配电网单相接地故障判别的多重算法研究与DSP实现

配电网发生最多的故障是接地故障,如何准确地检测并隔离接地故障线路,成为中性点非有效接地系统实现配电网自动化的一个重要研究课题.传统的选线方法只对部分故障信息进行处理,选线可靠性不高.本文把模糊理论应用于故障选线,实现多判据信息融合,使选线性能得到提高.给出整个融合算法的DSP软硬件实现,并通过高压动模实验故障数据验证了文中方法的正确性和可行性.     

基于模糊理论的配电网多判据融合故障选线方法研究

配电网的单相接地故障选线问题一直都没有得到很好的解决,而单一选线方法会因故障特征和外界干扰的影响,存在动作死区和使用局限性。本文利用模糊理论将具有互补性的基于高频模态能量的故障选线方法、基于5次谐波分量的故障选线方法和基于衰减直流分量的故障选线方法进行智能融合,实现了基于模糊理论的多判据融合故障选线。仿真实验证明该融合故障选线方法能够适用于小角接地故障、高阻接地故障、线路末端故障、电弧性接地故障等不利于实现选线的故障,且该方法具有较高的准确度和可靠性。     

基于相电流离散度分析的配电网接地故障选线方法

针对配电网在发生单相接地故障时电力调度员缺乏研判信息和故障处理效率不高的现状,提出了基于相电流离散度分析的故障选线方法.对故障前后线路的相电流特征进行理论分析,采用改进的离散度计算方法,并考虑实际操作过程中的容错性和统一性,将不同中性点接地方式的选线流程进行融合,利用最大离散度差值法实现故障选线.使用SCADA系统中的故障实例数据验证和ATP-EMTP故障模型仿真,结果表明:该方法能够有效提升故障选线效率,提高配电网供电可靠性指标,具有实际的工程应用价值.     

基于GA-BP改进算法的配电网接地故障选线方法

针对采用单一故障信息的配电网接地故障选线方法存在的缺陷,提出一种基于遗传算法(GA)改进BP神经网络的融合选线算法。该算法分别采用5次谐波法、有功分量法和暂态能量法从零序电流信号中提取5次谐波分量、有功分量、暂态能量作为故障特征,并定义其故障程度,然后将这些故障程度作为模型的输入,利用故障稳态与暂态信息对接地故障不同的判别能力,并通过GA优化BP神经网络的权值和阈值,避免神经网络陷入局部极值,使得选线模型达到较高的精度。仿真结果表明,在采用真实录波数据作为样本的情况下,所提改进算法比BP神经网络算法的选线精度更高,满足配电网单相接地故障选线精度要求。     

利用广域信息的炼化企业电网小电流接地故障暂态选线技术

炼化企业配电网与地方配电网存在一定差异,为确定接地故障的具体区段,介绍了一种适用于炼化企业的利用广域信息的小电流接地故障暂态选线技术,分析了炼化企业电网不同位置故障时的暂态特征,介绍了选线系统的系统结构、选线方法及其技术特点。在Matlab/Simulink平台上搭建了炼化企业配电网不同位置故障时的模型,并进行了仿真。仿真结果验证了故障时的暂态特征及选线技术的可行性。     

基于大数据平台的配电网接地选线关键技术研究

我国配电网多采用小电流接地系统,发生单相接地短路的概率高,如何进行准确的接地选线是一项重要课题。考虑大数据机器学习方法,基于大数据平台对配电网接地选线关键技术进行研究,首次提出了综合考虑电气量与非电气量的故障选线算法;搭建了基于Hadoop技术的配电网接地选线大数据平台,应用接地故障选线的人工神经网络算法,实现了数据的分布式存储与分布式处理等相关技术,大大提高配电网选线的准确性;最后使用故障数据进行验证,证实了该方法的可行性。     

基于S变换和可信度决策的谐振接地系统故障选线新方法

为了解决配电网谐振接地系统发生单相接地时故障选线效果欠佳的问题,本文提出了一种基于S变换和可信度决策融合的谐振接地系统故障选线新方法。论文利用S变换强大时频分析能力提取各条线路的复时频矩阵,通过可信度决策融合各条线路幅频矩阵综合相关系数和暂态能量参数两种判据,从而实现自适应地进行故障选线,提高单一选线方法的准确性和灵敏性。本文利用EMTP / ATP软件搭建了10kV配电网混合线路仿真模型,仿真结果表明该方法能够较好融合多种特征量,受中性点接地方式、故障位置、故障电阻、故障初始角、网络结构的影响较小,且判据裕度较高,在不同补偿度下均具有较高的选线准确率。     

行波技术在配电线路接地故障检测中的应用

配电网接地故障运行工况较为复杂,故障选线可靠性和故障测距精确性会直接影响到配电网运行的安全性问题。结合行波接地故障选线及测距原理,研究了基于行波法的配电线路故障选线及测距技术。实际测试结果表明,该故障选线定位测距方法能准确求出配电网接地故障段的故障参数,并能对故障进行精确定位测距,提高了配电网故障选线排除效率和测距定位的精确性。     

谐振接地系统暂稳态信息智能融合选线方法

谐振接地系统单相接地故障特征信息微弱,现有采用单一故障特征信号的选线方法难于实现可靠选线。综合考虑暂态零序电流能量比、零序有功功率比、负序电流变化量比等三种单一故障特征选线方法的互补性,针对谐振接地系统提出采用多人工神经网络对单相接地暂稳态信息进行融合的选线方法。区分稳定接地及非稳定接地,分别采用不同的融合方案。大量仿真验证该选线方法受接地位置、接地发生时刻、接地过渡电阻大小等因素的影响较小,适用于各种单相接地情况,具有较高的选线鲁棒性。     

谐振接地系统暂稳态信息智能融合选线方法

谐振接地系统单相接地故障特征信息微弱,现有采用单一故障特征信号的选线方法难于实现可靠选线。综合考虑暂态零序电流能量比、零序有功功率比、负序电流变化量比等三种单一故障特征选线方法的互补性,针对谐振接地系统提出采用多人工神经网络对单相接地暂稳态信息进行融合的选线方法。区分稳定接地及非稳定接地,分别采用不同的融合方案。大量仿真验证该选线方法受接地位置、接地发生时刻、接地过渡电阻大小等因素的影响较小,适用于各种单相接地情况,具有较高的选线鲁棒性。     

应用证据理论实现配电网单相接地故障选线保护

提出了一种利用多重故障信息融合选线方法。为实现这一目的，提出了故障测度概念，用来定量评价各线路可能是故障线路的程度。运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题，使选线结果聚焦到各个判据的共同支持点上，选线性能得到极大提高。现场实测故障算例证实了文中方法的正确性。     

基于信息融合和M-RVM的变压器故障诊断方法

针对仅以油中溶解气体数据为主要依据的变压器故障诊断方法信息量不足以及传统证据理论的缺陷问题,研究了基于信息融合和多分类相关向量机(M-RVM)的变压器故障诊断模型。首先,将油中溶解气体分析数据与电气试验数据作为诊断模型的输入特征量向量,更真实地反映变压器的故障信息。然后,采用4个M-RVM作为分类器,对故障进行初步诊断,并将诊断结果分别转化为证据融合所需证据体,同时引入兰式距离函数与光谱角余弦函数对证据体进行修正。最后,采用改进冲突再分配策略进行决策融合,避免融合过程中出现证据互相矛盾的现象。对比分析结果表明,基于多源信息融合的变压器诊断模型相较单一特征参数诊断以及单一诊断算法具有更高的诊断准确率。     

基于故障测度概念与证据理论的配电网单相接地故障多判据融合

当故障特征量非常明显时，故障选线结果才比较可靠；当其特征量很微弱时，选线结果则可能是错误的。该文不仅提出了一种故障测度概念，以定量评价线路疑是故障线路的程度，还提出了一种多种利用故障信息的融合选线判据，该判据基于故障测度概念并利用小波分析理论构造了暂态信息故障测度算法：对故障工频信息构造了幅值和相角故障测度算法：运用D-S证据理论实现了多判据信息融合，将多判据选线问题转化为证据推理问题。结合选线问题的特点，将基本信度分配函数设计为相对信度分配函数与可确定信度系数之积形式。多故障信息的融合选线判据使选线性能得到提高，现场实测故障算例证实了文中方法的正确性。     

信息融合技术在电力系统故障检测中的应用探讨

电力系统故障产生各种故障信息，对故障信息全面分析、综合处理，能提高故障检测的精度和鲁棒性。为实现对各种传感器检测到的多源故障信息进行有机综合处理，需研究信息综合处理技术。信息融合技术是研究多源信息综合处理的新兴边缘学科，已在军事、信息处理等领域中有着成熟的应用。该文把信息融合技术应用于电力系统故障检测，介绍信息融合故障检测的模型与方法；分析信息融合技术在状态监测、继电保护中的应用技术；并以小电流接地系统故障选线为例，提出研究了模糊信息融合故障选线方法技术，提高了故障选线的灵敏度和可靠性。     

基于证据理论和信息熵的消弧线圈接地电网融合选线方法

提出一种消弧线圈接地电网单相接地故障融合选线方法。该方法综合运用首半波、有功分量和暂态量故障特征,采用证据理论和信息熵实现融合选线。构造了定量反映线路似为故障线路程度的故障测度算法,建立了以故障测度和信息熵表示的基本信度分配函数,实现了多故障特征的证据融合选线。仿真和实测数据验证了本文选线方法的有效性,表明提出的证据融合选线方法可极大地提高选线的准确性和适应性。     

信息融合技术在电力变压器故障诊断中的应用

根据变压器运行原理和结构特点,将信息融合思想引入到变压器的故障诊断中,建立基于信息融合技术的故障诊断模式,即通过曲面拟合算法和证据推理技术从不同侧面,充分利用各种特征信息对变压器的故障进行诊断,来有效地提高确诊率。     

信息融合技术在故障选线中的应用

接地故障选线是小电流接地系统中长期存在的难题 ,通常采用的单一故障选线方法只对部分故障信息进行处理 ,选线的可靠性不高。文中把信息融合技术应用于故障选线 ,融合各种故障信息 ,综合各种故障选线方法 ,提出了基于馈线保护的故障线路模糊识别技术及基于配电自动化的故障线段聚类识别技术。EMTP仿真结果表明这些基于信息融合的故障选线方法具有很高的精度和鲁棒性     

信息融合技术在变压器故障诊断中的应用

为满足变压器故障诊断的要求,运用信息融合技术,提出了具有数据挖掘功能的变压器故障诊断系统的一般模型,系统地阐述了模型中关键技术的实现方法,并通过实例进行了分析。     

改进证据理论与神经网络集成的变压器故障诊断

针对变压器故障类型的多样性以及故障信息的不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为实现Dempster合成规则在强冲突证据间信息融合后可信度分配的合理赋值,引入了信任系数的概念,对融合结果进行修正,并应用于最大-最小蚂蚁系统与神经网络算法所形成证据体的合成之中。实验仿真结果表明,该方法可以在初级诊断模块的判断结果出现严重分歧的情况下,仍得到较好的符合性判定结论,从而实现对变压器故障的有效诊断。