基于蚁群算法的分布式配电网局部故障定位方法

为快速精准定位分布式配电网局部故障,隔离故障分支降低经济损失,提出一种基于蚁群算法的分布式配电网局部故障定位方法。利用蚁群集体行动的信息正反馈机制组建故障定位模型,创建蚁群算法评价函数,使用随机比率准则计算蚂蚁转移概率及残留信息,引入信息素更新方法动态调节原始信息素浓度,通过信息缺失校准策略提升算法容错性,依照评价函数大小,在可能解对应设备状态中释放信息素,避免产生局部最优解,能够精准定位分布式配电网局部故障位置。仿真实验结果证明,该设计方法可以有效地对分布式配电网局部故障进行高精度定位,故障定位计算收敛速度快,耗时短,拥有极强的实用性,为分布式配电网的可靠应用发挥应有作用。     

配电网单相接地故障区段定位方法的研究

我国中压配电网一般采用小电流接地方式,即中性点不接地或中性点经消弧线圈接地方式。针对中性点经消弧线圈接地配电网单相接地故障带电定位难的问题,提出了一种基于矩阵算法的单相接地故障定位方法,该方法采用馈线终端设备(FTU)和控制中心相结合的方式定位故障区段,通过仿真实验,验证了该算法的正确性和有效性。     

基于近似熵算法的单相接地故障定位研究

采用Matlab搭建单相接地仿真模型,设置多个检测点,用近似熵算法求取各检测点的近似熵。由于故障点前后暂态零序电流波形的差异,导致近似熵值的不同,据此可以判定故障区段。该方法具有不需要不同检测点精确时间同步,所需数据量小等优点。     

基于神经网络的多电源配电网故障定位

风光类分布式电源的接入使得配电网的故障定位问题由单电源模式变为多电源模式。为了研究多电源配电网的故障定位,研究了应用神经网络进行电源配电网故障定位的可行性。通过训练样本对神经网络进行训练,实现了故障过电流信息到故障区域的映射。算例的结果证明应用神经网络求解多电源配电网故障区域是可行的,具有一定的理论指导意义。     

分布参数模型在煤矿配电网故障测距中的应用

针对目前配电网单相接地时,其故障点人工巡查存在困难的问题,提出了一种基于分析参数模型的新故障测距和定位方法。依据对配电网实时监控,通过馈线终端进行故障数据和信息的传输,并对其数据和信息进行准确的分析计算,再根据具体的计算结果选定一段故障区,计算出该区域的分布参数,从而能准确推算出故障距离。根据仿真结果显示,配电网的故障位置及过渡电阻对分布参数模型的计算结果影响较小。这表明分布参数模型的测距和定位方法能够对区段和故障选线进行准确定位,且误差不超过1%,具有较高的应用价值。     

电力配电网故障点定位方法研究

针对配电网通过人工巡线方法定位故障点的弊端,提出采用信号注入法检测配电网单相接地故障。即在发生单相接地故障后通过安装在变电站的信号源,主动向母线注入一个特殊的信号,故障指示器检测到这个特殊信号后立即指示接地故障,并通过无线传输技术传故障信息,从而完成故障检测。该电网故障定位方法通过现场测试,验证了该故障定位系统的快速性、准确性和可靠性。     

基于FTU的配电网故障快速定位的研究

针对目前配电网广泛采用故障定位方法存在实时性不够、精度欠缺的局限,提出了一种矩阵法和行波法相结合的故障快速定位的思路。该方法利用FTU采集的配电网故障电流数据和对故障行波传播时间的测量,结合矩阵法和行波法实现平均误差约0.358%的故障位置确定。仿真分析表明,该方法具有定位精确高、实时性好的特点,能够在故障初期实现对故障位置的准确判定。     

基于EMD的配电网故障定位仿真研究

在ATP中建立小电流接地系统单相接地故障模型并进行仿真,通过对沿线路安装的各检测装置检测到的暂态零模功率信号进行EMD分解,利用得到的最高频IMF分量部分进行一阶向后差分运算,通过分析各检测点的一阶差分波形可以得出:位于故障位置同侧两检测点的差分波形相似度极高,而位于故障位置两侧2点的差分波形相似度低,以故障点为中心,两侧各点的差分波形对称度极高。已经证明,一阶差分波形的特征信息不随过渡电阻值的变化而变化,因此,利用差分波形的故障特征信息可以为小电流接地系统的故障定位研究工作提供新思路。     

配电网故障快速定位方法研究

寻求一种配电网故障快速定位方法将有助于智能电网的发展。对基于遗传算法的配电网故障快速定位方法进行了研究,改进了传统遗传算法的开关函数,避免了故障区域的误判和漏判。最后,基于M文件编写了遗传算法程序,结果证明改进后的遗传算法能快速实现配电网故障的准确定位。     

配电网中故障定位监测终端的硬件设计

配电网直接关系到供电系统的可靠性,采用电网馈线自动化技术的快速定位原理,以32位DSP处理器为核心,设计了基于无线通信技术的故障定位监测终端硬件电路。该系统自运行以来,稳定可靠,达到了设计要求。     

基于优化遗传算法的配网故障定位算法研究

针对遗传算法存在的适应性欠佳、抗干扰性较差的问题,提出一种面向配电网故障定位的优化遗传算法。该算法基于对故障电流参考方向的明确,对算法参数进行优化编码,同时在对开关函数进行优化的基础上利用漏判参数和误判因数对适应度函数进行重构,使得通过优化的遗传算法提升了抗干扰性和适用性。仿真实验表明,该算法能够在分布式配电网中和信息畸变的情形下完成准确的故障定位。     

风力发电站高压输电线路故障定位方法

针对目前方法对高压输电线路进行故障定位时,由于未能基于信息熵指标提取输电线路故障的信号特征,导致该方法在进行故障定位时,存在定位精度低、定位误差大、定位时间长、定位效果差的问题,提出基于数据驱动的风力发电站高压输电线路故障定位方法。对风力发电系统进行具体分析,基于数据驱动方法构建发电系统的系统模型;以模型为基础,获取故障信号的信息熵指标以及近似熵指标,根据获取指标提取故障的信号特征;利用多点的数据故障定位方法,对风力发电站高压输电线路中的故障进行定位。实验结果表明,运用该方法进行故障定位时,定位精度高、定位误差小、定位时间短以及定位效果好。     

基于罗氏线圈二次信的煤矿高压电网接地故障区段定位

煤矿高压电网的单相接地保护仍需依靠动作时间的级差配合以实现纵向的选择性,这对井下供电安全是潜在的威胁。为此,分析并阐明了煤矿高压电网单相接地故障时各线路区段零序电流的基波有功分量、高次谐波无功分量的分布特点;同时提出将罗氏线圈引入到零序电流信号的检测中,对其二次侧电压信号的幅值与相角特性的分析表明利用罗氏线圈测量零序电流可有效提升谐波分量在被测电流中的含量比例。在此基础上构造了基于罗氏线圈二次侧信号的综合零序电流判据,并给出了煤矿高压电网单相接地故障区段定位算法。该算法不仅可实现无级差的单相接地故障区段定位,而且可有效提高单相接地保护的灵敏度。建立了基于PSCAD/EMTDC的10 kV煤矿高压电网模型,通过典型故障仿真验证了算法的正确性。     

基于微波反射法的配电网电缆线路绝缘在线检测

利用目前方法对配电网电缆线路绝缘在线检测时,没有对信号进行去噪处理,存在信号强度低、缺陷读数偏移量高、无缺陷读数偏移量超出设定范围的问题。为此,提出了基于微波反射法的配电网电缆线路绝缘在线检测方法,对信号进行滤波和去噪,使滤波后的信号序列与原始序列距离相近,完成去噪后基于微波反射法对配电网电缆线路绝缘进行在线检测,将微波射入电缆线路绝缘子中,依据它的传播过程,检测出电缆线路绝缘缺陷,实现微波反射法的配电网电缆线路绝缘在线检测。实验结果表明,通过对该方法进行去噪前后信号强度测试、缺陷读数偏移量测试及无缺陷读数偏移量测试,验证了该方法的有效性强、精准度高。     

基于信号分析技术和人工智能算法的电力线路故障定位研究

针对基于行波分析的故障定位方法存在的部署成本高,且在串补电路中精度不足的问题,提出一种基于信号处理技术和人工智能算法相结合的低成本故障定位方法。使用双曲S变换对故障电流进行时频转换以提取故障特征,使用能量谱分析技术对故障特征进行降维处理,并将所得到的故障特征输入反向传递人工神经网络（BP-ANN）模型,实现对电力线路故障距离的识别。仿真实验表明,在不同故障类型、不同过渡电阻的条件下,该方法均能够实现准确的故障定位。     

基于行波法的低压台区低压故障停电报警系统设计

为了提高低压故障停机报警的准确性,缩短故障报告时间,设计了一种基于行波法的低压故障停机报警系统。系统接入层的功能是采用基于多点电流测量的输电线路行波故障定位方法检测低压台区低压故障信号,利用罗氏电流互感器获取低压下电流行波数据源,对比近邻TA中电流故障分类的相位关联性,以此定位故障范围;使用首级与第2级测点间线路段运算波速,使用双端行波运算获取故障距离。同时,接入层还具有报警电话的呼叫接入等功能。流程控制层能够设置停电报警的流程,根据低压故障定位结果进行自动报警;用户根据报警信息通过业务逻辑层输入相应控制指令。实验结果显示,该系统在不同故障类型条件、不同故障点条件下的精度均控制在27 m以下,显著低于设定阈值,停电报警时间控制在0.1 s以内。     

交直流混合配电网多阶段动态电压恢复控制研究

若仅从整流侧或逆变侧直接干扰电压变化,电压易出现控制超调、控制失稳,因此设计一种交直流混合配电网多阶段动态电压恢复控制方法。建立交直流混合配电网的负荷恢复模型,根据其供电输出过程电压变化的特点,设定目标函数与约束函数,根据时间维度和空间维度设计交直流混合配电网多阶段控制架构,设计多阶段、不同区域的动态电压控制过程,完成交直流混合配电网多阶段动态电压恢复控制的研究。通过仿真算例的实验结果证明,配电网中重要节点的电压超量极限值与电压稳定裕度均较小,可平稳控制电压。     

新能源配电网故障修复时间分析与预测研究

风能、太阳能、潮汐能等新能源作为可再生能源,具有节能、环保的优势性,以其为应用发展的新能源电源并网运行,可缓解煤炭、石油等发电的高能耗、高污染问题,促使电网趋向绿色生态发展。为提高电力服务质量,及时告知停电用户故障修复及停电恢复时间,提出了MCNNs模型,将停电原因、电路编号和天气事件等离散数据及连续数据进行二进制编码,代入深度神经网络进行训练,采用正则化和非线性激活优化训练过程,从而提高故障修复及停电恢复时间预测准确率。在仿真阶段,将所提方法与VGG16、ResNet和多层感知器模型进行比较,故障修复时间的预测模型优于停电恢复时间的预测模型,停电恢复时间MAE为118.20 min,比故障修复时间MAE高约90 min。