一种基于大数据技术的配电网线路故障定位方法与流程

本发明涉及一种基于大数据技术的配电网线路故障定位方法。

背景技术：

配电网是向最终用户供电的网络，是电力系统发电、输电、配电、用电中向用户供电的主要环节。配电网处于电力系统的末端，地域分布广、电网规模大、设备种类多、网络连接多样、运行方式多变等使其运行状态分析具有一定的困难和复杂性。

我国传统的中压配电网多采用辐射型结构，其在正常运行时潮流在网络中是单向流动的，保护方法的整定较为简单。智能配电网中dg的接入不仅加大了网络结构的复杂程度，还改变了配电网的故障特性。此外，新能源类dg的输出功率具有一定的随机性，使得配电网在正常运行时存在局部区域双向不定潮流的问题，这给智能配电网的保护控制带来了极大的挑战。

现时，已有多种类型的保护方法，这些方法多以单一的小样本电气特征量作为故障判据，故障判据的整定多需要复杂的计算，而且当系统运行参数、运行方式改变后需要重新整定。此外，由于故障判据基于单一的特征量，保护的可靠性存在很大风险，当传感器或者通信异常时，易出现保护的误动甚至拒动。以多代理(agent)保护为例，当多agent系统中某一agent出现信息错误时易引起相关区域的保护误判，容错性较差。

目前几种类型的保护方法主要存在以下缺陷：

1.对于智能配电网，由于网络中接入了大量的分布式电源，其中分布式新能源发电功率输出具有一定的随机性，因而配网系统在正常运行时，存在双向不定潮流的问题。此外，分布式电源的接入改变了故障特性，这给配电网的保护控制带来了极大的困难。

2.当前智能配电网的保护控制方法多需要进行复杂的整定计算，而且当系统运行参数、运行方式以及网络拓扑结构发生改变后需要重新整定，耗时长。

3.当下的保护控制方法多是基于单一的小样本特征量进行状态监测与故障判断，当传感器或者通信异常时，易发生保护的误动甚至拒动。

4.当前智能配电网中绝大多数的保护控制方法并没有对智能配电网大数据进行合理有效的利用，既浪费了宝贵的资源，又不利于系统的安全稳定运行。

技术实现要素：

为解决上述技术问题，本发明提供一种基于大数据技术的配电网线路故障定位方法。

采用的技术方案如下：

一种基于大数据技术的配电网线路故障定位方法，其特征在于包括如下步骤：a、布放dit，根据配电网的拓扑结构布放dit，dit能收集遥信量mms，形成大数据测量装置，该大数据测量装置特点是dit均匀布放在整个配电网；

b、安放wpcd装置，在所需检测区域安放wpcd装置，用来接收各个检测区域dit的遥信量mms，并进行存储；

c、形成邻接矩阵，wpcd装置通过接收各开关站dit所发送的遥信量mms，收集智能配电网各开关的状态量信息，并形成表征配电网拓扑关系的邻接矩阵；

d、形成可达矩阵，通过邻接矩阵的运算，wpcd装置形成反映每个开关站dit最大保护范围的可达矩阵；

e、确定完全关联矩阵，根据每个dit的最大保护范围，wpcd装置可以确定多个完全关联矩阵；这些完全关联矩阵反映了每个dit最大保护范围内各边和各个节点间的拓扑关系；

f、故障定位和隔离，通过完全关联矩阵和电流列向量的运算，wpcd装置可以分别对每个dit进行上述的主差动、近后备差动和远后备差动等3轮电流差动计算；当故障发生后，差动电流大于整定值的公共区域即为故障区域，从而实现了配电网故障检测和定位；wpcd装置向该区域内的dit发送跳闸命令，即可完成故障的隔离。

如上所述一种基于大数据技术的配电网线路故障定位方法，其特征在于所述wpcd装置负责集中更新和存储表征配电网拓扑结构的邻接矩阵。

本发明具有如下优点：

本发明在智能配电网大数据和网络拓扑关联关系的基础上，提出了一种基于大数据技术的配电网线路故障定位方法。首先，该方法利用配电网一体化智能终端装置(distributionnetworkintegrativeintelligentterminal，dit)接收配电网大数据，如采样数据等。然后，对各节点dit装置采集的数据进行预处理。wpcd装置通过各开关站dit所发送的遥信量mms收集智能配电网各开关的状态量信息，并形成表征配电网拓扑关系的邻接矩阵。通过邻接矩阵的运算，wpcd装置形成反映每个开关站dit最大保护范围的可达矩阵。根据每个dit的最大保护范围，wpcd装置可以确定反映该dit最大保护范围内各边和各个节点间拓扑关系的完全关联矩阵。此后，通过完全关联矩阵的运算，wpcd装置可以分别对每个dit进行主差动、近后备差动和远后备差动等3轮电流差动计算。最后，当配电网线路发生故障时，差动电流大于整定值的公共区域即为故障区域，从而实现了故障定位。本发明有效提高了海量数据处理的实时性和高效性，可以根据丰富的配电网信息作出实时判断，信息交互全面，对维持电力系统稳定性有很好的效果。

附图说明

图1为本发明的方法实现流程原理图。

图2为本发明的带分支线的闭环运行配电网接线图。

图3为本发明的每轮电流差动的关联区域原理图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

基于大数据技术的配电网线路故障定位方法，主要步骤包括：

1.首先，根据配电网的拓扑结构布放dit，所形成的大数据测量装置如图2所示。其特点是dit均匀布放在整个配电网。

2.在所需检测区域安放wpcd装置，用来接收配电网大数据，如各个检测区域的遥信量等dit数据，并进行存储。

3.wpcd装置通过接收各开关站dit所发送的遥信量mms，收集智能配电网各开关的状态量信息，并形成表征配电网拓扑关系的邻接矩阵。

4.通过邻接矩阵的运算，wpcd装置形成反映每个开关站dit最大保护范围的可达矩阵。

5.根据每个dit的最大保护范围，wpcd装置可以确定多个完全关联矩阵。这些完全关联矩阵反映了每个dit最大保护范围内各边和各个节点间的拓扑关系。

6.根据配电网的故障状态，进行故障定位和隔离。通过完全关联矩阵和电流列向量的运算，wpcd装置可以分别对每个dit进行上述的主差动、近后备差动和远后备差动等3轮电流差动计算。当故障发生后，差动电流大于整定值的公共区域即为故障区域，从而实现了配电网故障检测和定位。wpcd装置向该区域内的dit发送跳闸命令，即可完成故障的隔离。

本发明的原理为：

1.基于大数据的可达矩阵形成原理

本发明提出的基于大数据的配电网线路故障定位与隔离方法和传统电流ⅲ段一样，每一个dit的最大保护范围覆盖下一线路末端。对于拓扑结构没有变化的配电网而言，通过直观的方法就可以获得任意dit的最大保护范围。但是，配电网的拓扑经常发生变化，所以需要一种算法来实时地修正dit的最大保护范围。邻接矩阵的运算就可以解决这个问题。

区域wpcd装置负责集中更新和存储表征配电网拓扑结构的邻接矩阵。假设配电网由2回闭环运行的馈线组成，如图2所示。

对于图2所示的配电网而言，其拓扑结构的邻接矩阵的阶数为14阶，如下所示。

然后，根据邻接矩阵定理，可以确定各个开关站dit的最大保护范围，即反映最大保护范围的可达矩阵，如下所示。

观察可达矩阵p的第一行，可以得到节点n1的最大保护范围包含节点n1～n3、n5～n8和n11～n14，与直观的结果一致。

当配电网的拓扑结构发生变化后，需要通过邻接矩阵的运算，重新确定反映每个dit最大保护范围的可达矩阵。

通过邻接矩阵的运算来确定每个开关站dit最大保护范围的优点是：当断路器跳闸后，配电网的拓扑结构发生变化。wpcd装置改变邻接矩阵中的元素，并通过邻接矩阵的运算，重新调整每个dit的最大保护范围。wpcd可以实时与自动地实现这些处理，而不需要人工整定。

2.基于大数据的完全关联矩阵形成原理

根据每个dit的可达矩阵，wpcd装置还可以得到该dit的完全关联矩阵，并进行存储。完全关联矩阵反映了各边与节点的拓扑关系，可以用来形成该dit的关联区域。

以上述的节点n1为例，用来形成其主差动关联区域的完全关联矩阵m1为：

近后备差动的关联区域的形成原则是，在主差动的完全关联矩阵的基础上，合并相关节点(即消除主差动交换数据的边)，形成新的完全关联矩阵。在上述的dit节点n1的完全关联矩阵m1的基础上，例如对于边e1，在边e1一列只有节点n1与n7对应的元素不为0，由于边e1属于节点n1，所以得出节点n7为主差动的关联区域。观察节点n7一行，找到不为0元素对应的边e1与e2。从矩阵m1可得边e2相关联的节点是n7与n2，需要合并节点n7与n2。通过对矩阵m1的n7与n2行进行相加，消除节点n7，可以得到用来形成节点n1的近后备关联区域的新的完全关联矩阵m2：

远后备差动的关联区域的形成原则是，在近后备差动的完全关联矩阵的基础上，合并相关节点(即消除近后备差动交换数据的边)，形成新的完全关联矩阵。例如上述dit节点n1的边e1，在上述的近后备差动的完全关联矩阵m2的基础上，先通过边e1找到合并节点n2,7，观察合并节点n2,7，找出矩阵m2中该行的所有不为0的边e1、e3和e13。从矩阵m2可知，需要合并节点n2,7、n8和n13。通过对矩阵m2的n2,7、n8和n13行进行相加，可以得到用来形成节点n1的远后备关联区域的新的完全关联矩阵m3：

通过完全关联矩阵的运算来形成开关站dit的关联区域，既准确可靠，又可以减少不必要的通信量。而且，当配电网的拓扑结构发生变化后，区域wpcd装置可以根据算法自动生成反映每个dit最大保护范围的可达矩阵和完全关联矩阵，自动调整每个dit的关联区域，而不需要重新对程序进行修改。

3.基于大数据的配电网线路故障定位方法

以上述的节点n1的边e1为例。根据完全关联矩阵m1，定义电流列向量在边e1一列中，只有节点n1与n7对应的元素不为0。因为边e1在节点n1中，所以节点n7为主差动的关联区域。提取节点n7一行，构成行向量m1＝(-1,-1,0,0,0,0,0,0,0,0,0,0)。所以，主差动电流如果则认为故障就发生在节点n7对应的元件中。

同时，根据完全关联矩阵m2，在边e1一列中，只有节点n1与n2,7对应的元素不为0。因为边e1在节点n1中，所以节点n2,7为近后备差动的关联区域。提取节点n2,7一行，构成行向量m2＝[-1,0,1,0,0,0,0,0,0,0,1,0]。所以，近后备差动电流如果则判断故障发生在由节点n7与n2构成的区域，即近后备差动关联区域。

同时，根据完全关联矩阵m3，在边e1一列中，只有节点n1与n2,7,8,13对应的元素不为0。因为边e1在节点n1中，所以节点n2,7,8,13为远后备差动的关联区域。提取节点n2,7,8,13一行，构成行向量m3＝[-1,0,0,-1,0,0,0,0,0,0,0,-1]。所以，远后备差动电流如果则判断故障发生在由节点n2、n7、n8和n13构成的区域，即远后备差动关联区域。

综合上述的3轮电流差动，可以得到每轮电流差动的关联区域，如图3所示。