CN109342885B - 一种直流配电网线路故障的定位方法及*** - Google Patents

一种直流配电网线路故障的定位方法及*** Download PDF

Info

Publication number
CN109342885B
CN109342885B CN201811353661.7A CN201811353661A CN109342885B CN 109342885 B CN109342885 B CN 109342885B CN 201811353661 A CN201811353661 A CN 201811353661A CN 109342885 B CN109342885 B CN 109342885B
Authority
CN
China
Prior art keywords
mathematical model
line
fault
value
fitness function
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
Application number
CN201811353661.7A
Other languages
English (en)
Other versions
CN109342885A (zh
Inventor
刘青
张诗杭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201811353661.7A priority Critical patent/CN109342885B/zh
Publication of CN109342885A publication Critical patent/CN109342885A/zh
Application granted granted Critical
Publication of CN109342885B publication Critical patent/CN109342885B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Locating Faults (AREA)

Abstract

本发明公开了一种直流配电网线路故障的定位方法，所述定位方法包括：首先，建立故障线路的数学模型；然后，利用所述故障线路的数学模型构造适应度函数；最后，基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。本发明通过所建的故障线路的数学模型消除了过渡电阻的影响，提高了定位的准确性，并构造适应度函数，将故障定位问题转化为参数识别问题，进而采用遗传算法进行参数识别，确定故障位置，避免了由于数据采集有误对定位造成的干扰，进一步提高了定位的准确性。

Description

一种直流配电网线路故障的定位方法及***
技术领域
本发明涉及直流配电网领域，特别涉及一种直流配电网线路故障的定位方法及***。
背景技术
随着大量可再生能源接入电网，基于电压源型(Voltage Sourced Converters,VSC)换流器的柔性直流配电网成为研究热点，直流***出现异常和故障时，故障过程迅速，危害极大，对故障定位提出了较高的要求。
针对直流***故障定位，主要可分为行波法和非行波法两大类。利用行波进行故障定位原理是通过检测暂态行波在故障点与测量点之间的传输时间差来实现故障定位，该方法定位精度高，鲁棒性强。但该方法在实施过程中人工需求量较大，难以实现自动化，且其对采样频率要求较高，当行波波头幅值受到限制时，将会导致定位失败。进而有学者提出非行波法进行故障定位，目前得到广泛讨论的非行波法主要有：一种利用单端电气量实现故障定位的方法，该方法定位精度较高，计算量小，但易受对端换流器调节作用的影响，在实际工程中应用的准确性有待提高。因此，如何提高直流***故障定位的抗过渡电阻能力强，进而提高故障定位的准确性，成为一个亟待解决的技术问题。
发明内容
本发明的目的是提供一种直流配电网线路故障的定位方法及***，以提高直流***故障定位的抗过渡电阻能力强，进而提高故障定位的准确性。
为实现上述目的，本发明提供了如下方案：
一种直流配电网线路故障的定位方法，所述定位方法包括如下步骤：
建立故障线路的数学模型；
利用所述故障线路的数学模型构造适应度函数；
基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。
可选的，所述建立故障线路的数学模型，具体包括：
获取所述故障线路的第一等效电路；
根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure GDA0002680591540000021
根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure GDA0002680591540000022
将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure GDA0002680591540000023
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
可选的，所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure GDA0002680591540000024
其中，
Figure GDA0002680591540000031
k表示迭代次数；
采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示：
Figure GDA0002680591540000032
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
可选的，所述建立故障线路的数学模型，具体包括：
获取所述故障线路的第二等效电路；
根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure GDA0002680591540000033
根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure GDA0002680591540000034
将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure GDA0002680591540000035
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
可选的，所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第二数学模型离散化，获得第二离散模型，所述第二离散模型如下式所示：
Figure GDA0002680591540000041
其中，
Figure GDA0002680591540000042
k表示迭代次数；
采用GA算法对所述第二离散模型进行优化，获得第二适应度函数，所述第二适应度函数如下式所示：
Figure GDA0002680591540000043
式中，S'(R1,R2,L1,L2)为第二适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第二数学模型的函数值。
可选的，所述基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置，具体包括：
计算每个离散位置的适应度函数值；
选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置；
对所述候选故障位置进行交叉和变异操作，获得优化后的故障位置；
计算每个优化后的故障位置的适应度函数值，迭代次数增加1，；
判断所述优化后的故障位置中适应度函数值最大的位置与上一次迭代获得的适应度函数值最大的位置的差值是否小于第二阈值，获得第一判断结果；
若所述第一判断结果为是，则将所述适应度函数值最大的位置作为故障位置；
若所述第一判断结果为否，则判断所述迭代次数是否小于最大迭代次数，获得第二判断结果；
若所述第二判断结果为是，则返回步骤“选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置”；
若所述第二判断结果为否，则将所述适应度函数值最大的位置作为故障位置。
一种直流配电网线路故障的定位***，所述定位***包括：
数学模型建立模块，用于建立故障线路的数学模型；
适应度函数构造模块，用于利用所述故障线路的数学模型构造适应度函数；
故障位置确定模块，用于基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。
可选的，所述数学模型建立模块，具体包括：
第一等效电路获取子模块，用于获取所述故障线路的第一等效电路；
第一起始端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure GDA0002680591540000051
第一末端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure GDA0002680591540000052
第一数学模型建立子模块，用于将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure GDA0002680591540000061
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
可选的，所述适应度函数构造模块，具体包括：
第一数学模型离散化子模块，用于将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure GDA0002680591540000062
其中，
Figure GDA0002680591540000063
k表示迭代次数；
第一离散模型优化子模块，用于采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示；
Figure GDA0002680591540000064
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
可选的，所述数学模型建立模块，具体包括：
第二等效电路获取子模块，用于获取所述故障线路的第二等效电路；
第二起始端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure GDA0002680591540000071
第二末端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure GDA0002680591540000072
第二数学模型建立子模块，用于将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure GDA0002680591540000073
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种直流配电网线路故障的定位方法，所述定位方法包括：首先，建立故障线路的数学模型；然后，利用所述故障线路的数学模型构造适应度函数；最后，基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。本发明通过所建的故障线路的数学模型消除了过渡电阻的影响，提高了定位的准确性，并构造适应度函数，将故障定位问题转化为参数识别问题，进而采用遗传算法进行参数识别，确定故障位置，避免了由于数据采集有误对定位造成的干扰，进一步提高了定位的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种直流配电网线路故障的定位方法的流程图；
图2为本发明提供的第一等效电路的电路图；
图3为本发明提供的第二等效电路的电路图；
图4为本发明提供的基于遗传算法对所述适应度函数进行识别的流程图；
图5为本发明提供的一种直流配电网线路故障的定位***的结构图；
图6为本发明提供的本发明搭建的定位方法及***的实验***图；
图7为本发明搭建的定位方法及***的仿真线路图；
图8为本发明的提供的极间短路故障定位和单极接地故障定位的收敛速度实验结果图；
图9为本发明提供的极间短路故障定位和单极接地故障定位的准确性实验结果图；
图10为本发明提供的本发明的定位方法及***对18种线路故障定位的实验结果图。
具体实施方式
本发明的目的是提供一种直流配电网线路故障的定位方法及***，以提高直流***故障定位的抗过渡电阻能力强，进而提高故障定位的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对发明作进一步详细的说明。
如图1所示，一种直流配电网线路故障的定位方法，所述定位方法包括如下步骤：
步骤101，建立故障线路的数学模型。
当所述故障电路的故障为极间短路故障时，步骤101所述建立故障线路的数学模型，具体包括：
极间短路故障时，由于IGBT的自保护功能，故障发生瞬间换流器闭锁，可忽略交流侧的电流影响，线路上的电流全部来源于电容的放电。获取所述故障线路的第一等效电路,如图2所示。
根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure GDA0002680591540000091
根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure GDA0002680591540000092
将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure GDA0002680591540000093
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
当所述故障线路的故障为单极接地故障时，步骤101所述建立故障线路的数学模型，具体包括：
获取所述故障线路的第二等效电路；此时，所述第二等效电路如图3所示。
根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure GDA0002680591540000101
根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure GDA0002680591540000102
将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure GDA0002680591540000103
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
步骤102，利用所述故障线路的数学模型构造适应度函数。
当所述故障电路的故障为极间短路故障时，步骤102，所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure GDA0002680591540000104
其中，
Figure GDA0002680591540000111
k表示迭代次数；
采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示：
Figure GDA0002680591540000112
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
当所述故障线路的故障为单极接地故障时，步骤102所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第二数学模型离散化，获得第二离散模型，所述第二离散模型如下式所示：
Figure GDA0002680591540000113
其中，
Figure GDA0002680591540000114
k表示迭代次数；
采用GA算法对所述第二离散模型进行优化，获得第二适应度函数，所述第二适应度函数如下式所示：
Figure GDA0002680591540000115
式中，S'(R1,R2,L1,L2)为第二适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第二数学模型的函数值。
步骤103，基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。
步骤103所述基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置，如图4所示，具体包括：
对故障线路两侧电容两端电压进行采样，初始化各个参数，根据公式(10)或(7)计算每个离散位置的适应度函数值；其中当线路故障为极间短路故障时，利用公式(8)求取公式(10)中的参数，当线路故障为单极接地故障时，利用公式(9)求取公式(7)中的参数。
选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置；具体包括对离散位置按照适应度函数值的大小进行排序和选择。
对所述候选故障位置进行交叉和变异操作，获得优化后的故障位置；
计算每个优化后的故障位置的适应度函数值，迭代次数增加1，；
判断所述优化后的故障位置中适应度函数值最大的位置与上一次迭代获得的适应度函数值最大的位置的差值是否小于第二阈值，获得第一判断结果；
若所述第一判断结果为是，则将所述适应度函数值最大的位置作为故障位置；
若所述第一判断结果为否，则判断所述迭代次数是否小于最大迭代次数，获得第二判断结果；
若所述第二判断结果为是，则返回步骤“选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置”；
若所述第二判断结果为否，则将所述适应度函数值最大的位置作为故障位置。
如图5所示，本发明还提供了一种直流配电网线路故障的定位***，所述定位***包括：
数学模型建立模块501，用于建立故障线路的数学模型。
当所述故障电路的故障为极间短路故障时，所述数学模型建立模块501，具体包括：
第一等效电路获取子模块，用于获取所述故障线路的第一等效电路；
第一起始端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure GDA0002680591540000131
第一末端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure GDA0002680591540000132
第一数学模型建立子模块，用于将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure GDA0002680591540000133
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
当所述故障线路的故障为单极接地故障时，所述数学模型建立模块401，具体包括：
第二等效电路获取子模块，用于获取所述故障线路的第二等效电路；
第二起始端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure GDA0002680591540000141
第二末端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure GDA0002680591540000142
第二数学模型建立子模块，用于将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure GDA0002680591540000143
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
适应度函数构造模块502，用于利用所述故障线路的数学模型构造适应度函数；当所述故障电路的故障为极间短路故障时，所述适应度函数构造模块502，具体包括：
第一数学模型离散化子模块，用于将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure GDA0002680591540000144
其中，
Figure GDA0002680591540000151
k表示迭代次数；
第一离散模型优化子模块，用于采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示；
Figure GDA0002680591540000152
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
故障位置确定模块503，用于基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。
实施例1:
本发明搭建了如图6所示的6端环网HILS(半实物仿真)实验***。该***由型号为OP5600的RT-LAB实时仿真器、型号为TMS320F28335的DSP运算器以及上位机等构成，搭建的仿真线路如图7所示，故障设置在G-VSC和W-VSC之间的线路上。
G-VSC采用双闭环控制方式，外环采用电压下垂控制，内环采用定直流电流控制方式。W-VSC运行在最大功率控制方式下，在某些情况下，需要降功率运行。储能模块处于充电或者放电状态。同时，为了确保***的功率平衡和稳定运行，储能单元扮演整个直流配电网的平衡节点角色，必要时处于孤岛运行模式。太阳能电池板通过DC-DC变换器并入直流配电网，外环采用最大功率跟踪控制方式，内环采用定电压控制方式。得到直流母线电压500V，变流器直流侧电容2mF，单位长度线路电阻值为0.0139Ω/km，单位长度线路电感值为0.159Ω/km，线路长度10km，采样频率25us。
遗传算法的种群参数初始化：待辨识参数有4个，因此搜索维度为4，参数取值范围为单位长路线路值与线路全场长的乘积；种群大小一般是维度的5-10倍，由于故障定位对算法速度提出较高要求，因此种群大小取20，对电压进行采样时需要取故障发生后的22个点。交叉概率取0.6，变异概率为0.01，代沟取0.95，为保证保护的速动性，最大遗传代数取30次。初始种群确定过程如下：首先，对发生故障后的22组电压值进行采样。其次，根据方程(9)和(10)可知，22组电压值对应有效方程的数量是20组。需求解4个未知数，因此可计算出C204个初始种群。最终，从中随机选取20组参数值组成初始种群。
实施例2：
利用遗传算法进行参数识别，针对单极接地故障情况和双极短路故障情况分别进行仿真。随着迭代次数的增加，
Figure GDA0002680591540000161
的收敛情况如图8所示，图中以过渡电阻为10Ω，实际定位距离为5km的情况为例。可知在迭代第20次时，针对极间短路故障和单极接地故障时，1/S的取值均收敛，收敛性好的同时能够保证收敛速度。
实施例3：
判断参数辨识的准确性，需对公式(8)和公式(9)进行曲线拟合，将其写成函数形式如公式(11)-(12)。最终辨识得到的结果被带入公式中，以双极短路情况时，过渡电阻10Ω，实际定位距离为5km的情况为例。利用公式(11)得到拟合结果如图9所示，横坐标代表时间，纵坐标代表函数y的取值。
Figure GDA0002680591540000162
Figure GDA0002680591540000163
仿真数据与拟合曲线基本重合，说明辨识结果良好。
实施例4：
针对18种情况分别设置故障，根据(11)-(12)进行曲线拟合，得到图10。横坐标代表18种情况，纵坐标代表每种情况下20个时刻的平均每时刻对应y的取值。y的公式表示如(13)。j的取值取决于故障类型，当故障类型是极间短路故障时，j＝1；反之，j＝2。
Figure GDA0002680591540000171
由图10可知，每种故障对应的每时刻平均y的取值在[-0.2-0.2]之间，误差非常小。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种直流配电网线路故障的定位方法，所述定位方法包括：首先，建立故障线路的数学模型；然后，利用所述故障线路的数学模型构造适应度函数；最后，基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置。本发明通过所建的故障线路的数学模型消除了过渡电阻的影响，提高了定位的准确性，并构造适应度函数，将故障定位问题转化为参数识别问题，进而采用遗传算法进行参数识别，确定故障位置，避免了由于数据采集有误对定位造成的干扰，进一步提高了定位的准确性。通过本发明提供的实施例可知，本发明提供的定位精度很高，误差在1％以下，排除了采样过程中采样信息有误的干扰，具有很强的鲁棒性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

Claims (8)

1.一种直流配电网线路故障的定位方法，其特征在于，所述定位方法包括如下步骤：
建立故障线路的数学模型；
利用所述故障线路的数学模型构造适应度函数；
基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置；
所述建立故障线路的数学模型，具体包括：
获取所述故障线路的第一等效电路；
根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure FDA0002666664080000011
根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure FDA0002666664080000012
将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure FDA0002666664080000013
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2，设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
2.根据权利要求1所述的一种直流配电网线路故障的定位方法，其特征在于，所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure FDA0002666664080000021
其中，
Figure FDA0002666664080000022
k表示迭代次数；
采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示：
Figure FDA0002666664080000023
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
3.根据权利要求1所述的一种直流配电网线路故障的定位方法，其特征在于，所述建立故障线路的数学模型，具体包括：
获取所述故障线路的第二等效电路；
根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure FDA0002666664080000024
根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure FDA0002666664080000031
将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure FDA0002666664080000032
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2，设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
4.根据权利要求3所述的一种直流配电网线路故障的定位方法，其特征在于，所述利用所述故障线路的数学模型构造适应度函数，具体包括：
将所述故障线路的第二数学模型离散化，获得第二离散模型，所述第二离散模型如下式所示：
Figure FDA0002666664080000033
其中，
Figure FDA0002666664080000034
k表示迭代次数；
采用GA算法对所述第二离散模型进行优化，获得第二适应度函数，所述第二适应度函数如下式所示：
Figure FDA0002666664080000035
式中，S'(R1,R2,L1,L2)为第二适应度函数，fk'(R1,R2,L1,L2)表示第k次迭代第二数学模型的函数值。
5.根据权利要求2或4所述的一种直流配电网线路故障的定位方法，其特征在于，所述基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置，具体包括：
计算每个离散位置的适应度函数值；
选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置；
对所述候选故障位置进行交叉和变异操作，获得优化后的故障位置；
计算每个优化后的故障位置的适应度函数值，迭代次数增加1；
判断所述优化后的故障位置中适应度函数值最大的位置与上一次迭代获得的适应度函数值最大的位置的差值是否小于第二阈值，获得第一判断结果；
若所述第一判断结果为是，则将所述适应度函数值最大的位置作为故障位置；
若所述第一判断结果为否，则判断所述迭代次数是否小于最大迭代次数，获得第二判断结果；
若所述第二判断结果为是，则返回步骤“选取适应度函数值大于预设第一阈值的离散位置，作为候选故障位置”；
若所述第二判断结果为否，则将所述适应度函数值最大的位置作为故障位置。
6.一种直流配电网线路故障的定位***，其特征在于，所述定位***包括：
数学模型建立模块，用于建立故障线路的数学模型；
适应度函数构造模块，用于利用所述故障线路的数学模型构造适应度函数；
故障位置确定模块，用于基于遗传算法对所述适应度函数进行识别，确定所述故障线路的故障位置；
所述数学模型建立模块，具体包括：
第一等效电路获取子模块，用于获取所述故障线路的第一等效电路；
第一起始端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一起始端数学模型，所述第一起始端数学模型如下式所示：
Figure FDA0002666664080000051
第一末端数学模型建立子模块，用于根据所述第一等效电路，建立所述故障线路的第一末端数学模型，所述第一末端数学模型如下式所示：
Figure FDA0002666664080000052
第一数学模型建立子模块，用于将所述第一起始端数学模型和所述第一末端数学模型联立，获得所述故障线路的第一数学模型，所述第一数学模型如下式所示：
Figure FDA0002666664080000053
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2，设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
7.根据权利要求6所述的一种直流配电网线路故障的定位***，其特征在于，所述适应度函数构造模块，具体包括：
第一数学模型离散化子模块，用于将所述故障线路的第一数学模型离散化，获得第一离散模型，所述第一离散模型如下式所示：
Figure FDA0002666664080000054
其中，
Figure FDA0002666664080000061
k表示迭代次数；
第一离散模型优化子模块，用于采用GA算法对所述第一离散模型进行优化，获得第一适应度函数，所述第一适应度函数如下式所示；
Figure FDA0002666664080000062
式中，S(R1,R2,L1,L2)为第一适应度函数，fk(R1,R2,L1,L2)表示第k次迭代第一数学模型的函数值。
8.根据权利要求6所述的一种直流配电网线路故障的定位***，其特征在于，所述数学模型建立模块，具体包括：
第二等效电路获取子模块，用于获取所述故障线路的第二等效电路；
第二起始端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二起始端数学模型，所述第二起始端数学模型如下式所示：
Figure FDA0002666664080000063
第二末端数学模型建立子模块，用于根据所述第二等效电路，建立所述故障线路的第二末端数学模型，所述第二末端数学模型如下式所示：
Figure FDA0002666664080000064
第二数学模型建立子模块，用于将所述第二起始端数学模型和所述第二末端数学模型联立，获得所述故障线路的第二数学模型，所述第二数学模型如下式所示：
Figure FDA0002666664080000071
其中，I1，R1，L1，C1，Vdc1分别为靠近故障线路的起始端的等效电流值、电阻值、电感值、电容值和电容两端的电压值；I2，R2，L2，C2，Vdc2分别为靠近故障线路的末端的等效电流值、电阻值、电感值、电容值电容两端的电压值，Rf为过渡电阻值；设单位长度线路电阻为r，则R1＝r×D1，R2＝r×D2，设单位长度线路电感为l，则L1＝l×D1，L2＝l×D2，D1为靠近起始端的线路的长度，D1为靠近末端的线路的长度，D＝D1+D2，D为线路总长度。
CN201811353661.7A 2018-11-14 2018-11-14 一种直流配电网线路故障的定位方法及*** Expired - Fee Related CN109342885B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811353661.7A CN109342885B (zh) 2018-11-14 2018-11-14 一种直流配电网线路故障的定位方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811353661.7A CN109342885B (zh) 2018-11-14 2018-11-14 一种直流配电网线路故障的定位方法及***

Publications (2)

Publication Number Publication Date
CN109342885A CN109342885A (zh) 2019-02-15
CN109342885B true CN109342885B (zh) 2020-10-30

Family

ID=65315195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811353661.7A Expired - Fee Related CN109342885B (zh) 2018-11-14 2018-11-14 一种直流配电网线路故障的定位方法及***

Country Status (1)

Country Link
CN (1) CN109342885B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110323726B (zh) * 2019-07-17 2021-05-14 国网江苏省电力有限公司 一种直流配电网自适应线路保护方法及装置
CN110556803B (zh) * 2019-10-08 2021-11-26 上海科技大学 基于动态状态估计的直流输配电线路继电保护方法
CN111124884B (zh) * 2019-11-20 2021-10-26 北京航空航天大学 一种基于遗传算法的多故障解耦和故障定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102981099A (zh) * 2012-12-10 2013-03-20 辽宁省电力有限公司沈阳供电公司 基于遗传算法的配电网单相接地故障定位方法及定位装置
CN103267926A (zh) * 2013-03-19 2013-08-28 中国石油大学(华东) 基于差分进化算法故障特征匹配的含dg配电网故障测距
TW201537186A (zh) * 2014-03-19 2015-10-01 Univ Nat Kaohsiung Normal 電力線中斷辨識方法
CN106405319A (zh) * 2015-07-30 2017-02-15 南京理工大学 一种基于启发式信息的粗糙集电力***故障诊断方法
CN107091972A (zh) * 2017-07-05 2017-08-25 东南大学 一种基于改进粒子群的有源配电网故障定位方法
CN108037414A (zh) * 2017-12-11 2018-05-15 福州大学 一种基于分层模型和智能校验算法的配电网故障定位方法
CN108206541A (zh) * 2018-01-30 2018-06-26 国网上海市电力公司 一种含分布式电源的配电网电能质量扰动源定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102981099A (zh) * 2012-12-10 2013-03-20 辽宁省电力有限公司沈阳供电公司 基于遗传算法的配电网单相接地故障定位方法及定位装置
CN103267926A (zh) * 2013-03-19 2013-08-28 中国石油大学(华东) 基于差分进化算法故障特征匹配的含dg配电网故障测距
TW201537186A (zh) * 2014-03-19 2015-10-01 Univ Nat Kaohsiung Normal 電力線中斷辨識方法
CN106405319A (zh) * 2015-07-30 2017-02-15 南京理工大学 一种基于启发式信息的粗糙集电力***故障诊断方法
CN107091972A (zh) * 2017-07-05 2017-08-25 东南大学 一种基于改进粒子群的有源配电网故障定位方法
CN108037414A (zh) * 2017-12-11 2018-05-15 福州大学 一种基于分层模型和智能校验算法的配电网故障定位方法
CN108206541A (zh) * 2018-01-30 2018-06-26 国网上海市电力公司 一种含分布式电源的配电网电能质量扰动源定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于遗传算法的配电网故障定位;郭壮志 等;《电网技术》;20070630;第31卷(第11期);正文88至91页 *
纵横交叉算法在配电网故障定位中的应用;殷豪 等;《电力***保护与控制》;20161101(第1期);正文109至113页 *

Also Published As

Publication number Publication date
CN109342885A (zh) 2019-02-15

Similar Documents

Publication Publication Date Title
CN108923398B (zh) 一种基于电压特征行波相似测度的直流配电网保护方法
CN108469576B (zh) 一种多端交直流混合配电网直流故障检测方法
CN109342885B (zh) 一种直流配电网线路故障的定位方法及***
CN111245002B (zh) 基于mmc的双极柔性直流电网短路和接地故障电流预测方法
CN108879664B (zh) 基于广域量测的交直流***在线电压稳定评估方法
CN108957225B (zh) 一种计及电缆分布电容的直流配电线路单端故障测距方法
CN107037322A (zh) 基于稳态特征的配电网小电流接地故障定位方法
CN110609213B (zh) 基于最优特征的mmc-hvdc输电线路高阻接地故障定位方法
CN108248427A (zh) 动态修正soc误差的方法
CN112615359B (zh) 基于电压波形比较的交直流混联电网纵联保护方法及***
CN103267926A (zh) 基于差分进化算法故障特征匹配的含dg配电网故障测距
CN113659604A (zh) 一种lcc-vsc混合直流电网机电暂态仿真方法、装置及存储介质
CN113702767B (zh) 基于小波滑窗能量的孤岛直流微电网故障诊断方法
CN113447758B (zh) 一种风电场多分支集电线路单相接地故障测距方法
CN106841924A (zh) 基于参数识别的配电网线路绝缘监测方法
CN105842582A (zh) 基于emtr的柔性直流线路故障测距方法
CN113466624A (zh) 一种多端混合直流输电线路故障区域的检测方法及***
CN112986753B (zh) 一种经金属回线接地的柔性直流电网双端故障测距方法
CN110968073B (zh) 一种hvdc***换相失败故障原因双层溯源辨识方法
CN110544954B (zh) 一种多端直流输电***和传输路径选取方法
CN112595932A (zh) 一种适用于中压直流配电网的单极故障选线方法
Liu et al. A fast protection scheme using fault current characteristics in multi-terminal flexible DC distribution network
CN113721115B (zh) 一种中性点灵活接地配电网单相接地故障定位方法
Pan et al. State estimation based fault analysis and diagnosis in a receiving-end transmission system
CN117277234B (zh) 适用于并联型多端高压直流输电***的单端量保护方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201030

Termination date: 20211114

CF01 Termination of patent right due to non-payment of annual fee