CN111190121A - 基于序分量的含分布式电源配电网故障分类方法及*** - Google Patents
基于序分量的含分布式电源配电网故障分类方法及*** Download PDFInfo
- Publication number
- CN111190121A CN111190121A CN202010185341.6A CN202010185341A CN111190121A CN 111190121 A CN111190121 A CN 111190121A CN 202010185341 A CN202010185341 A CN 202010185341A CN 111190121 A CN111190121 A CN 111190121A
- Authority
- CN
- China
- Prior art keywords
- phase
- fault
- sequence component
- distribution network
- current
- 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.)
- Withdrawn
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开公开了一种基于序分量的含分布式电源配电网故障分类方法及***,包括:获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。解决由于分布式电源的并网模式和孤岛模式的变化而无法判断配电网是否发生故障以及发生故障类型的错误诊断的问题。
Description
技术领域
本公开涉及配电网中短路故障的检测和分类技术领域,特别是涉及一种基于序分量的含分布式电源配电网故障分类方法及***。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着智能电网的出现,配电网的建设规模不断扩大。由于分布式电源的存在,配电网中出现了许多新问题。分布式电源接入配电网会改变电网原有的单电源、放射状结构特征,使配电网成为一个功率双向流动的网络,使故障电流的特性发生很大的变化,对现有的故障定位产生影响。
关于配电网中是否发生故障以及发生故障类型的故障诊断方法中,现有的故障诊断方法主要有基于机理的方法和人工智能方法。基于机理的方法是从电力***机理发展而来的,因此具有较强的解释能力和明确的物理意义。基于机理的配电网方法通常遵循传输网的传统方法,即相位分量法和序分量法。
本公开发明人发现,由于分布式电源的存在,使得配电网成为复杂的多源***,分布式电源可以在没有通知的情况下自由地打开和关闭,因此配电网中的潮流是双向的,方向是随机变化的。现有的方法并没有考虑分布式电源的运行模式。这意味着输电网的一些故障诊断方法不能直接适用于配电网,关于配电网中是否发生故障以及发生故障类型的故障诊断成为了一个难题。并且传统的故障诊断方法只是针对单电源的配电网,未考虑含分布式电源配电网多电源不平衡的特点,进而导致故障定位精度远远不能满足要求。
发明内容
为了解决上述问题,本公开提出了一种基于序分量的含分布式电源配电网故障分类方法及***,根据分布式电源在配电网的运行方式,利用Fortescue方法从可测量电流的正序、负序和零序分量推导故障特征,构建故障识别指标,对不同的短路故障通过序分量的幅度和相位来区分。解决由于分布式电源的并网模式和孤岛模式的变化而无法判断配电网是否发生故障以及发生故障类型的错误诊断的问题。
为了实现上述目的,本公开采用如下技术方案:
第一方面,本公开提供一种基于序分量的含分布式电源配电网故障分类方法,包括:
获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
第二方面,本公开提供一种基于序分量的含分布式电源配电网故障分类***,包括:
电流分解模块,被配置为获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
序分量处理模块,被配置为利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
故障分类模块,被配置为分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
第三方面,本公开提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成一种基于序分量的含分布式电源配电网故障分类方法所述的步骤。
第四方面,本公开提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成一种基于序分量的含分布式电源配电网故障分类方法所述的步骤。
与现有技术相比,本公开的有益效果为:
1、本公开实现以改进后的序分量法检测和分类配电网中的短路故障,通过Fortescue方法为短路故障制定故障特征,根据定义四个分类变量对不同的短路故障通过序分量的幅度和相位来区分,准确的对配电网的短路故障检测和分类。
2、本公开考虑分布式电源的并网模式和孤岛模式,建立了分布式电源并网模式和孤岛模式下故障点可测电流与不可测电流之间的关系,解决了故障节点处电流不易测量的问题。
3、本公开利用Fortescue方法从可测量电流的正序、负序和零序分量推导故障特征并进行诊断,对含分布式电源配电网在孤岛模式下运行和并网模式下运行的短路故障特征进行故障辨识,能够识别含分布式电源的配电网内发生的多种故障,如单相接地故障、两相接地故障、两相短路故障、三相短路故障等,且不受非故障扰动的影响。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例1提供的基于序分量的含分布式电源配电网故障分类方法流程图;
图2为本公开实施例1提供的智能电网中的配电网图;
图3为本公开实施例1提供的AG故障的序网络图;
图4(a)为本公开实施例1提供的A相故障电流序分量之间的相位关系图;
图4(b)为本公开实施例1提供的B相故障电流序分量之间的相位关系图;
图4(c)为本公开实施例1提供的C相故障电流序分量之间的相位关系图;
图5为本公开实施例1提供的短路故障特征分类示意图。
具体实施方式:
下面结合附图与实施例对本公开做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
如图1所示,本实施例提供一种基于序分量的含分布式电源配电网故障分类方法,包括:
S1:获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
S2:利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
S3:分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
在所述步骤S1中,根据实际配电网以及分布式电源并网或孤岛模式的结构和参数构建含分布式电源配电网仿真模型,本实施例中采用电力***仿真软件,如Matlab/Simulink;所述仿真模型参数包括但不限于历史故障点位置、与历史故障点近邻的变电站、变压器等、线路长度等。
根据配电网仿真模型,收集历史故障点数据,通过情况下采集故障节点处的电流数据,但是在实际配电网中,由于线路复杂,并且多为架空线路、杆塔等,所以导致故障点的发生位置不易采集到电压电流数据,在本实施例中称为不可测电流;所以本实施例采集故障节点的可测三相电流,所述可测三相电流为与故障节点发生位置相邻的变压器、变电站等处的电压电流数据。
其次,获取含分布式电源配电网中历史故障点的三相可测电流,确定故障点可测电流和不可测电流的关系,可通过根据线路长度、故障节点位置以及阻抗、电容等电路信息推导。
在本实施例中,考虑具有传统发电机和分布式电源(DG)的智能电网中的配电网,分布式电源以并网模式和孤岛模式连接到配电网。如图2所示为24.9kV平衡配电网络,其中包含4个分布式电源(DG),从变电站S传输电力,每个分布式电源(DG)的容量为2MW,额定电压为0.69kV,L1,L2,...,L5代表配电线,T1,T2,...,T4代表变压器,为了增加传输容量,在L3两侧的母线3和4之间用350kVar电容器组补偿L3。
以A相单相接地故障(AG故障)为例,根据分析A相单相接地故障(AG故障)故障点数据的可测量电流和不可测电流之间的关系,可以类似地导出其他故障的对应项。如图3所示为图1中配电网AG故障串联的序网络图;在本实施例中,假设忽略负载电流,图3中网络的正、负序阻抗幅值相同,并且正序和负序阻抗相位等于零序阻抗相位。
A相单相接地故障(AG故障)的情况下,故障点A相电流的正序、负序和零序分量相等,即:
其中:
其中,0、1、2表示对称分量的顺序号;A、B、C表示相位坐标的相位;I、II:故障点前面和后面的母线;表示传统发电机的A相正序电压;表示分布式电源的A相正序电压;ZGmI对于序列m∈{0,1,2},传统发电机的序列等效阻抗;ZGmII对于序列m∈{0,1,2},分布式电源的序列等效阻抗;ZTmn是对于序列∈{0,1,2}和总线n∈{I,II},变压器的序列等效阻抗;ZLmn是对于序列m∈{0,1,2}和母线n∈{I,II},线路从故障点到两侧的序阻抗;表示相量形式的故障点电流;表示对于序列m∈{0,1,2},故障点A相的序分量电流;表示对于序列m∈{0,1,2}和总线n∈{I,II},A相的序列分量电流。
负序分量和零序分量的电流分布系数定义为:
作为可能的一些实现方式,利用叠加定理,正序网络可以分为两种情况:一种情况是只有电压源是有功的,电流分布可以通过正常潮流来计算;另一种情况是只有故障电流源是活动状态。电流分布计算与负序和零序网络的电流分布计算相同,前面总线上的正序电流I是:
其中:
根据上述方程式,可以得到II和IKA之间的关系,母线I的AG故障点的可测电流与不可测电流之间的关系是:
母线I处各相电流和零序电流的幅值和相位特性可以得到如下:
(2)当DG在并网模式下运行时,0<C0I<1和0<C1I<1;
如果C1I=C0I,则情况与孤岛模式的特例相同;当C1I≠C0I时,和的振幅不同,但相位相同,非故障相电流 不是零,但它们的幅值和相位是相同的;如果C1I>C0I,则它们与成反相;如果C1I<C0I,则它们与处于同一相。
所述步骤S2中,根据对单相接地故障的特征分析,Fortescue方法的应用大多局限于对称三相***,但配电网通常是不对称的;所以,在本实施例中,根据Fortescue方法,使用分解正序、负序和零序分量。
正序、负序和零序分量是为了分析在***电压、电流出现不对称现象时,把三相的不对称分量分解成对称分量,即正序和负序,以及同向的零序分量,类似于力的合成和分解,在三相***中分解出上述三个分量。
对于理想的电力***,由于三相对称,因此负序和零序分量的数值都为零,当***出现故障时,三相变为不对称,这时就能分解出有幅值的负序和零序分量,因此通过检测这两个不应正常出现的分量,就可得知电力***出现故障。
正序、负序和零序分量为:
AG故障的故障特征,即:
电流序分量之间的相位关系如图4所示。正序、负序和零序分量处于相同的相位,A、B和C三个相位依次落后120度,每个电流的相序如图4(a)所示,类似地,可以获得B相故障和C相故障的相位序列,分别如图4(b)和图4(c)所示。
通过Fortescue方法,类似于单相接地故障,可以对配电网中短路故障检测和分类。根据故障类型分为三部分,根据DG的负载或电源操作模式区分每种故障类型,不同的短路故障可以通过序分量的幅度和相位来区分。
本实施例中,根据序分量的幅度和相位定义了四个分类变量用于故障分类,即:
故障分类 | AG | BG | CG |
α | 0 | +120 | -120 |
β | 0 | -120 | +120 |
常见的短路故障是单相接地故障(A、B和C相分别表示为AG、BG、CG),两相接地故障(ABG、BCG、CAG),相间短路结果(AB、BC、CA)和三相短路故障(ABC)。根据分布式电源(DG)在孤岛模式和并网模式下运行,对故障类别的判定指标进行分类,如图5所示:
(1)对于单相接地故障(AG)
DG在孤岛模式下运行时:
DG在并网模式下运行时:
(2)对于两相接地故障(BCG)
DG在孤岛模式下运行时:
DG在并网模式下运行时:
(3)对于两相短路故障(BC)
DG在孤岛模式下运行时:
DG在并网模式下运行时:
在本实施例中,根据上述分类结果,提出以下步骤:
步骤1.根据γ和δ,对称三相故障可分为三组,即三相短路故障,相间短路故障和其他故障;
其中,IA0I=0和IA2I=0,使得三相短路故障的γ=0和δ=0;
IA0I=0和IA2I>0,使得相间故障,γ>0和δ=0;
IA0I>0和IA2I>0,因此对于其他故障,γ>0和δ>0;
故障 | β | 故障 | β | 故障 | β |
AG | 0 | BG | -120 | CG | +120 |
BC/BCG | +180 | CA/CAG | +60 | AB/ABG | -60 |
在更多实施例中,还提供:
一种基于序分量的含分布式电源配电网故障分类***,包括:
电流分解模块,被配置为获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
序分量处理模块,被配置为利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
故障分类模块,被配置为分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成一种基于序分量的含分布式电源配电网故障分类方法所述的步骤。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成一种基于序分量的含分布式电源配电网故障分类方法所述的步骤。
以上仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开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公开的保护范围以内。
Claims (10)
1.一种基于序分量的含分布式电源配电网故障分类方法,其特征在于,包括:
获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
6.如权利要求5所述的基于序分量的含分布式电源配电网故障分类方法,其特征在于,
根据分类变量γ和δ,将对称三相故障分为三相短路故障、相间短路故障和其他故障;
若IA0I=0和IA2I=0,则三相短路故障的γ=0和δ=0;
若IA0I=0和IA2I>0,则相间故障的γ>0和δ=0;
若IA0I>0和IA2I>0,则其他故障的γ>0和δ>0;
将其他故障分为单相接地故障和两相接地故障,根据分类变量α对单相接地故障和两相接地故障进行分类,若属于两相接地故障,则根据分类变量β确定故障相位。
7.如权利要求6所述的基于序分量的含分布式电源配电网故障分类方法,其特征在于,所述单相接地故障的故障识别指标为A相、B相和C相的正序分量和负序分量相等,零序分量大于0。
8.一种基于序分量的含分布式电源配电网故障分类***,其特征在于,包括:
电流分解模块,被配置为获取含分布式电源配电网中历史故障点的三相电流,将三相电流分解为正序分量、负序分量和零序分量;
序分量处理模块,被配置为利用Fortescue序分量方法,根据三相电流的正序分量、负序分量和零序分量的振幅和相位关系构建故障识别指标;
故障分类模块,被配置为分别获取含分布式电源配电网在孤岛模式和并网模式下的短路故障数据,根据故障识别指标分别对所述短路故障数据进行分类。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185341.6A CN111190121A (zh) | 2020-03-17 | 2020-03-17 | 基于序分量的含分布式电源配电网故障分类方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185341.6A CN111190121A (zh) | 2020-03-17 | 2020-03-17 | 基于序分量的含分布式电源配电网故障分类方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111190121A true CN111190121A (zh) | 2020-05-22 |
Family
ID=70708640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010185341.6A Withdrawn CN111190121A (zh) | 2020-03-17 | 2020-03-17 | 基于序分量的含分布式电源配电网故障分类方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111190121A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379217A (zh) * | 2020-11-06 | 2021-02-19 | 山东大学 | 一种基于线电压量测的故障测距方法及*** |
CN112485718A (zh) * | 2020-12-11 | 2021-03-12 | 深圳供电局有限公司 | 一种光伏电站送出线短路故障方向的判别方法及装置 |
CN112698236A (zh) * | 2020-12-28 | 2021-04-23 | 深圳供电局有限公司 | 站用电源故障判断方法、装置、计算机设备和存储介质 |
CN112924813A (zh) * | 2021-01-28 | 2021-06-08 | 国网浙江省电力有限公司绍兴供电公司 | 基于电气数据的配电网短路故障监控方法及装置 |
-
2020
- 2020-03-17 CN CN202010185341.6A patent/CN111190121A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379217A (zh) * | 2020-11-06 | 2021-02-19 | 山东大学 | 一种基于线电压量测的故障测距方法及*** |
CN112485718A (zh) * | 2020-12-11 | 2021-03-12 | 深圳供电局有限公司 | 一种光伏电站送出线短路故障方向的判别方法及装置 |
CN112485718B (zh) * | 2020-12-11 | 2023-02-03 | 深圳供电局有限公司 | 一种光伏电站送出线短路故障方向的判别方法及装置 |
CN112698236A (zh) * | 2020-12-28 | 2021-04-23 | 深圳供电局有限公司 | 站用电源故障判断方法、装置、计算机设备和存储介质 |
CN112924813A (zh) * | 2021-01-28 | 2021-06-08 | 国网浙江省电力有限公司绍兴供电公司 | 基于电气数据的配电网短路故障监控方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190121A (zh) | 基于序分量的含分布式电源配电网故障分类方法及*** | |
El-Zonkoly | Fault diagnosis in distribution networks with distributed generation | |
Fernandes et al. | Application of a phasor-only state estimator to a large power system using real PMU data | |
CN106330095B (zh) | 一种大型光伏电站汇集***故障定位方法 | |
Xiong et al. | A data-driven approach for fault time determination and fault area location using random matrix theory | |
Soltani et al. | Simultaneous robust state estimation, topology error processing, and outage detection for unbalanced distribution systems | |
CN102508076A (zh) | 一种基于多智能体***和小波分析的故障诊断装置及方法 | |
CN111679158A (zh) | 基于同步量测数据相似度的配电网故障辨识方法 | |
Hu et al. | Fault location and classification for distribution systems based on deep graph learning methods | |
Abasi et al. | Fault classification and fault area detection in GUPFC-compensated double-circuit transmission lines based on the analysis of active and reactive powers measured by PMUs | |
Dashtdar et al. | Fault location in the distribution network based on power system status estimation with smart meters data | |
Rameshrao et al. | An optimal sensor location based protection scheme for DER-integrated hybrid AC/DC microgrid with reduced communication delay | |
CN106033894B (zh) | 判断特高压直流多落点电网稳定性的方法 | |
CN112615359A (zh) | 基于电压波形比较的交直流混联电网纵联保护方法及*** | |
Venkata et al. | Data mining model based differential microgrid fault classification using svm considering voltage and current distortions | |
Chen et al. | Location for single‐phase grounding fault in distribution network based on equivalent admittance distortion rate | |
CN114200196A (zh) | 一种柔性直流背靠背***直流电压测量异常检测方法 | |
Janssen et al. | Monitoring, protection and fault location in power distribution networks using system-wide measurements | |
Chaitanya et al. | An intelligent faulty line identification scheme for micro-grids | |
Chang et al. | Fault location identification in power transmission networks: Using novel nonintrusive fault-monitoring systems | |
Wang et al. | Stator single-phase-to-ground fault protection for bus-connected powerformers based on hierarchical clustering algorithm | |
Shahriyari et al. | Fast prediction of angle stability using support vector machine and fault duration data | |
CN113315100A (zh) | 一种基于卷积神经网络的微电网保护方法与*** | |
Prasad et al. | Line protection in presence of high penetration of wind energy: a review on possible solutions | |
Datta et al. | Harmonic distortion, inter-harmonic group magnitude and discrete wavelet transformation based statistical parameter estimation for line to ground fault analysis in microgrid system |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200522 |