基于SVM 的有源配电网故障定位及判别分析

分布式电源的应用使得有源配电网普及,但有源配电网故障特征具有明显特点,传统故障判别定位方法不 再适用,因此如何准确快速判别并定位有源配电网故障,尽量降低故障损失,成为研究热点问题.对此,提出以有源 配电网故障电压为特征量,基于支持向量机(SupportVectorMachine,SVM) 进行故障判别及定位的方法.基于距 离可分性判据,选取最优故障特征.基于实时故障特征数据与历史故障特征数据的SVM 相关性,分类判别配电网运 行状态、故障类型并定位故障.     

基于概率神经网络的直流滤波器电容器开路故障定位方法

针对高压直流输电工程中直流滤波器电容器开路故障定位方法效率低、威胁检修人员的安全等问题,提出了一种基于概率神经网络的直流滤波器电容器开路故障定位方法。该方法首先采用主成分分析法过滤冗余的信息,既降低了数据的维度,也得到了能有效反映直流滤波器电容器运行状态的特征向量;然后利用概率神经网络对特征向量进行故障分类,从而实现对电容器开路故障的定位。利用直流滤波器电容器运行状态样本数据对所提定位方法的有效性进行验证,同时考虑电容器有不同的开路故障电容元件数,验证所提定位方法的适应性。实验结果表明,文章所提方法对直流滤波器电容器的开路故障位置具有较好的定位效果。     

基于模糊综合评价和贝叶斯判别的电力变压器状态判别和预警

作为智能配电网的重要设备之一,电力变压器运行状态的准确判别和预警有重要意义。全面分析电力变压器状态量,建立由油色谱、电气试验、绝缘油试验、附件运行状况4个一级指标和18个二级指标组成的电力变压器状态评价指标体系。建立基于模糊综合评价和贝叶斯判别的电力变压器状态判别和预警模型。实例证明该模型能准确高效地判别变压器的工作状态并提出相应的预警和检修计划。     

一种双星形并联电容器组单相故障定位方法

本文针对双星形并联电容器组故障定位存在的问题,提出了一种基于中性点不平衡电流保护的双星形并联电容器组单相故障定位方法,该方法通过分析中性点不平衡电流与故障相电流的相位与幅值关系,快速定位和判断故障电容器的相别、故障分支以及故障电容器单元个数,可解决此类并联电容器组单相故障时故障点不直观、检修效率低的问题,并通过PSCAD仿真验证了此方法的正确性。     

基于正序分量的多端输电线路精确故障定位研究

针对目前多端线路故障定位中分支接点附近测距死区较大的问题,提出一种基于正序分量的精确故障定位新方法。该方法不以数值范围作为故障判别依据,而是采用双端方程有解和无解两种对立状态实现故障支路的判别,从而有效减小分支接点附近测距死区的范围。在求解过程中,同时实现故障支路判别与故障测距,无需事先判别故障支路。新方法定位及测距结果不受故障类型、过渡阻抗及系统运行方式等的影响。PSCAD仿真结果,验证了所提算法的正确性、有效性和高精度性。     

基于Zigbee无线传感网络的电力电容器远程故障诊断研究

传统的电力电容器故障诊断方法存在误差大、实时性差的缺点,为提高电力电容器故障诊断的实时性和准确率,将人机交互技术引入Zigbee无线传感网络,结合Zigbee无线传感网络组网成本低和GPRS信号覆盖范围大和信号强的优点,提出一种基于Zigbee无线传感网络和人机交互的电力电容器远程故障诊断方法。选择安庆220 kV泉河变电站10 kV 1号电容器组为研究对象,研究结果表明,本文方法可以有效提高电力电容器故障的诊断准确率,同时可以实现故障数据的实时传输和实时诊断,为电力生产调度和电力电容器故障预警提供新的方法和途径。     

基于状态估计的含DG配电网故障定位

DG的接入使得配电网故障定位更加复杂。提出了一种基于状态估计的配电网故障定位方法。首先分析了状态估计在配电网故障定位的方程,提出了故障定位的伪量测方法,即固定某些量测量不变,从而减小状态变量的计算量。其次分析了配电网中接入DG后其对短路电流的影响,并给出了相应的表达式,建立了基于状态估计DG伪量测数学模型,该模型利用量测误差对故障进行定位,误差最小的节点确定为故障节点。最后利用含DG的IEEE 34节点对系统进行了仿真,分析了系统正常运行时、发生三相平衡故障时和发生相间短路时的故障定位情况,说明了所提方法的准确性和可行性。     

电力电容器保护探讨

简要介绍了电力电容器主回路保护,着重阐述了电力电容器故障状态下的电气特征,分别从内部故障、外部故障及系统异常等方面综述了电力电容器组的保护方案,并介绍了电力电容器在运行维护和事故处理时的注意事项。     

运用监控系统判别单星型电容器组的内部故障

本文介绍了单星型电容器组的内部结构和保护策略,通过分析和比较电容器发生各类故障后遥测量的变化,提出了在监控系统中判别电容器组内部故障的依据,并给出了实际应用的案例。     

基于最优特征量选取的开关柜故障判别方法研究

为对开关柜运行状态评估进行快速准确评估,提出了基于多类型数据的最优特征量开关柜故障判别方法。基于实时监测的开关柜各类型电气量和非电气参数影响,采取最小冗余最大相关（Minimum Redundancy Maximun Relevance,MRMR）原则对采集的开关柜运行参数进行处理获得特征样本,并对其进行优化获得最优特征子集;采用马氏距离法对实时监测的运行状态特征量与标准设定样本进行比较,从而判别出开关柜的故障状态。实际测试和算例分析表明,所提出的方法能够有效提高故障识别的精度和效率。