-θ为混合量测系统的基准时刻。
由于FTU的量测数据没有时标,则FTU的量测时刻t1未知,将基准时刻tj作为FTU的量测时刻,而μPMU量测数据带有实标可直接作为状态估计计算时刻的量测数据。
基准时刻和状态估计计算时刻之间的延时误差εt,如下式所示:
εt=ktd,F
其中,k为被量测量的变化率,td,F为基准时刻与状态估计计算时刻的偏差;
且td,F服从以下概率密度:
其中,σt为概率密度函数的标准差。
S3:基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型。应说明的是:
将μPMU采集到的节点电压相量及与该节点相连的所有支路电流相量、FTU采集到的支路功率和电流幅值实时量测以及节点注入功率伪量测、常规负荷和DG节点注入有功或无功功率伪量测,通过量测变换技术转化为相应的等效支路电流实部和虚部量测以及节点注入电流实部和虚部;从而可以提高有源配电网状态估计的计算效率,减少故障定位所需的时间,提高电力系统的可靠性。
采用独立变量方差合成定理求出变换后的FTU量测权重因子如下:
设定FTU采集到的支路有功和无功功率误差的方差均为常规负荷注入功率伪量测误差的方差为/>DG注入功率伪量测误差的方差/>经过量测变换后的等效支路电流量测误差的方差/>等效负荷节点注入电流伪量测误差的方差/>等效DG节点注入电流伪量测误差的方差/>如下式所示:/>
该处误差的方差的倒数等于FTU量测权重因子。
根据量测矢量z确定系统状态变量x即是基于混合量测数据的有源配电网状态估计,如下式所示:
z=h(x)+ν
其中:z为系统混合量测矢量,x为待求的系统状态量,ν为系统量测误差。
S4:采用迭代加权最小二乘法求解有源配电网的状态量。应说明的是:
公式如下所示:
xest=arg min||·||2
其中,xest为系统状态量的估计值,X为系统状态矢量空间,||·||2为向量或矩阵的2范数。
对于实系数线性优化问题,输入混合量测z、量测函数h(·)和量测误差ν,并对程序进行初始化,设置系统状态初始值x0和迭代矩阵收敛判据ε,求出目标函数的一阶最优条件后采用高斯-牛顿迭代法反复求解量测函数,直至收敛到最优。
通过下式进行迭代:
Δxρ=[G(xρ)]-1HT(xρ)W[z-h(xρ)]
G(xρ)=HT(xρ)W-1HT(xρ)
xρ+1=xρ+Δxρ
其中,G(·)为算法迭代过程中衍生出的信息矩阵,xρ为第ρ次迭代得到的系统状态量,Δxρ为第ρ次迭代系统更新的状态量,z为混合量测量,h(·)为量测函数,H(·)为线性量测雅可比矩阵,为量测权重矩阵,xρ+1为第ρ+1次迭代得到的系统状态量。
S5:通过引入虚拟节点,构建故障定位模型并确定故障点的位置。应说明的是:
如图2所示,将虚拟节点布置在网络中的每条支路,并在该网络拓扑下分别进行状态估计检验如下:
通过系统状态量和实际状态量的比较,确定故障点的位置。
设定主流程为有源配电网故障定位策略,子流程为故障选线过程中的线性状态估计,主子问题交替进行,当Rmean最小时最终得出故障位置。
若系统处于为正常运行状态,则虚拟节点的注入功率为零,状态估计结果不受影响。
若系统处于故障运行状态,则虚拟节点注入功率等效为故障负荷注入功率。
若虚拟节点处于故障支路,则得到精确的状态估计结果。
若虚拟节点处于在非故障支路,则状态估计结果存在较大的偏差,从而识别出故障位置。
将虚拟节点布置在网络中每条支路上,对系统状态矢量和混合量测矢量进行扩展,如下式所示:
本实施例还提供一种考虑大量分布式光伏发电接入配电网故障定位系统,包括:
数据组成模块,基于有源配电网的系统量测矢量,确定混合量测数据的组成。
函数构建模块,采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数。
模型搭建模块,基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型。
计算模块,采用迭代加权最小二乘法求解有源配电网的状态量。
位置确定模块,通过引入虚拟节点,构建故障定位模型并确定故障点的位置。
本实施例还提供一种计算设备,适用于一种考虑大量分布式光伏发电接入配电网故障定位方法的情况,包括:
存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的一种考虑大量分布式光伏发电接入配电网故障定位方法。
该计算机设备可以是终端,该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现一种考虑大量分布式光伏发电接入配电网故障定位方法。
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
实施例2
参照图3~图5,为本发明的另一个实施例,提供了一种考虑大量分布式光伏发电接入配电网故障定位方法的验证测试,对本方法中采用的技术效果加以验证说明。
选用基于故障前后暂态电流幅值比对的故障定位策略和本发明提出的一种基于状态估计的有源配电网故障定位策略进行对比分析,并基于改进IEEE13节点测试算例设计了仿真场景。
在该网络中,光伏电站及双馈型风机电站等DG接入位置以及FTU和μPMU量测的布置情况如图3所示;在网络中,所有DG在0/秒~0.5/秒内和0.5/秒后的出力分别是20%,和80%,中性点不接地,且人为设置0.5/秒时刻在支路(9,13)a相的中点处发生单相接地故障,过渡电阻为5Ω,虚拟节点a相的等效注入功率为bc两相等效注入功率为0。当系统运行至0.5/秒后,DG会对位于其接入点上游的线路提供反向故障电流。
基于状态估计的有源配电网故障定位策略的选线结果和基于故障前后暂态电流幅值比对的故障定位策略的选线结果如图4~图5所示,基于上述故障测试场景分析可得,现有方法的精度较低,且现有方法耗时0.194s,而本发明方法的故障选线耗时分0.0289s,现有方法所耗时间较长。
因此与现有技术相比,本发明的一种基于状态估计的有源配电网故障定位策略,具有以下优点:充分考虑了大量分布式光伏并网带来的潮流特性的影响以及故障电流方向不唯一,构建延时误差函数确保FTU和μPMU量测数据的同步性。通过量测采集技术提高有源配电网状态估计的效率;引入可人为控制的虚拟节点实现经济、高效、准确的故障定位。针对实系数线性优化问题采用迭代加权最小二乘法来求解,求出目标函数的一阶最优条件后采用高斯-牛顿迭代法反复求解量测函数,直至收敛到最优得到状态量的精确值。本发明适用于考虑大量分布式光伏发电接入配电网故障定位。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种考虑大量分布式光伏发电接入配电网故障定位方法,其特征在于,包括:
基于有源配电网的系统量测矢量,确定混合量测数据的组成;
采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数;
基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型;
采用迭代加权最小二乘法求解有源配电网的状态量;
通过引入虚拟节点,构建故障定位模型并确定故障点的位置。
3.如权利要求1所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其特征在于:采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数包括,
采用不同量测信号的相关系数衡量不同量测信号在时域上同步关系,如下式所示:
其中,ρFP为zF与zP之间的相关系数,t1为当前FTU量测时刻,t2为当前μPMU量测的截止时刻,θ为μPMU量测的时间序列,C为互协方差函数;
分析按时间序列排列zF与zP之间的相关系数矩阵即ρFP(t1,t2-θ),得出相关联度最高的列向量所对应的μPMU采样时刻tj;
将基准时刻tj作为FTU的量测时刻,当前μPMU量测的截止时刻t2作为状态估计计算时刻;
基准时刻和状态估计计算时刻之间的延时误差εt,如下式所示:
εt=ktd,F
其中,k为被量测量的变化率,td,F为基准时刻与状态估计计算时刻的偏差。
4.如权利要求1所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其特征在于:基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型包括,
将μPMU采集到的节点电压相量及与该节点相连的所有支路电流相量、FTU采集到的支路功率和电流幅值实时量测以及节点注入功率伪量测、常规负荷和DG节点注入有功或无功功率伪量测,通过量测变换技术转化为相应的等效支路电流实部和虚部量测以及节点注入电流实部和虚部;
采用独立变量方差合成定理求出变换后的FTU量测权重因子。
根据量测矢量z确定系统状态变量x即基于混合量测数据的有源配电网状态估计,如下式所示:
z=h(x)+ν
其中:z为系统混合量测矢量,x为待求的系统状态量,ν为系统量测误差。
5.如权利要求1任一所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其特征在于:采用迭代加权最小二乘法求解有源配电网的状态量包括,
系统状态量的估计值公式如下所示:
xest=arg min||·||2
其中,xest为系统状态量的估计值,X为系统状态矢量空间,||·||2为向量或矩阵的2范数;
输入混合量测z、量测函数h(·)和量测误差ν,并对程序进行初始化,设置系统状态初始值x0和迭代矩阵收敛判据ε,求出迭代公式的一阶最优条件后采用高斯-牛顿迭代法反复求解量测函数,直至收敛到最优;
6.如权利要求1所述的一种考虑大量分布式光伏发电接入配电网故障定位方法,其特征在于:通过引入虚拟节点,构建故障定位模型并确定故障点的位置包括,
将虚拟节点布置在网络中的每条支路,并在该网络拓扑下分别进行状态估计检验;
若系统处于为正常运行状态,则虚拟节点的注入功率为零,状态估计结果不受影响;
若系统处于故障运行状态,则虚拟节点注入功率等效为故障负荷注入功率;
若虚拟节点处于故障支路,则得到精确的状态估计结果;
若虚拟节点处于在非故障支路,则状态估计结果存在较大的偏差,从而识别出故障位置;
将虚拟节点布置在网络中每条支路上,对系统状态矢量和混合量测矢量进行扩展,如下式所示:
8.一种考虑大量分布式光伏发电接入配电网故障定位系统,其特征在于,包括,
数据组成模块,基于有源配电网的系统量测矢量,确定混合量测数据的组成;
函数构建模块,采用信号相关联度理论分析相关联系数矩阵,确定混合量测系统的基准量测时刻,构建延时误差函数;
模型搭建模块,基于三相节点电压的实部和虚部,构建有源配电网线性状态估计模型;
计算模块,采用迭代加权最小二乘法求解有源配电网的状态量;
位置确定模块,通过引入虚拟节点,构建故障定位模型并确定故障点的位置。
9.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述一种考虑大量分布式光伏发电接入配电网故障定位方法的步骤。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述一种考虑大量分布式光伏发电接入配电网故障定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635719.3A CN116243101A (zh) | 2022-12-19 | 2022-12-19 | 一种考虑大量分布式光伏发电接入配电网故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211635719.3A CN116243101A (zh) | 2022-12-19 | 2022-12-19 | 一种考虑大量分布式光伏发电接入配电网故障定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116243101A true CN116243101A (zh) | 2023-06-09 |
Family
ID=86626699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211635719.3A Pending CN116243101A (zh) | 2022-12-19 | 2022-12-19 | 一种考虑大量分布式光伏发电接入配电网故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243101A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060373A (zh) * | 2023-06-27 | 2023-11-14 | 国网信息通信产业集团有限公司 | 一种基于量测补齐的有源配电网状态估计方法及装置 |
CN118130970A (zh) * | 2024-05-07 | 2024-06-04 | 国网天津市电力公司电力科学研究院 | 一种配电网故障检测方法、装置、设备及存储介质 |
-
2022
- 2022-12-19 CN CN202211635719.3A patent/CN116243101A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060373A (zh) * | 2023-06-27 | 2023-11-14 | 国网信息通信产业集团有限公司 | 一种基于量测补齐的有源配电网状态估计方法及装置 |
CN117060373B (zh) * | 2023-06-27 | 2024-03-26 | 国网信息通信产业集团有限公司 | 一种基于量测补齐的有源配电网状态估计方法及装置 |
CN118130970A (zh) * | 2024-05-07 | 2024-06-04 | 国网天津市电力公司电力科学研究院 | 一种配电网故障检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116243101A (zh) | 一种考虑大量分布式光伏发电接入配电网故障定位方法 | |
De Oliveira-De Jesus et al. | PMU-based system state estimation for multigrounded distribution systems | |
Zhang et al. | Interval state estimation with uncertainty of distributed generation and line parameters in unbalanced distribution systems | |
CN107843810B (zh) | 一种基于状态估计的有源配电网故障区段在线定位方法 | |
Schenato et al. | Bayesian linear state estimation using smart meters and pmus measurements in distribution grids | |
Nuqui et al. | Hybrid linear state estimation utilizing synchronized phasor measurements | |
Gomez-Exposito et al. | On the use of PMUs in power system state estimation | |
Chen et al. | Wide-area measurement-based voltage stability sensitivity and its application in voltage control | |
Das et al. | Real-time hybrid state estimation incorporating SCADA and PMU measurements | |
CN102522824B (zh) | 一种基于集控站调度主站的分布式状态估计计算方法 | |
Manousakis et al. | A two-stage state estimator for power systems with PMU and SCADA measurements | |
CN103606113A (zh) | 基于pmu装置的电力系统静态状态估计方法 | |
Kotsonias et al. | State estimation for distribution grids with a single-point grounded neutral conductor | |
Bandara et al. | A complete state estimation algorithm for a three-phase four-wire low voltage distribution system with high penetration of solar PV | |
Yuan et al. | Graph computing based distributed fast decoupled power flow analysis | |
Li et al. | Forecasting aided distribution network state estimation using mixed μPMU-RTU measurements | |
Li et al. | Fault location algorithm in distribution networks considering distributed capacitive current | |
Lin et al. | A signal-superimposed technique for fault location in transmission lines through IED measurements considering communication service failure | |
Gupta et al. | Power system network equivalents: Key issues and challenges | |
Liwei et al. | New techniques for enhancing accuracy of EMTP/TSP hybrid simulation algorithm | |
Valverde et al. | PMU-based multi-area state estimation with low data exchange | |
Farantatos et al. | Implementation of a 3-phase state estimation tool suitable for advanced distribution management systems | |
Lin et al. | An Accurate Fault Location Method for Distribution Lines Based on Coupling Parameter Identification Using Two Terminals Data | |
CN111725810B (zh) | 交直流混联电网系统的状态评估方法、终端 | |
de Bruyn et al. | Applying a Reduced Order Network Simplification Method: A South African Example |
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 |