CN116068339A - 电力***线路故障检测判别方法 - Google Patents

电力***线路故障检测判别方法 Download PDF

Info

Publication number
CN116068339A
CN116068339A CN202310149693.XA CN202310149693A CN116068339A CN 116068339 A CN116068339 A CN 116068339A CN 202310149693 A CN202310149693 A CN 202310149693A CN 116068339 A CN116068339 A CN 116068339A
Authority
CN
China
Prior art keywords
data
fault
line
power system
div
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.)
Pending
Application number
CN202310149693.XA
Other languages
English (en)
Inventor
刘洋
崔来熙
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.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
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 Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN202310149693.XA priority Critical patent/CN116068339A/zh
Publication of CN116068339A publication Critical patent/CN116068339A/zh
Pending legal-status Critical Current

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
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • 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

本发明涉及电力***线路故障监测领域，具体涉及一种电力***线路故障检测判别方法，包括以下步骤：步骤一：获取电力***的历史数据X及在线数据Y；步骤二：分别计算历史数据X的奇异值矩阵∑2及在线数据Y的奇异值矩阵∑1；步骤三：计算历史数据X与在线数据Y的散度距离Ddiv；步骤四：基于判别条件，判定线路是否发生高阻故障。适应电力***实际线路的复杂故障环境，无需了解实际故障点环境，即可可以实现检测与识别，便宜高效。

Description

电力***线路故障检测判别方法
技术领域
本发明涉及电力***线路故障监测领域，具体涉及一种电力***线路故障检测判别方法。
背景技术
电力***高阻故障是一类目前没法有效检测和识别的电力***线路故障，其不仅包括架空线断线跌落造成的单相接地故障、树触故障等架空线路故障，还包括因绝缘损坏和老化、装配缺陷等造成的电缆故障。该类故障时频域特征微弱，过渡电阻很大，甚至大于20千欧姆，从而知识故障电流小于负载电流的10％，而电压突变不明显，难以从电压变化进行检测和识别，因此传统电力***保护不能完成对这类故障的检测和识别。
目前对于该类故障检测和识别是从故障电气量(电压或电流)时间/频率特性出发，在对各类故障情况下通过对故障电气量特性物理建模基础上，实现对该类线路故障的检测和识别，然而当前方法存在如下主要问题：
1.高阻故障时频特征受到接地介质、介质条件、故障线路长度和环境、故障点电磁环境等不确定性因素影响，当前时频建模方法只针对特定故障场景进行建模，且建模准确性不高，从而所建立模型只适用于特定故障场景，无法满足实际情况的需要；
2.若要得到适用性强的故障物理模型就需要对各类情况枚举，进行实际实验、测试以及迭代，存在成本高、可行性差、效率低等问题；
3.现在大量分布式电源和储能设备接入电力***，这些设备的正常投切会产生与高阻故障相类似的时频域暂态过程，这使得从电气量时间/频率特性建模出发检测和识别该类故障的可靠性降低，检测误报率上升。
4.若要将先要的物理模型进行改造以适应实际情况，须对各种故障条件进行枚举、实验、拟合、迭代等，考虑到实际成本而言，这是不可能实现的。
因此需要发明一种技术在不需要大量实验和准确网络拓扑、分布式电源及储能运行计划情况下从现有设备数据基础上进行线路高阻故障检测和识别。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种电力***线路故障检测判别方法。
本发明为解决其技术问题所采用的技术方案为：电力***线路故障检测判别方法，包括以下步骤：
步骤一：获取电力***的历史数据X及在线数据Y；
步骤二：分别计算历史数据X的奇异值矩阵Σ2及在线数据Y的奇异值矩阵Σ1；
步骤三：计算历史数据X与在线数据Y的散度距离Ddiv；
步骤四：基于判别条件，判定线路是否发生高阻故障。
所述步骤一中历史数据X及在线数据Y基于能对电气量进行数据测量设备获取。
数据测量设备为远程终端单元、数据传输终端、馈线终端装置、配电变压器监测终端、相量测量装置、微型相量测量装置中的一种或多种。
所述步骤二中在线数据Y与历史数据X的所对应数据矩阵的奇异值矩阵表示如下：
Figure BDA0004090340230000021
式中，Σ1和Σ2分别为在线数据Y与历史数据X的奇异值矩阵；
Figure BDA0004090340230000022
和
Figure BDA0004090340230000023
分别为第i个奇异值。
所述步骤三中计算过程如下：
3-1：计算在线数据Y与历史数据X的散度距离Ddiv，其计算公式如下：
Ddiv＝(infE||X-Y||2)1/2   (1)；
式中，inf表示所求数值的下限，E||X-Y||2表示在线数据Y与历史数据X的协方差；
Figure BDA0004090340230000024
式中，
Figure BDA0004090340230000025
和
Figure BDA0004090340230000026
分别表示在线数据Y与历史数据X的均值，
Figure BDA0004090340230000027
3-2：在线数据Y与历史数据X联合分布的协方差矩阵∑可以构成为：
Figure BDA0004090340230000028
式中，Z为过渡矩阵，ZT为过渡矩阵Z的转置矩阵；
根据式(1)可以得到：
Figure BDA0004090340230000029
进一步对∑分解可以得到：
Figure BDA00040903402300000210
式中，矩阵∑的广义舒尔补L可以表示为：
Figure BDA0004090340230000031
I为单位矩阵，由于∑1和∑2都是奇异数据序列，因此由广义逆
Figure BDA0004090340230000032
可以得到：
Figure BDA0004090340230000033
U、M、V分别为奇异值分解后酉矩阵；
进一步对∑2-L进行谱分解，得到：
Figure BDA0004090340230000034
则：
Figure BDA0004090340230000035
令
Figure BDA0004090340230000036
得到：
F(ζ，v)＝C-2tr(ξv)+tr[δ(ζTζ-I)]    (10)；
式中，C＝tr(∑1)+tr(∑2)，δ为拉格朗日算子；
进而有：
Figure BDA0004090340230000037
进而得到：
Figure BDA0004090340230000038
因此在线数据Y与历史数据X间的散度距离Ddiv表示为：
Figure BDA0004090340230000039
即
Figure BDA00040903402300000310
所述步骤四中，判别条件如下：
Figure BDA0004090340230000041
式中，td，tw分别为越限时间长以及越限时长阈值，Ψ为阈值。
所述Ψ通过以下公式计算得到：
Figure BDA0004090340230000042
式中，
Figure BDA0004090340230000043
和S分别表示散度距离矢量的均值和标准差，τ为调节系数。
所述判别条件修订为：
Figure BDA0004090340230000044
式中，χ为阈值波动程度。
判定线路是否发生高阻故障的判别规则如下：
4-1：若Ddiv＞Ψ(1+χ)满足，td＞tW不满足，线路中的保护装置动作，则判定有非高阻的故障发生；
4-2：若Ddiv＞Ψ(1+χ)满足，td＞tW不满足，线路中保护装置没有动作，则判定为当前无故障发生，越限是因为正常操作造成；
4-3：若Ddiv＞Ψ(1+χ)满足，且td＞tW同时满足，可以判定为线路发生高阻故障。
与现有技术相比，本发明具有以下有益效果：
1.只需要利用日常的量测数据就可以完成对线路故障的检测；
2.适用于不同分布式电源多点接入的情况；
3.无需知道***接入的分布式电源的种类、位置、数量以及无需对故障场景进行枚举和建模；
4.无需考虑实际故障点环境和情况，所提方法适应性强；
5.基于现有的主站或智能终端就可以完成检测识别功能，不需要额外投入设备；
6.实际***运行是只需按所保护内容就可以对于全网故障进行检测与识别；
7.该发明适应电力***实际线路的复杂故障环境，无需了解实际故障点环境，即可可以实现检测与识别，便宜高效。
附图说明
图1是本发明流程图。
具体实施方式
下面结合附图对本发明实施例做进一步描述：
实施例
随着实时量测装置的大规模安装，电力***量测数据一般满足中心极限定理的要求，也就意味着来自量测设备的电力量数据满足高斯分布，同时具有很大的冗余性，即量测数据稀疏的。而且当高阻故障发生时，尽管电气量的物理特征微小，但这些电气量故障前和故障持续期间的概率分布会呈现明显的差异，因此可以通过故障前(正常历史)数据和故障期间(在线量测)数据的散度距离(概率分布差异)对高阻故障及故障相进行检测和识别。
如图1所示，电力***线路故障检测判别方法包括以下步骤：
步骤一：获取电力***的历史数据X及在线数据Y；所述步骤一中历史数据X及在线数据Y基于能对电气量进行数据测量设备获取。数据测量设备为RTU(远程终端单元)、DTU(数据传输终端)、FTU(馈线终端装置)、TTU(配电变压器监测终端)、PMU(相量测量装置)、micro-PMU(微型相量测量装置)中的一种或多种。也可以是其他具有数据量测功能IED(智能电子设备)。数据可以从上述设备所连接的子站或主站获得，或从录波装置上直接获取。
步骤二：分别计算历史数据X的奇异值矩阵∑2及在线数据Y的奇异值矩阵∑1；所述步骤二中在线数据Y与历史数据X的所对应数据矩阵的奇异值矩阵表示如下：
Figure BDA0004090340230000051
式中，∑1和∑2分别为在线数据Y与历史数据X的奇异值矩阵；
Figure BDA0004090340230000052
和
Figure BDA0004090340230000053
分别为第i个奇异值。
步骤三：计算历史数据X与在线数据Y的散度距离Ddiv；所述步骤三中计算过程如下：
3-1：计算在线数据Y与历史数据X的散度距离Ddiv，其计算公式如下：
Ddiv＝(infE||X-Y||2)1/2  (1)；
式中，inf表示所求数值的下限，E||X-Y||2表示在线数据Y与历史数据X的协方差；
Figure BDA0004090340230000054
式中，
Figure BDA0004090340230000055
和
Figure BDA0004090340230000056
分别表示在线数据Y与历史数据X的均值，
Figure BDA0004090340230000057
3-2：在线数据Y与历史数据X联合分布的协方差矩阵∑可以构成为
Figure BDA0004090340230000061
式中，Z为过渡矩阵，T表示转置，ZT为过渡矩阵Z的转置矩阵；
根据式(1)可以得到：
Figure BDA0004090340230000062
进一步对∑分解可以得到：
Figure BDA0004090340230000063
式中，矩阵∑的广义舒尔补L可以表示为：
Figure BDA0004090340230000064
I为单位矩阵，由于∑1和∑2都是奇异数据序列，因此由广义逆
Figure BDA0004090340230000065
可以得到：
Figure BDA0004090340230000066
U、M、V分别为奇异值分解后酉矩阵；
进一步对∑2-L进行谱分解，得到：
Figure BDA0004090340230000067
则：
Figure BDA0004090340230000068
令
Figure BDA0004090340230000069
得到：
F(ζ，v)＝c-2tr(ζν)+tr[δ(ζTζ-I)]    (10)；
式中，C＝tr(∑1)+tr(∑2)，δ为拉格朗日算子；
进而有：
Figure BDA00040903402300000610
进而得到：
Figure BDA0004090340230000071
因此在线数据Y与历史数据X间的散度距离Ddiv表示为：
Figure BDA0004090340230000072
即
Figure BDA0004090340230000073
步骤四：基于判别条件，判定线路是否发生高阻故障。所述步骤四中，判别条件如下：
Figure BDA0004090340230000074
式中，td，tw分别为越限时间长以及越限时长阈值，Ψ为阈值。
所述Ψ通过以下公式计算得到：
Figure BDA0004090340230000075
式中，
Figure BDA0004090340230000076
和S分别表示散度距离矢量的均值和标准差，τ为调节系数。
由于考虑当前各类分布式电源、电动车等接入电力***，同时由于各种测量仪表的误差使得正常运行时的电力***量测数据的分布存在一定差异，也就是说在正常运行时，在线数据Y与历史数据X的散度距离不能完全等于零，因此可以设置阈值波动程度为χ(％)。根据国家和行业有关电能质量、谐波、电压以及频率波动等相关标准规定，可根据实际使用的电气量对χ进行设定，建议不大于相关规定最大值的90％。所述判别条件修订为：
Figure BDA0004090340230000077
式中，χ为阈值波动程度。
判定线路是否发生高阻故障的判别规则如下：
4-1：若Ddiv＞ψ(1+χ)满足，td＞tW不满足，线路中的保护装置动作(例如断路器重合闸、熔断器熔断、继电器跳闸等)，则判定有非高阻的故障发生，此时可按传统方式进行故障识别、隔离、恢复；
4-2：若Ddiv＞ψ(1+χ)满足，td＞tW不满足，线路中保护装置没有动作，则判定为当前无
故障发生，越限是因为正常操作造成；
4-3：若Ddiv＞ψ(1+χ)满足，且td＞tW同时满足，可以判定为线路发生高阻故障。进而可以通过式(17)判定故障相，即若该相判别条件满足Ddiv＞ψ(1+χ)满足，且td＞tW，那么该相为故障相。

Claims (9)

1.一种电力***线路故障检测判别方法，其特征在于，包括以下步骤：
步骤一：获取电力***的历史数据X及在线数据Y；
步骤二：分别计算历史数据X的奇异值矩阵∑2及在线数据Y的奇异值矩阵∑1；
步骤三：计算历史数据X与在线数据Y的散度距离Ddiv；
步骤四：基于判别条件，判定线路是否发生高阻故障。
2.根据权利要求1所述的电力***线路故障检测判别方法，其特征在于，所述步骤一中历史数据X及在线数据Y基于能对电气量进行数据测量设备获取。
3.根据权利要求2所述的电力***线路故障检测判别方法，其特征在于，数据测量设备为远程终端单元、数据传输终端、馈线终端装置、配电变压器监测终端、相量测量装置、微型相量测量装置中的一种或多种。
4.根据权利要求2所述的电力***线路故障检测判别方法，其特征在于，所述步骤二中在线数据Y与历史数据X的所对应数据矩阵的奇异值矩阵表示如下：
Figure FDA0004090340220000011
式中，∑1和∑2分别为在线数据Y与历史数据X的奇异值矩阵；
Figure FDA0004090340220000012
和
Figure FDA0004090340220000013
分别为第i个奇异值。
5.根据权利要求4所述的电力***线路故障检测判别方法，其特征在于，所述步骤三中计算过程如下：
3-1：计算在线数据Y与历史数据X的散度距离Ddiv，其计算公式如下：
Ddiv＝(infE||X-Y||2)1/2     (1)；
式中，inf表示所求数值的下限，E||X-Y||2表示在线数据Y与历史数据X的协方差；
Figure FDA0004090340220000014
式中，
Figure FDA0004090340220000015
和
Figure FDA0004090340220000016
分别表示在线数据Y与历史数据X的均值，
Figure FDA0004090340220000017
3-2：在线数据Y与历史数据X联合分布的协方差矩阵∑可以构成为：
Figure FDA0004090340220000018
式中，Z为过渡矩阵，ZT为过渡矩阵Z的转置矩阵；
根据式(1)可以得到：
Ddv＝(inftr[∑1+∑2-2Z])1/2      (5)；
进一步对∑分解可以得到：
Figure FDA0004090340220000021
式中，矩阵∑的广义舒尔补L可以表示为：
Figure FDA0004090340220000022
I为单位矩阵，由于Σ1和Σ2都是奇异数据序列，因此由广义逆
Figure FDA0004090340220000023
可以得到：
Figure FDA0004090340220000024
U、M、V分别为奇异值分解后酉矩阵；
进一步对Σ2-L进行谱分解，得到：
Figure FDA00040903402200000210
则：
Figure FDA0004090340220000025
令
Figure FDA0004090340220000026
得到：
F(ζ，v)＝C-2tr(ζv)+tr[δ(ζTζ-I)]    (10)；
式中，C＝tr(Σ1)+tr(Σ2)，δ为拉格朗日算子；
进而有：
Figure FDA0004090340220000027
进而得到：
Figure FDA0004090340220000028
因此在线数据Y与历史数据X间的散度距离Ddiv表示为：
Figure FDA0004090340220000029
即
Figure FDA0004090340220000031
6.根据权利要求5所述的电力***线路故障检测判别方法，其特征在于，所述步骤四中，判别条件如下：
Figure FDA0004090340220000032
式中，td，tw分别为越限时间长以及越限时长阈值，Ψ为阈值。
7.根据权利要求6所述的电力***线路故障检测判别方法，其特征在于，所述Ψ通过以下公式计算得到：
Figure FDA0004090340220000033
式中，
Figure FDA0004090340220000034
和S分别表示散度距离矢量的均值和标准差，τ为调节系数。
8.根据权利要求7所述的电力***线路故障检测判别方法，其特征在于，所述判别条件修订为：
Figure FDA0004090340220000035
式中，χ为阈值波动程度。
9.根据权利要求8所述的电力***线路故障检测判别方法，其特征在于，判定线路是否发生高阻故障的判别规则如下：
4-1：若Ddiv＞ψ(1+χ)满足，td>tW不满足，线路中的保护装置动作，则判定有非高阻的故障发生；
4-2：若Ddiv＞ψ(1+χ)满足，td>tW不满足，线路中保护装置没有动作，则判定为当前无故障发生，越限是因为正常操作造成；
4-3：若Ddiv＞ψ(1+χ)满足，且td>tW同时满足，可以判定为线路发生高阻故障。
CN202310149693.XA 2023-02-22 2023-02-22 电力***线路故障检测判别方法 Pending CN116068339A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310149693.XA CN116068339A (zh) 2023-02-22 2023-02-22 电力***线路故障检测判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310149693.XA CN116068339A (zh) 2023-02-22 2023-02-22 电力***线路故障检测判别方法

Publications (1)

Publication Number Publication Date
CN116068339A true CN116068339A (zh) 2023-05-05

Family

ID=86169794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310149693.XA Pending CN116068339A (zh) 2023-02-22 2023-02-22 电力***线路故障检测判别方法

Country Status (1)

Country Link
CN (1) CN116068339A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116736043A (zh) * 2023-08-14 2023-09-12 山东理工大学 一种电力***线路故障特征主动增强检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116736043A (zh) * 2023-08-14 2023-09-12 山东理工大学 一种电力***线路故障特征主动增强检测方法
CN116736043B (zh) * 2023-08-14 2023-10-13 山东理工大学 一种电力***线路故障特征主动增强检测方法

Similar Documents

Publication Publication Date Title
CN105242176A (zh) 一种适用于监测分支线路的小电流接地***故障定位方法
CN201408236Y (zh) 配电网故障定位装置
CN116068339A (zh) 电力***线路故障检测判别方法
CN112039020A (zh) 一种基于变压器变比鉴别励磁涌流和故障的方法
CN109342882A (zh) 基于多源特征值分析的电缆故障在线监测方法
CN106291149A (zh) 一种10kV开关柜的带电检测方法
Ghaedi et al. Modified WLS three-phase state estimation formulation for fault analysis considering measurement and parameter errors
CN115542064B (zh) 一种互感器误差状态实时监测方法及装置
CN112782532A (zh) 基于断路器合闸产生行波信号的配电网故障测距方法
CN108828398A (zh) 一种基于结构相似性算法的单芯电缆局放定位方法
CN111786462A (zh) 一种基于多维全景数据的电网信息校验***及校验方法
CN113917276B (zh) 中压侧小电流***单相接地短路故障定位方法及***
CN107976612B (zh) 一种基于单相接地故障线路跳闸信息的极性校验方法
Xu et al. Study on the verification of the calculated harmonic impedance
CN113093085B (zh) 站域电流互感器二次回路故障检测方法及装置
CN114089250B (zh) 一种电流互感器异常识别与处理方法
CN116736043B (zh) 一种电力***线路故障特征主动增强检测方法
CN112630638B (zh) 一种断路器瓷套闪络辨识方法和***
Gudžius et al. Real time monitoring of the state of smart grid
CN116388178B (zh) 一种基于波形相关系数的柔性直流电网故障方向判据方法
CN116381418B (zh) 一种电网线路故障定位方法及***
Tu et al. Real‐time diagnosis of high‐speed rail traction transformer in different topologies
CN114137443B (zh) 一种基于漏磁和压力的变压器匝间短路检测***和方法
CN113625201B (zh) 一种单相变压器绕组变形故障的在线检测方法
CN111913135B (zh) 一种利用牛顿迭代法辨识变压器绕组形变故障的方法

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