含光伏电源配电网故障的智能辨识方法研究

在光伏电源接入配电网后，由于光伏发电的不确定性、间歇性、波动性增加了配电网故障的辨识难度。针对此问题，提出一种熵-变分模态分量与神经网络改进ResNet模型相结合的方法。首先搭建含光伏电源配电网PSCAD仿真模型，获取不同复杂故障情景下的批量数据。其次，利用熵-变分模态(E-VMD)方法重构样本的特征矩阵，再采用改进残差网络进一步挖掘故障样本的隐含特征，然后通过模型的训练与测试。与其他文献模型的分类效果对比，改进ResNet模型故障类型识别的准确率平均达到99.95%,故障馈线识别的准确率达到99.75%,且具有良好的鲁棒性，可以有效地实现含光伏电源配电网故障的快速辨识。     

配电网故障区段定位的改进矩阵算法

针对馈线终端单元(FTU)与配电网自动化主站通信中断影响故障区段定位的问题,提出一种配电网故障区段定位改进矩阵算法。该算法根据FTU通信状态与配电网拓扑构建FTU属性矩阵,动态建立网络描述矩阵,最后结合FTU故障信息,提出了配电网故障定位的改进矩阵算法。该算法可根据FTU的通信状态实时更新网络描述矩阵,判据结构简单、形式统一、计算量小,能够实现配电网故障区段的准确定位。     

基于波形相关性的直流配电网主动式接地故障选线

采用小电流接地方式的直流配电网发生单极接地故障时故障特征较弱,为准确可靠选出故障线路,文中提出基于注入信号波形相关性的接地故障选线方法。所提方法首先将预先设计的附加控制策略施加于直流配电网的模块化多电平换流器(modular multilevel converter,MMC)上,实现探测信号注入。然后结合零模网络,得出故障特征为：各条健全馈线首端计算的特定频率零模电流流向相同、而其与故障馈线首端计算的零模电流流向相反。最后,基于该故障特征设计选线判据,引入皮尔森相关性系数比较各条馈线的归一化零模电流和总归一化零模电流的相关性,根据健全馈线相关性系数接近于1、故障馈线相关性系数接近于-1的特征完成故障选线。仿真结果表明,所提方法在高阻接地故障下能可靠识别发生在母线或各条馈线任意位置的单极接地故障。     

基于广域行波初始波头时差关系矩阵的配电网故障选线及测距

配电网发生故障时,故障馈线支路准确辨识及准确测距是实现恢复供电的基础。针对常见的单端辐射状配电网故障时行波在电网中传递特点,异地同步监测各个出线末端的电压行波信号,优化小波分析函数准确获取行波波头抵达时刻,在此基础上提出了一种基于广域行波初始波头时差关系矩阵的配电网故障选线方法。该方法首先建立各个馈线支路间初始波头到达时差(time difference of arrival,TDOA)矩阵,然后根据故障时各支路波头实际TDOA矩阵,计算各线路矩阵谱范数大小,通过谱范数值差别找出故障馈线,并利用初始波头时刻数据实现故障测距。实验分析结果表明,在考虑同步测量时间误差的情况下能准确判断故障馈线并实现故障测距。     

基于图论的矩阵算法在配电网故障定位中的应用

分析现有配电网故障定位算法的不足,提出一种基于图论知识的改进配电网故障定位算法。该算法首先利用配电网有向拓扑结构生成一个可反映配电网拓扑信息的网络拓扑矩阵,当配电网发生故障时,安装在开关处的馈线终端（FTU）通过通用分组服务技术（GPRS）网络向主站上传故障信号,生成故障信息矩阵,进而得到故障判定矩阵,由故障判据定位故障发生区段。该算法不仅可以对单电源的配电网单重故障定位,对于多电源网络的多重故障以及馈线末端故障也可作出快速判断,同时对于FTU上传的不完备故障信息情况也同样适用。算例测试结果表明,该算法判断简洁直观,计算量小,实用性强,满足现代配网自动化要求。     

基于柔性接地装置的不对称配电网接地故障选相选线方法

配电网高阻接地故障选相和选线一般较为困难。为解决这两个问题,提出了一种基于柔性接地装置的不对称配电网接地故障选相选线方法。首先详细分析各馈线零序电流在中性点零序电压调控前后的变化情况。利用不同调控状态下故障与健全馈线零序等值导纳的离散程度来辨识故障馈线,得出故障馈线辨识函数并构造了选线判据。其次,根据分相调控过程中馈线零序等值导纳与故障前馈线对地导纳差值的相角关系进行故障相判别,得出故障选相函数并构造了选相判据。理论分析和PSCAD/EMTDC仿真实验表明：配电网三相对地导纳不对称情况对所提方法并无影响,低、高阻接地故障时均有较高灵敏度,故障选相与选线结果准确,且选相和选线方法得到有效结合。     

基于模糊测度融合诊断的配电网接地故障选线

非有效接地配电网运行与故障条件复杂多变,现有配电网接地故障选线方法难以有效覆盖不同故障工况,尤其对于高阻接地与弧光接地故障,基于单一故障特征量的故障判据误判率高。该文提出一种基于模糊测度融合诊断的配电网接地故障选线新方法,借助模糊C均值聚类算法,将多种运行工况下采集的表征被保护馈线不同运行状态的历史特征样本集划分为故障类与非故障类,以多种样本相似性测度判据定量分析待测样本与不同类型历史样本的相似程度,形成模糊测度融合诊断矩阵。通过多级评判指标体系对模糊测度融合诊断矩阵进行评判,从而放大故障特征,削弱偶然因素对故障判断的影响,最终输出综合判据矩阵,准确识别故障样本。PSCAD/EMTDC仿真与10kV真型实验测试结果均表明,在非线性负荷等干扰因素的影响下,该方法依然能够准确地捕捉故障特征,在各故障工况下正确地辨识故障样本,具备对不同系统运行方式变化的自适应能力,具有很强的鲁棒性。     

配电网故障定位的改进通用矩阵算法

分析了目前配电网故障定位算法中存在的问题,针对馈线区域和开关设备拓扑联接关系的网络关联描述矩阵模型,提出了一种配电网故障定位的改进通用矩阵算法,该算法在通用矩阵算法的基础上,对配电网末端故障及多电源复故障问题提出了新的判据,可快速地定位出故障区域,同时能确定出隔离该区域所应断开的电源侧开关,不仅能对配电网单一故障进行定位,而且能对配电网末端故障以及多电源复故障做出快速、准确的诊断。该算法判据简单,通过算例证明了该判据的有效性。     

配电网故障定位的改进通用矩阵算法

分析了目前配电网故障定位算法中存在的问题,针对馈线区域和开关设备拓扑联接关系的网络关联描述矩阵模型,提出了一种配电网故障定位的改进通用矩阵算法,该算法在通用矩阵算法的基础上,对配电网末端故障及多电源复故障问题提出了新的判据,可快速地定位出故障区域,同时能确定出隔离该区域所应断开的电源侧开关,不仅能对配电网单一故障进行定位,而且能对配电网末端故障以及多电源复故障做出快速、准确的诊断.该算法判据简单,通过算例证明了该判据的有效性.     

基于随机矩阵的配电网故障选线方法研究

针对目前配电网故障选线方面存在的难题,提出了一种基于随机矩阵的配电网故障选线方法,利用随机矩阵单环定理,对每条馈线数据形成的随机矩阵特征值分布情况进行分析.正常线路故障前后特征量波动小,其随机矩阵特征值分布更加接近于高斯随机矩阵特征值分布;而故障线路故障前后特征量变化情况明显,特征值分布将远离高斯随机矩阵的特征值分布范围。     

多分支配电网故障选线方法研究

配电网结构复杂,故障电流弱,且存在间隙性电弧,分支多,故障选线困难。为解决传统的选线方法准确率低,无法准确采集到行波信号而导致故障选线失败等问题,提出了基于行波信号的配电网选线方法。该方法以双端行波定位法为基础,对行波检测装置进行优化配置,选择性的在配电网分支末端变压器端安装行波采集装置;将行波装置两两组合,组成多组定位系统,获得初始行波的波头到达时间;准确排除非故障线路,确定故障区间;融合多组系统的故障区间,取其交集,最终实现配电网的精确故障选线。EMTP仿真结果表明,该方法能准确地实现配电网的故障选线。     

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。     

配电网可靠性评估方法的研究

将树的操作方法融入到馈线分区和网络等值的思想中,提出一种能快速实现复杂配电网可靠性评估的分区等值法.首先运用改进的后序遍历法快速形成最小故障区,在故障解析时以最小故障区为单位进行向上和向下等效.在等效过程中利用最小故障区中根节点承上启下的作用,将各区之间的故障影响关系用根节点的等效参数来表示,从而解决了馈线分区,等效节...     

基于暂态波形相关性的配电网故障定位方法

配电网拓扑结构复杂、分支众多,利用单一故障特征的配电网故障定位方法大多存在可靠性差、定位精度低等不足,为此文中提出了一种基于暂态波形相关性的配电网故障定位新方法。配电线路发生故障后实时检测故障暂态波形,利用S变换构造时频矩阵,将其与各分支样本库中的时频矩阵进行相似度计算,并根据相似度的大小判定故障分支;然后根据同一分支不同位置故障时暂态波形的整体波幅差异来确定故障范围,并利用整体波幅偏差与故障位置的比例关系计算得到精确的故障位置。仿真分析表明,在不同的故障条件下,该方法均能可靠、准确地进行故障定位,有望提高配电网故障定位的准确度与可靠性。     

基于小波AlexNet网络的配电网故障区段定位方法

文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素矩阵囊括了当前系统的工作状况信息,利用迁移学习AlexNet网络,调整网络结构使其适应于配电网故障区段辨识,通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量,利用门控循环单元(GRU)、学习向量量化(LVQ)、朴素贝叶斯分类器(NBC)、极限学习机(ELM)、支持向量机(SVM)等模式识别算法进行故障特征分类,从而实现配电网故障区段定位。针对多分支的线缆混合线路进行实验分析,比较5种模式识别算法的分类效果,得到GRU算法准确率可以达到99.92%,证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网对故障区段定位准确度和可靠性的需求。     

基于综合特征矩阵的配电网故障判别方法

配电网短路故障类型的快速识别是保证故障精准可靠切除的基础。提出了一种基于综合特征矩阵的配电网故障判别方法,该方法综合考虑长距离输电、非线性负载投切、数据量残缺、噪声和高阻抗接地等情况下的配电网短路故障类型识别的难点,基于Hilbert变换得到的电压均方根（RMS）值、离散傅立叶变换得到的电压谐波信息及Hilbert-Huang变换得到的电压突变信息构造特征值进行故障类型判别。通过搭建含3条馈线的10 kV辐射配电网络Simulink仿真测试系统,对所提的综合特征矩阵方法进行了验证,并与经典故障检测方法进行了对比分析,论证了所提方法的精度优势。     

基于神经网络数据融合方法的小电流接地选线装置的研制

配电网中的单相接地故障是经常发生的一类故障,本文通过设计研究并安装一款基于神经网络数据融合方法的小电流选线装置来排查此类故障。装置利用BP神经网络良好的非线性拟合能力,结合故障后各线路的小波能量、五次谐波和有功功率作为特征值进行融合选线。根据故障选线的准确性和快速性对系统的要求,提出了一种基于ARM(Advanced RISC Machines)技术的软硬件平台,装置采用32位嵌入式ARM微处理器S3C2440作为诊断机的核心,以C8051F060作为前端采集器的控制核心,充分利用ARM出色的实时中断响应和快速的运算速度,很好的实现了综合智能选线算法。现场运行结果表明,该装置运行稳定,选线快速可靠,适应性强,是小电流接地系统中一种实用的选线装置。     

小电流接地系统故障选线算法综述

小电流接地系统是配电网普遍的接线方式,由于中低压配电网的中性点不直接接地和受馈线分布电容的影响,在任一馈线发生单相接地故障后,在其他馈线上会产生潜供电流,这给故障选线和配网保护造成很大困难,国内外学者对此进行了广泛而深入的研究并取得了大量的成果。本文在大量阅读相关文献的基础上对小电流故障选线算法进行了一个归纳和综述,并分析各算法的优缺点,最后提出了最为普遍的中性点经消弧线圈接地系统中故障选线的推荐算法。     

基于矩阵算法的配电网故障定位

分析了原有的配电网矩阵法故障定位中存在的问题,提出一种适用于辐射状网及开环运行环网的配电网故障定位算法。该算法仍以矩阵分析为核心,通过网络拓扑形成网络关联矩阵,然后结合馈线终端设备(FTU)上传的故障信息形成故障判定矩阵,判定方法简单。它不仅可以实现配电网单一故障的快速定位,而且对末端故障及多点故障也可以做出准确判断。通过编程实现算法,并用不同区域故障的模拟验证了算法的有效性。