CN116699319A - 一种网格型海底观测网直流供电系统故障定位方法 - Google Patents
一种网格型海底观测网直流供电系统故障定位方法 Download PDFInfo
- Publication number
- CN116699319A CN116699319A CN202310982319.8A CN202310982319A CN116699319A CN 116699319 A CN116699319 A CN 116699319A CN 202310982319 A CN202310982319 A CN 202310982319A CN 116699319 A CN116699319 A CN 116699319A
- Authority
- CN
- China
- Prior art keywords
- fault
- current
- power supply
- sampling
- supply system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 60
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 17
- 238000005457 optimization Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 230000036039 immunity Effects 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000002347 injection Methods 0.000 description 6
- 239000007924 injection Substances 0.000 description 6
- 230000005404 monopole Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001052 transient 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
- G01R31/086—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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0007—Details of emergency protective circuit arrangements concerning the detecting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
-
- 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)
- Power Engineering (AREA)
- Locating Faults (AREA)
Abstract
本发明提供一种网格型海底观测网直流供电系统故障定位方法，首先对网格型海底直流进行简单的故障电流分析，并在此基础上完成量测分支单元的选取，在主分支单元处测量故障电流的极性和波形，计算峭度和TK能量两种故障电流时域特征，形成了网格型海底观测网直流供电系统故障特征矩阵，首先通过极性电流矩阵判断故障区段，最后通过SVR算法判断故障距离。本发明能够准确判断故障位置，且本发明计算简单，抗噪能力强，对数据窗长度和采样频率要求较低，通常故障后1ms内即可完成。
Description
技术领域
本发明属于电力系统继电保护技术领域，尤其指一种网格型海底观测网直流供电系统故障定位方法。
背景技术
在目前的研究中，海底观测网供电系统主要为由海底光电复合缆连接而成的网格形、环形供电网络，多采用单极恒压直流供电方式。
由于海底观测网独特的地理位置，海缆的运行环境十分恶劣，海缆的故障率居高不下。并且与陆地直流系统不同，海底观测网直流供电系统系统惯性小、阻尼弱，故障电流上升速度快、冲击大，会对用电设备的安全产生重大威胁。除此之外，海底光电缆承担着整个海底观测网信息的通讯任务，故障信息的采集和传输受到很大的制约。海底直流供电系统故障承受能力弱，需要研究准确快速且对通讯要求不高的故障定位方法来确保海底观测网供电系统的安全可靠运行。
故障准确定位是故障隔离后直流系统快速恢复的关键前提，在目前的研究中，直流供电系统定位系统总体上可以分成有源法和无源法两种。其中有源故障定位方法可以分为两种：一种是通过在直流系统中增设串联电容支路与测距模块等附加注入装置，利用注入装置与直流网络构成的二阶振荡放电回路，提取RLC放电电流振荡频率、衰减系数等故障特征来估算故障距离。此类方法需要外加注入装置经济性较差，且海底观测网接驳盒的大小有限，没有安装注入装置的空间。另一种是利用变换器或固态断路器等电力电子装置的高可控性和灵活性，实现特定信号零成本注入。但是该方法仅适用于各端口均为具有故障穿越能力的全桥型MMC或混合MMC直流系统，可应用范围窄。而现有的无源故障定位方法主要包括行波定位法与参数识别定位法两类方法。行波法故障定位精度完全依赖于行波波头提取与波速选取，行波波头识别易受采样频率、背景噪声等外界因素干扰，存在波头检测失败的风险，并且电缆趋肤效应与线路频变特性引发的行波波速变化会进一步影响故障定位精度。参数辨识法计算量小，对采样频率要求较低，但故障距离估算受过渡电阻、微分项计算误差、线路分布电容等因素影响较大。
由于海底观测网直流供电系统恶劣的运行环境，目前已有的故障定位方法中对设备要求较高的有源定位法和对采样通信同步性要求较高的行波法并不适合，考虑使用参数辨识法对海底直流供电系统进行故障定位。同时由于网格型海底观测网直流供电系统的故障拓扑非常复杂，可用量测数据有限，且采样的频率和采样的同步性均会受到一定程度上的限制，因此需要提出适用于网格型海底观测网供电系统，定位精度高、抗噪能力强、对采样和通信要求不高的定位算法。
发明内容
本发明实施例的目的在于提供一种网格型海底观测网直流供电系统故障定位方法，以提高故障定位的精度及抗噪能力，解决现有技术对采样及通信因素要求过高的问题。
为解决上述技术问题，本发明所采用的技术方案是，一种网格型海底观测网直流供电系统故障定位方法，包括以下步骤：
S1、根据环形海底直流供电系统的拓扑选择故障采样点及采样参数；
S2、根据电流变量确定故障时刻，采样故障电流数据；
S3、通过采样电流极性判断故障区段，根据采样故障电流计算峭度系数和TK能量，确定故障特征矩阵；
S4、以故障矩阵中的电流峭度、TK能量与电流极性作为输入，利用支持向量机回归算法确定故障发生位置。
进一步的，所述S1中根据网格型海底观测网直流供电系统拓扑，选择三端均连接分支单元的故障电流采样点，各采样点实时采集电流信号，存储1ms的电流波形和极性数据，采样频率设置为10kHz。
进一步的，所述S2具体为，首先设定故障启动判别阈值：
；
其中，为电流突变量，/>为额定直流电流；当电流突变量满足上式时，系统启动故障定位流程，同时标记当前时刻为故障时刻，故障电流采样分支单元采样并存储故障后1ms内的电流数据。
进一步的，所述S3具体包括以下步骤：
S301、通过采样电流极性判断故障区段；
S302、根据1ms采样故障电流数据计算峭度系数和TK能量，由峭度系数和TK能量和电流极性构成故障特征矩阵。
进一步的，所述S301中，通过采样电流极性判断故障区段具体为：
将故障区段分成三类：
D.一端连岸基站另一端连连接主干分支单元即故障电流采样点的区段Line1、Line16；
E.只有一端连接主干分支单元且另一端连接接驳盒的区段Line12~15；
F.区段两端均连接主干分支单元的Line2~11；
当主分支节点与岸基站之间的电流极性为从分支单元流向岸基站时，故障发生在区段A；当主分支单元处除流向该区段电流的另外两个电流均流入该分支单元时，故障发生在区段B，当通过两个主节点流向彼此的电流方向相反时，故障发生在区段C。
进一步的，所述S302中，计算峭度系数和TK能量具体为：
对于含N个采样点的离散电流信号X i ，峭度通过信号四阶中心矩比二阶中心矩的平方计算：
;
其中，表示采样电流/>输入信号序列，/>表示电流/>的峭度，/>表示信号的标准差，/>表示信号的数学期望；
TK能量的计算方法如下：
;
其中，表示电流/>的TK能量，/>表示信号的长度，/>分别表示/>时刻采样电流信号幅值。
进一步的，所述S4具体如下：
S401、给定电流数据的训练集为，其中/>为样本数量；/>为输入值，/>表示实数，即各采样故障电流的峭度系数和TK能量，/>为输入值维数；/>为对应的输出值，即故障点到其对应的分支单元处的故障距离；通过非线性函数/>将训练集数据映射到高维线性空间，得到样本回归函数，如下式：
;
式中，为权值向量，/>为常数，/>为样本回归函数；/>是转置符号；
S402、利用拉格朗日函数得到回归模型的等价约束最优化问题，如下式：
;
式中，max表示最大化函数，为拉格朗日系数，/>为训练集中样本的序号；/>分别为训练集中第/>个样本的输入值，/>为/>对应的输出，/>，/>，且/>；/>为拉格朗日乘数；/>为惩罚系数；/>为随机误差，其中/>为核函数；
S403、通过S402所示的最优化问题，可以得到训练好的回归函数的表达式为：
;
S404、每次定位时将故障特征输入训练好的回归函数，即可得到本次定位的故障距离。
进一步的，每次故障保护算法定位完成后，存储本次故障工况下的采样故障电流数据与实际故障区段和故障位置，加入支持向量机回归算法的训练集。
本发明的有益效果是：
1、网格型海底观测网直流供电接地发生单相接地故障后，双端MMC子模块迅速放电产生故障电流，故障初期故障电流由岸基站流入故障点，而故障电流的极性与波形的峭度和TK能量能够共同反应故障电流的分布特征。本发明通过计算分析故障电流极性与波形的峭度和TK能量三种故障时域特征，形成故障特征矩阵，并使用SVR算法建立故障电流特征矩阵与故障位置之间的映射，从而能准确判断故障位置。
2、本发明只需检测故障电流，不需要安装电压互感器及注入装置，且通过对量测节点的选取，大大减少了故障信息的通讯量，同时本发明以单端故障电流特征作为定位判据，对通信和采样的时间同步性没有高要求。本发明同时完成了故障线路和故障距离的判别，且故障电流波形的峭度和TK能量特征计算简单，抗噪声能力强，且对数据窗长度和采样频率要求较低；本发明方法在故障时刻即可提取故障极性，通常故障后1ms内即可完成检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1是网格型海底观测网直流供电系统结构图；
图2是分支单元拓扑结构图；
图3是网格型海底观测网直流供电系统故障电流分布图；
图4是基于故障特征矩阵的网格型海底观测网直流供电系统故障定位方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明典型的网格型海底观测网直流供电系统如图1所示，双端岸基站MMC为系统提供稳定的10kV直流电源，在分支单元处接入主次接驳盒，通过单向DC/AC变换器为科学观测仪器提供375V交流电源，海底观测网的通信和电能传输依靠海底光电缆完成。其中分支单元典型结构如图2所示，整个海底观测网直流供电系统均需通过分支单元进行故障的检测、判断和隔离，是实现故障保护的基础。
作为受到其结构的制约，每个分支单元最多只有3个接口，每个接口之间通过反并联齐纳二极管形成供电通路，并通过自锁型真空电磁继电器开断电路，采用霍尔传感器为测量电流波形和极性的测量原件。但是由于海底光电缆光纤通信能力有限，而网格型海底观测网直流供电系统分支节点众多，无法传输所有节点的故障信息，因此需要选择适当的分支单元作为故障电流采样点。
当海底直流供电系统发生单极接地故障时，双端岸基站的MMC子模块电容迅速向故障点放电，海底光电缆接地点与海水相连形成故障回路，由于海水为Ω级阻抗的良导体，过渡故障电阻很小，为典型的低阻接地故障模型。在故障初期，供电系统即会产生严重的过电流，而由于负载功率为kW级，从连接分支单元与负载的分支电缆上流过的电流相对于主缆过电流要小得多，因此可以忽略各分支单元后的负载故障回路。为了尽可能获得全面的故障电流信息，选择3个接口均连接其他分支单元而未连接接驳盒的主分支单元为故障电流采样点。即对于图1所示的典型网格型海底观测网直流供电系统，选择BU1、BU2、BU5和BU8四个主干节点作为故障电流采样点。
当如图1所示的典型网格型海底观测网直流供电系统发生单极接地故障时，两端岸基站恒压控制型MMC变换器故障模型可以等效成RLC串联电路，其子模块电容形成放电电流流向故障点，同时海底光电缆的电阻高达1Ω/kM，对故障电流的上升过程产生很大的影响，故障初期整个系统的主缆上均流过非振荡过阻尼放电电流，各分支单元处电流的波形和极性由该分支单元与故障点之间的距离和方向决定，各采样分支单元处电流的正方向如图3所示。由非振荡电流的时域通式，如式（1）和式（2）所示可以求得其故障初期的冲击，如式（3）所示，即故障初期的冲击电流的大小主要取决于故障距离。因此综合考虑故障冲击电流的极性和大小可以实现故障区段和故障距离的判别。
（1）
（2）
（3）
其中，为故障电流，/>代表/>时刻，/>表示中间参数，/>为故障前稳态直流母线电压，/>为故障前稳态直流电流，/>为RLC串联电路电感大小，/>为RLC串联电路电阻大小，/>为RLC串联电路电容大小，/>为电流微分，/>为故障发生时刻。
如图4所示，本发明提供的基于多元故障电流时域特征的海底直流供电系统故障定位方法具体步骤如下：
步骤S1，根据网格型海底观测网直流供电系统拓扑，选择三端均连接分支单元的故障电流采样点，各采样点实时采集电流信号，存储1ms的电流波形和极性数据，采样频率设置为10kHz。
步骤S2，当海底直流供电系统发生单极接地故障时，双端岸基站的MMC子模块电容迅速向故障点放电，各分支单元处电流快速上升，然而当系统存在负荷波动、噪声干扰等问题时，电流也会产生一定变化，为了防止保护误动，本发明设置故障启动判别依据为：
（4）
其中，为电流突变量，/>为额定直流电流。
满足式（4）所示的过流保护判据时，系统启动保护算法，同时标记当前时刻为故障时刻，故障电流采样分支单元采样并存储故障后1ms内的电流数据，进入步骤S3。
步骤S3，根据采样故障电流计算峭度系数和TK能量，与采样故障电流共同形成故障特征矩阵。
步骤S301，将采样电流极性输入故障特征矩阵，本发明可以通过故障电流方向分布特征判断故障区段。
对于图1所示的网格型海底观测网直流供电系统，故障区段可以分成三类，第一类是一端连岸基站另一端连连接主干分支单元即故障电流采样点的区段Line1、Line16；第二类是只有一端连接主干分支单元且另一端连接接驳盒的区段Line12~15，第三类为区段两端均连接主干分支单元的Line2~11。对于第一类区段，可以通过主分支节点与岸基站之间的电流极性判断故障是否发生在该区段；对于第二类区段，可以通过在该主分支单元处除流向该区段电流的另两个电流的极性判断故障是否发生在该区段；对于第三类区段，可以通过两个主节点流向彼此的电流极性判断故障是否发生在该区段。图1不同区段故障工况下，海底直流供电系统电流方向特征如表1所示，其中“+”表示采样故障电流极性与规定正方向相同，“-”表示采样故障电流极性与规定正方向相反。
表1
如表1所示，（1）只有故障发生在第一类区段时，主分支节点与岸基站之间的电流极性为从分支单元流向岸基站；（2）只有故障发生在第二类区段时，该主分支单元处除流向该区段电流的另外两个电流均流入该分支单元；（3）只有故障发生在第二类区段时，可以通过两个主节点流向彼此的电流方向相反。
步骤S302，根据1ms采样故障电流数据分别通过式（5）和（6）计算峭度系数和TK能量，形成故障特征矩阵。
当网格型海底直流供电系统发生单极接地故障时，故障初期的冲击电流的大小主要取决于故障距离，但是由于海底直流供电系统运行条件恶劣，故障电流的采样会受到一定的噪声干扰，如果用一阶的电流微分为定位判据，定位效果受噪声的影响较大，因此考虑通过计算故障电流峭度和TK能量来表征冲击故障电流的大小。
通过归一化的四阶中心矩表示的峭度是经典的非高斯数学统计量之一，能反映随机变量的分布特性，对冲击信号非常敏感，能够很好地表征故障电流波形的尖峰度。对于含N个采样点的离散电流信号X i ，峭度K通过信号四阶中心矩比二阶中心矩的平方计算，因此峭度是一个无量纲参数，只受信号冲击分布的影响，其计算公式为：
（5）
其中，表示采样电流/>输入信号序列，/>表示电流/>的峭度，/>表示信号的标准差，/>表示信号的数学期望。当信号服从高斯分布时，其峭度值近似于3，而当信号存在较多的冲击分量具有超高斯分布特性时，其峭度值大于3，冲击越大峭度值升高越明显。
TK能量算子（Teager-Kaiser Energy Operator）是一种计算信号瞬时值与微分的非线性差分算子，对信号的瞬时变化非常敏感，相对于传统的时域能量，TK能量能衡量信号的冲击成分，其计算公式为：
（6）
其中，表示电流/>的TK能量，/>表示信号的长度，/>分别表示/>时刻采样电流信号幅值。TK能量计算简单，能直观反映信号的瞬变，同样冲击越大TK能量越大。由式（3）可知，故障电流的冲击量与故障距离之间存在着明显的数学关系，故障距离越大，故障电流冲击量越小，其峭度系数和TK能量越小。因此通过支持向量机回归算法拟合由故障电流峭度系数、TK能量与电流极性组成的特征矩阵，可以建立故障电流特征和故障距离的映射。
步骤S4，首先根据故障矩阵中的电流极性判断故障区段，其次将以故障矩阵中的电流峭度和TK能量作为输入，通过预先训练好的支持向量机回归算法(Support VectorRegression，SVR)得到网格型海底观测网直流供电系统故障发生的位置。
基于VC维理论和结构风险最小化准则的支持向量机回归算法以最小训练误差为约束条件，有别于传统神经网络算法以最小训练误差为目标，具有很强的泛化能力，在小样本、非线性、高维数的数据回归分析上计算简单且有较高的精度。具体过程如下：
S401、给定电流数据的训练集为，其中/>为样本数量；/>为输入值，/>表示实数，即各采样故障电流的峭度系数和TK能量，/>为输入值维数（有4个采样点，每个采样点初采样3个接口的故障电流，每次共采样12组故障电流）；/>为对应的输出值，即故障点到主其对应的分支单元处的故障距离；通过非线性函数/>将训练集数据映射到高维线性空间，得到样本回归函数，如下式(7)：
(7)
式中，为权值向量，/>为常数，/>为样本回归函数；
S402，利用拉格朗日函数得到回归模型的等价约束最优化问题，如下式(8)：
（8）
式中，max表示最大化函数，为拉格朗日系数，/>为训练集中样本的序号；/>分别为训练集中第/>个样本的输入值，/>为/>对应的输出，/>，/>，且/>；/>为拉格朗日乘数；/>为惩罚系数；/>为随机误差，其中/>为核函数；
S403，通过解式（8）所示的最优化问题，可以得到训练好的回归函数的表达式为：
(9)
其中为核函数。
S404，每次定位时将故障特征输入训练好的回归函数，如式（9）所示，即可得到本次定位的故障距离。
步骤S5，每次故障保护算法定位完成后，系统均存储本次故障工况下的采样故障电流数据与实际故障区段和故障位置，加入支持向量机回归算法的训练集，以进一步提高定位精度。
实施例
为了验证在三类不同区段的不同位置发生故障时本发明定位的精度，对于图1所示的网格型海底观测网直流供电系统，在系统稳定运行后的1.0s时刻，分别在不同故障工况设置单极接地故障，故障持续时间0.5s，提取故障发生后1ms的电流数据，通过本发明所提方法进行定位。定位结果如表2所示，结果表明在不同区段和不同位置本发明均能正确定位故障区段，且故障距离精度均能达到99%以上。本发明所提故障定位方法具有一定的准确性和快速性。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (8)
1.一种网格型海底观测网直流供电系统故障定位方法，其特征在于，包括以下步骤：
S1、根据环形海底直流供电系统的拓扑选择故障采样点及采样参数；
S2、根据电流变量确定故障时刻，采样故障电流数据；
S3、通过采样电流极性判断故障区段，根据采样故障电流计算峭度系数和TK能量，确定故障特征矩阵；
S4、以故障特征矩阵中的电流峭度、TK能量与电流极性作为输入，利用支持向量机回归算法确定故障发生位置。
2.根据权利要求1所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S1中根据网格型海底观测网直流供电系统拓扑，选择三端均连接分支单元的故障电流采样点，各采样点实时采集电流信号，存储1ms的电流波形和极性数据，采样频率设置为10kHz。
3.根据权利要求1所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S2具体为，首先设定故障启动判别阈值：
；
其中，为电流突变量，/>为额定直流电流；当电流突变量满足上式时，系统启动故障定位流程，同时标记当前时刻为故障时刻，故障电流采样分支单元采样并存储故障后1ms内的电流数据。
4.根据权利要求1所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S3具体包括以下步骤：
S301、通过采样电流极性判断故障区段；
S302、根据1ms采样故障电流数据计算峭度系数和TK能量，由峭度系数和TK能量和电流极性构成故障特征矩阵。
5.根据权利要求4所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S301中，通过采样电流极性判断故障区段具体为：
将故障区段分成三类：
A.一端连岸基站另一端连连接主干分支单元即故障电流采样点的区段Line1、Line16；
B.只有一端连接主干分支单元且另一端连接接驳盒的区段Line12~15；
C.区段两端均连接主干分支单元的Line2~11；
当主分支节点与岸基站之间的电流极性为从分支单元流向岸基站时，故障发生在区段A；当主分支单元处除流向该区段电流的另外两个电流均流入该分支单元时，故障发生在区段B，当通过两个主节点流向彼此的电流方向相反时，故障发生在区段C。
6.根据权利要求4所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S302中，计算峭度系数和TK能量具体为：
对于含N个采样点的离散电流信号，峭度通过信号四阶中心矩比二阶中心矩的平方计算：
；
其中，表示采样电流/>输入信号序列，/>表示电流/>的峭度，/>表示信号的标准差，/>表示信号的数学期望；
TK能量的计算方法如下：
;
其中，表示电流/>的TK能量，/>表示信号的长度，/>分别表示时刻采样电流信号幅值。
7.根据权利要求1所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，所述S4具体如下：
S401、给定电流数据的训练集为，其中/>为样本数量；为输入值，/>表示实数，即各采样故障电流的峭度系数和TK能量，/>为输入值维数；/>为对应的输出值，即故障点到其对应的分支单元处的故障距离；通过非线性函数/>将训练集数据映射到高维线性空间，得到样本回归函数，如下式：
;
式中，为权值向量，/>为常数，/>为样本回归函数；/>是转置符号；
S402、利用拉格朗日函数得到回归模型的等价约束最优化问题，如下式：
;
式中，max表示最大化函数，为拉格朗日系数，/>为训练集中样本的序号；/>分别为训练集中第/>个样本的输入值，/>为/>对应的输出，/>，/>，且/>；/>为拉格朗日乘数；/>为惩罚系数；/>为随机误差，其中/>为核函数；
S403、通过S402所示的最优化问题，得到训练好的回归函数的表达式为：
;
S404、每次定位时将故障特征输入训练好的回归函数，得到本次定位的故障距离。
8.根据权利要求1所述的一种网格型海底观测网直流供电系统故障定位方法，其特征在于，每次故障定位完成后，存储本次故障工况下的采样故障电流数据与实际故障区段和故障位置，加入支持向量机回归算法的训练集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310982319.8A CN116699319A (zh) | 2023-08-07 | 2023-08-07 | 一种网格型海底观测网直流供电系统故障定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310982319.8A CN116699319A (zh) | 2023-08-07 | 2023-08-07 | 一种网格型海底观测网直流供电系统故障定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116699319A true CN116699319A (zh) | 2023-09-05 |
Family
ID=87824341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310982319.8A Pending CN116699319A (zh) | 2023-08-07 | 2023-08-07 | 一种网格型海底观测网直流供电系统故障定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116699319A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574116A (zh) * | 2024-01-15 | 2024-02-20 | 湖南大学 | 一种海底直流系统暂态稳定评估的混合特征选择方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110146291A (zh) * | 2019-05-31 | 2019-08-20 | 昆明理工大学 | 一种基于CEEMD和FastICA的滚动轴承故障特征提取方法 |
| CN110470475A (zh) * | 2019-09-04 | 2019-11-19 | 中国人民解放军空军工程大学航空机务士官学校 | 一种航空发动机中介轴承早期微弱故障诊断方法 |
| CN110736900A (zh) * | 2019-12-04 | 2020-01-31 | 国家电网有限公司 | 一种基于方向行波的配电线路单相接地故障选线方法 |
| CN112269095A (zh) * | 2020-09-07 | 2021-01-26 | 西安理工大学 | 基于故障电流间歇性重燃与熄灭特征的故障检测方法 |
| CN114707537A (zh) * | 2022-03-10 | 2022-07-05 | 三峡大学 | 基于自适应vmd和优化cycbd的旋转机械故障特征提取方法 |
| CN116106678A (zh) * | 2022-12-06 | 2023-05-12 | 湖南大学 | 基于多元故障电流时域特征的海底直流供电系统故障定位方法 |
-
2023
- 2023-08-07 CN CN202310982319.8A patent/CN116699319A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110146291A (zh) * | 2019-05-31 | 2019-08-20 | 昆明理工大学 | 一种基于CEEMD和FastICA的滚动轴承故障特征提取方法 |
| CN110470475A (zh) * | 2019-09-04 | 2019-11-19 | 中国人民解放军空军工程大学航空机务士官学校 | 一种航空发动机中介轴承早期微弱故障诊断方法 |
| CN110736900A (zh) * | 2019-12-04 | 2020-01-31 | 国家电网有限公司 | 一种基于方向行波的配电线路单相接地故障选线方法 |
| CN112269095A (zh) * | 2020-09-07 | 2021-01-26 | 西安理工大学 | 基于故障电流间歇性重燃与熄灭特征的故障检测方法 |
| CN114707537A (zh) * | 2022-03-10 | 2022-07-05 | 三峡大学 | 基于自适应vmd和优化cycbd的旋转机械故障特征提取方法 |
| CN116106678A (zh) * | 2022-12-06 | 2023-05-12 | 湖南大学 | 基于多元故障电流时域特征的海底直流供电系统故障定位方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117574116A (zh) * | 2024-01-15 | 2024-02-20 | 湖南大学 | 一种海底直流系统暂态稳定评估的混合特征选择方法 |
| CN117574116B (zh) * | 2024-01-15 | 2024-04-19 | 湖南大学 | 一种海底直流系统暂态稳定评估的混合特征选择方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | D-PMU based applications for emerging active distribution systems: A review | |
| Stefanidou-Voziki et al. | A review of fault location and classification methods in distribution grids | |
| Biswas et al. | State‐of‐the‐art on the protection of FACTS compensated high‐voltage transmission lines: a review | |
| Xu et al. | A model-based DC fault location scheme for multi-terminal MMC-HVDC systems using a simplified transmission line representation | |
| Lotfifard et al. | A systematic approach for ranking distribution systems fault location algorithms and eliminating false estimates | |
| Jia et al. | Transient current waveform similarity based protection for flexible DC distribution system | |
| Jia et al. | Transient current correlation based protection for DC distribution system | |
| Radojevic et al. | Smart overhead lines autoreclosure algorithm based on detailed fault analysis | |
| Wang et al. | Model-based fault detection and isolation in dc microgrids using optimal observers | |
| Biswas et al. | A dual-time transform assisted intelligent relaying scheme for the STATCOM-compensated transmission line connecting wind farm | |
| Nsaif et al. | Fault detection and protection schemes for distributed generation integrated to distribution network: Challenges and suggestions | |
| Abasi et al. | Fault location determination in three-terminal transmission lines connected to industrial microgrids without requiring fault classification data and independent of line parameters | |
| CN116699319A (zh) | 一种网格型海底观测网直流供电系统故障定位方法 | |
| Abasi et al. | Fault classification and fault area detection in GUPFC-compensated double-circuit transmission lines based on the analysis of active and reactive powers measured by PMUs | |
| Chang et al. | A novel nonintrusive fault identification for power transmission networks using power-spectrum-based hyperbolic S-transform—Part I: Fault classification | |
| Panahi et al. | Fast low frequency fault location and section identification scheme for VSC-based multi-terminal HVDC systems | |
| Zhao et al. | Recent development of frequency estimation methods for future smart grid | |
| Liu et al. | A novel pilot directional protection scheme for HVDC transmission line based on specific frequency current | |
| Yang et al. | Faulted line-section location in distribution system with inverter-interfaced DGs using sparse meters | |
| Xue et al. | A new robust identification method for transmission line parameters based on ADALINE and IGG Method | |
| Manassero et al. | Dynamic time warping based pilot protection algorithm for ac and hvdc transmission lines | |
| Li et al. | A decentralized fault section location method using autoencoder and feature fusion in resonant grounding distribution systems | |
| Barra et al. | Fault location in radial distribution networks using ann and superimposed components | |
| Hernández-Alvídrez et al. | Impact of Modeling Assumptions on Traveling Wave Protective Relays in Hardware in the Loop | |
| Zhongjian et al. | A fault location method for single-phase grounding fault in distribution network |
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 |