一种中压配电网单相断线接地复故障诊断方法

针对小电流接地配电系统中单相断线接地复合故障(SLGF-LB)隐蔽性高、难以准确识别的问题,为了有效识别单相断线接地复合故障,使用对称分量法分析中压侧单相断线接地复合故障和单相接地故障(SLGF)在配电变压器二次侧出口端的电气特征,提出一种基于低压侧三相电压幅值的中压配电网单相断线接地复合故障诊断方法.该方法以幅值的平...     

基于机器学习的中压配电网断线不接地故障检测

由于中压配电网变电站常采用中性点不接地方式,所以当线路单相断线后断口两侧的导线均不接地或是非电源侧导线落地等情况发生时,没有明显的故障特征产生,且无法通过变电站内现有的继电保护装置对故障进行检测。为解决这一难题,我们基于配用电信息系统数据和改进的随机森林算法,用纯数据驱动的方法,提出了一套可用于中压配电网的断线智能检测系统的方法,可应用于实时的故障检测,这是文章的一大创新之处。其次,以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,该方法在测试集中的分类的准确度高达91. 44%,而且找出了电压为判断配电网断线的主要标准,这为配电网断线不接地故障检测的进一步研究提供了科学的依据。     

基于线电压判据的配电网单相断线故障定位方法

10kV配电网属中性点不接地或小电流接地系统,配电线路单相断线类型故障判别依据是常规做法,通过监测线路相电压或相电流的变化情况作为依据,但实施较难较复杂,且判定结果受是否单相接地因素影响大。采用测量线电压向量变化情况作为线路单相断线的判断依据的故障判断定位方法,不受单相接地因素影响。通过线电压测量装置测量线路所在位置三相线电压向量,比较其有效值大小,比较线电压最大相与其相邻相线电压之间相位夹角关系,可以有效识别测量点所处位置是否发生单相断线故障。     

基于大数据的配电网故障诊断预测模型设计

针对传统基于无线传感器的配电网故障检测模型对大数据环境下的配电网故障数据存在诊断准确率低、故障诊断耗时较长以及经济效益较低的问题,设计基于大数据的配电网故障诊断预测模型,其采用RSIA模型对大规模故障信息进行智能搜索,计算出最优约简得到决策规则,实现对配电网故障发生位置的初步定位。采用基于模糊积分的故障诊断预测模型,根据初步诊断结果确定发生故障的候选元件及模糊测度值,根据拓扑信息以及元件的诊断结果形成不同相关联度的支持度集合,采用模糊积分融合技术确定模糊积分值构成故障可能性指标集合,根据该指标确定配电网故障发生的准确位置。实验结果说明,所设计模型能提高大规模配电网故障诊断的精度,缩短诊断用时,提高配电网的安全性。     

基于负序电流比的主动配电网断线故障保护方法

随着分布式电源(DG)的大规模接入和用电需求的提高,具有主动控制、协调、管理能力的主动配电网(ADN)成为电力系统的发展趋势.然而,断线故障大大降低了ADN的效益价值,严重威胁设备与人身安全.由于受DG及灵活可调拓扑影响,目前针对ADN断线故障的保护技术较为欠缺.为此,分析了 ADN的特征及其对断线故障保护的影响;解析...     

基于智能融合终端的中压配电线路断线故障检测方案

断线故障是配电网中常见的故障类型之一,快速定位并隔离断线故障是配电系统安全、可靠运行的重要保障。针对中压配电线路的断线故障,提出了一种基于智能融合终端低压侧电压信息的中压配电线路断线故障检测及区段定位方案。讨论了断线后中压侧和配电变压器低压侧的电压特征并构建相关判据,详细论述了基于智能融合终端实现中压配电线路断线故障检测算法流程。基于数字仿真软件开展不同断线情形的仿真验证,该方法能够有效检测并定位中压配电线路断线区段,具有较好的灵敏性和选择性。     

基于改进的AdaBoost算法的中压配电网断线不接地故障检测

由于中压配电网变电站常采用中性点不接地方式,所以当线路单相断线后断口两侧的导线均不接地或是非电源侧导线落地等情况发生时,没有明显的故障特征产生,且无法通过变电站内现有的继电保护装置对故障进行检测。为解决这一难题,我们基于配用电信息系统数据和改进的AdaBoost算法,用纯数据驱动的方法,提出一套智能检测配电网断线的系统,可应用于实时的故障检测,这是本文的一大创新之处。其次,我们改进了AdaBoost算法,提出FC-AdaBoost算法(Feature%20Considered%20AdaBoost%20Algorithm),该算法可以改进AdaBoost算法本身无法对特征进行筛选的缺点。我们以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,证明了该方法比AdaBoost以及其他常用的机器学习算法更具优越性。     

考虑分布式能源的配电网断线定位方法

分布式能源接入配电网后,传统的配电网断线定位方法面临着新的挑战。通过建立含分布式能源的配电网模型,分析发现含分布式能源的配电网,断线支路的不同节点会同时出现正功率和负功率(或零功率)特征,而非断线支路则为单一的功率方向,进而提出基于功率方向的配电网断线定位方法。介绍了配电网断线定位的功率方向原理,并基于MAS技术设计了具体的流程。实例分析结果证明了该方法的有效性。     

基于模糊匹配的配电网短路故障区段定位方法

针对传统10 kV配电网短路故障方法难以适应非健全信息环境的难题,文中利用配电网配用电信息系统的多源数据,以Elman神经网络模型为中心,建立基于模糊匹配的短路故障区段定位方法。首先,以配用电信息系统数据库为基础,对配电网短路故障相关的信号与电气量进行分析,建立配电网短路故障诊断特征库。然后通过I-Relief算法进行主要特征的筛选选取,来作为Elman神经网络的数据输入,并基于Elman神经网络模型对多源数据和配电网短路故障类型及位置进行模糊匹配。最后通过西南某地区实际算例分析,证明所提模型能高效快速地对10 kV配电网短路故障进行区段定位,且具有较好的容错性和实用性。     

基于小波神经网络单相断线故障选线和定位

根据发生单相断线不接地故障、单相断线电源侧接地故障或单相断线负荷侧接地故障时,正序电流暂态分量的变化特性,提出了一种配电网单相断线故障选线和定位保护新方法。该方法应用小波奇异性检测功能,获取故障引起的正序电流暂态分量模极大值的极性和大小, 进行故障选线;并和小波神经网络相结合实现模极大值与故障点位置之间的映射关系,进行故障定位。仿真结果表明,该故障选线和定位方法准确可靠。     

基于随机森林的配电网故障分布特征预测方法

影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障特征变量集;量化故障分布等级,构建输出故障特征分布集。采用探索性数据分析技术,筛选故障特征变量,构建最优特征变量集;优化预测模型参数,获得在当前数据背景下的最优预测效果。以南方某市配电网中的120条馈线为例,测试所提故障预测方法,验证故障预测的准确性和合理性。     

基于特征气体分层特性的电力变压器故障诊断技术研究

随着电网的扩大,变压器在电网中的作用日益提高,从而变压器在线故障诊断技术也显得异常重要。分析了变压器常见的故障类型以及变压器故障与变压器油产生特征气体的对应关系;选出具有代表性的特征气体作为最优诊断特征量;将故障诊断过程分为三个层次：正常-故障层、过热-放电层和故障细化层（高温过热、中低温过热、低能量放电、高能量放电）;最后用互信息方法与神经网络法实现基于特征气体分层特性的变压器故障诊断方案。     

变压器故障特征量可信度的关联规则分析

变压器在线监测得到的多个特征量对于不同故障类别的潜在信息量不一样,量化各特征量与特定故障类型之间的关联度将对变压器的潜在故障诊断和预测都有着很重要的作用。为此,利用布尔型离散化方法和基于ChiMerge算法的多值离散化方法分别对变压器在线监测的连续数据进行离散化,再利用改进的Apriori关联规则数据挖掘算法计算多个变压器在线监测特征量与各个故障类型之间的可信度。最后在实例中进行了多个特征量与多个故障类型的可信度的计算,结果表明特定特征量与故障类型之间确实存在不同的关联程度,量化关联程度能有效提高故障诊断算法的效率;另外还在实例中进行了多值的关联规则挖掘,结果表明关联规则可以应用在对故障类型划分较细的变压器故障诊断。     

10kV或6kV直配线路单相接地故障测距的新算法

基于多导体传输线理论，针对配电线路的特点，提出了直配线路单相接地测距的新算法。大量的计算机仿真和于仿真线模型上的模拟故障诊断试验表明该算法有效。     

含分布式电源配电网运行风险的影响因素溯源

当突发自然灾害后,主动配电网可利用联络支路转供和灵活供电的分布式电源(DG)恢复重要负荷的供电,从而有效降低故障风险。文中提出了一种基于数据驱动的多维度主动配电网故障风险等级智能预警方法。首先,采用基于卡方检验和Pearson相关系数特征选择方法从多个维度进行故障关联强弱性分析,筛选得到最优故障特征集;然后,建立考虑DG并网的配电网故障重构优化模型,计及配电线路重要程度,为配电网故障风险等级划分提供了重要依据;在此基础上,建立基于极限梯度提升(XGBoost)算法的配电网线路故障风险等级预警模型;最后,以IEEE RBTS Bus6配电网系统进行算例分析。文中所提方法的预测准确率比反向传播(BP)神经网络算法高3.17%,泛化能力更强,可为配电网故障风险防控提供重要依据,从而有效降低故障损失。

     

计及拓扑变换的主动配电网故障风险智能预警

当突发自然灾害后,主动配电网可利用联络支路转供和灵活供电的分布式电源(DG)恢复重要负荷的供电,从而有效降低故障风险。文中提出了一种基于数据驱动的多维度主动配电网故障风险等级智能预警方法。首先,采用基于卡方检验和Pearson相关系数特征选择方法从多个维度进行故障关联强弱性分析,筛选得到最优故障特征集;然后,建立考虑DG并网的配电网故障重构优化模型,计及配电线路重要程度,为配电网故障风险等级划分提供了重要依据;在此基础上,建立基于极限梯度提升(XGBoost)算法的配电网线路故障风险等级预警模型;最后,以IEEE RBTS Bus6配电网系统进行算例分析。文中所提方法的预测准确率比反向传播(BP)神经网络算法高3.17%,泛化能力更强,可为配电网故障风险防控提供重要依据,从而有效降低故障损失。     

基于灵敏度特性函数的特征提取与故障诊断

为解决电路故障诊断时故障可靠分类以及特征信息有效提取的问题,提出了一种基于灵敏度特性的故障样本分类和故障特征信息提取方法。基本思想是通过电路的特性分析和灵敏度的计算,进行故障样本的分类及优化,再根据灵敏度的计算结果提取相应特征信息。以此构造故障样本特征集,然后作为BP神经网络的输入对网络进行训练与诊断。对滤波器的仿真结果表明,该方法构造的样本集训练出来的神经网络,对模拟电路故障诊断的平均正确率为85%,优于传统方法。     

基于变压器故障分类的DGA特征提取

为提高诊断效果,利用DGA诊断电力变压器故障时,可从模式识别的角度出发,针对具体的分类模式,提取出能区别不同类别模式的“选择性”信息。选择和测试放电与过热故障、电路过热与磁路过热故障的气体特征的结果表明,根据不同的分类模式提取气体特征对提高故障识别效果有益。