配电网故障恢复的方法

分析三种故障恢复模式的优缺点及发展方向,讨论故障恢复的原则和过程,提出故障恢复的有关数学模型及其特点,举例分析了配电网自动化系统中实现自动恢复供电的流程和具体措施。     

农村配电网故障定位适应性研究

配网故障是影响用户用电体验的重要因素,如何提高配网故障定位效率,降低配网故障影响范围,是未来配网发展的方向。现结合农村配电网运行情况,提出了基于自动化设备的配网故障定位技术,分析了该技术的优缺点及改进方法,为农村配电网的故障定位提供了参考。     

配电网故障定位方法的应用现状

根据我国低压配电网故障处理的特点和故障定位的难点,分析了当前故障定位方法的优点和缺点,并为今后高容错性故障定位方法提供了一些思路。     

智能配电网故障定位探讨

配电网作为电力系统最薄弱的环节之一,及时准确地对其进行故障定位一直是电力工作者研究的重要课题.智能配电网处于研究与实际应用的初期,对适应其自身特点的故障定位技术也应该展开研究.现介绍了智能配电网的特点与意义,指出了中性点接地方式对故障定位的影响,总结了智能配电网故障定位的一般步骤和方法,为实践中的故障排查提供了理论依据.     

浅析配电网故障定位容错方法

配电网故障定位是配电网自愈的基础,为了克服配电终端错报故障信息造成的故障定位失败问题,提出了配电网故障定位容错方法。充分利用配电网线路上配电终端的故障信息,对错报故障信息进行容错处理,实现配电网的准确故障定位。     

配电网故障定位方法分析与研究

针对遗传算法存在的抗干扰性不佳等问题设计了一种改进的算法,使算法可以应用到复杂配电网结构的故障定位中.算法根据预先定义的故障电流参考方向来优化相关参数和开关函数,并通过重构适应度函数的方式来改进传统的遗传算法,使得算法达到更高的抗干扰性,可以应用到不同的场景中.同时基于故障分区的方式提升了故障定位的准确性,降低了故障定...     

配电网故障的阶段式恢复辅助决策技术分析

在智能配电网中,配电网的故障恢复及自愈能力是其基本功能之一,也是衡量配电网自动化和智能化技术水平的关键指标。在配电网的运行及管理过程中,采取配电网故障的阶段式恢复辅助决策技术,可以有效提高配网的供电可靠性,降低配电网的故障停电时间。本文详细分析了基于和声算法的配电网故障的阶段式恢复辅助决策技术原理,并介绍了含分布式电源接入的配电网供电恢复辅助决策数学优化模型,对于提高配电网故障后的自愈能力具有一定的价值。     

一种改进型设备故障定位算法研究

随着科学技术的不断发展,人们对声音定位的要求越来越高。利用微控制器,仿照动物对发声体的定位,设计一款声音定位仪器已不是难点。本研究结合传统的定位算法,仿照FPGA工作原理,使用查表法实现三点声音定位的快速计算。经过仿真验证,通过该算法实现的声音定位系统具有对硬件的要求且精度高,易于实现的优点。     

基于人类进化算法的配电网故障定位

人类进化算法是模拟人类进化机制而建立起来的一种高性能的智能优化算法,是由生物进化算法和知识进化算法结合而成的。为提高配电网故障定位的速度和准确度,将人类进化算法应用于配电网故障定位,对复杂配电网进行处理时结合分级处理思想,先对配电网系统进行分区,在各独立区域中分别使用人类进化算法进行故障定位,再对主干支路和有故障的独立区域进行全局寻优,从而大大减少了计算量。实例表明,与求解配电网故障定位问题的其他一些智能算法相比,这种基于人类进化算法的配电网故障定位方法不仅定位准确,而且定位速度更快,它对求解复杂配电网的故障定位问题尤为优越。     

配电网小电流接地方式下故障定位技术研究综述

针对小电流接地系统下的单相接地故障定位困难问题,介绍了配电网故障诊断背景及难点。通过对各种故障定位方法的工作原理和技术进行分类与归纳,归整出各方法的优缺点、适用范围以及实际应用效果。阐述了当前在配电网中应用广泛的故障指示器情况,据此指出了当前小电流接地系统故障定位技术存在的根源问题,形成改进建议。并对故障定位技术未来的发展趋势进行了展望。     

故障测距中的参数误差归算修正算法

在输电线路故障测距中,线路参数变化或其他参数误差都会对测距精度有较大的影响。针对基于分布参数模型的双端不同步数据故障测距问题,提出了一种参数误差归算修正算法。该算法将各类参数误差归算为单位长度线路参数的变化,利用故障前电压/电流数据,计算出归算系数,反馈修正系统模型。Matlab仿真表明,该算法能有效地减少各类参数误差的影响,提高了故障测距的抗干扰能力和故障测距精度。     

改进二分搜索算法在故障测距中的应用

针对故障测距中搜索法的伪根、不收敛和低精度等问题,将方向监测法应用到二分搜索故障测距中。开展了伪根原因和二分搜索的分析,建立了避开伪根与搜索方向之间的关系;提出了能对查找方向监测并修正的二分搜索改进算法,以保证收敛,并通过数据处理环节提高了测距精度;在Matlab仿真系统中,对改进算法的测距性能进行了评价,进行了避开伪根和测距精度的试验。仿真结果表明,该算法对全线范围有效,能避开伪根,保证收敛而且测距精度高;此外,该改进算法不受过渡电阻、故障类型和故障距离等影响。     

架空线-高压电缆混合线路故障测距改进算法

为了提高架空线-高压电缆混合线路故障测距的精度,并解决测距的伪根问题,提出了一种混合线路的双端不同步数据故障测距改进算法。基于分布参数混合线路模型,分析了测距中伪根的产生原因,通过对二分搜寻法改进来避开伪根,通过改进算法测出故障位置,并将测距结果与自动重合闸技术配合,从而提高了电力系统的安全可靠性。Matlab仿真结果表明,该测距算法不受伪根、过渡电阻、故障类型和位置以及不同步采样角等条件的影响,能够快速、精确地实现故障测距。     

Improved RBF network application in analog circuit fault isolation

One kind of steepest descent incremental projection learning algorithm for improving the training of radial basis function (RBF) neural network is proposed,which is applied to analog circuit fault isol...     

Process fault isolation based on transfer entropy algorithm

Complexity of industrial plants and their stringent environmental and safety regulations have necessitated early detection and isolation of process faults. All the existing fault isolation methods can be categorized into two general groups: model-based and data-based. Transfer entropy is a data-based method for measuring propagation direction of disturbance and finding its root cause. In this paper, a new transfer entropy-based method is proposed to isolate different process faults. The novelty of this paper lies in using the transfer entropy idea to generate distinct patterns of information flow among process variables, recognize their correlations in the context of the transferred information in any abnormal condition, and finally isolate different process faults. The experimental results clearly demonstrate the superiority of the proposed method to the conventional methods.     

考虑TA饱和的双端故障定位新方法

针对线路分布参数模型中电流互感器(TA)饱和导致某一侧电流畸变或不可用的问题,提出了一种适用于任意故障类型的输电线路故障测距新算法。该方法利用两侧电压和未饱和侧电流,根据过渡阻抗的纯电阻性质,得出当且仅当在故障点处无功功率为零。进而利用了一种实用的最优化算法,该测距方法无需事先判断故障类型,无需求解复杂的方程,而是利用搜索迭代的方法。PSCAD的仿真结果也证明了该方法正确、有效,并且不受故障类型、过渡电阻等因素的影响。     

基于BP网络的GIS局部放电声电联合检测故障定位方法

如何快速定位GIS放电位置,是局部放电在线检测的关键。基于超声波和超高频多传感器信息融合局部放电联合定位方法,是将来自放电位置这一目标的多源信息加以智能合成。声电联合定位检测系统采用到达时间差TDOA法,利用BP神经网络对超声波和超高频法的传感器采集数据进行融合。最后通过仿真验证,得出其定位准确率较单一方法大大提高。     

An optimal radial basis function neural network for fault location in a distribution network with high penetration of DG units

Due to environmental concerns and growing cost of fossil fuel, high levels of distributed generation (DG) units have been installed in power distribution systems. However, with the installation of DG units in a distribution system, many problems may arise such as increase and decrease of short circuit levels, false tripping of protective devices and protection blinding. This paper presents an automated and accurate fault location method for identifying the exact faulty line in the test distribution network with high penetration level of DG units by using the Radial Basis Function Neural Network with Optimum Steepest Descent (RBFNN–OSD) learning algorithm. In the proposed method, to determine the fault location, two RBFNN–OSD have been developed for various fault types. The first RBFNN–OSD is used for predicting the fault distance from the source and all DG units while the second RBFNN is used for identifying the exact faulty line. Several case studies have been simulated to verify the accuracy of the proposed method. Furthermore, the results of RBFNN–OSD and RBFNN with conventional steepest descent algorithm are also compared. The results show that the proposed RBFNN–OSD can accurately determine the location of faults in a test given distribution system with several DG units.     

一种基于BP神经网络模拟电路故障诊断新方法

模拟电路故障诊断就是一个模式分类识别问题。本文提出了一种新的模拟电路故障特征向量提取方法——分布节点电压和电流的组合信息作为模拟电路的故障特征向量,应用BP神经网络改进算法进行模拟电路故障诊断,实验证明所提出的方法是可行的。也是很有价值和潜力的。