本发明涉及一种基于多测点正序电压最优匹配的电压暂降源定位方法。
背景技术:
随着越来越多的敏感负荷接入电网,用户对电压暂降愈加关注。短路故障是引起电压暂降的主要原因之一,准确定位电压暂降源位置有助于电网公司尽快排除故障,提高供电可靠性。
目前电压暂降源定位方法主要分为基于单测点定向和基于多测点定位两大类。基于单测点定向的方法主要有扰动功率和能量法及其改进方法、系统轨迹斜率法、实部电流法、扰动有功电流法、等效阻抗实部法、距离继电器定位法、瞬时序电流法等。定向类方法只能判断出电压暂降源位于监测点的上游或下游,需要多次搜索才有可能确定故障的具体位置。基于多测点定位方法主要是利用多测点信息、多重判据、概率估计、人工智能算法等进行电压暂降源定位。但该类方法大多未能克服故障类型和过渡电阻对电压暂降源定位的影响,工程应用困难,难以在大型电网中应用。
技术实现要素:
有鉴于此,本发明的目的在于提供一种基于多测点正序电压最优匹配的电压暂降源定位方法,能有效克服故障类型和过渡电阻对电压暂降源定位的影响,且定位精度高。
为实现上述目的,本发明采用如下技术方案:一种基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于,包括以下步骤:
步骤S1:提取系统信息,由正序节点阻抗矩阵构造故障点的特征模式,其具体为,故障后监测点M的正序电压如下式所示:
其中,为故障前监测点M的正序电压,为监测点M与故障点F之间的正序传递阻抗,是故障点F的短路电流正序分量;
监测点M与故障点F之间的正序传递阻抗可由正序节点阻抗矩阵计算得到,如下式所示:
其中,为监测点M与节点C之间的正序互阻抗,为监测点M与节点D之间的正序互阻抗,λ为故障点F到线路首节点的归一化距离;
监测点M的正序电压变化量为:
按以上方法求得所有监测点的正序电压变化量,将所有监测点的正序电压变化量构成正序电压变化量序列;
将所述正序电压变化量序列按下式进行标准化处理:
其中,X为正序电压变化量序列,E(X)为正序电压变化量序列X的平均值,D(X)为正序电压变化量序列X的方差;
将标准化后的正序电压变化量序列定义为故障点F的特征模式P(i,λ):
P(i,λ)=[V1,V2,…Vm,…VN]T
其中,i为线路编号,λ为故障点F到线路首节点的归一化距离,Vm为标准化后的第m个节点正序电压变化量,且1≤m≤N,m,N为正整数;
步骤S2:将发生未知故障时的节点正序电压变化量检测值进行标准化处理,构成的序列定义为待识别模式F:
其中,为标准化处理后的第m个节点的正序电压变化量检测值,且1≤m≤N,m,N为正整数;
步骤S3:建立典型模式群G:选择在各线路中点设置故障,离线计算其特征模式如下式所示,构成典型模式群G:
G=[P1,P2,…,Pj,…,PL]
其中,Pj为第j条线路中点故障时的特征模式,j=1,2,…,L,L为系统的线路总数;
步骤S4:提取初始故障线路集:计算待识别模式F与典型模式群G中各典型模式的模式相似度:
Sj=S(F,Pj)
采用自适应聚类算法对Sj进行聚类,选择Sj最大值所在类的典型模式,将其对应的线路选入初选故障线路集J;
步骤S5:建立最优估计模型:在所述初选故障线路集J中,以相似度最大为优化目标,以线路编号和故障距离为优化变量,求解故障定位的最优估计模型,用数学函数表述如下:
max S(Pk(λ),F):0≤λ≤1
其中,Pk(λ)为第k条线路上故障距离为λ处的特征模式,k为初选故障线路集J中的线路编号;
步骤S6:求解最优估计模型定位故障点:模型优化求解得到J中各线路k的最大相似度和最优故障距离将按从大到小排序,将中最大值所对应的线路判定为故障线路T,其相应的最优故障距离判定为故障位置p:
其中,为故障线路T对应的最优故障距离。
进一步的,所述步骤S1和步骤S3中的故障为任意类型的短路故障。
进一步的,所述步骤S4中模式相似度的建立方法如下:
设两个模式分别为X和Y,则其欧式距离为:
其中,xm为模式X中标准化后的第m个测点正序电压变化量,ym为模式Y中标准化后的第m个测点正序电压变化量,N为模式的长度即测点的数目;
建立欧式距离相似度为:
建立Spearman距离相似度为:
其中,x′m、y′m为xm、ym的秩次,Rm为秩次差;
建立模式相似度为:
S(X,Y)=Seu·Ssp
其中,S(X,Y)为模式X和Y的模式相似度。
本发明与现有技术相比具有以下有益效果:本发明能够克服故障类型和过渡电阻对电压暂降源定位的影响,定位精度高;匹配典型模式有效压缩了定位搜索空间,计算量较小,适用于大型电网的电压暂降源定位;利用多测点正序电压的相关性进行电压暂降源定位受量测误差的影响较小。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于多测点正序电压最优匹配的电压暂降源定位方法,其特征在于,包括以下步骤:
步骤S1:提取系统信息,由正序节点阻抗矩阵构造故障点的特征模式,其具体为,故障后监测点M的正序电压如下式所示:
其中,为故障前监测点M的正序电压,为监测点M与故障点F之间的正序传递阻抗,是故障点F的短路电流正序分量;
监测点M与故障点F之间的正序传递阻抗可由正序节点阻抗矩阵计算得到,如下式所示:
其中,为监测点M与节点C之间的正序互阻抗,为监测点M与节点D之间的正序互阻抗,λ为故障点F到线路首节点的归一化距离;
监测点M的正序电压变化量为:
按以上方法求得所有监测点的正序电压变化量,将所有监测点的正序电压变化量构成正序电压变化量序列;
将所述正序电压变化量序列按下式进行标准化处理:
其中,X为正序电压变化量序列,E(X)为正序电压变化量序列X的平均值,D(X)为正序电压变化量序列X的方差;
将标准化后的正序电压变化量序列定义为故障点F的特征模式P(i,λ):
P(i,λ)=[V1,V2,…Vm,…VN]T (5)
其中,i为线路编号,λ为故障点F到线路首节点的归一化距离,Vm为标准化后的第m个节点正序电压变化量,且1≤m≤N,m,N为正整数;
步骤S2:将发生未知故障时的节点正序电压变化量检测值进行标准化处理,构成的序列定义为待识别模式F:
其中,为标准化处理后的第m个节点的正序电压变化量检测值,且1≤m≤N,m,N为正整数;
步骤S3:建立典型模式群G:选择在各线路中点设置故障,离线计算其特征模式如下式所示,构成典型模式群G:
G=[P1,P2,…,Pj,…,PL] (7)
其中,Pj为第j条线路中点故障时的特征模式,j=1,2,…,L,L为系统的线路总数;
步骤S4:提取初始故障线路集:计算待识别模式F与典型模式群G中各典型模式的模式相似度:
Sj=S(F,Pj) (8)
采用自适应聚类算法对Sj进行聚类,选择Sj最大值所在类的典型模式,将其对应的线路选入初选故障线路集J;
为了求取待识别模式与特征模式的相似度,需定义模式相似度,方法如下:
设两个模式分别为X和Y,则其欧式距离为:
其中,xm为模式X中标准化后的第m个测点正序电压变化量,ym为模式Y中标准化后的第m个测点正序电压变化量,N为模式的长度即测点的数目;
建立欧式距离相似度为:
建立Spearman距离相似度为:
其中,x′m、y′m为xm、ym的秩次,Rm为秩次差;
建立模式相似度为:
S(X,Y)=Seu·Ssp (12)
其中,S(X,Y)为模式X和Y的模式相似度。
步骤S5:建立最优估计模型:在所述初选故障线路集J中,以相似度最大为优化目标,以线路编号和故障距离为优化变量,求解故障定位的最优估计模型,用数学函数表述如下:
max S(Pk(λ),F):0≤λ≤1 (13)
其中,Pk(λ)为第k条线路上故障距离为λ处的特征模式,k为初选故障线路集J中的线路编号;
步骤S6:求解最优估计模型定位故障点:模型优化求解得到J中各线路k的最大相似度和最优故障距离将按从大到小排序,将中最大值所对应的线路判定为故障线路T,其相应的最优故障距离判定为故障位置p:
其中,为故障线路T对应的最优故障距离。
特别的,所述步骤S1和步骤S3中的故障为任意类型的短路故障,于本实施例中设置三相金属性短路故障。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。