CN105245015B - 基于多agent的分层扩展电网故障信息处理***及方法 - Google Patents
基于多agent的分层扩展电网故障信息处理***及方法 Download PDFInfo
- Publication number
- CN105245015B CN105245015B CN201510772790.XA CN201510772790A CN105245015B CN 105245015 B CN105245015 B CN 105245015B CN 201510772790 A CN201510772790 A CN 201510772790A CN 105245015 B CN105245015 B CN 105245015B
- Authority
- CN
- China
- Prior art keywords
- agent
- fault
- protection
- failure
- differential
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000010365 information processing Effects 0.000 title claims abstract description 13
- 230000032798 delamination Effects 0.000 title claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 230000001419 dependent effect Effects 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000004807 localization Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 238000012300 Sequence Analysis Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 35
- 238000003745 diagnosis Methods 0.000 description 11
- 230000009471 action Effects 0.000 description 8
- 230000010354 integration Effects 0.000 description 7
- 208000004987 Macrophage activation syndrome Diseases 0.000 description 6
- 201000001853 McCune-Albright syndrome Diseases 0.000 description 6
- 201000005085 Meconium Aspiration Syndrome Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 239000006126 MAS system Substances 0.000 description 1
- 241000932075 Priacanthus hamrur Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000009699 differential effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Locating Faults (AREA)
Abstract
本发明公开了一种基于多AGENT的分层扩展电网故障信息处理***，包括：多Agent***，所述多Agent***与电网差流越限边界设备的保信***、故录***及SCADA***分别通信；所述多Agent***通过采集各个电网差动分区边界点电流，进行数据归一化处理后，进行以设备为最小划分单元的差流计算，当监测到有设备单元差流越限时，启动相关故障分析诊断程序，进行故障区域以及故障点位置的判定。本发明有益效果：通过引入区域故障电流的差流这一维度，通过来自于不同变电站端的不同信息源信息融合，向上可以扩展至跨区域级联故障区域的判断，向下可细化及故障性质判断、线路上故障点的准确测距。
Description
技术领域
本发明涉及一种电网故障信息融合处理***，特别涉及一种基于多AGENT的分层扩展电网故障信息处理***及方法。
技术背景
保护工程师常常需要从一系列的监控设备中进行数据提取分析与综合，目的是对电力***故障或干扰进行诊断，以确定相关的保护动作行为是否正确。通过这一分析，确认保护误动和故障设备并同时完成相关自动装置的动作分析及保护定值的动作值校核。
一系列有效保护分析工具已经被开发出来利用来自故障录波器(DFR)的数据用于故障或干扰的诊断任务，如报警解释***，故障分类和保护行为评价***。尽管这些独立的智能***在特定的方面可以协助与诊断，但是整个工作的完成仍然需要人工干预对产生的信息进行比较与解释。
一旦故障产生，产生大量DFR数据会带来很多问题。首先是数据超载的问题；很多线路故录装置并非是故障点，由于故障引起的干扰可能导致电压降低而启动录波并上传大量无关信息；此外，会导致数据丢失的问题；当故障记录是通过缓存自动滚动进行记录的，工程师在进行故障数据提取时，故障录波文件中可能已经缓存了大量数据。如果传输线路在一个短时间经历一系列大的干扰，故障档案可能会在提取分析之前就已经因为缓冲区的滚动被覆盖。
现有的保信***可以从完全不同的角度分析保护动作的全过程。因此如果一个自动故障诊断综合***可以自动完成包括数据采集和直接相关信息的及时整合，并呈现到保护工程师面前，同时实现初步的自动分析，则这一***会给保护及现场调度人员提供非常大的帮助。
依据调控人员的经验，大量数据总会在故障前后时间段内涌入，形成一个大的数字风暴。例如，对于一个持续24小时的故障处理过程，电力监测***可以产生超过15000报警和数百个故障记录。
一般情况下保护工程师评估保护动作行为是从SCADA数据的分析开始，可以使工程师初步识别电力***干扰的发生和干扰的线路；对保护动作行为的某些方面进行验证，例如：缺少保护或跳闸警报，部分保护动作不成功。
但是这样做的缺点是使的保护分析不够直观，有时会因为保护的序列动作给分析带来难度，特别是对于复故障的判断更是很难做到一步到位。
因此，如何可以以直观的方式由一个特定的保护动作特征量启动一个自动故障分析程序，并且可以随着故障的隔离而关闭这一自动分析程序，完成一个周期的分析是至关重要的。这样做的好处是：可以将无关的信息进行自动屏蔽，对一个事件进行独立分析，有利于序列事件的分步解读。
发明内容
本发明的目的就是为了解决上述问题，提出了一种基于多AGENT的分层扩展电网故障信息处理***及方法，该***利用广域故障录波信息进行相关区域故障电流的差流计算实现故障区域精确辨识，并将各间隔故障电流及诊断结果在站内图上统一直观展示平台，判断故障区域为输电线路后，基于双端录波、零序电流分布等方案准确定位线路故障点位置，并辅以有机耦合保信***、故录***及SCADA***等实现故障运行状态监测、故障区域快速辨识及故障点精确定位。
为了实现上述目的，本发明采用如下技术方案：
一种基于多AGENT的分层扩展电网故障信息处理***，包括：多Agent***，所述多Agent***与电网差流越限边界设备的保信***、故录***及SCADA***分别通信；所述多Agent***通过采集各个电网差动分区边界点电流，进行数据归一化处理后，进行以设备为最小划分单元的差流计算，当监测到有设备单元差流越限时，启动相关故障分析诊断程序，进行故障区域以及故障点位置的判定。
所述多Agent***包括：
智能数据采集器：用于采集各个差动分区边界点的电流信号，进行以设备为单元的差流计算；
数据同步同轴处理agent：提取出相关故障录波器ID及报告路径，将来自不同数据源的报告进行标准化处理，实现故录采样数据同步及归一化；
插值分析agent：采用插值法将不同采样频率统一为同一采样频率，对没有采样点的波形数据进行包络线方式压缩显示，同时录波数据中只记录有效值的压缩存储部分；
故障测距agent：用于测定线路故障点的位置；
保护动作序列分析agent：利用基于差流模型的推理保护模型库，通过比较实际继电器的行为与由推理保护模型库得出的行为是否一致来识别保护组件是否正确动作。
所述多Agent***中的数据同步同轴处理agent、差值分析agent、故障测距agent和保护动作序列分析agent之间互相通信。
多Agent***中每个agent都是一个专家处理***，分布有相应的诊断知识。
所述故障测距agent以零序量作为状态量进行故障点的确定及测距。
一种基于多AGENT的分层扩展电网故障信息处理***的方法，当差流计算出现异常时，通过广域差动原理确定最小保护识别区，以近、远后备原理确定以失败元件为边界点的有效扩展保护最大识别区，进行故障区域以及故障点位置的判定；
具体方法如下：
(1)实时采集电网差流越限边界设备的保信***、故录***及SCADA***的数据，将来自不同数据源的数据进行归一化处理，并设定差流的门槛值；
(2)以设备为最小划分单元进行差流计算，判断差流是否越线，如果是，启动多Agent***检索相关的故障记录，转入下一步，否则，返回步骤(1)；
(3)判断是否为数据采集时造成的差流越限，如果是，确定校正方案，进行后台或回路修正；否则，转入下一步；
(4)计算相邻元件差流是否越线，如果是，则判断为输电线路交叉区故障，进入下一步；否则，直接转入下一步；
(5)差动保护装置检测到故障后，根据基于差流模型的推理保护模型库发出故障保护信息，判断故障保护信息与隔离开关动作是否相符，如果是，返回步骤(1)；否则，判断为保护误动，及时恢复送电，执行合闸，并将与保护误动相关的信息更新到基于差流模型的推理保护模型库。
确定为输电线路交叉区故障后，按照线路故障前电网运行方式，利用故障录波器中所记录的数据，进行故障点搜索，如果在故障线路区域搜索到一故障点，且其两侧线路零序电流的比值与两侧线路阻抗的比值相等，则确定该故障点即为所求故障点。
数据采集时造成的差流越限情况包括：故障录波的极性、相位错误或者二次回路多点接地。
本发明的有益效果：
通过引入区域故障电流的差流这一维度，将故障设备的判断锁定在时间、故障设备这两维空间内可以解决。同时以此为事件粒度标准，通过来自于不同变电站端的不同信息源信息融合，向上可以扩展至跨区域级联故障区域的判断，向下可细化及故障性质判断、线路上故障点的准确测距。由于不论是信息融合抑或是最底层的线路故障测距均是基于来自实时不同数据源的整合、分类、计算，也即是以信息融合、图形归一化处量技术最大程度呈现出故障发生背后原因及深层次问题，很大程度上实现了自动分析型调度所需的智能决策辅助工具，为调度人员快速分析提供了有利工具。
附图说明
图1为MAS***信息与电网一次图对应信息融合方向图；
图2为MAS开放式结构成图；
图3为本发明故障处理流程图；
图4为来自不同信息源的故障数据合并示意图；
图5为零序等效网络图；
图6为测距流程图。
具体实施方式
下面结合附图与具体实施例对本发明技术方案作进一步说明：
如图1所示，电网每个元件都有差动保护装置，当任何一个差流计算区域差流值越限，就会启动诊断***集中检索相关的故障记录。包括差流越限边界设备相关的保信***、故录***及SCADA***。并将检索到的详细信息来评估保护动作行为及故障诊断。同时作为分析工具，本***集成了一个基于差流模型的推理保护模型库(DIFFERENTIAL-CURRENTMODELBASEDREASONGING，DMBR)。事后可以通过比较实际继电器的行为与由模型预测来识别保护组件是否正确动作。
然而，在DFR内存储的数据必须从COMTRADE格式进行转换。同时，对于差流越限域边界的各个故录信息由于在物理位置上可能分属于不同变电站，因此需要进行数据同步，在同一坐标时轴上呈现出来。有了以上准备，就可以将相关信息整合，时进行故障诊断，具体过程如图1所示。
1基于MAS的故障诊断综合解决平台的构架
由以上分析可以看出，远程故障诊断可以满足电力***运行的可靠性、安全性要求和发展趋势。本文定义和提出了基于Web的多Agent***的电力***协同诊断平台。而MAS的体系结构设计框架中，其中的每一个agent都有其特定的角色分配，它们之间配合协作，共同完成诊断过程。平台本身可以支持其各个组成agent间的通信和信息交互。
1.1MAS***体系结构
常见协同诊断***的应用程序是一个开放式***。从架构的观点来讲，该***提供了一个框架，用来协调若干特定的代理行为。如图1所示，***中的代理，包括一系列在服务器端工作的诊断agent(含差值分析agent、故障测距agent、保护动作序列分析agent)和数据同步同轴处理agent。诊断知识分布在多个agent，每个agent是一个专家处理***。整个***能否有效解决问题，均依赖于agent社区的专业知识累积程度。除了使用智能数据采集器在客户端进行监控代理,其他代理通过各个差动分区边界点采集电流，进行以设备为单元的差流计算。差流计算的方法采用现有方法即可。当监测到有设备单元差流越限时，则启动相关故障分析诊断程序，由客户端的监控代理发送请求到诊断/治疗服务的服务器，服务器将响应及诊断结果发送回客户端，其具体构成及简单信息流向如图2所示。
从图示平台架构可以看出，这一平台是一个开放式平台，这种开放性体现于两个方面：从平台构成来看，由于平台是耦合了多种技术，而各个技术本身的成长即构成了平台整体水平的成长，因此可以认为是纵向软件水平的积成；从物理区域来看，如图1所示，从以线路对象为最小单元的区域划分到以故障最初判断保护区为判断最小单元起点的区域扩展的故障分析，其物理区域是层层展开的。当然这种展开不会引起另外的成本，因为这一平台是建立在已经搭建好的故录及保信***层面，***所做的只是信息的融合和集成分析。另一方面也不会引起信息处理量的剧增及分析“维度”的增加。因为分析的粒度是以设备为最小判断单元的各差流区域，而扩展的每个“分步”是以“动作”失败点为起点的、以设备为单元的扩展，因此从分析的角度来讲也是一个“维度”，并没有增加分析“维度”。
1.2基于动作“失败”元件起点的信息有限扩展方法
A.A4保护动作失败
如图1所示，当A4差动保护动作失败时，其差流计算出现异常，这时基于线路L2为最小保护区判断结论失败，因此以失败动作边界点A4为起点扩展信息收集判断区域，将L2、B7列入可能故障对象列表。
启动二次信息扩展收集，从保信子站***收集的信息可以看出A3与A4的距离保护动作相交区域为L2，通过一个周期的信息整合即可锁定故障设备，并给出保护动作行为评价。由此可见，正常的故障元件锁定判断中采用的是“信息闭合”模式下的差流计算，而当出现判断失败时，则有限整合“半开放”的距离保护，由距离保护动作区信息闭合，再次锁定故障设备。
B.开关4失灵
仍然是对同一个案例为基础进行分析，当基于L2的差流计算越限并由差动保护动作命令发出，而结果是开关A3跳开，A4未能成功跳开，这时启动母差失灵保护跳开B7所接带A5开关。显然这一分析过程来自于差流越限分析与保信***的信息综合同步。由此可见，这一综合分析***不仅是来自于物理采样的同步，也包括SCADA***、保信***及故录物理量采集的跨平台的广义信息同步。
由以上分析可知，无论是基于差流是否越限的故障设备一次锁定，还是基于动作失败对象的信息有限扩展后的二次判断，其本质是故录、保信及SCADA***的信息同步、融合。但是这种融合是带有明确方向及指向性的。其物理区域的扩展是继承了保护近、远后备的思想，以A3为例，其保护最小区域是以其为边界点的线路L2和母线B8；以其远后备保护范围为边界，最大保护区定义为线路L1、L3、L5以及母线B7。例如，当保护A3无信息输出时，其信息盲点仍可由扩展后的最大保护区边界点A1、A10作为L2远后备保护范围与A4保护区的交集将故障定位于L2。其具体流程如图3如下。
从图3故障处理流程可看出，故障诊断过程实质上是模拟了保护工程的事故分析思路，因为有了最小、最大保护区的定义，同时又有了差流这一与保护区域同步扩展的直观故障判据，使的事件的划分有了明确的界定。因此用以分析复故障、序列跳闸以及***异常运况分析都有了有效工具。因为差流的门坎值大小是区分故障与异常运况的最有效判据。而以设备为最小划分单元的差流分区计算方法可以有效锁定同时故障的非唯一设备。而差流的出现及消失，可以清晰体现一个序列保护动作的独立事件包。
2***主要关键技术
2.1基于插值法故录采样同步及频率归一化AGENT
图4给出了本***处理来自不同信息源(包括来自保护及故录的波形)进行标准化处理及图形及相关信息合并的原理图。可以看出，来自保护装置的故障保护格式为COMTRADE,不同于故障录波器的格式类型，并且来自于不同故障录波设备的报告格式也不同，但是不论哪种格式，总可以提出相关故障录波器ID及报告路径，因此只要提出相关特征量即可将来自不同数据源的报告进行标准化处理；同时为了便于深入分析，还可以通过不同的差动动作区设置完成不同保护原理的设置，以便实现实际故障发生时保护动作行为的分析。中间部分详细说明其波形图归一化及合并处理过程，右侧给出了相应动作区配置后，实际故障发生时保护动作行为分析及波形及信息融合结果，可方便实现故障性质判断及保护行为校核，以上过程均是通过事先设定自动处理完成。
2.2基于故录信息的零序网络的高阻接地故障测距AGNET
需要提出的是本***采用插值法把不同采样频率统一为同一采样频率，对没有采样点的波形数据进行包络线方式压缩显示，同时录波数据中只记录有效值的压缩存储部分，并进行相应处理。如此经过归一化处理的波形图通过付氏算法即可实时计算矢量大小，然后以设备为单元计算差流值，以直观图形的形式在设备一次图中实时显示。
目前故障***的测距方法普遍采用解微分方程算法，但是由于是基于当地单台设备的采样值，其方程个数的限制只能求解两个未知数，因此假设保护安装处电流与故障电流同相位，而省略求解故障电流角度这一状态量。但这种假设无法满足导致高阻接地故障时，由于其故障电流角度因过渡电阻的存在，无法认为其与保护安装处电流同角度。而因为采用的为广域多端采样，因此可以用回代法筛选出工程允许的接地阻抗值及相应的故障点位置，如图6所示。
考虑为高阻接地故障，因此选择零序量作为状态量。零序等效网络如图5所示，其状态方程为
可见，状态方程与接地电阻Rg的阻值大小无关。两站的零序电流由两侧保护装置的保护录波文件可得。
基于故录实时信息广域差流计算确定为故障区域为输电线路后，然后按照线路故障前电网运行方式利用故障录波中所记录的数据利用其中的计算程序模块进行搜索，在故障线路搜索到一故障点，线路两侧零序电流的比值与式(1)相等，因此该故障点即为所求故障点。
3案例分析
案例:某地区雷雨天气，某220千伏线路跳闸，通过上述***及方法能够给出基于MAS故障诊断***集成故录、保信、及SCAD***的SOE信息后所集成的界面，；另外，在故障报告中，给出了故障点的判别，以及故障性质的判断，与之相应的是故障量的录波图。其中的动作情况分析中，主要给出了差动主保护的动作行为分析。而相应的故障录波窗口只是一个按钮性质的界面，给出的是合成差动电流值，如果相进一步分析，则可根据需要打开相应界面即可详细的录波信息。
4结论
本文介绍了基于MAS的电网故障及事故快速处理整套解决方案，以合适的维度和粒度将电网故障这一复杂问题层层分解，利用归一化技术整合现有的***，利用MAS开放式、多层次、成长型框架，有效融合现有的故录、保信、SCADA***，并通过广域差动原理确定最小保护识别区，以近、远后备原理确定以失败元件为边界点的有效扩展保护最大识别区，这样处理的优势在于：通过引入区域故障电流的差流这一维度，将故障设备的判断锁定在时间、故障设备这两维空间内可以解决。同元时以此为事件粒度标准，通过来自于不同变电站端的不同信息源信息融合，向上可以扩展至跨区域级联故障区域的判断，向下可细化及故障性质判断、线路上故障点的准确测距。由于不论是信息融合抑或是最底层的线路故障测距均是基于来自实时不同数据源的整合、分类、计算，也即是以信息融合、图形归一化处量技术最大程度呈现出故障发生背后原因及深层次问题，很大程度上实现了自动分析型调度所需的智能决策辅助工具，为调度人员快速分析提供了有利工具。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种基于多AGENT的分层扩展电网故障信息处理***，其特征是，包括：多Agent***，所述多Agent***与电网差流越限边界设备的保信***、故录***及SCADA***分别通信；所述多Agent***通过采集各个电网差动分区边界点电流，进行数据归一化处理后，进行以设备为最小划分单元的差流计算，当监测到有设备单元差流越限时，进行故障区域以及故障点位置的判定；
所述多Agent***包括：
智能数据采集器：用于采集各个差动分区边界点的电流信号，进行以设备为单元的差流计算；
数据同步同轴处理agent：提取出相关故障录波器ID及报告路径，将来自不同数据源的报告进行标准化处理，实现故录采样数据同步及归一化；
插值分析agent：采用插值法将不同采样频率统一为同一采样频率，对没有采样点的波形数据进行包络线方式压缩显示，同时录波数据中只记录有效值的压缩存储部分；
故障测距agent：用于测定线路故障点的位置；
保护动作序列分析agent：利用基于差流模型的推理保护模型库，通过比较实际继电器的行为与由推理保护模型库得出的行为是否一致来识别保护组件是否正确动作。
2.如权利要求1所述的一种基于多AGENT的分层扩展电网故障信息处理***，其特征是，所述多Agent***中的数据同步同轴处理agent、差值分析agent、故障测距agent和保护动作序列分析agent之间互相通信。
3.如权利要求1所述的一种基于多AGENT的分层扩展电网故障信息处理***，其特征是，多Agent***中每个agent都是一个专家处理***，分布有相应的诊断知识。
4.如权利要求1所述的一种基于多AGENT的分层扩展电网故障信息处理***，其特征是，所述故障测距agent以零序量作为状态量进行故障点的确定及测距。
5.一种如权利要求1所述的基于多AGENT的分层扩展电网故障信息处理***的控制方法，其特征是，当差流计算出现异常时，通过广域差动原理确定最小保护识别区，以近、远后备原理确定以失败元件为边界点的有效扩展保护最大识别区，进行故障区域以及故障点位置的判定；
具体方法如下：
(1)实时采集电网差流越限边界设备的保信***、故录***及SCADA***的数据，将来自不同数据源的数据进行归一化处理，并设定差流的门槛值；
(2)以设备为最小划分单元进行差流计算，判断差流是否越限，如果是，启动多Agent***检索相关的故障记录，转入下一步，否则，返回步骤(1)；
(3)判断是否为数据采集时造成的差流越限，如果是，确定校正方案，进行后台或回路修正；否则，转入下一步；
(4)计算相邻元件差流是否越限，如果是，则判断为输电线路交叉区故障，进入下一步；否则，直接转入下一步；
(5)差动保护装置检测到故障后，根据基于差流模型的推理保护模型库发出故障保护信息，判断故障保护信息与隔离开关动作是否相符，如果是，返回步骤(1)；否则，判断为保护误动，及时恢复送电，执行合闸，并将与保护误动相关的信息更新到基于差流模型的推理保护模型库。
6.如权利要求5所述的控制方法，其特征是，确定为输电线路交叉区故障后，按照线路故障前电网运行方式，利用故障录波器中所记录的数据，进行故障点搜索，如果在故障线路区域搜索到一故障点，且其两侧线路零序电流的比值与两侧线路阻抗的比值相等，则确定该故障点即为所求故障点。
7.如权利要求5所述的控制方法，其特征是，数据采集时造成的差流越限情况包括：故障录波的极性、相位错误或者二次回路多点接地。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510772790.XA CN105245015B (zh) | 2015-11-12 | 2015-11-12 | 基于多agent的分层扩展电网故障信息处理***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510772790.XA CN105245015B (zh) | 2015-11-12 | 2015-11-12 | 基于多agent的分层扩展电网故障信息处理***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105245015A CN105245015A (zh) | 2016-01-13 |
| CN105245015B true CN105245015B (zh) | 2016-06-29 |
Family
ID=55042545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510772790.XA Expired - Fee Related CN105245015B (zh) | 2015-11-12 | 2015-11-12 | 基于多agent的分层扩展电网故障信息处理***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105245015B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718663B (zh) * | 2016-01-21 | 2018-08-21 | 广东电网有限责任公司佛山供电局 | 配电网autocad设计图自动识别方法 |
| CN110110856B (zh) * | 2019-04-08 | 2024-01-19 | 深圳供电局有限公司 | 一种基于多源信息深度推理的电网故障诊断方法及*** |
| CN111044843B (zh) * | 2019-11-13 | 2023-09-19 | 广西电网有限责任公司 | 一种基于多源数据的输电线路故障定位方法 |
| CN110957707B (zh) * | 2019-11-29 | 2021-08-10 | 国家电网有限公司 | 一种变电站站内元件差动保护方法及*** |
| CN116093895B (zh) * | 2023-03-07 | 2023-08-29 | 国电南京自动化股份有限公司 | 基于多间隔信息融合的母线保护ct断线再开放方法及*** |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2290775A1 (en) * | 2009-08-31 | 2011-03-02 | ABB Research Ltd. | A method of fault phase selection and fault type determination |
| CN104701827A (zh) * | 2015-03-17 | 2015-06-10 | 东北大学 | 基于多Agent技术的微网广域电流保护***及方法 |
-
2015
- 2015-11-12 CN CN201510772790.XA patent/CN105245015B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2290775A1 (en) * | 2009-08-31 | 2011-03-02 | ABB Research Ltd. | A method of fault phase selection and fault type determination |
| CN104701827A (zh) * | 2015-03-17 | 2015-06-10 | 东北大学 | 基于多Agent技术的微网广域电流保护***及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种大规模电网故障诊断的多智能体信息融合模型与方法;曹一家等;《电力自动化设备》;20100731;第30卷(第7期);第14-16页 * |
| 基于广域故障录波信息的调度端电网故障诊断***;李乃永等;《电力***自动化》;20140825;第38卷(第16期);第100-102页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105245015A (zh) | 2016-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105245015B (zh) | 基于多agent的分层扩展电网故障信息处理***及方法 | |
| CN104297637B (zh) | 综合利用电气量和时序信息的电力***故障诊断方法 | |
| CN104753178A (zh) | 一种电网故障处理*** | |
| CN106340818B (zh) | 智能变电站继电保护设备检修安措辅助分析预警方法 | |
| CN102035202B (zh) | 一种网络重构*** | |
| CN107294089B (zh) | 一种面向电网事件的智能关联分析和评价方法 | |
| CN106124935A (zh) | 中低压配电网络故障定位方法 | |
| CN106908690A (zh) | 主子站间分布式智能告警***及其故障诊断方法 | |
| CN105093033A (zh) | 一种基于电网多源信息的故障综合分析***及分析方法 | |
| CN110068746A (zh) | 电网故障诊断分析方法及*** | |
| CN105116246B (zh) | 一种电网运行保护实时在线分析方法 | |
| CN103296757A (zh) | 基于多参量辨识的智能变电站二次***故障判断方法 | |
| CN103971292B (zh) | 基于实时站内图映射的故障准确辨识方法 | |
| CN111044843B (zh) | 一种基于多源数据的输电线路故障定位方法 | |
| CN104134973A (zh) | 基于变电站全景数据的故障自动综合分析方法 | |
| CN104880629A (zh) | 调度端保护元件动作行为的远程诊断方法 | |
| CN109490715A (zh) | 一种极端环境下的电力***故障判别方法 | |
| Kezunovic et al. | Automating the analysis of faults and power quality | |
| Udren et al. | Managing wildfire risks: Protection system technical developments combined with operational advances to improve public safety | |
| CN106529824A (zh) | 一种用于智能变电站二次设备及二次***功能受损度分析方法 | |
| Kezunovic et al. | Merging PMU, operational, and non-operational data for interpreting alarms, locating faults and preventing cascades | |
| CN110674193A (zh) | 一种智能变电站继电保护故障信息建模方法 | |
| Kezunovic et al. | Intelligent alarm processing: From data intensive to information rich | |
| CN107844383B (zh) | 一种基于站控层信息与录波文件融合模型的故障分析方法 | |
| CN104377814B (zh) | 变电站设备诊断方法与*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160629 Termination date: 20171112 |