含分布式电源配电网多重故障定位的研究

为适应含有分布式电源(DR)的配电网发展需求,提出了一种较简洁的基于矩阵算法的含分布式电源配电网多重故障定位(可含有馈线末端故障)的方法。该算法首先对无关信息排除精简,然后根据网络描述矩阵形成故障判别矩阵,最后给出障定位的统一判据。还对故障信息畸变的情况给出了解决对策。算例测试结果验证了该方法的正确性和可行性。     

基于小波能量矩的高阻接地故障检测方法

中性点不接地中压配电网时常发生高阻接地故障,普通的零序电流保护难以对其检测。通过对仿真和实验得到的高阻接地故障电流信号进行频谱分析,发现其高频分量分布显著区别于系统其他扰动暂态信号。由此,引入小波能量矩算法,通过对高频段能量矩进行归一化、求和及取对数处理,提出了一种高阻接地故障的检测方法,该方法只需要利用故障后第1个工频周期内的电流信号,通过小波能量矩分析得到诊断判据,即可实现高阻接地故障的有效识别。大量的仿真和实测数据表明,该方法适应性强,且不受线路非高阻接地故障暂态信号的影响。     

优化和声算法在含DG配电网故障定位中的应用

为了提高含DG配电网故障定位的速度和容错性,提出利用高度并行、鲁棒性强的遗传算法来优化基本和声算法对初始化和声记忆库的过度依赖性,改进了和声算法中新解的产生方式。针对含DG配电网的结构特点引入"树"的区域划分方法以降低求解维度,根据故障定位最小集理论优化评价函数以提高容错性。分别利用优化前、后的和声算法对相同配电网模型进行寻优运算和分析比较,结果表明优化的和声搜索算法能够有效地提高算法收敛速度和故障定位精度,在信息缺失、畸变等情况下具有良好的容错性。     

基于改进模糊神经网络的配电网故障选线研究

在配电网中广泛采用小电流接地方式,传统的单一单相接地故障选线方法适用范围有限.针对单一故障选线方法的不足,提出利用模糊神经网络对多种选线方法进行融合.采用基于小波包从零序电流中提取暂态能量分量和暂态方向分量,和基于FFT从零序电流中提取稳态基波分量和五次谐波分量作为故障选线的特征分量.设计模糊神经网络的结构并进行改进,采用BP学习算法.在Matlab7.1环境下搭建10 kV配电网模型,分别仿真不同的故障位置、故障合闸角、故障接地类型和故障线路的故障以验证理论的有效性.     

近似熵在配电网继发性故障检测中的应用研究

为克服中性点非有效接地系统中继发性故障检测困难的问题,提出了一种基于母线电压近似熵的中性点非有效接地配电网继发性故障检测方法。通过对母线三相电压进行近似熵计算,判断是否在计算时间窗内发生继发性故障,并进行继发性故障选相。所提方法仅需要电压信息,既能够识别不同线路同名相的继发性单相接地故障,也能够识别不同线路异名相的间歇性单相接地故障。首次故障与继发性故障之间的检测时间分辨率可达到毫秒级水平,大量基于ATP/EMTP的典型故障仿真结果验证了该判据的正确性。     

基于变分模态分解与图信号指标的配电网高阻接地故障识别算法

为有效检测配电网高阻接地故障(HIF)的发生,本文结合变分模态分解与图信号指标,提出一种全新的HIF识别算法.首先,利用变分模态(VMD)分解得到故障暂态零序电流的多个本征模态分量;其次,根据峭度准则选取对故障暂态突变量最敏感的模态分量,进而计算该模态分量的图信号指标作为故障指标;最后,通过随机森林分类器对故障特征进行...     

配电网故障区间判断的通用矩阵算法

根据配电网的各种故障情况提出了一种分区分层判断故障的通用矩阵算法.首先采用分区的思想以常开型联络开关为界将配电网络分成许多小区,根据故障信息粗略判断出发生故障的小区.充分利用配电网的结构特点,在馈线终端单元(FTU)装置中设置三种工作模式.针对发生故障的小区形成网络描述矩阵,根据不同工作模式下的故障信息对网络描述矩阵进行修正形成故障判断矩阵,根据故障判断矩阵中的元素特征就可判断故障发生区间.此算法能够解决像馈线末端故障、环网故障、多电源环网多重故障这些在其它算法中不能全部解决的问题,而且计算量小.     

配电网故障区间判断的通用矩阵算法

根据配电网的各种故障情况提出了一种分区分层判断故障的通用矩阵算法。首先采用分区的思想以常开型联络开关为界将配电网络分成许多小区,根据故障信息粗略判断出发生故障的小区。充分利用配电网的结构特点,在馈线终端单元（FTU）装置中设置三种工作模式。针对发生故障的小区形成网络描述矩阵,根据不同工作模式下的故障信息对网络描述矩阵进行修正形成故障判断矩阵,根据故障判断矩阵中的元素特征就可判断故障发生区间。此算法能够解决像馈线末端故障、环网故障、多电源环网多重故障这些在其它算法中不能全部解决的问题,而且计算量小。     

基于故障分量原理的配电网高阻接地故障检测方法

配电网中发生高阻接地故障时,短路电流小于传统过流保护的阈值,无法被常规保护装置检测和清除。若不及时消除短路电路,极易演化成严重故障。针对该问题,文中首先分析发生高阻接地故障时配电网的故障分量特征和基于母线处的正序电压故障分量与其相连接的各馈线正序电流故障分量的相位差特征,给出适用于配电网高阻接地故障检测的故障判据。然后,为解决配高阻接地故障检测过程中系统不平衡引起的一系列问题,制定了相应的故障检测启动判据。基于该故障检测判据和启动判据,制定基于故障分量原理的配电网高阻接地故障检测方法。最后,在PSCAD/EMTDC仿真软件中建立含架空线路的中压配电网模型,仿真结果验证了所提高阻接地故障检测方法的正确性。     

基于第二代小波变换的电力系统故障录波数据压缩方法

随着对故障过程监测水平要求的逐步提高,急剧增大的故障录波数据量给数据传输和存储带来了很大的困难,因此必须对其做压缩处理。在论述传统小波分解理论和第二代小波方法的基础上,提出了一种基于整数小波变换的无损压缩方法。该方法能够对电力暂态信号数据进行完全可逆的多尺度整数小波分解,并将各尺度上的小波系数进行Huffman编码,从而实现无损压缩。仿真实验结果表明：该方法应用于故障录波数据无损压缩可实现较高的压缩比。     

配电网故障区段判断和隔离的综合矩阵法

充分利用配电网的结构特点,在馈线终端单元(FTU)装置中设置2种工作模式。首先,根据网络中开关的连接关系和假定的正方向建立一个网络描述矩阵D,从FTU得到故障状态变量值构成馈线节点故障信息矩阵G,功率方向上相邻的2个故障状态变量值进行异或运算,修正D中的故障信息元素,得出故障判别矩阵P。依据P中值为1的元素在P矩阵的位置,轻易判断出故障区段的位置。算法直观,实时性、适用性强,并且同时发生多处故障时同样有效。     

基于分层拓扑模型的配电网故障定位优化算法

随着配电网规模的不断扩大，配电网中的电源点及T接点的数量不断增多，配电网故障定位的实时性矛盾将日益突出。针对此问题，提出了基于分层拓扑模型的配电网故障定位优化算法。该算法充分考虑配电网故障定位的特点，采用分层拓扑模型，利用对分法，通过计算某一区间中间层顶点故障信息状态组合情况，以确定故障所属的更小区间，逐步压缩并逼近故障所属区间，实现故障的快速、准确定位。     

基于分层拓扑模型的配电网故障定位优化算法

随着配电网规模的不断扩大 ,配电网中的电源点及T接点的数量不断增多 ,配电网故障定位的实时性矛盾将日益突出。针对此问题 ,提出了基于分层拓扑模型的配电网故障定位优化算法。该算法充分考虑配电网故障定位的特点 ,采用分层拓扑模型 ,利用对分法 ,通过计算某一区间中间层顶点故障信息状态组合情况 ,以确定故障所属的更小区间 ,逐步压缩并逼近故障所属区间 ,实现故障的快速、准确定位。     

基于定位有序树和模糊集评价的配电网故障恢复

为快速恢复非故障失电区域的供电,提出了一种基于定位有序树搜索和模糊集评价的配电网故障后快速供电恢复算法。利用定位有序树,对配电网实时拓扑结构进行分析,通过网络拓扑简化,快速形成满足系统电流、电压约束的候选恢复方案集;然后基于模糊集技术针对开关开合次数、未失电区域负荷的转移量、馈线容量裕度和最大电压降四个指标对各候选集方案进行评估,找出最优解,为运行人员选择最理想的恢复方案提供辅助决策。算例仿真验证了所提故障恢复算法的有效性。     

基于无线传感器网络的配电线路的故障监测的可行性研究

首先给出了用于电力系统故障监测的无线传感器网络的系统架构,阐述了该无线传感器网络的工作原理.根据电力系统监测对网络延时、数据可靠性、时间同步精度、动作时间等方面的要求,通过仿真分析无线传感器网络相关的性能,给出了基于无线传感器网络的电力系统故障监测的可行性.     

基于D-S证据理论的配电网单相故障选线方法研究

为充分利用单相接地故障的互补信息提高选线保护的可靠性,提出一种中性点非有效接地电网信息融合选线方法。该方法采用D-S证据理论,针对故障选线问题的具体特点,合理构造了选线识别框架和信度分配函数,将故障选线问题转化为证据理论模型,给出证据组合的选线判定原则,制定了基于信息融合的综合选线策略。应用该方法在模拟系统上进行实验,验证了方法的有效性。结果表明采用融合选线策略极大地提高了故障选线的可靠性。     

基于无线传感器网络的配电线路的故障监测的可行性研究

首先给出了用于电力系统故障监测的无线传感器网络的系统架构,阐述了该无线传感器网络的工作原理。根据电力系统监测对网络延时、数据可靠性、时间同步精度、动作时间等方面的要求,通过仿真分析无线传感器网络相关的性能,给出了基于无线传感器网络的电力系统故障监测的可行性。     

Adaptive Kalman filter and neural network based high impedance fault detection in power distribution networks

This paper presents an intelligent approach for high impedance fault (HIF) detection in power distribution feeders using combined Adaptive Extended Kalman Filter (AEKF) and probabilistic neural network (PNN). The AEKF is used to estimate the different harmonic components in HIF and NF (no-fault) current signals accurately under non-linear loading condition. The estimated harmonic components are used as features to train and test PNN for accurate classification of HIF from NF. Also a performance comparison is made between the results from feed forward neural network (FNN) and PNN for the same features extracted using AEKF. Thus a qualitative comparison is made for HIF detection and classification using the above techniques with FNN and PNN, separately. The testing results in noisy environment ensure the robustness of the proposed technique for HIF detection in distribution network.     

High impedance fault detection in low voltage networks

High impedance faults are those with fault current magnitude similar to load currents. Experimental results were obtained that confirm operating experience that such faults can occur in the low voltage (600 V and below) underground distribution networks typically found in urban power systems. These faults produce current waveforms qualitatively similar to those found on overhead feeders, but quantitatively smaller. Loose connectors can produce similar, but cleaner current characteristics. Noisy loads remain a major impediment to reliable detection. Design and installation of an inexpensive prototype fault detector on the Seattle City Light street network is described     

Dynamic fault location method for distribution networks with distributed generation

This paper presents a new analytical time-based fault location algorithm for radial distribution networks with synchronous generators used for distributed generation (DG). The algorithm uses the voltage and current samples recorded at the main feeder head along with the scheduled injected active and reactive powers by the network synchronous generators to estimate the fault location. A full order synchronous machine model has been used to consider dynamic behaviour of the DG plants during fault transients. The algorithm, therefore, uses time domain analysis and is dynamic in the sense that it uses the updated synchronous machines and network data at each time step. The algorithm is implemented in two sequential steps. In the initialisation step, by using the measured pre-fault voltage at the main feeder head and scheduled power injections by the DG plants, a pre-fault load flow calculation is performed to evaluate different parameters of the synchronous generators, initial values of the network node voltages, line section currents, loads and capacitive charging currents. In the second step, the numerical fault location algorithm is performed by moving the data window from the pre-fault to a post-fault cycle. The accuracy of the proposed algorithm has been validated by several simulated fault studies carried out on a 205-node 20 kV practical radial distribution feeder. The results have shown remarkable accuracy in fault location when considering only the current and voltage measurements at the main feeder head have been used.