CN116699312A - 故障线路处理方法、装置、计算机设备和存储介质 - Google Patents
故障线路处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116699312A CN116699312A CN202310648641.7A CN202310648641A CN116699312A CN 116699312 A CN116699312 A CN 116699312A CN 202310648641 A CN202310648641 A CN 202310648641A CN 116699312 A CN116699312 A CN 116699312A
- Authority
- CN
- China
- Prior art keywords
- fault
- parameter
- spectrum
- circuit
- circuit parameter
- 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
- 238000003672 processing method Methods 0.000 title abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 207
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 28
- 230000003595 spectral effect Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 9
- 238000013016 damping Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000000819 phase cycle Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000016507 interphase Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000012456 homogeneous solution Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
-
- 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)
- Mathematical Physics (AREA)
- Locating Faults (AREA)
Abstract
本申请涉及一种故障线路处理方法、装置、计算机设备、存储介质。所述方法包括:获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。采用本方法能够提高故障线路的处理效率。
Description
技术领域
本申请涉及电网技术领域,特别是涉及一种故障线路处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电网技术的发展,对于电网电路的检测和保护出现了纵联保护,纵联保护是当线路发生故障时,使两侧开关同时快速跳闸的一种保护装置,它作为输电线路的主保护之一,通过通信设施将两侧的保护装置联系起来,使每一侧的保护装置不仅反应其安装点的电气量,而且还反应线路对侧另一侧的保护装置处的电气量,通过对线路两侧电气量的比较和判断来区分线路内部故障和线路外部故障。
由于新能源电源大多通过电力电子逆变装置并网,当电网中发生故障时,流过保护处的电流中可能含有大量谐波,会出现频率偏移的情况,导致纵联保护并不能及时对线路两侧的电气量进行比较和判断,进而对输电线路进行保护,导致对故障线路的处理效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高线路保护效率的故障线路处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种故障线路处理方法。所述方法包括:
获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
第二方面,本申请还提供了一种故障线路处理装置。所述装置包括:
故障确定模块,用于获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
频谱估计模块,用于当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
相似度模块,用于使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
断路保护模块,用于当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
上述故障线路处理方法、装置、计算机设备、存储介质和计算机程序产品,通过检测到故障线路的故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一频谱参数和第二频谱参数,提高了故障线路第一位置和第二位置的频谱参数的准确性。然后计算第一频谱参数和第二频谱参数之间的频谱相似度,通过根据频谱相似度确定故障位置范围,能够及时在故障位置范围对故障线路进行断路,从而提高了故障线路的处理效率。
附图说明
图1为一个实施例中故障线路处理方法的应用环境图;
图2为一个实施例中故障线路处理方法的流程示意图;
图3为一个实施例中频谱参数计算流程示意图;
图4为另一个实施例中故障线路处理方法的流程示意图;
图5为一个实施例中故障线路处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图;
图7为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的故障线路处理方法,可以应用于如图1所示的应用环境中。其中,服务器102通过网络与线路保护装置104进行通信。新能源电源101通过送出线103与外部电网系统105相连,M和N分别为送出线103的新能源侧母线和外部电网侧母线,两侧配置线路保护装置104,线路两侧线路保护装置间配置有通信通道,F1和F2分别为送出线区域内故障点和送出线区域外故障点。服务器102通过继电保护装置104获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;服务器102检测到当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;服务器102使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;服务器102检测到当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,通过线路保护装置104在故障位置范围中对故障线路进行断路。其中,服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种故障线路处理方法,以该方法应用于图1中的服务器为例进行说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤202,获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型。
其中,故障线路是指发生电流输送异常的线路。第一位置是指在故障线路中某侧的线路保护装置所处的位置。第二位置是指故障线路中第一位置对侧的线路保护装置所处的位置。第一电路参数是指在第一位置采集的电路参数。第二位置是指在第二位置采集的电路参数。
具体地,线路第一位置和第二位置预先部署有启动元件和数据采集装置,启动元件用于检测线路故障。当线路两侧的启动元件发生动作时,表征线路发生故障,触发线路第一位置和第二位置的数据采集装置采集第一电路参数和第二电路参数,并发送服务器。服务器将第一电路参数和第二电路参数分别与预设电路参数阈值进行比较,根据比较结果确定故障线路对应的故障类型。
步骤204,当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数。
其中,目标故障类型是指预先设置的需要进行故障处理的故障类型。频谱估计是指线路故障时对第一位置和第二位置进行谐波参数估计的计算过程。第一频谱参数是指第一位置对应的谐波参数。第二频谱参数是指第二位置对应的谐波参数。
具体地,服务器检测到比较结果超过预设电路参数阈值时,确定故障类型为非目标故障类型,不做处理。服务器检测到比较结果未超过预设电路参数阈值时,确定故障类型为目标故障类型。服务器使用第一电路参数和第二电路参数进行频谱估计,第一电路参数和第二电路参数可以是第一位置和第二位置分别采集的同一个周期内容的电路参数,服务器使用预设频谱估计算法分别对第一电路参数和第二电路参数进行计算,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数。
步骤206,使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度。
其中,频谱相似度是指第一频谱参数和第二频谱参数的相似程度。
具体地,服务器使用第一频谱参数和第二频谱参数计算第一频谱参数和第二频谱参数之间的相关系数,使用相关系数进行频谱相似度计算,得到第一频谱参数和第二频谱参数之间的频谱相似度。
步骤208,当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
其中,故障位置范围是指故障线路中故障点所处的线路区域。
具体地,服务器检测到频谱相似度未超过预设相似度阈值时,确定故障点位于故障线路中第一位置和第二位置之间的线路区域,将第一位置和第二位置之间的线路区域作为故障位置范围,服务器控制故障线路中第一位置和第二位置的线路保护装置对故障线路进行断路处理。服务器检测到频谱相似度超过预设相似度阈值时,不做处理。
上述故障线路处理方法中,通过检测到故障线路的故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一频谱参数和第二频谱参数,提高了故障线路第一位置和第二位置的频谱参数的准确性。然后计算第一频谱参数和第二频谱参数之间的频谱相似度,通过根据频谱相似度确定故障位置范围,能够及时在故障位置范围对故障线路进行断路,从而提高了故障线路的处理效率。
在一个实施例中,步骤202,获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型,包括:
使用预设故障相识别元件对第一电路参数中的各个相电流数据和第二电路参数中的各个相电流数据分别进行故障相检测,基于检测结果确定故障相,获取故障相对应的故障相电流数据;
当故障相电路参数超过预设电流阈值时,确定故障线路对应的故障类型为目标故障类型;
当故障相电路参数未超过预设电流阈值时,确定故障线路对应的故障类型为非目标故障类型。
其中,电流参数一般指电流数据。故障相识别元件用于识别电路参数中电流的故障相。
具体地,服务器使用故障相识别元件对第一电路参数中的各个相电流数据和第二电路参数中的各个相电流数据分别进行故障相检测,根据检测结果确定故障相。具体可以是通过故障相识别元件分别比较第一电路参数和第二电路参数中三个相工作电压变化量,取最大相的工作电压变化量与另两相的相间工作电压变化量进行比较,当比较结果超过预设倍数阈值时确定为最大相单相故障,当比较结果未超过预设倍数阈值时取相间工作电压变化量中最大相间工作电压变化量为多相故障的测量相。
服务器获取故障相对应的故障相电流数据,将故障相电流数据与预设电流阈值进行比较,当故障相电路参数超过预设电流阈值时,确定故障线路对应的故障类型为目标故障类型,目标类型可以是短路故障类型。当故障相电路参数未超过预设电流阈值时,确定故障线路对应的故障类型为非目标故障类型,非目标故障类型可以是断路故障。
在一个具体实施例中,利用故障相识别元件检测故障相别,设故障相为&,故障相可以是A、B、C三相中的1至3个相别,检测是否存在某一相别满足断线无流判据:
其中I&为故障相电流幅值,Inone为无流整定值,&为A、B或C相。若满足断线无流判据,即故障相电流幅值未超过无流整定值,则确定故障线路的故障类型为断路故障类型,线路保护装置不做处理;若不满足断线无流判据,即故障相电流幅值超过无流整定值,则确定故障线路的故障类型为短路故障类型。
本实施例中,通过故障相电流数据判断故障线路的故障类型,以使后续根据故障类型执行对应的保护动作,从而保证了线路处理准确性。
在一个实施例中,如图3所示。步骤204,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数,包括:
步骤302,基于第一电路参数进行近似拟合计算,得到第一拟合电路参数;
步骤304,基于预设差分方程对第一电路参数和第一拟合电路参数进行差分计算,得到第一电路参数对应的第一频谱参数;
步骤306,基于第二电路参数进行近似拟合计算,得到第二拟合电路参数;
步骤308,基于预设差分方程对第二电路参数和第二拟合电路参数进行差分计算,得到第二电路参数对应的第二频谱参数。
其中,第一拟合电路参数是指第一电流参数对应的拟合数据。第二拟合电路参数是指第二电流参数对应的拟合数据。
具体地,数据采集装置按照预设采集频率采集第一电路参数和第二电路参数,预设每个基频采样率为NS个点,从第一电路参数和第二电路参数中提取一个周波的第一故障相电流数据和第二故障相电流数据,表示为I&(0),I&(1),…,I&(NS-1)。使用预设拟合算法对第一故障相电流数据和第二故障相电流数据进行近似拟合,得到第一拟合电路参数和第二拟合电路参数。
使用预设差分方程对第一故障相电流数据和第一拟合电路参数进行差分计算,得到第一电路参数对应的第一频谱参数。使用预设差分方程对第二故障相电流数据和第二拟合电路参数进行差分计算,得到第二电路参数对应的第二频谱参数。频谱参数具体指故障相电流数据中各谐波分量的幅值Ak、相位θk、频率fk、阻尼αk,其中k=1,2,…,p,p为模型阶数。
在一个具体实施例中,对线路中第一位置或第二位置的故障相电流数据进行反相,通过Prony算法(经典数值分析方法)建模对故障相电流数据进行近似拟合,并对两端电流采样值根据AIC法则(Akaike information criterion,赤池信息量准则)分别得到模型阶数pM和pN,取二者中较大值以统一模型阶数p,即p=max(pM,pN)。通过Prony差分方程求解算法得到故障相电流中各谐波分量的幅值Ak、相位θk、频率fk、阻尼αk,其中k=1,2,…,p,p为模型阶数。
Prony算法用p个具有任意幅值、相位、频率和衰减因子的指数项函数的线性组合来拟合等间隔采样数据,形成了指数型非线性逼近的算法,一般表达式如公式(1):
其中:bk=Ak exp(jθk),zk=exp[(αk+j2πfk)Δt];
为真实测量数据x(n)(n=0,1,…,N-1,N。N为采样点数)的近似拟合。
为了求得幅值Ak、相位θk、频率fk、阻尼αk,构造误差函数如公式(2),并且使得ε最小:
求使得ε最小的解的过程的如下:
假定信号是线性差分模型产生的,则公式(1)即为公式(3)的齐次解,而其特征多项式如公式(4)。
真实测量数据x(n)和拟合数据误差为e(n),因此结合公式(3)可得计算x(n)的公式(5)为:
将x(n)作为误差激励的一个p阶自回归模型产生的输出,求解该方程的正则方程即可求得ak,再将其代入特征多项式中,即可求得极值点zk,然后再将zk值代入公式(1)、公式(6)中,可求出bk。
则幅值Ak、相位θk、频率fk、阻尼αk(k=1,2,…,p)计算公式如公式(7):
本实施例中,通过计算第一频谱参数和第二频谱参数,以使后续使用第一频谱参数和第二频谱参数进行相似度计算,并根据相似度结果确定故障位置并执行对应的保护动作,实现对线路故障的快速响应,从而提高了故障线路的处理准确性和处理效率。
在一个实施例中,步骤206,使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度,包括:
计算第一频谱参数和第二频谱参数之间的相关系数;
获取预设参数权重,使用预设参数权重和相关系数进行频谱相似度计算,得到频谱相似度。
其中,相关系数是用于进行相似度计算的参数,表征第一频谱参数和第二频谱参数之间的相关性。预设参数权重是指预先设置好的相关系数的权重。
具体地,服务器计算第一频谱参数和第二频谱参数之间的相关系数,具体是计算第一位置和第二位置电流谐波的幅值相关系数、相位相关系数、频率相关系数、阻尼相关系数。然后获取幅值相关系数、相位相关系数、频率相关系数、阻尼相关系数分别对应的预设参数权重,使用预设参数权重和幅值相关系数、相位相关系数、频率相关系数、阻尼相关系数进行频谱相似度计算,计算公式如公式(8)所示:
ρ=wAρA+wθρθ+wfρf+waρa 公式(8)
其中,ρ表示频谱相似度;wA、wθ、wf和wa分别表示幅值、相位、频率、阻尼相似度权重;ρA、ρθ、ρf、ρa分别表示幅值相关系数、相位相关系数、频率相关系数、阻尼相关系数。
在一个实施例中,计算第一频谱参数和第二频谱参数之间的相关系数,包括:
获取第一频谱参数对应的第一频谱参数序列和第二频谱参数对应的第二频谱参数序列;
计算第一频谱参数序列和第二频谱参数序列之间的方差和协方差,使用方差和协方差进行相关系数计算,得到第一频谱参数和第二频谱参数之间的相关系数。
具体地,服务器获取第一频谱参数对应的第一频谱参数序列和第二频谱参数对应的第二频谱参数序列,频谱参数序列具体是故障相电流谐波分量的幅值序列、故障相电流谐波分量的相位序列、故障相电流谐波分量的频率序列和故障相电流谐波分量的阻尼序列。
服务器计算第一频谱参数序列和第二频谱参数序列之间的协方差,具体是计算幅值序列的协方差、相位序列的协方差、频率序列的协方差和阻尼序列的协方差。并计算第一频谱参数序列对应的方差和第二频谱参数序列对应的方差,具体是幅值序列的方差、相位序列的方差、频率序列的方差和阻尼序列的方差。
然后服务器使用方差和协方差进行相关系数计算,得到第一频谱参数和第二频谱参数之间的相关系数,计算公式如公式(9)所示:
其中Cov(X,Y)为数组X与数组Y的协方差,D(X)为数组X的方差,AM为线路第一位置的故障相电流谐波分量的幅值序列A1,A2,…,Ap,AN为线路第二位置的故障相电流谐波分量的幅值序列A1,A2,…,Ap;类似的,θM和θN分别为线路第一位置和第二位置的故障相电流谐波分量的相位序列θ1,θ2,…,θp,fM和fN分别为线路第一位置和第二位置故障相电流谐波分量的频率序列f1,f2,…,fp,aM和aN分别为线路第一位置和第二位置的故障相电流谐波分量的阻尼序列a1,a2,…,ap。
在一个实施例中,步骤208,当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路,包括:
当频谱相似度未超过预设相似度阈值时,确定第一位置和第二位置之间的线路为故障位置范围;
向故障线路中故障位置范围对应的断路元件发送断路指令,以使断路元件在故障位置范围中对故障线路进行断路。
具体地,服务器将频谱相似度与预设相似度阈值进行比较,如:ρ<ρset,ρset为预设相似度阈值。服务器检测到频谱相似度未超过预设相似度阈值时,表示线路第一位置和第二位置的故障相电流的频谱差异较大,故障点在第一位置和第二位置之间的线路,确定为区内故障,将第一位置和第二位置之间的线路区域作为故障位置范围。服务器向故障线路中故障位置范围对应的断路元件发送断路指令,以使断路元件在故障位置范围中对故障线路进行断路。断路元件可以是线路保护装置,也是断路保护装置。
当频谱相似度超过预设相似度阈值时,表示线路第一位置和第二位置的故障相电流的频谱一致,故障点在第一位置和第二位置外侧的线路,确定为区外故障,将线路上第一位置和第二位置外侧的线路区域作为故障位置范围,此时,中的检测到故障为区外故障时,不做处理。
本实施例中,通过根据频谱相似度判断故障位置,根据故障位置执行对应的保护动作,保证了故障线路的处理准确性。
在一个具体实施例中,如图4所示,提供一种故障线路保护的流程示意图。获取线路两侧电压和电流测量数据,即线路第一位置和第二位置的电路参数。当线路中的启动元件发生动作时,确定线路出现故障。检测线路两侧的电流两侧数据是否满足断线无流依据,若满足,则表示线路的故障类型是断路故障类型,线路保护装置不发生动作;若不满足,则表示线路的故障类型是短路故障类型,根据AIC法则确定Prony模型阶数p,通过Prony差分方程求解算法计算第一频谱参数和第二频谱参数,频谱参数即故障相电流中各谐波分量的幅值、相位、频率和阻尼。然后使用第一频谱参数和第二频谱参数计算频谱相似度。检测频谱相似度是否满足预设相似度阈值。若满足,则线路保护装置进行保护动作,控制线路两侧的断路器断开线路;若不满足,则线路保护装置不进行保护动作。
本实施例中,通过prony算法检测出新能源送出线故障时线路两侧的各频率谐波含量及特征,并以线路两侧电流频谱相似度来反映线路两侧电流的差异,进而构建纵联保护判据,能够灵敏地对线路两侧电流中所含谐波分量做出反应,提高了纵联保护的动作性能。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的故障线路处理方法的故障线路处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个故障线路处理装置实施例中的具体限定可以参见上文中对于故障线路处理方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种故障线路处理装置500,包括:故障确定模块502、频谱估计模块504、相似度模块506和断路保护模块508,其中:
故障确定模块502,用于获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于第一电路参数和第二电路参数确定故障线路对应的故障类型;
频谱估计模块504,用于当故障类型为目标故障类型时,使用第一电路参数和第二电路参数进行频谱估计,得到第一电路参数对应的第一频谱参数和第二电路参数对应的第二频谱参数;
相似度模块506,用于使用第一频谱参数和第二频谱参数进行频谱相似度计算,得到频谱相似度;
断路保护模块508,用于当频谱相似度未超过预设相似度阈值时,基于第一位置和第二位置确定故障位置范围,并在故障位置范围中对故障线路进行断路。
在一个实施例中,故障确定模块502,包括:
故障相检测单元,用于使用预设故障相识别元件对第一电路参数中的各个相电流数据和第二电路参数中的各个相电流数据分别进行故障相检测,基于检测结果确定故障相,获取故障相对应的故障相电流数据;当故障相电路参数超过预设电流阈值时,确定故障线路对应的故障类型为目标故障类型;当故障相电路参数未超过预设电流阈值时,确定故障线路对应的故障类型为非目标故障类型。
在一个实施例中,频谱估计模块504,包括:
差分计算单元,用于基于第一电路参数进行近似拟合计算,得到第一拟合电路参数;基于预设差分方程对第一电路参数和第一拟合电路参数进行差分计算,得到第一电路参数对应的第一频谱参数;基于第二电路参数进行近似拟合计算,得到第二拟合电路参数;基于预设差分方程对第二电路参数和第二拟合电路参数进行差分计算,得到第二电路参数对应的第二频谱参数。
在一个实施例中,频谱估计模块504,包括:
相关系数计算单元,用于计算第一频谱参数和第二频谱参数之间的相关系数;获取预设参数权重,使用预设参数权重和相关系数进行频谱相似度计算,得到频谱相似度。
在一个实施例中,频谱估计模块504,包括:
序列获取单元,用于获取第一频谱参数对应的第一频谱参数序列和第二频谱参数对应的第二频谱参数序列;计算第一频谱参数序列和第二频谱参数序列之间的方差和协方差,使用方差和协方差进行相关系数计算,得到第一频谱参数和第二频谱参数之间的相关系数。
在一个实施例中,断路保护模块508,包括:
故障位置确定单元,用于当频谱相似度未超过预设相似度阈值时,确定第一位置和第二位置之间的线路为故障位置范围;向故障线路中故障位置范围对应的断路元件发送断路指令,以使断路元件在故障位置范围中对故障线路进行断路。
上述故障线路处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储电路参数等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种故障线路处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。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、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种故障线路处理方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,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。
本领域技术人员可以理解,图6-7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种故障线路处理方法,其特征在于,所述方法包括:
获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于所述第一电路参数和所述第二电路参数确定所述故障线路对应的故障类型;
当所述故障类型为目标故障类型时,使用所述第一电路参数和所述第二电路参数进行频谱估计,得到所述第一电路参数对应的第一频谱参数和所述第二电路参数对应的第二频谱参数;
使用所述第一频谱参数和所述第二频谱参数进行频谱相似度计算,得到频谱相似度;
当所述频谱相似度未超过预设相似度阈值时,基于所述第一位置和所述第二位置确定故障位置范围,并在所述故障位置范围中对所述故障线路进行断路。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一电路参数和所述第二电路参数确定所述故障线路对应的故障类型,包括:
使用预设故障相识别元件对所述第一电路参数中的各个相电流数据和所述第二电路参数中的各个相电流数据分别进行故障相检测,基于检测结果确定故障相,获取所述故障相对应的故障相电流数据;
当所述故障相电路参数超过预设电流阈值时,确定所述故障线路对应的故障类型为目标故障类型;
当所述故障相电路参数未超过预设电流阈值时,确定所述故障线路对应的故障类型为非目标故障类型。
3.根据权利要求1所述的方法,其特征在于,所述使用所述第一电路参数和所述第二电路参数进行频谱估计,得到所述第一电路参数对应的第一频谱参数和所述第二电路参数对应的第二频谱参数,包括:
基于所述第一电路参数进行近似拟合计算,得到第一拟合电路参数;
基于预设差分方程对所述第一电路参数和所述第一拟合电路参数进行差分计算,得到所述第一电路参数对应的第一频谱参数;
基于所述第二电路参数进行近似拟合计算,得到第二拟合电路参数;
基于预设差分方程对所述第二电路参数和所述第二拟合电路参数进行差分计算,得到所述第二电路参数对应的第二频谱参数。
4.根据权利要求1所述的方法,其特征在于,所述使用所述第一频谱参数和所述第二频谱参数进行频谱相似度计算,得到频谱相似度,包括:
计算所述第一频谱参数和所述第二频谱参数之间的相关系数;
获取预设参数权重,使用所述预设参数权重和所述相关系数进行频谱相似度计算,得到所述频谱相似度。
5.根据权利要求4所述的方法,其特征在于,所述计算所述第一频谱参数和所述第二频谱参数之间的相关系数,包括:
获取所述第一频谱参数对应的第一频谱参数序列和所述第二频谱参数对应的第二频谱参数序列;
计算所述第一频谱参数序列和所述第二频谱参数序列之间的方差和协方差,使用所述方差和所述协方差进行相关系数计算,得到所述第一频谱参数和所述第二频谱参数之间的相关系数。
6.根据权利要求1所述的方法,其特征在于,所述当所述频谱相似度未超过预设相似度阈值时,基于所述第一位置和所述第二位置确定故障位置范围,并在所述故障位置范围中对所述故障线路进行断路,包括:
当所述频谱相似度未超过预设相似度阈值时,确定所述第一位置和所述第二位置之间的线路为所述故障位置范围;
向所述故障线路中所述故障位置范围对应的断路元件发送断路指令,以使所述断路元件在所述故障位置范围中对所述故障线路进行断路。
7.一种故障线路处理装置,其特征在于,所述装置包括:
故障确定模块,用于获取故障线路中第一位置对应的第一电路参数和第二位置对应的第二电路参数,基于所述第一电路参数和所述第二电路参数确定所述故障线路对应的故障类型;
频谱估计模块,用于当所述故障类型为目标故障类型时,使用所述第一电路参数和所述第二电路参数进行频谱估计,得到所述第一电路参数对应的第一频谱参数和所述第二电路参数对应的第二频谱参数;
相似度模块,用于使用所述第一频谱参数和所述第二频谱参数进行频谱相似度计算,得到频谱相似度;
断路保护模块,用于当所述频谱相似度未超过预设相似度阈值时,基于所述第一位置和所述第二位置确定故障位置范围,并在所述故障位置范围中对所述故障线路进行断路。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310648641.7A CN116699312A (zh) | 2023-06-02 | 2023-06-02 | 故障线路处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310648641.7A CN116699312A (zh) | 2023-06-02 | 2023-06-02 | 故障线路处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116699312A true CN116699312A (zh) | 2023-09-05 |
Family
ID=87833348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310648641.7A Pending CN116699312A (zh) | 2023-06-02 | 2023-06-02 | 故障线路处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699312A (zh) |
-
2023
- 2023-06-02 CN CN202310648641.7A patent/CN116699312A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sayghe et al. | Survey of machine learning methods for detecting false data injection attacks in power systems | |
US20190095300A1 (en) | Anomaly diagnosis method and anomaly diagnosis apparatus | |
US10452845B2 (en) | Generic framework to detect cyber threats in electric power grid | |
Koley et al. | Protection scheme for power transmission lines based on SVM and ANN considering the presence of non‐linear loads | |
Dubey et al. | Wavelet singular entropy‐based symmetrical fault‐detection and out‐of‐step protection during power swing | |
EP3373552A1 (en) | Multi-modal, multi-disciplinary feature discovery to detect cyber threats in electric power grid | |
EP3173799A1 (en) | Estimating the locations of power system events using pmu measurements | |
Zou et al. | Smart grids cyber-physical security: Parameter correction model against unbalanced false data injection attacks | |
Anwar et al. | Vulnerabilities of smart grid state estimation against false data injection attack | |
Routtenberg et al. | PMU-based detection of imbalance in three-phase power systems | |
Dubey et al. | Koopman analysis based wide-area back-up protection and faulted line identification for series-compensated power network | |
Yang et al. | Non‐linear characteristic quantity extraction of ferroresonance overvoltage time series | |
Gopakumar et al. | Fault detection and localization methodology for self-healing in smart power grids incorporating phasor measurement units | |
Amin et al. | Smart grid security enhancement by using belief propagation | |
Waghmare et al. | Data driven approach to attack detection in a cyber-physical smart grid system | |
Dubey et al. | SCADA and PMU measurement based methods for robust hybrid state estimation | |
US11657148B2 (en) | Event analysis in an electric power system | |
US20190235452A1 (en) | Power System Status Estimation Device and Status Estimation Method | |
Dutta et al. | Leveraging a micro synchrophasor for fault detection in a renewable based smart grid—a machine learned sustainable solution with cyber-attack resiliency | |
Kundacina et al. | Distributed nonlinear state estimation in electric power systems using graph neural networks | |
CN116699312A (zh) | 故障线路处理方法、装置、计算机设备和存储介质 | |
Awais et al. | Multiple line outages identification: A customized quantum inspired approach | |
Biswas et al. | A model-agnostic method for PMU data recovery using optimal singular value thresholding | |
CN116187510A (zh) | 电表箱故障预测方法、装置、计算机设备和存储介质 | |
He et al. | New hypothesis testing-based methods for fault detection for smart grid systems |
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 |