[go: up one dir, main page]

CN112557819A - 一种主动配电网故障识别方法、系统及计算机可读储存介质 - Google Patents

一种主动配电网故障识别方法、系统及计算机可读储存介质 Download PDF

Info

Publication number
CN112557819A
CN112557819A CN202011365184.3A CN202011365184A CN112557819A CN 112557819 A CN112557819 A CN 112557819A CN 202011365184 A CN202011365184 A CN 202011365184A CN 112557819 A CN112557819 A CN 112557819A
Authority
CN
China
Prior art keywords
data set
fault
distribution network
measurement
formula
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
Application number
CN202011365184.3A
Other languages
English (en)
Inventor
黄达文
游林辉
胡峰
孙仝
陈政
张谨立
宋海龙
王伟光
梁铭聪
黄志就
何彧
陈景尚
谭子毅
冯志华
鄢峻雯
李志鹏
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.)
Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Zhaoqing Power Supply Bureau of Guangdong Power Grid 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 Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011365184.3A priority Critical patent/CN112557819A/zh
Publication of CN112557819A publication Critical patent/CN112557819A/zh
Pending 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units

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)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及配电网故障识别技术领域，其公开了主动配电网故障识别方法，包括以下步骤：S1：构建量测数据集，选取量测数据集中的若干数据作为在线数据集以及历史数据集，并对在线数据集以及历史数据集进行标准化处理；S2：确定量测评价指标；S3：故障诊断：根据量测综合评价指标是否在指标范围内确定故障位置，根据不同时刻下的评价结果是否超过限制判断处故障发生时刻；S4：输出系统中故障位置和故障时刻的诊断结果。本发明能够只基于μPMU的量测数据进行分析判断，不依赖系统模型，具有较好的实用性，并且利用所提出的综合评价结果可有效准确地定位可疑故障位置，有助于故障的排查，有效提升故障识别的准确度。

Description

一种主动配电网故障识别方法、系统及计算机可读储存介质
技术领域
本发明涉及配电网故障识别技术领域，更具体地，涉及一种主动配电网故障识别方法、系统及计算机可读储存介质。
背景技术
随着分布式新电源大量接入配电系统，配电网络结构日趋复杂且呈现出新的特征和特性。这些变化使得主动配电网的故障特征与传统配电网中所呈现的存在较大差异，从而导致配电网现有继电保护容易发生误动和拒动。而故障位置准确识别和故障时刻确定不仅是有效缩小故障定位范围，而且为后续的故障测距提供了支撑，是保障系统可靠稳定运行的重要措施之一。
随着分布式电源渗透率的加大和主动配电系统运行方式的日益复杂，为更好监测配电系统运行状况，相量测量单元(phasor measurement unit,PMU)、智能电表(smartmeter,SM)等先进量测设备在配电系统中日益普及，随之产生了大量包含系统运行状态信息的量测数据，而如何利用这些量测数据获得表征系统运行状态的关键特征，进而以此对系统故障进行诊断已成为了国内外学者和电力相关单位持续关注的问题。由于PMU具有全球定位系统同步授时功能，所测相量结果具有精确的时标和时间同步性，而SM数据在使用过程中可能会涉及到用户隐私信息，因此国内外的相关研究主要集中在使用PMU量测信息方面。目前绝大多数基于μPMU或基于同步数据的方法均不同程度地建立在对系统参数、拓扑等先验知识精确可知的基础上，而主动配电网的发展使得获得有关系统完备先验知识的难度越来越大，因此如何减少对于完备先验知识的依赖或在只具备少量先验知识的情况下实现主动配电网故障位置定位及故障时刻确定正在成为研究者和电力公司所关注的焦点。其中一种有效的解决方案就是使用数据统计特性进行分析和判定，但如何使用数据的统计特性进行故障时刻确定和故障区域定位的研究成果目前仍十分缺乏。中国专利申请，公开号为：CN110927519A公开了一种基于μPMU量测值的主动配电网故障定位方法，步骤是：建立故障前后线路两端电压降落值与线路上因发生故障而增加的电流之间的关系方程；对于无源节点，将线路上因发生故障而增加的电流转化为注入其端节点的等效故障电流，并将该值作为判断与此类节点相连的线路是否发生故障的状态向量；对于与分布式电源或外部电网相连的节点，直接测量电压降落值；根据μPMU得到故障前后电压相量降落值，利用最小二乘法求解关系方程，得到用于判断配电网故障的状态向量，并根据量测值和估计值的残差最小进行故障区段定位，然而此种方法仍存在着故障定位精确度差的问题。
发明内容
本发明为克服上述现有技术中故障识别方法存在的识别精度差的问题，提出一种主动配电网故障识别方法。
为解决上述技术问题，本发明采用的技术方案是：一种主动配电网故障识别方法，包括以下步骤：
S1：构建量测数据集，选取量测数据集中的若干数据作为在线数据集以及历史数据集，并对在线数据集以及历史数据集进行标准化处理；
S2：确定量测评价指标，具体包括步骤s21至步骤s24
s21：求解在线数据集中的在线数据相对历史数据集中的历史数据的最大方差偏离方向；
s22：将最大方差偏离方向求解转化为广义特征值的求解；
s23：建立基于协方差矩阵最大奇异值的比率的评价指标；
s24：确定量测综合评价指标；
S3：故障诊断：根据确定的量测综合评价指标是否在指标范围内确定故障位置，根据不同时刻下的评价结果是否超过限制判断处故障发生时刻；
S4：输出系统中故障位置和故障时刻的诊断结果。
优选地，所述步骤S1主要包括以下步骤：
s21：构建量测数据集，量测数据集为各节点的节点电压相量和电流相量；
Figure BDA0002805194530000021
式中：
Figure BDA0002805194530000022
为μPMU量测数据所构成的量测数据集；
Figure BDA0002805194530000023
和
Figure BDA0002805194530000024
分别为第i个量测变量的第j个时刻的采样值的实部和虚部；
s22：根据式(1)的结构，选取系统正常运行时μPMU的M个连续采样时刻所测量数据构成历史数据集
Figure BDA0002805194530000031
s23：在线数据集是动态的，即第k时刻的量测数据集包括第k时刻的量测数据以及之前M-1时刻的数据，在线数据集
Figure BDA0002805194530000032
表示为：
Figure BDA0002805194530000033
s24：对历史数据集和在线数据集进行标准化处理，得到标准化后的历史数据集X∈RN×M以及标准化后的在线数据集Yk∈RN×M，进而有：
Figure BDA0002805194530000034
其中，式中：
Figure BDA0002805194530000035
为实际量测值；zi,j为标准化后的值；μi和di分别表示变量xi的期望和标准差。
优选地，所述步骤s21主要包括以下步骤：
s211：将式(1)表示为由电压相量和电流相量组成形式：
Figure BDA0002805194530000036
s212：故障发生时，各条母线上的μPMU将逐次量测到的异常数据，由于故障信号的暂态特性，距离故障点越近，异常状态越早被检测到，而所测数据偏离正常运行状态的程度也越大，为表征这种偏离程度，定义如下量测评价指标：
Figure BDA0002805194530000037
式中，||·||2表示2范数；cov(X,Y)和cov(X,X)分别为在线数据集和历史数据集的协方差矩阵；
s213：将协方差矩阵表示为C，CD和CH分别表示在线数据集和历史数据集的协方差矩阵；
s214：对协方差矩阵C进行奇异值分解，得到：C＝UWVT (6)
上式中，U和V为酉矩阵，W是形如式(7)的特征值矩阵：
Figure BDA0002805194530000038
式(7)中，Λ＝diag[σ1,...,σr]为特征值对角矩阵，其非零特征值满足σ1≥…≥σr，则式(5)改写成：
Figure BDA0002805194530000039
式(8)中，tr(·)为矩阵的迹，每组在线数据集中的在线数据沿历史数据集中的历史数据的最大方差变化率方向p，通过求解如下所示的优化问题来确定：
Figure BDA0002805194530000041
式(9)中，
Figure BDA0002805194530000042
和
Figure BDA0002805194530000043
均为对角矩阵。
优选地，所述步骤s22主要包括以下步骤：
s221：定义
Figure BDA0002805194530000044
s222：令λ(p)对p求导，λ(p)的极值由式(11)求得：
Figure BDA0002805194530000045
使得对问题(5)的求解转换为对式(12)所示的广义特征值的求解：
ΔDp＝λΔHp (12)
式中，λ为广义特征值，而p则是与之对应的广义特征矢量。
优选地，所述步骤s23主要包括以下步骤：
s231：所获得的广义特征矢量是线性无关且两两相互垂直的，广义特征矢量矩阵p＝[p1,...,pr]是非奇异的，进而式(12)改写为：ΔD＝ΔHγ (13)
式中，γ＝diag(λ1,...,λr)为广义特征值对角矩阵且满足λ1≥…≥λr；
s232：根据矩阵代数理论，量测评估指标(5)被改写为如下形式：
ψ＝[σ1(CD)]/[σ1(CH)] (14)
由式(13)得，
Figure BDA0002805194530000046
式(5)进一步改写为：
Figure BDA0002805194530000047
式(15)中，λ1是与最大奇异值平方的比值相对应的广义特征值，即ψ表征了所监测在线数据沿历史数据最大方差变化率的方向；
s233：设正常状态下的指标范围ψ∈[1-β,1+β]，其中β为经验数值，用来表征允许的监测指标波动程度。
优选地，所述步骤s24具体为：不同场景下，对量测变量的需求是不同的，定义如下的量测综合评价指标ψ：
Figure BDA0002805194530000048
式中，ψi为第i类量测数据的评价结果；αi为加权系数且满足
Figure BDA0002805194530000051
表征在本次判定中该类数据结果的重要程度。
优选地，在所述步骤S4中，根据步骤S3的故障诊断分析，输出主动配电网中故障位置和故障时刻。
本发明另一方面提出一种主动配电网故障识别系统，包括存储器和处理器，所述存储器中包括主动配电网故障识别方法程序并将所述程序传输给所述处理器，所述处理器用于根据所述程序中的指令执行上述所述的主动配电网故障识别方法。
本发明另一方面提出一种计算机可读储存介质，所述计算机可读存储介质中包括实现上述所述的主动配电网故障识别方法程序。
优选地，所述计算机可读储存介质中包括主动配电网故障识别方法程序被处理器执行时，实现上述所述的主动配电网故障识别方法的步骤。
与现有技术相比，有益效果是：本发明使用无须具备主动配电网的完备先验知识，所构建的在线数据集满足实际在线使用的需要，具有良好的自适应性；本发明能够只基于μPMU的量测数据进行分析判断，不依赖系统模型，具有较好的实用性，并且利用所提出的综合评价结果可有效准确地定位可疑故障位置，有助于故障的排查，综合评价结果可有效准确地定位可疑故障位置，能够有效提升故障识别的准确度。
附图说明
图1是为本发明的流程图；
图2为IEEE 34节点改进系统接线示意图；
图3为系统运行状态结果曲线图；
图4为系统母线运行状态结果统计图；
图5为系统故障母线三相状态结果图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”“长”“短”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体描述：
实施例1
如图1所示，一种主动配电网故障识别方法，包括以下步骤：
S1：构建量测数据集，选取量测数据集中的若干数据作为在线数据集以及历史数据集，并对在线数据集以及历史数据集进行标准化处理；
S2：确定量测评价指标，具体包括步骤s21至步骤s24
s21：求解在线数据集中的在线数据相对历史数据集中的历史数据的最大方差偏离方向；
s22：将最大方差偏离方向求解转化为广义特征值的求解；
s23：建立基于协方差矩阵最大奇异值的比率的评价指标；
s24：确定量测综合评价指标；
S3：故障诊断：根据确定的量测综合评价指标是否在指标范围内确定故障位置，根据不同时刻下的评价结果是否超过限制判断处故障发生时刻；
S4：输出系统中故障位置和故障时刻的诊断结果。
其中，步骤S1主要包括以下步骤：
s21：构建量测数据集，量测数据集为各节点的节点电压相量和电流相量。使用IEEE 34节点改进系统来验证本专利所提出的方法，IEEE 34节点不平衡配电系统是美国亚利桑那州实际的配电线路，其由单相和三相线路组成，配有2个串联稳压器和1个变压器，随机在标准34节点系统中选取4处分布式电源的接入点，分别接入3个光伏和1个风电，改进的系统单线图如图2所示。分布式电源接入位置和容量如表1所示。仿真系统的所有节点上都配置μPMU，误差矢量设置为1％，PSCAD/EMTDC用于系统建模和生成数据，运行时间t＝3s，采样步长t＝50μs，用于Matlab分析的量测数据是由PSCAD所生成数据加上随机误差构成，随机误差设置为高斯白噪声，幅值的标准差为1％，相角的标准差为1°。设置A相接地故障发生在t＝1.8s时第25节点处，故障持续时间为1.2s，接地电阻为1Ω。选取各节点电压相量和电流相量作为监测量，量测数据集为
Figure BDA0002805194530000071
式中：
Figure BDA0002805194530000072
为μPMU量测数据所构成的量测数据集；
Figure BDA0002805194530000073
和
Figure BDA0002805194530000074
分别为第i个量测变量的第j个时刻的采样值的实部和虚部；
s22：根据式(1)的结构，选取系统正常运行时μPMU的M个连续采样时刻所测量数据构成历史数据集
Figure BDA0002805194530000075
s23：不失一般性的，在线数据集结构与历史数据集结构一致。在线数据集是动态的，即第k时刻的量测数据集包括第k时刻的量测数据以及之前M-1时刻的数据，在线数据集
Figure BDA0002805194530000076
表示为：
Figure BDA0002805194530000077
s24：对历史数据集和在线数据集进行标准化处理，得到标准化后的历史数据集X∈RN×M以及标准化后的在线数据集Yk∈RN×M，进而有：
Figure BDA0002805194530000078
其中，式中：
Figure BDA0002805194530000079
为实际量测值；zi,j为标准化后的值；μi和di分别表示变量xi的期望和标准差。
表1分布式电源接入位置和容量数据表
Figure BDA00028051945300000710
另外，步骤s21主要包括以下步骤：
s211：将式(1)表示为由电压相量和电流相量组成形式：
Figure BDA00028051945300000711
显然式(4)中包含了系统特性，而该特性在理论意义上是无法严格已知的。
s212：故障发生时，各条母线上的μPMU将逐次量测到的异常数据，由于故障信号的暂态特性，距离故障点越近，异常状态越早被检测到，而所测数据偏离正常运行状态的程度也越大，为表征这种偏离程度，定义如下量测评价指标：
Figure BDA0002805194530000081
式中，||·||2表示2范数；cov(X,Y)和cov(X,X)分别为在线数据集和历史数据集的协方差矩阵；
s213：将协方差矩阵表示为C，CD和CH分别表示在线数据集和历史数据集的协方差矩阵；
s214：对协方差矩阵C进行奇异值分解，得到：C＝UWVT (6)
上式中，U和V为酉矩阵，W是形如式(7)的特征值矩阵：
Figure BDA0002805194530000082
式(7)中，Λ＝diag[σ1,...,σr]为特征值对角矩阵，其非零特征值满足σ1≥…≥σr，则式(5)改写成：
Figure BDA0002805194530000083
式(8)中，tr(·)为矩阵的迹，每组在线数据集中的在线数据沿历史数据集中的历史数据的最大方差变化率方向p，通过求解如下所示的优化问题来确定：
Figure BDA0002805194530000084
式(9)中，
Figure BDA0002805194530000085
和
Figure BDA0002805194530000086
均为对角矩阵。
其中，将最大方差偏离方向问题转化为广义特征值求解问题，步骤s22主要包括以下步骤：
s221：定义
Figure BDA0002805194530000087
s222：令λ(p)对p求导，λ(p)的极值由式(11)求得：
Figure BDA0002805194530000088
使得对问题(5)的求解转换为对式(12)所示的广义特征值的求解：
ΔDp＝λΔHp (12)
式中，λ为广义特征值，而p则是与之对应的广义特征矢量。
另外，步骤s23主要包括以下步骤：
s231：所获得的广义特征矢量是线性无关且两两相互垂直的，广义特征矢量矩阵p＝[p1,...,pr]是非奇异的，进而式(12)改写为：ΔD＝ΔHγ (13)
式中，γ＝diag(λ1,...,λr)为广义特征值对角矩阵且满足λ1≥…≥λr；
s232：根据矩阵代数理论，量测评估指标(5)被改写为如下形式：
ψ＝[σ1(CD)]/[σ1(CH)] (14)
由式(13)得，
Figure BDA0002805194530000091
式(5)进一步改写为：
Figure BDA0002805194530000092
式(15)中，λ1是与最大奇异值平方的比值相对应的广义特征值，即ψ表征了所监测在线数据沿历史数据最大方差变化率的方向；即表征了所监测数据(相量)沿历史数据最大方差变化率的方向。如果ψ接近1，则说明当前所监测的系统运行状态与之前正常运行时的状态接近，即当前系统运行正常；如果ψ严重偏离1，则说明当前所监测的系统状态与正常运行状态不符，即有故障发生。
s233：考虑到实际运行时，分布式电源等因素的影响，设正常状态下的指标范围ψ∈[1-β,1+β]，其中β为经验数值，用来表征允许的监测指标波动程度，在本案例中取值0.05。
其中，步骤s24具体为：不同场景下，对量测变量的需求是不同的，定义如下的量测综合评价指标ψ：
Figure BDA0002805194530000093
式中，ψi为第i类量测数据的评价结果；αi为加权系数且满足
Figure BDA0002805194530000094
表征在本次判定中该类数据结果的重要程度。得到的系统运行状态结果如图3所示，系统母线运行状态结果如图4所示，系统故障母线三相状态结果如图5所示。
在步骤S3中，故障诊断：根据计算出的量测综合评价指标的数值是否在指标范围内确定出故障位置，根据不同时刻下的评价结果是否超过限制就可判断出故障发生时刻：从图3可以看出，曲线在1.802s超过波动允许限制且严重偏离，即故障在故障发生后2ms被检测到。从图4可以看出，第25节点的监测结果明显超出所设定限制，而其他节点监测结果均未超限，因此可以判定故障最可能发生在第25节点。从图5可以看出，所提方法能够准确检测出故障相。
另外，在步骤S4中，根据步骤S3的故障诊断分析，输出主动配电网中故障位置和故障时刻，输出的结果如表2所示。
表2配电系统故障诊断表
Figure BDA0002805194530000101
实施例2
一种主动配电网故障识别系统，包括存储器和处理器，存储器中包括主动配电网故障识别方法程序并将程序传输给处理器，处理器用于根据程序中的指令执行实施例1中的的主动配电网故障识别方法。
实施例3
一种计算机可读储存介质，计算机可读存储介质中包括实现上述的主动配电网故障识别方法程序。
其中，计算机可读储存介质中包括主动配电网故障识别方法程序被处理器执行时，实现上述的主动配电网故障识别方法的步骤。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种主动配电网故障识别方法，其特征在于，包括以下步骤：
S1：构建量测数据集，选取量测数据集中的若干数据作为在线数据集以及历史数据集，并对在线数据集以及历史数据集进行标准化处理；
S2：确定量测评价指标，具体包括步骤s21至步骤s24
s21：求解在线数据集中的在线数据相对历史数据集中的历史数据的最大方差偏离方向；
s22：将最大方差偏离方向求解转化为广义特征值的求解；
s23：建立基于协方差矩阵最大奇异值的比率的评价指标；
s24：确定量测综合评价指标；
S3：故障诊断：根据确定的量测综合评价指标是否在指标范围内确定故障位置，根据不同时刻下的评价结果是否超过限制判断处故障发生时刻；
S4：输出系统中故障位置和故障时刻的诊断结果。
2.根据权利要求1所述的主动配电网故障识别方法，其特征在于，所述步骤S1主要包括以下步骤：
s21：构建量测数据集，量测数据集为各节点的节点电压相量和电流相量；
Figure FDA0002805194520000011
式中：
Figure FDA0002805194520000012
为μPMU量测数据所构成的量测数据集；
Figure FDA0002805194520000013
和
Figure FDA0002805194520000014
分别为第i个量测变量的第j个时刻的采样值的实部和虚部；
s22：根据式(1)的结构，选取系统正常运行时μPMU的M个连续采样时刻所测量数据构成历史数据集
Figure FDA0002805194520000015
s23：在线数据集是动态的，即第k时刻的量测数据集包括第k时刻的量测数据以及之前M-1时刻的数据，在线数据集
Figure FDA0002805194520000016
表示为：
Figure FDA0002805194520000017
s24：对历史数据集和在线数据集进行标准化处理，得到标准化后的历史数据集X∈RN×M以及标准化后的在线数据集Yk∈RN×M，进而有：
Figure FDA0002805194520000021
其中，式中：
Figure FDA0002805194520000022
为实际量测值；zi,j为标准化后的值；μi和di分别表示变量xi的期望和标准差。
3.根据权利要求2所述的主动配电网故障识别方法，其特征在于，所述步骤s21主要包括以下步骤：
s211：将式(1)表示为由电压相量和电流相量组成形式：
Figure FDA0002805194520000023
s212：故障发生时，各条母线上的μPMU将逐次量测到的异常数据，由于故障信号的暂态特性，距离故障点越近，异常状态越早被检测到，而所测数据偏离正常运行状态的程度也越大，为表征这种偏离程度，定义如下量测评价指标：
Figure FDA0002805194520000024
式中，||·||2表示2范数；cov(X,Y)和cov(X,X)分别为在线数据集和历史数据集的协方差矩阵；
s213：将协方差矩阵表示为C，CD和CH分别表示在线数据集和历史数据集的协方差矩阵；
s214：对协方差矩阵C进行奇异值分解，得到：C＝UWVT (6)
上式中，U和V为酉矩阵，W是形如式(7)的特征值矩阵：
Figure FDA0002805194520000025
式(7)中，Λ＝diag[σ1,...,σr]为特征值对角矩阵，其非零特征值满足σ1≥…≥σr，则式(5)改写成：
Figure FDA0002805194520000026
式(8)中，tr(·)为矩阵的迹，每组在线数据集中的在线数据沿历史数据集中的历史数据的最大方差变化率方向p，通过求解如下所示的优化问题来确定：
Figure FDA0002805194520000027
式(9)中，
Figure FDA0002805194520000028
和
Figure FDA0002805194520000029
均为对角矩阵。
4.根据权利要求3所述的主动配电网故障识别方法，其特征在于，所述步骤s22主要包括以下步骤：
s221：定义
Figure FDA0002805194520000031
s222：令λ(p)对p求导，λ(p)的极值由式(11)求得：
Figure FDA0002805194520000032
使得对问题(5)的求解转换为对式(12)所示的广义特征值的求解：
ΔDp＝λΔHp (12)
式中，λ为广义特征值，而p则是与之对应的广义特征矢量。
5.根据权利要求4所述的主动配电网故障识别方法，其特征在于，所述步骤s23主要包括以下步骤：
s231：所获得的广义特征矢量是线性无关且两两相互垂直的，广义特征矢量矩阵p＝[p1,...,pr]是非奇异的，进而式(12)改写为：ΔD＝ΔHγ (13)
式中，γ＝diag(λ1,...,λr)为广义特征值对角矩阵且满足λ1≥…≥λr；
s232：根据矩阵代数理论，量测评估指标(5)被改写为如下形式：
ψ＝[σ1(CD)]/[σ1(CH)] (14)
由式(13)得，
Figure FDA0002805194520000033
式(5)进一步改写为：
Figure FDA0002805194520000034
式(15)中，λ1是与最大奇异值平方的比值相对应的广义特征值，即ψ表征了所监测在线数据沿历史数据最大方差变化率的方向；
s233：设正常状态下的指标范围ψ∈[1-β,1+β]，其中β为经验数值，用来表征允许的监测指标波动程度。
6.根据权利要求5所述的主动配电网故障识别方法，其特征在于，所述步骤s24具体为：不同场景下，对量测变量的需求是不同的，定义如下的量测综合评价指标ψ：
Figure FDA0002805194520000035
式中，ψi为第i类量测数据的评价结果；αi为加权系数且满足
Figure FDA0002805194520000036
表征在本次判定中该类数据结果的重要程度。
7.根据权利要求6所述的主动配电网故障识别方法，其特征在于，在所述步骤S4中，根据步骤S3的故障诊断分析，输出主动配电网中故障位置和故障时刻。
8.一种主动配电网故障识别系统，其特征在于，包括存储器和处理器，所述存储器中包括主动配电网故障识别方法程序并将所述程序传输给所述处理器，所述处理器用于根据所述程序中的指令执行权利要求1至7任一项所述的主动配电网故障识别方法。
9.一种计算机可读储存介质，其特征在于，所述计算机可读存储介质中包括实现权利要求1至7任一项所述的主动配电网故障识别方法程序。
10.根据权利要求9所述的计算机可读储存介质，其特征在于：所述计算机可读储存介质中包括主动配电网故障识别方法程序被处理器执行时，实现如权利要求1至7任一项所述的主动配电网故障识别方法的步骤。
CN202011365184.3A 2020-11-27 2020-11-27 一种主动配电网故障识别方法、系统及计算机可读储存介质 Pending CN112557819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011365184.3A CN112557819A (zh) 2020-11-27 2020-11-27 一种主动配电网故障识别方法、系统及计算机可读储存介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011365184.3A CN112557819A (zh) 2020-11-27 2020-11-27 一种主动配电网故障识别方法、系统及计算机可读储存介质

Publications (1)

Publication Number Publication Date
CN112557819A true CN112557819A (zh) 2021-03-26

Family

ID=75046547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011365184.3A Pending CN112557819A (zh) 2020-11-27 2020-11-27 一种主动配电网故障识别方法、系统及计算机可读储存介质

Country Status (1)

Country Link
CN (1) CN112557819A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219840A (zh) * 2022-05-26 2022-10-21 国网江苏省电力有限公司无锡供电分公司 一种基于配电网的自动化故障诊断方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120123708A1 (en) * 2009-04-10 2012-05-17 Xinzhou Dong Method and system for transient and intermittent earth fault detection and direction determination in a three-phase median voltage electric power distribution system
CN203012073U (zh) * 2012-12-31 2013-06-19 广东电网公司电力科学研究院 配电网线路故障定位系统
KR101331274B1 (ko) * 2012-06-12 2013-11-20 성균관대학교산학협력단 배전 계통의 고장 판별 방법 및 고장 판별 장치
CN106249101A (zh) * 2016-06-30 2016-12-21 湖南大学 一种智能配电网故障辨识方法
CN107167702A (zh) * 2017-05-04 2017-09-15 国网福建省电力有限公司 一种配电网馈线故障类型识别方法及装置
CN109507526A (zh) * 2018-10-29 2019-03-22 山东大学 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法
CN110632455A (zh) * 2019-09-17 2019-12-31 武汉大学 一种基于配网同步量测大数据的故障检测定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120123708A1 (en) * 2009-04-10 2012-05-17 Xinzhou Dong Method and system for transient and intermittent earth fault detection and direction determination in a three-phase median voltage electric power distribution system
KR101331274B1 (ko) * 2012-06-12 2013-11-20 성균관대학교산학협력단 배전 계통의 고장 판별 방법 및 고장 판별 장치
CN203012073U (zh) * 2012-12-31 2013-06-19 广东电网公司电力科学研究院 配电网线路故障定位系统
CN106249101A (zh) * 2016-06-30 2016-12-21 湖南大学 一种智能配电网故障辨识方法
CN107167702A (zh) * 2017-05-04 2017-09-15 国网福建省电力有限公司 一种配电网馈线故障类型识别方法及装置
CN109507526A (zh) * 2018-10-29 2019-03-22 山东大学 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法
CN110632455A (zh) * 2019-09-17 2019-12-31 武汉大学 一种基于配网同步量测大数据的故障检测定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘洋等: "主动配电网故障时刻和故障区域的", 《电网技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115219840A (zh) * 2022-05-26 2022-10-21 国网江苏省电力有限公司无锡供电分公司 一种基于配电网的自动化故障诊断方法及系统

Similar Documents

Publication Publication Date Title
Nageswa Rao et al. Voltage stability indices for stability assessment: a review
CN109507526B (zh) 基于同步相量测量和协方差矩阵理论配电网故障诊断方法
CN103198437B (zh) 一种电网量测数据和电网模型纠错方法及装置
CN103972884B (zh) 一种电力系统状态估计方法
CN103576053B (zh) 一种基于有限电能质量监测点的电压暂降源定位方法
CN107255792A (zh) 一种电子式电压互感器误差在线监测方法及系统
CN105759173A (zh) 含分布式电源的配电网的自适应故障区段定位方法
CN112485747A (zh) 一种电容式电压互感器误差状态评估方法
CN104007321B (zh) 一种无功补偿电容器组的参数在线辨识方法
CN105548781A (zh) 母线短路容量测试方法、装置及系统
CN103995162A (zh) 基于高级量测体系的配电网大用户实时防窃电方法
CN103324858A (zh) 配电网三相潮流状态估计方法
CN107609802A (zh) 一种含多馈入直流的交直流混联电力系统功率/电压稳定裕度评估方法
CN116840767A (zh) 电能计量装置整体误差评估方法及装置、存储介质、终端
CN109559019A (zh) 一种基于风险指数的电力系统动态安全评估方法
Melo et al. Voltage stability assessment using modal analysis based on power systems state estimation
Zhao et al. A review on on-line voltage stability monitoring indices and methods based on local phasor measurement
CN112557819A (zh) 一种主动配电网故障识别方法、系统及计算机可读储存介质
CN119518636A (zh) 一种基于测量阻抗幅相变化量的微电网保护方法
CN116736212B (zh) 一种互感器运行误差在线监测及计量方法
Trevizan et al. Distribution system state estimation sensitivity to errors in phase connections
CN109193617B (zh) 基于紧约束识别的电力系统脆弱点评价方法及系统
Li et al. Calculation method of line loss rate of photovoltaic station based on PCA-GRNN
CN111638483A (zh) 高压电压互感器计量性能检测的方法及系统
CN118074102B (zh) 一种构建多属性评价体系确立静止无功补偿器安装位置的方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326