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。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation）算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。     

基于同步波形的配电网故障诊断技术综述

随着分布式电源、柔性负荷等大规模接入,配电网故障诊断面临新的技术挑战,针对录波器故障波形的分析可以提供新的思路。综述了基于波形的配电网故障诊断方法,并根据技术路线的特点,将其分为基于波形相似性直接匹配和基于波形特征辨识的间接方法,对各自的主流算法进行了分析、比较。最终在归纳各算法的优势与不足及不同应用场景下适用算法的基础上,给出对未来发展趋势的展望。新能源发展及量测体系不断完善的背景下,基于波形特征辨识的间接诊断方法应是今后的重点研究方向,积极探索其与基于多节点量测信息的集中式故障诊断技术的融合使用,提高故障检测和定位的准确性,为智能配电网故障诊断技术的深入研究提供有益参考。     

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。     

基于网络树状图的低压配电网故障研判仿真分析

智能化设备在低压配电网中的普及,为实现低压配电网故障的实时研判与主动抢修提供了新的研究方向.首先分析故障研判的信息来源及其校验方法,利用树状图描述低压台区的拓扑结构,并以此为基础提出主动故障研判的流程.然后运用模糊集理论分析部分设备运行状态信息缺失时的故障研判.最后基于PSCAD搭建涵盖中压馈线、低压配变、低压分支箱、...     

基于改进域对抗网络的轴承故障迁移诊断方法

针对工业场景下复杂工况导致的轴承故障数据特征分布差异,以及难以获得大量有标签数据的问题,提出一种基于 Wasserstein 距离与局部最大平均偏差(LMMD)改进的一维卷积子域适应对抗迁移网络(SANN)。 该网络首先构建 CNN 特征提 取器进行预训练,学习领域特征表示,在对抗训练阶段,对抗层引入 Wasserstein 距离来度量源域与目标域的差异,实现边缘分 布的对齐,固化训练结果。 在特征提取层引入 LMMD 计算模块捕获每个类别的细粒度信息,实现条件分布的对齐。 通过两种 变工况下的轴承故障数据集对该模型性能进行验证。 实验结果表明,无监督的条件下,本文所提方法在目标数据集上相较于基 础域对抗网络分别提高了 5. 0% 和 6. 9% 的识别精度,性能优于现有的迁移算法。     

改进BP网络算法在配电网故障诊断中的应用研究

针对BP网络学习收敛速度慢和易陷入局部最小点的不足,提出利用一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练。该算法使BP神经网络学习速率和稳定性得到提高。将这种改进的BP网络算法应用于配电网诊断实例,用这种改进的网络算法进行分类,采用VB语言作为开发工具调用神经网络工具箱建立了一个简化的故障诊断系统,验证了该算法的有效性、正确性。     

基于深度置信网络的交直流配电网直流故障检测技术

随着多源交直流配电网的发展,其直流故障检测技术已成为直流保护的关键。针对直流部分发生配电线路故障时故障电流大且上升迅速以及故障特征不易提取的特点,文中提出一种结合时域和频域特征提取的基于深度置信网络(deep belief network, DBN)的交直流配电网故障检测技术。通过对故障等效回路进行特征分析,分别利用傅里叶变换和相模变换提取故障电流、电压信号的频域和时域特征作为DBN的输入,并使用Softmax分类器输出故障选极和故障区域识别结果。在PSCAD上搭建交直流配电网模型对算法进行测试,仿真结果表明,所提检测方法在线路分布电容和控制策略的影响下依然具有很高的准确性,且有很强的耐受噪声能力,同时进一步的算法对比实验说明故障特征提取和深度学习模型训练相结合能够完成交直流配电网复杂直流故障的检测。     

基于故障模拟进行配电网网架评估

在配电网馈线发生单一故障的情况下,其故障区段必位于两个相邻的开关之间,有故障电流和没有故障电流流过的开关其FTU 所采集的信息不相同,从而可以很方便地找到故障区域.但是,由于大部分配电网并没有实施配网自动化,使得配网运行的实时数据难以获得.基于此提出了通过模拟故障、潮流计算,寻找故障区域,并记录下为了隔离故障区域开关动作的个数,作为判断配电网网架结构的一个指标.     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中。在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的。     

基于5G的配电网智能故障诊断方法

配电网是电网中发生短路故障最多且智能化程度较低的地方。目前主要使用基于零序电流比幅法来进行接地故障的故障诊断,但存在非接地故障识别率低和无法快速识别等问题。采用5G通信技术,提出三序复合电流检测法并结合广义回归神经网络(GRNN,generalized regression neural network)来实现配电网故障诊断的实时传输与快速决策。测试结果表明可提升非接地故障的识别率达20%以上,解决了以往通信不可靠和故障诊断智能化不高等问题。