自动重合闸重合于永久性故障对电力系统 暂态稳定的影响

在电力系统网络暂态能量函数的基础上,根据暂态能量在网络中的分布与系统稳定性之间的关系,提出了永久性故障重合闸优化时间范围。通过对多机系统的仿真表明,在该时间范围重合闸可以改善电力系统暂态稳定性     

基于电流拍频特性的单相自适应重合闸故障识别方法

针对带并联电抗器的输电线路单相接地故障后自动重合于永久性故障造成系统二次冲击的问题,提出一种基于断开相并联电抗器电流拍频特性来进行瞬时性故障性质识别的方法。利用断路器跳闸后断开相并联电抗器电流二次电弧阶段的短数据窗来构造一个符合正弦特征的预测波形,瞬时性故障下采样波形与预测波形差异较大,其互相关系数在1～-1之间剧烈波动,永久性故障下则保持在1附近,因此利用电流波形互相关系数可实现对故障性质的可靠识别。该方法滤波要求低,原理简单,容易实现。PSCAD仿真结果表明,该故障性质判别方法可准确识别瞬时性故障,可有效提高重合闸成功率,改善系统运行的稳定性。     

基于遗传算法的直流配电网线路故障定位方法

直流系统线路发生短路故障后故障电流上升迅速,对系统安全造成极大危害。为解决此问题,提出基于遗传算法的直流配电网线路故障定位方法。首先,对极间短路故障和单极接地故障2种情况下的直流系统分别建立数学模型,利用双端电气量消除中间量过渡电阻;然后,分别利用2种故障的数学模型构造适应度函数,将故障定位问题转化为参数识别问题,采用遗传算法(genetic algorithm,GA)对其进行识别,避免由于数据采集误差对定位造成的干扰;最后硬件在环模拟(hardware-in-the-loop simulation,HILS)实验平台上搭建6端直流配电网模型进行实时仿真验证,结果显示该方法抗过渡电阻能力强、定位精度高,具有很强的鲁棒性。     

基于自适应概率学习的配电网故障辨识技术

为了提升配电网故障辨识准确率,提出了一种基于自适应概率学习的早期故障诊断方法。该方法通过波形分解和最大化特征相似性找到最佳线性映射,将仿真数据和真实数据映射至同一特征空间,且在此空间中两者分布差异最小,之后即可使用仿真数据训练模型并对真实数据进行分类,从而解决配电网故障辨识中样本量不足这一重要问题。基于系统仿真数据和现场实际数据表明：所提方法对于自适应学习条件下早期故障诊断的可靠性和准确率,远优于同等条件下的卷积神经网络、支持向量机和K邻近算法等常用分类模型;为自适应学习条件下的配电网故障辨识技术提供了一种新的思路。     

基于空间故障树理论的配电网弱馈线路断线故障识别方法

针对当前弱馈线路的研究成果较少,一旦发生断线故障则严重威胁电网安全的问题。采用空间故障树理论,提出一种面向弱馈线路的断线故障识别方法。设定时间与温度作为配电网弱馈线路工作状态的主要影响因素,构建空间故障树的空间域,获取断线故障发生后各元件的贡献程度,根据断线故障与各元件故障间的相关性,联立相关性排序中前列元件与割集组合中各事件间的匹配关系,实现断线故障定位;依据线路某相下游电压向量与无线链路控制层协议回路输入电压向量之间的夹角,通过对比夹角绝对值与识别阈值的大小,完成断线故障识别。仿真实验结果表明,所提方法较好地抑制了影响因素的干扰程度,识别结果具有一定的有效性与可信度。     

MMC-MTDC线路双极永久性故障快速识别方法研究

对于采用"半桥子模块+直流断路器"模式的多电平多端柔性直流输电系统,直流线路发生双极故障断开直流断路器后,若能快速检测出线路故障为永久性故障或瞬时性故障,则有助于提升MMC-MTDC系统和与之连接的可再生能源系统的运行稳定性。文章分析了永久性故障、瞬时性故障和保护误动等不同场景下断路器动作后电气量特征,发现可以用正负极电压之差是否为零来识别永久性故障;进一步采用强局部加权回归方法滤除电压信号中的高频分量,实现暂态过程中线路永久性故障的快速识别。     

基于μPMU的主动配电网故障定位方法研究

摘要： 准确的故障定位有助于提高配电网络的稳定性。随着分布式发电和电动汽车的接入,传统配电网逐渐向主动配电网发展,传统故障和保护装置已无法满足,这对故障定位技术和装置提出了新的要求。文章提出了一种基于微型同步相量测量单元（也叫做μPMU或者微同步相量）的新方法对主动配电网的故障进行定位。该方法运用单端μPMU采集的电压电流信息,查找故障线路,得到候选故障点并计算其故障距离。并根据两端μPMU测量电压和故障电压之间的相位关系,排除伪故障点,确定故障点位置。仿真结果表明,在主动配电网下,该定位方法具有较高的定位精度,仅需在线路的两端配置μPMU即可满足对不同类型故障进行准确地定位。在高渗透率DG和高阻故障的情况下,该定位方法依然可以准确地对故障进行定位。     

基于控制系统的燃气轮机故障识别方法

设计了一种燃气轮机故障识别系统,通过在控制系统内部集成专家知识,实现了对燃气轮机运行状 态的实时监控和故障预测。目前,燃气轮机的故障检测主要依赖于控制系统的报警以及维护人员的经验和 事后分析,这种方法的维护效率存在局限性。为了提高效率,研究提出了一种新的方法,该方法从明确故障 识别目标出发,利用数据可视化工具,通过分析不同工况下的历史运行数据,构建参数历史数据集,基于分析 结果,训练故障预警模型,依据制定的故障判断与溯源规则,在线部署到控制系统中。经过燃气轮机仿真验 证,显示出良好的时效性和准确性,表明其具有在实际生产环境中应用的潜力。     

基于分区和滑动时间窗策略的配电网线路参数辨识

针对配电网线路参数辨识困难、不精确的问题,提出了一种基于分区和滑动时间窗策略的配电网线路参数辨识的方法。首先,使用线性解耦潮流模型最小二乘回归得到线路初始辨识参数。然后,将配电网分成若干个区域,并采用滑动时间窗策略,在每个时间窗中对每个区域内的线路参数通过高斯-牛顿法进行精确辨识。最后,对所有时间窗内的辨识结果进行离群值检测,综合各个时间窗的辨识结果得到最终的辨识值。所提方法提高了线路参数的辨识精度,并且可以避免精确辨识时选取到坏数据导致辨识结果偏离真实值。     

基于多区域相位突变量信息的主动配电网故障定位方案研究

针对分布式电源接入主动配电网后,传统电流保护可能出现误动或者拒动的情况,提出一种基于多区域相位突变量信息的主动配电网故障定位方案。文章首先介绍了在DG接入主动配电网时的故障定位方案,该方案根据母线上各线路电流的相位突变量信息识别出故障线路;然后利用该线路各区域线段两端的正序电流与负荷电流的相位突变量信息关系对故障线段进行区域定位;最后在PSCAD仿真软件中对方案进行仿真验证。仿真结果表明,该方案受DG接入位置、容量的影响较小,可有效解决传统电流保护拒动或者误动的情况,有效地提高了主动配电网的安全稳定性。     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

基于旋转基的复杂配电网故障区段定位方法

配电网网络错综复杂,且常常拥有多个电源,配电网故障区段定位方法在快速确定故障区段和恢复非故障区段的正常供电中起到重要作用。提出一种基于旋转基的复杂配电网故障区段定位方法,利用旋转基将复杂配电网划分为包含电源的主干网络和不包含电源的旁路网络两部分。划分后采用分层控制,旁路网络采用辐射型网络故障定位方法快速找到故障区段,主干网络采用旋转基定位法确定故障区段。研究结果表明,该方法可以快速、便捷、准确地找到配电网故障区段。     

基于Petri网的含DG配电网区域故障定位新方法

针对含DG配电网区域保护中故障定位存在矩阵运算计算量大、耗时长等不足问题,提出了一种基于Petri网区域保护的故障定位新方法。在非故障时段,利用SCADA系统所汇集FTU的信息,在故障前更新网络拓扑,减小了定位耗时;当故障发生时,根据保护采集的故障信息,通过对PN模型中位置的不同定义,将故障定位问题转换为对锁定单一AFTU的Petri网求解问题,避免了不断修改矩阵参数;通过分层2次定位,减小了单次定位矩阵运算维度,进一步提高区域保护的速动性。通过详细的分析和仿真验证,结果表明：该方法有效提高了区域保护的通用性、简易性、快速性和准确性,具有高的实用价值。     

基于电流变化的环状直流配电网故障定位方法

针对现有故障测距方法无法同时对单极接地故障和极间故障进行定位,以及利用电容放电阶段进行故障定位时忽略了多端换流站都会对故障点注入电流等问题,提出一种利用故障线路上的全电流分量对多端柔性直流配电网进行故障定位的方法.通过联立与故障点相邻两网孔的电压方程,从算法上解决了过渡电阻对求解故障位置的影响.在simulink中搭建...     

基于CNN-SVM的配电网故障分类研究

针对CNN在配电网高阻故障时分类准确率低的问题,提出了一种将CNN和SVM相结合的配电网故障分类研究方法。首先将故障数据转换为时频谱灰度图,作为训练集输入到CNN中;然后采用SVM代替CNN中的Softmax分类器构建CNN-SVM模型,并通过网格搜索算法对SVM超参数进行寻优;最后进行多工况算例分析验证所提方法优越性。算例分析结果表明,CNN-SVM模型比传统CNN-Softmax模型在高阻故障时具有更高的分类准确率,且在主变压器中性点接地方式变化、网络结构变化、噪声干扰及单相弧光接地等工况下仍具有良好的适应性。     

基于分层结构神经网络的10kV配电网单相接地故障区段定位方法

针对10kV配电网单相接地短路故障发生位置难以确定的问题,提出利用配电网中的多源数据,通过构建分层结构神经网络进行故障区段定位的方法。首先提取各种类型10kV配电网的固有特征,在分层结构神经网络的聚类层根据配电网的这些固有特征,利用自组织映射神经网络进行聚类分析,得到不同类别配电网;然后在分层结构神经网络的训练层对各类配电网分别用广义回归神经网络对故障定位条件特征与结果特征进行训练,得到各类配电网的故障定位模型;最后将发生单相接地短路故障的配电网下属各区段故障定位条件特征输入至所对应的故障定位模型中,判断各区段故障情况,实现故障定位。实际算例分析表明,所提出的方法能快速、准确地找出10kV配电网单相接地故障发生的区段,且具有较好的容错性。     

参数辨识法在锅炉受热面故障诊断中的应用

通过采用低集总参数模型近似高阶分布参数模型 ,将基于换热器机理动态数学模型的参数辨识法用于锅炉受热面的故障诊断 ,不仅大大减少了计算工作量 ,而且具有很好的实时诊断效果     

基于阻抗模型故障特征匹配技术的 配电网单相接地故障测距研究

单相接地故障是配电网最常发生的故障,准确而快速地确定配电网单相接地故障位置对排除系统故障,减少事故损失具有非常重要的作用。针对当前配电网单相接地故障精确定位问题,通过采用网络故障时测量点处的电压预存信息,同时利用故障中馈线出口处测得的零序电压和零序电流信号,提出了一种采用差分进化算法的基于阻抗模型故障特征匹配的配电网单相接地故障测距的新方法。该方法基于系统阻抗模型定义了系统故障特征适应度指标,利用枚举法确定故障分支线路,并采用差分进化算法精确定位故障位置。中石化西北油田艾丁变10 kV线路配电网仿真结果表明了所提出的配电网单相接地故障测距方法的有效性     

基于行波特征频率的配电网混合线路故障定位方法

为了避免架空线-电缆混合线路故障定位中波速折算和波头提取的问题,提出了基于行波特征频率和粒子群优化小波神经网络的故障定位方法。利用故障点暂态行波的路径特征频率与故障位置一一对应这一特点,采用小波多分辨率分析提取行波特征频率信息,构建小波神经网络拟合暂态行波各频段能量百分比与故障位置的关系,并用粒子群算法优化小波神经网络,从而提高了收敛速度和定位精度。仿真结果表明,该方法在复杂混合线路中有较高的故障定位精度,且基本不受故障类型、故障初始相角和过渡电阻的影响。