CN113341275B - 一种配电网单相接地故障的定位方法 - Google Patents
一种配电网单相接地故障的定位方法 Download PDFInfo
- Publication number
- CN113341275B CN113341275B CN202110648837.7A CN202110648837A CN113341275B CN 113341275 B CN113341275 B CN 113341275B CN 202110648837 A CN202110648837 A CN 202110648837A CN 113341275 B CN113341275 B CN 113341275B
- Authority
- CN
- China
- Prior art keywords
- vertex
- node
- distribution network
- power distribution
- fault
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网单相接地故障的定位方法,在自配电网模型的首端节点开始间隔配置D‑PMU,计算未配置D‑PMU节点的三相电流序列以及故障发生时一个时间窗内各节点故障相电流的标准差;在图数据库上依照配电网模型拓扑结构建立配电网图模型,每条边取得对应的权重后运行IPLM,最终,在IPLM运行结果的基础上自顶向下查询故障区段的第一个顶点,并根据该顶点与前一个顶点权重之比来确定准确的故障区段。本发明配电网单相接地故障定位方法,利用图计算理论和图数据库平台,只在配电网模型中一半节点配置D‑PMU的情况下实现了单相接地故障的快速准确定位,在部分D‑PMU失去时间同步性时,仍能准确定位故障区段。
Description
技术领域
本发明属于电网中故障定位技术领域,具体涉及一种配电网单相接地故障的定位方法。
背景技术
我国配电网的特点是供电半径长、线路分支多、量测***不完善。准确地定位故障区段是快速排除配电网故障的重要条件。单相接地故障是所有故障中发生频率最高的故障,约占到所有故障的80%。单相接地故障具有故障特征不明显、易受噪声干扰等特点,这导致了单相接地故障发生时难以被准确定位。
目前,配电网故障定位的方法主要有阻抗法、行波法、注入信号法和广域测量信息法。基于阻抗法的配电网故障定位方法对故障的过度电阻和故障相角非常敏感,随着配电网的网络结构越来越复杂且线路参数不准确,阻抗法的准确性受到了极大的影响。基于行波法的配电网故障定位方法不受***运行方式和故障电阻的影响,但是容易受到配电网线路分支的影响。注入信号法与其他三种方法不同,需要通过向配电网中注入信号来定位故障的位置,这类方法需要辅助设备和额外的操作,增加了潜在的风险和成本。随着广域测量技术的发展,相量测量单元(PMU)的体积逐渐减小,成本降低,这使得配电网络的状态估计更加可靠,越来越多的学者采用广域测量信息来进行配电网的故障定位方法,本发明就是一种基于广域测量信息法的配电网故障电网方法。
现阶段,基于广域信息的配电网故障定位研究大多依赖于在配电网模型中大量布置D-PMU或uPMU等高精度的测量单元。这类研究的结果虽然可以准确定位配电网的故障区段,但仍存在两个重要的缺陷,一是这类研究在配电网模型上大量布置测量单元极大地增加了成本,经济上不具有可行性,二是这类研究主要依赖广域测量信息,没有充分利用配电网的拓扑结构信息。有部分学者进行了只基于配电网模型的首末端配置D-PMU的配电网故障定位研究,这类研究可以定位两相短路故障和两相短路接地故障,无法准确定位单相接地故障。
发明内容
本发明的目的是提供一种配电网单相接地故障的定位方法,能够在配电网模型中一半的节点上配置D-PMU的情况下,实现单相接地故障的快速准确定位。
本发明所采用的技术方案是,一种配电网单相接地故障的定位方法,具体按照以下步骤实施:
步骤1、依据配电网的拓扑结构建立配电网模型,在配电网模型的节点上间隔配置D-PMU,并测量相应节点的三相电流、三相电压、零序电流、零序电压;
步骤2、计算未配置D-PMU节点的三相电压、三相电流、零序电流、零序电压;
步骤3、基于各节点的三相电流计算各节点在一个时间窗内的故障图权重S′i,k;
步骤4、依据配电网的拓扑结构在图数据库上建立配电网的图模型,计算配电网的图模型中相邻两个节点形成的边权重;
步骤5、在配电网的图模型上运行IPLM,得到多个社区;
步骤6、基于IPLM的运行结果自顶向下进行搜索,确定第一个故障区段的顶点M;
步骤7、分别访问顶点M的前顶点L和后顶点N,计算前顶点L和后顶点N在一个时间窗内故障图权重比值θ,通过θ的大小来判断故障区段的另一个节点,从而定位出故障区段。
本发明的特点还在于:
步骤1在配电网模型上间隔配置D-PMU的节点具体过程为:对配电网模型节点进行编号,末端节点未配置D-PMU,其余节点中任意两个相连的节点中只有一个节点配置D-PMU。
步骤2中计算未配置D-PMU节点的三相电压和三相电流具体过程为:
判断节点i是否为末端节点,如果是,则节点i通过其前向的节点h和有功负荷Pi,无功负荷Qi求出节点i的三相电压:
其中Zhi表示节点h与节点i之间的线路阻抗,J表示虚数;
如果节点i不是末端节点,节点i通过其后向的节点j求出其三相电压;
其中Zhi表示节点h与节点i之间的线路阻抗
节点i通过其前向的节点h求出其三相电流;
k=a,b,c;
则未配置D-PMU节点i的零序电流表示为:
则未配置D-PMU节点i的零序电压表示为:
步骤3中时间窗T设置为0.05s。
步骤3具体过程为:
步骤3.1、提取一个时间窗内各节点三相电流序列;
步骤3.2、计算各节点各相电流序列的标准差Si,k,i为节点编号,k为相的标记;
步骤3.3、比较Si,a,Si,b,Si,c三个值的大小,若有一个值远大于另外两个,则该相为故障相,所有节点的k取该相;
步骤3.4、计算各节点零序电流与零序电压的相位差△θ,并用取整函数处理△θ;
步骤3.5、计算各节点的故障图权重S′i,k为:
步骤4具体过程为:
步骤4.1、将配电网的拓扑结构导入图表中,节点建模为图模型中的顶点,线路建模为图模型中的边,建立配电网的图模型;
步骤4.2、判断是否有D-PMU失去时间同步性,判断公式如下:
ki=1表示顶点i配置了D-PMU,j为与i相邻的顶点,若顶点i同时满足上述三个条件,则顶点i的D-PMU失去时间同步性;
步骤4.3、若顶点i的D-PMU失去时间同步性,则用顶点i的故障图权重取其相邻顶点故障图权重的平均值;
步骤4.5、定义配电网的图模型中任意两个相邻顶点中,流出电流的顶点为上游顶点,流入电流的顶点为下游顶点,某顶点与上游顶点之间的边为上游边,访问配电网的图模型中所有顶点,将各顶点的标准差Sj,k赋值到上游边的属性wij中,获得边权重;
步骤5具体过程为:
步骤5.1、将配电网的图模型输入IPLM;
步骤5.2、并行访问配电网的图模型中的所有顶点,并计算所有顶点分别移动到相邻顶点社区带来的模块度增益ΔQ,模块度增益计算公式为:
步骤5.3、改变各顶点的社区归属,将各顶点移入最大的模块度增益社区,若某顶点所有的模块度增益均为负,则顶点的社区属性保持改变各顶点的社区归属前的原状,否则更新顶点的社区归属;
步骤5.4、判断步骤5.3中是否有顶点的社区归属更新,如果有则返回步骤5.2,否则,终止迭代;
步骤5.5、以社区为单位,并行访问所有的社区,并计算一个社区的所有顶点分别移动到相邻社区的模块度增益ΔQ,社区间连接边的权重计算公式为:
步骤5.6、相邻社区满足下式的约束条件进行社区的合并:
ΔQ>0or∑S′i,k=∑|S′i,k|,vi∈Ci
步骤5.7、判断是否有社区合并,如果是,返回步骤5.4,否则,IPLM运行结束。
步骤6具体过程为:
步骤6.1、按照流出电流方向,访问配电网模型的首端顶点,读取首端顶点的社区ID,将该社区ID赋值给全局变量x;
步骤6.2、访问社区ID为x的最后一个顶点,最后一个顶点标记为顶点M;
步骤6.3、访问与顶点M相连的下游顶点N;
步骤6.4、判断顶点N的故障图权重是否大于0;
步骤6.5、若S′N,k>0,则将下游顶点N所在社区的ID赋值给x,并返回步骤6.3,直到出现S′N,k≤0,输出顶点M的ID,确定顶点M为故障区段的一个顶点。
步骤7.1、判断顶点M是否配置D-PMU,若配置了,则直接输出故障区段在顶点M与后顶点N对应的节点之间;
步骤7.2、若顶点M未配置D-PMU,访问顶点M的前顶点L和后顶点N,计算前顶点L和顶点M故障图权重比值θ;
步骤7.3、若θ≤0.9,则故障区段的另一个顶点为N,否则为顶点L,输出故障区段的两个顶点对应的节点。
本发明的有益效果是:
(1)本发明一种配电网单相接地故障的定位方法,不受故障发生位置和故障电阻的影响。
(2)本发明结合了配电网的拓扑结构信息和广域测量信息,并用IPLM对图模型进行聚类,减少了检索的次数,提高了计算速度。
(3)相比于大多数配电网故障定位方法,本发明只在配电网模型中一半节点上配置了D-PMU,降低了成本。
(4)本发明有较强的鲁棒性,可以在网络中部分测量单元失效的情况下,仍能够准确定位故障。
附图说明
图1是本发明实施例中采用的配电网的图模型示意图;
图2是鲁汶算法初始的社区分布;
图3是鲁汶算法第一阶段;
图4是鲁汶算法第二阶段;
图5是配电网图模型建模的流程;
图6是修改后的IEEE 33节点模型;
图7是PLM和IPLM聚类结果比较;
图8(a)是首端节点的相电流变化;
图8(b)是末端节点的相电流变化;
图9是正常情况下四种方法迭代次数比较;
图10是部分D-PMU失去时间同步性时四种方法迭代次数比较。
具体实施方式
下面结合附图及具体实施方式对本发明进行详细说明。
本发明中的配电网故障定位方法应用了图计算和改进后luovain算法,基于配电网的拓扑结构建立了配电网的图模型,在只需要在配电网模型中一半的节点上配置D-PMU的情况下实现了单相接地故障的快速准确定位,避免了定位结果陷入局部最优,且具有较强鲁棒性,在部分D-PMU失去时间同步性时仍能准确定位故障区段。
本发明一种配电网单相接地故障的定位方法,具体按照以下步骤实施:
步骤1、依据配电网的拓扑结构建立配电网模型,在配电网模型的节点上间隔配置D-PMU,并测量相应节点的三相电流、三相电压、零序电流、零序电压;
步骤1在配电网模型上间隔配置D-PMU的节点具体过程为:对配电网模型节点进行编号,末端节点未配置D-PMU,其余节点中任意两个相连的节点中只有一个节点配置D-PMU。
步骤2、计算未配置D-PMU节点的三相电压、三相电流、零序电流、零序电压;
步骤2中计算未配置D-PMU节点的三相电压和三相电流具体过程为:
判断节点i是否为末端节点,如果是,则节点i通过其前向的节点h和有功负荷Pi,无功负荷Qi求出节点i的三相电压:
其中Zhi表示节点h与节点i之间的线路阻抗,J表示虚数;
如果节点i不是末端节点,节点i通过其后向的节点j求出其三相电压;
其中Zhi表示节点h与节点i之间的线路阻抗
节点i通过其前向的节点h求出其三相电流;
k=a,b,c;
则未配置D-PMU节点i的零序电流表示为:
则未配置D-PMU节点i的零序电压表示为:
步骤3、基于各节点的三相电流计算各节点在一个时间窗内的故障图权重S′i,k;时间窗T设置为0.05s。
步骤3具体过程为:
步骤3.1、提取一个时间窗内各节点三相电流序列;
步骤3.2、计算各节点各相电流序列的标准差Si,k,i为节点编号,k为相的标记;
步骤3.3、比较Si,a,Si,b,Si,c三个值的大小,若有一个值远大于另外两个,则该相为故障相,所有节点的k取该相;
步骤3.4、计算各节点零序电流与零序电压的相位差△θ,并用取整函数处理△θ;
步骤3.5、计算各节点的故障图权重S′i,k为:
S′i,k=Si,k·σi(Δθ)。
步骤4、依据配电网的拓扑结构在图数据库上建立配电网的图模型,计算配电网的图模型中相邻两个节点形成的边权重;
步骤4具体过程为:
步骤4.1、将配电网的拓扑结构导入图表中,节点建模为图模型中的顶点,线路建模为图模型中的边,建立配电网的图模型;
步骤4.2、判断是否有D-PMU失去时间同步性,判断公式如下:
ki=1表示顶点i配置了D-PMU,j为与i相邻的顶点,若顶点i同时满足上述三个条件,则顶点i的D-PMU失去时间同步性;
步骤4.3、若顶点i的D-PMU失去时间同步性,则用顶点i的故障图权重取其相邻顶点故障图权重的平均值;
步骤4.5、定义配电网的图模型中任意两个相邻顶点中,流出电流的顶点为上游顶点,流入电流的顶点为下游顶点,某顶点与上游顶点之间的边为上游边,访问配电网的图模型中所有顶点,将各顶点的标准差Sj,k赋值到上游边的属性wij中,获得边权重。
步骤5、在配电网的图模型上运行IPLM,得到多个社区;
步骤5具体过程为:
步骤5.1、将配电网的图模型输入IPLM;
步骤5.2、并行访问配电网的图模型中的所有顶点,并计算所有顶点分别移动到相邻顶点社区带来的模块度增益ΔQ,模块度增益计算公式为:
步骤5.3、改变各顶点的社区归属,将各顶点移入最大的模块度增益社区,若某顶点所有的模块度增益均为负,则顶点的社区属性保持改变各顶点的社区归属前的原状,否则更新顶点的社区归属;
步骤5.4、判断步骤5.3中是否有顶点的社区归属更新,如果有则返回步骤5.2,否则,终止迭代;
步骤5.5、以社区为单位,并行访问所有的社区,并计算一个社区的所有顶点分别移动到相邻社区的模块度增益ΔQ,社区间连接边的权重计算公式为:
步骤5.6、相邻社区满足下式的约束条件进行社区的合并:
ΔQ>0or∑S′i,k=∑|S′i,k|,vi∈Ci
步骤5.7、判断是否有社区合并,如果是,返回步骤5.4,否则,IPLM运行结束。
步骤6、基于IPLM的运行结果自顶向下进行搜索,确定第一个故障区段的节点M;
步骤6具体过程为:
步骤6.1、按照流出电流方向,访问配电网模型的首端顶点,读取首端顶点的社区ID,将该社区ID赋值给全局变量x;
步骤6.2、访问社区ID为x的最后一个顶点,最后一个顶点标记为顶点M;
步骤6.3、访问与顶点M相连的下游顶点N;
步骤6.4、判断顶点N的故障图权重是否大于0;
步骤6.5、若S′N,k>0,则将下游顶点N所在社区的ID赋值给x,并返回步骤6.3,直到出现S′N,k≤0,输出顶点M的ID,确定顶点M为故障区段的一个顶点。
确定顶点M为故障区段的一个顶点的原理为:位于故障分支上故障点前的顶点具有正的故障图权重,其余顶点的故障图权重均小于零。基于此,以社区为单位进行查询(提高查询速度),主要目的是找到故障分支上最后一个故障图权重大于零的顶点,
步骤7、分别访问顶点M的前顶点L和后顶点N,计算前顶点L和后顶点N在一个时间窗内故障图权重比值θ,通过θ的大小来判断故障区段的另一个节点,从而定位出故障区段。
步骤7由于本发明中的配电网模型上,有一半节点未配置D-PMU,这些节点的三相电流是通过前后节点的电流电压信息计算得出,若故障点位于某个未配置D-PMU的节点前,则这一节点的电流受上游节点电压电流值的影响也会呈现故障的特性,这使得我们定位故障的具体区段,因此需要在步骤6的基础上做进一步的判断,具体过程为:
步骤7.1、判断顶点M是否配置D-PMU,若配置了,则直接输出故障区段在顶点M与后顶点N对应的节点之间;
步骤7.2、若顶点M未配置D-PMU,访问顶点M的前顶点L和后顶点N,计算前顶点L和顶点M故障图权重比值θ;
步骤7.3、若θ≤0.9,则故障区段的另一个顶点为N,否则为顶点L,输出故障区段的两个顶点对应的节点。
本发明一种配电网单相接地故障的定位方法的设计原理为:
图数据由顶点和边构成,图可以表示为G(v,e),鲁汶算法最早被鲁汶大学的Blondel等人提出,鲁汶算法是一种专门处理图数据的算法。这一算法基于模块度的增益在图模型上进行社区发现的探索,根据边权重的不同将图划分为数个社区,其目标函数是实现整个网络的模块度最大化。模块度是一种衡量节点之间联系强弱的量,通常用字母Q表示,其具体计算公式如下:
在上式中:Aij是连接顶点i与顶点j的边的权重;m是网络中所有边的权重总和的一半,即ki与kj分别是与顶点i和顶点j相连的所有边权重的总和,即ki=∑iAij,kj=∑jAij;ci与cj分别是顶点i和顶点j所在的社区;δ(ci,cj)是用来判断顶点i和顶点j是否在同一个社区,若在同一个社区ci=cj,则δ(ci,cj)=1,否则δ(ci,cj)=0。
通过上式不难看出,若网络中所有的顶点均为独立的社区,则整个网络的模块度为0。若要使整个网络的模块度最大化,就要使同一社区内的趋于最大,如果边的权重看做两顶点之间联系的紧密程度,那么从空域的角度来看这一过程可以理解为每个顶点都倾向于被分配到和自己联系最紧密的顶点所在的社区。鲁汶算法的核心正是基于这一过程,使具有强联系的顶点处于同一个社区,淡化顶点间的弱联,最终实现对复杂网络的聚类。
鲁汶算法分为两个阶段,在每个阶段中都要反复计算顶点移动产生的模块度增益,鲁汶算法的第一阶段中计算单个节点移动带来的模块度增益,第二阶段计算的是社区合并带来的模块度增益,其具体计算公式如下:
在式中:ΔQ是由顶点i移动到顶点j所在社区cj产生的模块度增益;∑in是社区cj内所有边权重的总和;∑tot是外部与社区cj相连的所有边权重的总和;ki,in是顶点i与社区cj相连的边的权重。对上式进行化简,可得到化简后的模块度计算公式,其具体计算公式如下:
假设有一图模型如图1所示,在这一图模型上执行鲁汶算法第一阶段,具体按照以下步骤实施:
步骤I、对图1所示的图模型中每个顶点都分配一个独立的社区ID,分配结果如图2所示,图2中不同的颜色代表不同的社区;
步骤II、经步骤I后,每个顶点都代表一个独立的社区,分别计算ID为1的顶点移动到相邻社区产生的模块度增益ΔQ;
步骤III、经步骤II后,判断最大的模块度增益ΔQ>0是否成立,若成立选择顶点1移动到模块度增益最大的社区,若不成立则顶点1保持现状;
步骤IV、经步骤III后,再依次按照ID的编号遍历所有节点,对各顶点执行步骤II、步骤III;
步骤V、经步骤IV后,网络中的各顶点的社区归属已经经过了一轮改变,各节点相邻的社区信息也发生了变化,基于新的社区分布对网络中各顶点再反复遍历,重复执行上诉操作;
步骤VI、经步骤V后,当某一轮迭代后,顶点的社区归属再无变化时,鲁汶算法第一阶段结束。
鲁汶算法的目标函数是实现模块度的最大化,因此在每一次将顶点从原本所在社区移动到其他社区时,必须保证模块度增益为正,即ΔQ>0。鲁汶算法第一阶段中对顶点的遍历操作是顺序执行的,每次迭代的时间复杂度为O(N)。若图的连接复杂,顶点规模庞大,不仅每次迭代的时间增加,迭代的次数也会增加,这样会造成算法运行时间过长。本发明中采用的PLM是在原本鲁汶算法的基础上进行了改进,PLM将鲁汶算法第一阶段中的步骤II到步骤IV由顺序执行改为了并行执行。这一改进提高了鲁汶算法在每次迭代中的计算速度,但是在顶点社区归属改变的过程中可能会产生负的模块度增益。这是由于所有顶点都并行计算自己移动到相邻社区的模块度增益,当顶点被移动到相邻社区时,该社区的结构可能已经发生了改变,实际的模块度增益可能会是负数。负的模块度增益可以通过多次迭代来修正,在多次迭代后PLM会得到与鲁汶算法近似的结果。
当一轮迭代后各顶点的社区归属不再变化表明此时各顶点已被移动到了最佳的社区,鲁汶算法第一阶段的任务完成。鲁汶算法第二阶段的计算方法与第一阶段相同,但是计算对象由网络中的顶点变为了社区,具体按照以下步骤实施:
步骤A、如图3所示,基于鲁汶算法第一阶段的结果,将每个社区中的所有节点视为一个“超级节点”;
步骤B、计算各“超级节点”间边的权重
步骤C、经步骤B后,以“超级节点”为单位再次执行鲁汶算法的第一阶段;
步骤D、经步骤C后,当某一轮迭代后网络中的社区结构再无变化,鲁汶算法第二阶段完成,如图4所示。
从上述两个节点步骤可以看出,鲁汶算法的核心步骤是计算顶点社区归属改变带来的模块度增益。对于复杂网络,鲁汶算法需要进行大量的迭代来优化网络的模块度,过度迭代会导致算法运行时间过长,实时性下降。为了避免算法运行时间过长,需要对迭代次数进行限制,前人研究表明每个阶段经过10次迭代后模块度的增益已不明显,因此PLM中默认各阶段的迭代次数为10。
为了提高查询的速度,本发明对PLM进行改进,提出了IPLM。在PLM的第一阶段中,图模型中的已经以顶点为单位进行一轮社区归属的改变,形成了初步的社区分布。PLM的第二阶段以“超级节点”为单位再进行社区归属改变,相比于第一阶段,第二阶段的变量更少,结果更容易收敛。本文将PLM第二阶段中,顶点社区归属改变时的约束条件进行修改,其约束条件由△Q>0变为了如下式:
ΔQ>0or∑S′i,k=∑|S′i,k|,vi∈Ci
本发明在PLM第二阶段中增加了一个约束条件:社区内所有顶点的故障图权重之和与故障图权重的绝对值之和相等。两个约束条件为“或”的关系,满足两个约束条件中的任意一个都可以将两个相邻的社区融合为一个社区。这一改进明显增大了社区的规模,减少了社区的数量和故障区段查询过程的迭代次数。
电网是一种天然的图结构,图5为配电网图模型建模的基本流程,电网中的变电站,母线等设备被建模为节点v,三相电流与三相电压储存在节点的属性中,输电线路被建模为连接节点v的边e,由鲁汶算法改进的PLM也可以实现对电网节点的聚类。如图5中所示的Schema,其中包含了一类顶点和一类边。每个顶点node包含了ID、上游节点、下游节点、故障图权重、D-PMU状态、社区ID六种属性,每条边包含了NAME、故障图权重两种属性。在上述属性中,ID的作用是确保每个顶点的唯一性。上游节点和下游节点的作用是判断顶点在网络拓扑上的位置。D-PMU状态为一个自定义的二维数组[D-PMU配置,D-PMU同步性],其中的两个元素分别用0或1来描述节点是否配置D-PMU以及D-PMU是否同步,[0,0]和[1,1]为两种正常状态,不存在[0,1]状态,因为节点未配置D-PMU不会具有D-PMU的时间同步性,[1,0]为节点D-PMU失去时间同步性的状态。每条边的NAME命名方式为“上游顶点ID-下游顶点ID”。在配电网图模型中,任意一条边eij两端的顶点i与顶点j是确定的,对于电网而言,流过输电线路上的电流可以近似为线路末端节点的电流,因此可以取顶点j的故障图权重作为边eij的权重wij。
实施例
本发明在图数据库TigerGraph上建立了如图6所示的IEEE 33节点的配电网图模型,绿色节点为配置D-PMU节点,黑色节点为未配置节点。本发明在IEEE 33节点模型中的6条线路上设置了单相接地故障,每处故障都设置了阻值为100Ω、500Ω、1000Ω的故障电阻。由于故障发生在线路不同位置处,故障时的故障电流会有所不同,因此,本发明在上述6条线路的总长的前10%、50%、后10%处分别设置了单相接地接地故障,以验证本文算法在线路全段的故障定位准确性。
本发明提出的故障定位方法是基于IPLM的深度优先遍历(IPLMDF),为了体现本发明的优越性,实施例中分别采用了深度优先遍历法(DF)、基于PLM的深度优先遍历法(PLMDF)以及基于布谷鸟算法的故障定位(CS)。DF、PLMDF、IPLMDF均是在图数据库TigerGraph上实现,是基于网络拓扑直接对故障区段定位的方法。在CS中,假设上述所有故障电流均能被D-PMU检测到,将取整函数修改为下式:
上式产生的结果作为CS的定位依据。
表1所有D-PMU正常工作时故障定位结果;
表1
从上表的结果中可以看出前三个基于图计算的故障定位可以直接准确地定位出f1、f2、f3、f4和f6处发生的故障。当f5处发生故障时,前三种方法输出的结果为25,0,由于25节点为配电网图模型中线路末端顶点,且模型中不存在ID为0顶点,因此定位结果仍是准确的。
CS与前三种方法相比,输出结果中只有f5处发生的故障是准确,其余输出结果中既包含了故障区段,也包含了正常区段,定位范围较大。这是由于CS只依赖与测点处的过流信号进行故障定位,输出的最小单位是在两个测点之间的区段。因此,在配置同样数量的D-PMU的情况下,本发明用到DF、PLMDF、IPLMDF的定位效果要优于CS。
为了验证本发明具有较强的鲁棒性,我们在f1-f6的50%的位置处设置阻值为1000Ω的A相接地故障,并令网络中部分D-PMU失去时间同步性。测试了上述四种方法在部分D-PMU失去时间同步性时的故障定位效果。
表2部分D-PMU失去时间同步性时的定位结果;
表2
在上述13种情况中,DF和PLMDF可以在前边9种情况下准确定位故障区段。在第10种情况中,DF结果不收敛,PLMDF陷入局部最优,IPLMDF定位结果不准确,CS扩大了定位的范围,图7为第10种情况下PLM和IPLM聚类结果比较。如图8(a)、图8(b)所示,由于节点6为图模型上的分支顶点,其下游顶点为7和26,在顶点7的D-PMU未失去同步性前,顶点7的故障图权重小于0,不会引起误判。顶点7的D-PMU未失去同步性后,估算得到的故障图权重大于0,此时,顶点6下游的两个顶点的故障图权重均大于0,DF的结果不收敛。顶点6和顶点7处于同一个社区,顶点26处于另一个社区,这导致在查询过程中PLMDF陷入了局部最优,输出的故障区段为7,8。IPLMDF中社区的规模更大,顶点6、顶点7和顶点26被合并到同一个社区中,输出结果为全局最优解,即28,29。CS与前三种方法相比,在第5种和第9种情况下的输出结果不收敛,在第3种情况下输出错误的结果。
当距离故障点最近的两个D-PMU失去同步性时,上述四种方法均无法定位出准确的故障区段。
综上所述,在网络中部分D-PMU失去时间同步性时,IPLMDF定位效果最佳,DF和PLMDF的定位效果次之,CS的最差。
为了验证本发明可以快速定位故障区段,实施例中对上述四种方法的计算速度进行了比较。由于上述四种方法的迭代次数主要受故障区段的位置影响,因此实施例选取了故障发生线路中点,故障电阻阻值1000Ω的结果作为代表。图9是正常情况下四种方法迭代次数比较,图10是部分D-PMU失去时间同步性时四种方法迭代次数比较。从图9和图10中可以得出结论:CS由于存在随机过程,性能不稳定,且迭代次数普遍在10次以上;DF对故障区段的拓扑位置最为敏感,当故障区段靠近电源节点时可以快速定位故障区段,若故障区段靠近线路末端时则需要较多次迭代才能定位故障区段;PLMDF与DF相比受故障区段拓扑位置影响较小,但在故障区段靠近线路末端的情况下仍然需要5次甚至以上的迭代才能定位故障;IPLMDF性能最为稳定,通常只需要2-3次迭代即可直接准确定位出故障区段。
通过以上三个方面的比较,可以直观地发现,本发明一种配电网单相接地故障的定位方法无论是在鲁棒性上,还是在计算速度上都要优于其他三种方法。
通过上述方式,本发明一种配电网单相接地故障的定位方法,考虑了故障发生位置和故障电阻对定位结果的影响,同时在一定程度上减少了配电网模型中D-PMU的配置数量。首先,自配电网模型的首端节点开始间隔配置D-PMU,计算未配置D-PMU节点的三相电流序列以及故障发生时一个时间窗内各节点故障相电流的标准差,然后,在图数据库上依照配电网模型拓扑结构建立配电网图模型,每条边取得对应的权重后运行IPLM,最终,在IPLM运行结果的基础上自顶向下查询故障区段的第一个顶点,并根据该顶点与前一个顶点权重之比来确定准确的故障区段。本发明配电网单相接地故障定位方法,不受故障发生位置和故障电阻的影响,利用了图计算理论和图数据库平台,只在配电网模型中一半节点配置D-PMU的情况下实现了单相接地故障的快速准确定位,在部分D-PMU失去时间同步性时,仍能准确定位故障区段。
Claims (8)
1.一种配电网单相接地故障的定位方法,其特征在于,具体按照以下步骤实施:
步骤1、依据配电网的拓扑结构建立配电网模型,在配电网模型的节点上间隔配置D-PMU,并测量相应节点的三相电流、三相电压、零序电流、零序电压;
步骤2、计算未配置D-PMU节点的三相电压、三相电流、零序电流、零序电压;
步骤3、基于各节点的三相电流计算各节点在一个时间窗内的故障图权重S′i,k;具体过程为:
步骤3.1、提取一个时间窗内各节点三相电流序列;
步骤3.2、计算各节点各相电流序列的标准差Si,k,i为节点编号,k为相的标记;
步骤3.3、比较Si,a,Si,b,Si,c三个值的大小,若有一个值远大于另外两个,则该相为故障相,所有节点的k取该相;
步骤3.4、计算各节点零序电流与零序电压的相位差△θ,并用取整函数处理△θ;
步骤3.5、计算各节点的故障图权重S′i,k为:
S′i,k=Si,k·σi(Δθ);
步骤4、依据配电网的拓扑结构在图数据库上建立配电网的图模型,计算配电网的图模型中相邻两个节点形成的边权重;
步骤5、在配电网的图模型上运行改进的并行鲁汶算法,得到多个社区;其中,将并行鲁汶算法第二阶段中,顶点社区归属改变时的约束条件进行修改,其约束条件由△Q>0变为了如下式:
ΔQ>0 or ∑S′i,k=∑|S′i,k|,vi∈Ci;
ΔQ表示顶点分别移动到相邻顶点社区带来的模块度增益;
步骤6、基于改进的并行鲁汶算法的运行结果自顶向下进行搜索,根据故障图权重S′i,k确定第一个故障区段的顶点M;
步骤7、判断顶点M是否配置D-PMU,若配置了,则直接输出故障区段在顶点M与后顶点N对应的节点之间;若顶点M未配置D-PMU,分别访问顶点M的前顶点L和后顶点N,计算前顶点L和顶点M在一个时间窗内故障图权重比值θ,通过θ的大小来判断故障区段的另一个节点,从而定位出故障区段。
2.根据权利要求1所述一种配电网单相接地故障的定位方法,其特征在于,步骤1在配电网模型上间隔配置D-PMU的节点具体过程为:对配电网模型节点进行编号,末端节点未配置D-PMU,其余节点中任意两个相连的节点中只有一个节点配置D-PMU。
4.根据权利要求1所述一种配电网单相接地故障的定位方法,其特征在于,步骤3中所述时间窗T设置为0.05s。
5.根据权利要求1所述一种配电网单相接地故障的定位方法,其特征在于,步骤4具体过程为:
步骤4.1、将配电网的拓扑结构导入图表中,节点建模为图模型中的顶点,线路建模为图模型中的边,建立配电网的图模型;
步骤4.2、判断是否有D-PMU失去时间同步性,判断公式如下:
ki=1表示顶点i配置了D-PMU,j为与i相邻的顶点,若顶点i同时满足上述三个条件,则顶点i的D-PMU失去时间同步性;
步骤4.3、若顶点i的D-PMU失去时间同步性,则顶点i的故障图权重取其相邻顶点故障图权重的平均值;
步骤4.4、定义配电网的图模型中任意两个相邻顶点中,流出电流的顶点为上游顶点,流入电流的顶点为下游顶点,某顶点与上游顶点之间的边为上游边,访问配电网的图模型中所有顶点,将各顶点的标准差Sj,k赋值到上游边的属性wij中,获得边权重。
6.根据权利要求1所述一种配电网单相接地故障的定位方法,其特征在于,步骤5具体过程为:
步骤5.1、将配电网的图模型输入改进的并行鲁汶算法;
步骤5.2、并行访问配电网的图模型中的所有顶点,并计算所有顶点分别移动到相邻顶点社区带来的模块度增益ΔQ,模块度增益计算公式为:
步骤5.3、改变各顶点的社区归属,将各顶点移入最大的模块度增益社区,若某顶点所有的模块度增益均为负,则顶点的社区属性保持改变各顶点的社区归属前的原状,否则更新顶点的社区归属;
步骤5.4、判断步骤5.3中是否有顶点的社区归属更新,如果有则返回步骤5.2,否则,终止迭代;
步骤5.5、以社区为单位,并行访问所有的社区,并计算一个社区的所有顶点分别移动到相邻社区的模块度增益ΔQ,社区间连接边的权重计算公式为:
步骤5.6、相邻社区满足下式的约束条件进行社区的合并:
ΔQ>0 or ∑S′i,k=∑|S′i,k|,vi∈Ci
步骤5.7、判断是否有社区合并,如果是,返回步骤5.4,否则,改进的并行鲁汶算法运行结束。
7.根据权利要求1所述一种配电网单相接地故障的定位方法,其特征在于,步骤6具体过程为:
步骤6.1、按照流出电流方向,访问配电网模型的首端顶点,读取首端顶点的社区ID,将该社区ID赋值给全局变量x;
步骤6.2、访问社区ID为x的最后一个顶点,最后一个顶点标记为顶点M;
步骤6.3、访问与顶点M相连的下游顶点N;
步骤6.4、判断顶点N的故障图权重是否大于0;
步骤6.5、若S′N,k>0,则将下游顶点N所在社区的ID赋值给x,并返回步骤6.3,直到出现S′N,k≤0,输出顶点M的ID,确定顶点M为故障区段的一个顶点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648837.7A CN113341275B (zh) | 2021-06-10 | 2021-06-10 | 一种配电网单相接地故障的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648837.7A CN113341275B (zh) | 2021-06-10 | 2021-06-10 | 一种配电网单相接地故障的定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341275A CN113341275A (zh) | 2021-09-03 |
CN113341275B true CN113341275B (zh) | 2023-03-14 |
Family
ID=77476394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110648837.7A Active CN113341275B (zh) | 2021-06-10 | 2021-06-10 | 一种配电网单相接地故障的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341275B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881164B (zh) * | 2022-05-24 | 2024-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种基于图数据库的配电网拓扑自动校核方法及装置 |
CN115144695B (zh) * | 2022-06-29 | 2023-09-19 | 国网北京市电力公司 | 小电流接地***故障线路寻找方法、装置、设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021952A (zh) * | 2015-06-09 | 2015-11-04 | 国家电网公司 | 基于广域相角量测信息的大电网故障定位方法 |
CN106771868A (zh) * | 2016-12-20 | 2017-05-31 | 北京交通大学 | 一种基于行波的柔性直流配电***故障定位方法 |
CN108254657A (zh) * | 2018-03-28 | 2018-07-06 | 山东大学 | 基于暂态能量分析的配电网小电流接地故障区段定位方法 |
CN109254225A (zh) * | 2018-08-13 | 2019-01-22 | 中国南方电网有限责任公司超高压输电公司南宁监控中心 | 一种电网故障检测和故障线路识别方法 |
CN109283431A (zh) * | 2018-09-25 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 一种基于有限pmu的配电网故障区段定位方法 |
CN109507526A (zh) * | 2018-10-29 | 2019-03-22 | 山东大学 | 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法 |
CN109884472A (zh) * | 2019-03-25 | 2019-06-14 | 杭州电力设备制造有限公司 | 配电网故障诊断方法、装置、设备及计算机可读存储介质 |
CN110880757A (zh) * | 2019-11-20 | 2020-03-13 | 东南大学 | 基于最优分区的主动配电网分布式区间状态估计方法 |
CN111077409A (zh) * | 2019-12-27 | 2020-04-28 | 国网山东省电力公司青岛供电公司 | 一种基于d-pmu有限节点信息的配电网复故障定位方法 |
CN111581768A (zh) * | 2020-03-26 | 2020-08-25 | 东南大学 | 一种基于混合量测的配电网分布式状态估计方法 |
CN112531663A (zh) * | 2020-12-30 | 2021-03-19 | 合肥工业大学 | 一种基于pmu量测的面向主动配电网的网络分区方法 |
CN112782528A (zh) * | 2020-12-31 | 2021-05-11 | 西安理工大学 | 一种利用pmu的配电网故障区段定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101626585B (zh) * | 2008-07-10 | 2013-04-24 | 日电(中国)有限公司 | 无线网络的网络干扰评估方法、动态信道分配方法和设备 |
US10886736B2 (en) * | 2018-12-13 | 2021-01-05 | Mitsubishi Electric Research Laboratories, Inc. | Post-disaster topology detection and energy flow recovery in power distribution network |
-
2021
- 2021-06-10 CN CN202110648837.7A patent/CN113341275B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105021952A (zh) * | 2015-06-09 | 2015-11-04 | 国家电网公司 | 基于广域相角量测信息的大电网故障定位方法 |
CN106771868A (zh) * | 2016-12-20 | 2017-05-31 | 北京交通大学 | 一种基于行波的柔性直流配电***故障定位方法 |
CN108254657A (zh) * | 2018-03-28 | 2018-07-06 | 山东大学 | 基于暂态能量分析的配电网小电流接地故障区段定位方法 |
CN109254225A (zh) * | 2018-08-13 | 2019-01-22 | 中国南方电网有限责任公司超高压输电公司南宁监控中心 | 一种电网故障检测和故障线路识别方法 |
CN109283431A (zh) * | 2018-09-25 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 一种基于有限pmu的配电网故障区段定位方法 |
CN109507526A (zh) * | 2018-10-29 | 2019-03-22 | 山东大学 | 基于同步相量测量和协方差矩阵理论的配电网故障诊断方法 |
CN109884472A (zh) * | 2019-03-25 | 2019-06-14 | 杭州电力设备制造有限公司 | 配电网故障诊断方法、装置、设备及计算机可读存储介质 |
CN110880757A (zh) * | 2019-11-20 | 2020-03-13 | 东南大学 | 基于最优分区的主动配电网分布式区间状态估计方法 |
CN111077409A (zh) * | 2019-12-27 | 2020-04-28 | 国网山东省电力公司青岛供电公司 | 一种基于d-pmu有限节点信息的配电网复故障定位方法 |
CN111581768A (zh) * | 2020-03-26 | 2020-08-25 | 东南大学 | 一种基于混合量测的配电网分布式状态估计方法 |
CN112531663A (zh) * | 2020-12-30 | 2021-03-19 | 合肥工业大学 | 一种基于pmu量测的面向主动配电网的网络分区方法 |
CN112782528A (zh) * | 2020-12-31 | 2021-05-11 | 西安理工大学 | 一种利用pmu的配电网故障区段定位方法 |
Non-Patent Citations (4)
Title |
---|
Exploration of Graph Computing in Power System State Estimation;Chen Yuan 等;《2018 IEEE Power & Energy Society General Meeting (PESGM)》;20181223;全文 * |
Low-Resolution Fault Localization Using Phasor Measurement Units with Community Detection;Mahdi Jamei 等;《2018 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm)》;20181227;全文 * |
一种基于图论剪枝算法的多分支配电网行波故障定位算法;贾惠彬等;《电测与仪表》;20170110(第01期);全文 * |
基于PMU信息的电网故障定位研究;周希伦 等;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113341275A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341275B (zh) | 一种配电网单相接地故障的定位方法 | |
CN106383296B (zh) | 一种基于相量分析的改进阻抗型有源配电网故障测距算法 | |
CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
CN101635457B (zh) | 一种基于状态估计残差参数灵敏度的电网参数估计方法 | |
CN110133451B (zh) | 基于微型pmu和二分法搜索的配电网故障定位方法及*** | |
CN105449676B (zh) | 配电网区域节点网络生成方法与*** | |
CN111308277B (zh) | 一种基于d-pmu有限节点信息的配电网复故障定位方法 | |
CN111625914A (zh) | 一种短路电流计算方法及*** | |
CN111668843B (zh) | 基于相序混合法的低压配电网三相潮流计算方法 | |
CN112485598A (zh) | 结合波形相关性与幅值特征的小电流接地故障定位方法 | |
CN108647438A (zh) | 一种新型土壤等效电阻模型建模方法 | |
CN107817420B (zh) | 非全程同杆并架双回输电线路非同步数据故障测距方法 | |
Dwivedi et al. | Fault location in radial distribution lines using travelling waves and network theory | |
CN105652147B (zh) | 一种单/双回输电线路全线高精度故障测距方法 | |
CN105071387B (zh) | 基于复数域标幺化理论的配电网快速分解状态估计方法 | |
CN113671314B (zh) | 一种配电网环网单相接地故障区段定位及测距方法 | |
CN111381128A (zh) | 配电网故障定位方法、装置和服务器 | |
CN112505476A (zh) | 基于二叉树和多端时间信息的配电网故障行波定位方法 | |
Jia et al. | Power network fault location with exact distributed parameter line model and sparse estimation | |
Dang et al. | Fast single-phase fault location method based on community graph depth-first traversal for distribution network | |
CN113075498B (zh) | 一种基于残差聚类的配电网行波故障定位方法和*** | |
Ashok et al. | Grid edge analytics platform with AMI data | |
CN114070438B (zh) | 一种5g基站电磁信号的检测方法及*** | |
CN115561580A (zh) | 基于零序分量的阻抗法配网单相接地故障定位方法和*** | |
CN113009279B (zh) | 基于Neo4j的配电网电压暂降故障定位及其可视化*** |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230727 Address after: Room B301, Gazing Valley, Entrepreneurship Research and Development Park, No. 69 Jinye Road, High tech Zone, Xi'an City, Shaanxi Province, 710076 Patentee after: Shaanxi Tianhong Bochen Electric Power Construction Co.,Ltd. Address before: 710048 Shaanxi province Xi'an Beilin District Jinhua Road No. 5 Patentee before: XI'AN University OF TECHNOLOGY |