本申请涉及配电网技术领域，特别涉及一种配电网线路故障区间定位方法。
背景技术：
电力系统在运行过程中，由配电网故障造成的停电事故约占总停电事故的95％以上，其中70％的事故由单相接地故障或母线故障引发。而国内外配电网中性点广泛采用非有效接地(小电流接地)方式，以避免发生单相接地故障时引起供电中断。对于配电网的单相接地故障，由于故障特征量微弱，一直缺乏可靠的线路故障定位方法。随着人们对配电网自动化水平要求的提高，更加迫切需要从根本上解决配电网的故障定位问题。
现有技术中的故障定位方法主要有两类，一种是注入信号法，二是基于故障特征量的区段定位。注入信号法包括“s”注入法、交直流综合注入法和并联中电阻法，该类方法增大了对系统的干扰，且不能检测瞬时性和间歇性接地故障。基于故障特征量的区段定位包括零模电流比较法、区段零序导纳法、零序无功功率方向法、基于相电流突变量的定位、残留增量法、行波法等，配电自动化系统主要利用主站实现ftu(馈线终端装置)的时间同步，对时误差至少为几个毫秒。在此情况下，暂态信号的幅值、极性、波形相关性比较等方法不再有效。
现有技术中至少存在如下问题：由于现有的电力系统中的故障特征量不断变化，依靠单一的故障特征量比较定位配电网线路的故障区间。定位精度较低，定位结果的可靠性较低。
技术实现要素：
本申请实施例的目的是提供一种配电网线路故障区间定位方法，以提高故障区间定位的准确度和定位结果的可靠性。
本申请实施例提供一种配电网线路故障区间定位方法是这样实现的：
一种配电网线路故障区间定位方法，所述方法包括：
根据所述配电网母线节点的分布情况，配置电源管理单元；
利用所述电源管理单元获取配电网m个母线节点的故障特征变量数据，从所述故障特征变量数据中选定每个母线节点的n种故障特征变量，获取所述n种故障特征变量的故障特征值，n≥1，m≥2；
对每种所述故障特征值进行归一化处理，得到每种故障特征变量对应的m个故障特征采样值；
将所述故障特征采样值划分为c个簇，计算出m个母线节点的对应于c个簇中每个簇的权重系数，所述c个簇分别对应c种故障特征类型，c≥2；
根据所述权重系数，确定每个母线节点所属的故障特征类型；
根据所述m个母线节点的故障特征类型，确定所述配电网线路的故障区间。
优选实施例中，所述故障特征变量的类型包括：
正序电压、零序电流、暂态零序能量、暂态零序电流、零序阻抗角、小波变换模极大值、零序分量五次谐波。
优选实施例中，所述根据所述权重系数，确定每个母线节点的故障特征类型的方式，包括：
通过比较所述每个母线节点对应于c个簇的权重系数的大小，将所述母线节点的故障特征类型确定为权重系数最大的一簇对应的故障特征类型。
优选实施例中，所述根据所述m个母线节点的故障特征类型，确定所述配电网线路的故障区间的方式，包括：
将故障特征类型为故障类型的节点之间的线路，确定为所述配电网线路的故障区间。
优选实施例中，所述对每种所述故障特征值进行归一化处理，得到每种故障特征变量对应的m个故障特征采样值，包括采用下述公式，归一化处理得到：
xi＝(xi1,l,xij,l,xim)
式中，xi表示第i种故障特征变量对应的m个故障特征采样值；
x′ij表示所述故障特征值；
xij表示所述归一化的故障特征值；
优选实施例中，所述计算出m个母线节点的对应于c个簇的权重系数的方式，包括：
根据所述故障特征采样值，计算目标函数；
根据所述目标函数，对所述故障特征采样值进行迭代计算，得到所述m个母线节点的对应于c个簇中每个簇的权重系数。
优选实施例中，所述目标函数的计算包括通过采用下述公式计算得到：
式中，u＝[uki]为模糊分类矩阵；
uki∈[0,1]表示xi属于第k个簇的权重系数；
p＝[p1,l,pk,l,pc]表示聚类中心向量；
p1,l,pk,l,pc表示各个簇的聚类中心；
||xi-pk||表示第i个变量xi到第k个簇的聚类中心pk的欧氏距离。
优选实施例中，所述对所述故障特征采样值进行迭代计算，包括采用下述公式迭代计算得到所述m个母线节点的对应于c个簇中每个簇的权重系数：
式中，uki∈[0,1]表示xi属于第k个簇的权重系数；
pk表示第k个簇的聚类中心。
优选实施例中，所述根据所述配电网母线节点的分布情况，配置电源管理单元，包括：
根据所述配电网母线节点的个数，在所述配电网中配置电源管理电源。
优选实施例中，其特征在于，所述故障特征类型至少包括：故障类型、非故障类型、关联故障类型。
利用本申请实施例提供的一种配电网线路故障区间定位方法，可以利用配电网中的电源管理单元(pmu)采集到的故障特征变量数据，采用特定算法实现多种故障特征变量的融合，可以突出配电网中微弱的故障信息；基于模糊聚类算法确定故障特征采样值之间的相似性，可以实现配电网中所有母线节点的故障特征类型的准确分类，进而可以准确定位故障区段，有效提高故障区间定位的准确度，有效提高故障区间定位结果的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的一种配电网线路故障区间定位方法的方法流程示意图；
图2是本申请一个实例中提供的一种配电网线路故障区间定位方法的实施场景示意图。
具体实施方式
本申请实施例提供一种配电网线路故障区间定位方法。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
图1是本申请所述一种配电网线路故障区间定位方法一种实施例的方法流程示意图。
具体的，如图1所述，本申请提供的一种配电网线路故障区间定位方法的一种实施例可以包括：
s1：根据所述配电网母线节点的分布情况，配置电源管理单元。
本例中，所述根据所述配电网母线节点的分布情况，配置电源管理单元，可以包括：
根据所述配电网的类型及配电网中母线节点个数，在所述配电网中配置电源管理电源。
s2：利用所述电源管理单元获取配电网m个母线节点的故障特征变量数据，从所述故障特征变量数据中选定每个母线节点的n种故障特征变量，获取所述n种故障特征变量的故障特征值，n≥1，m≥2。
s3：对每种所述故障特征值进行归一化处理，得到每种故障特征变量对应的m个故障特征采样值。
s4：将所述故障特征采样值划分为c个簇，计算出m个母线节点的对应于c个簇中每个簇的权重系数，所述c个簇分别对应c种故障特征类型，c≥2。
s5：根据所述权重系数，确定每个母线节点所属的故障特征类型。
s6：根据所述m个母线节点的故障特征类型，确定所述配电网线路的故障区间。
本例中，所述故障特征变量的类型可以包括：
正序电压、零序电流、暂态零序能量、暂态零序电流、零序阻抗角、小波变换模极大值、零序分量五次谐波。
当配电系统发生故障时，系统参数的变化会引起各个电气量的变化，即为故障信息对应的故障特征变量。在故障点附近的电源管理单元(pmu)监测到的故障信息会比其他电源管理单元(pmu)监测到的故障信息更明显，下面列出系统发生单相接地故障时故障特征变量的类型的如下：
1)正序电压：负序电压由故障点沿线路逐渐降低流向相邻母线，然后流向其他区域；
2)零序电流：当系统的中性点不接地时，，零序电流由故障点流向相邻母线，然后流向其他区域；当系统的中性点经消弧线圈接地时，零序电流仅仅存在于故障点和相邻母线之间；
3)暂态零序能量：故障点与相邻母线之间的暂态零序能量与其他区段极性相反，且其能量值较高；
4)暂态零序电流：暂态零序电流由故障点流向相邻母线，然后流向其他区域；
5)零序阻抗角：在故障点与相邻母线之间，零序阻抗角位于二、三象限；而在其他区域，零序阻抗角则位于第一象限；
6)小波变换模极大值(wtmm)：故障点与相邻母线之间的小波变换极大值与其他区段极性相反，且其能量值较高；
7)零序分量五次谐波：零序分量五次谐波由故障点流向相邻母线，然后流向其他区域。
配电网线路故障信息的特征规律大致可以总结为大多数的故障量从故障点流向母线，或者分布在故障点和与其相连母线之间的线路段。因此在故障点与相邻母线之间的故障信息会很明显，而在电网中其他部分的故障信息不明显。
本例中，所述根据所述权重系数，确定每个母线节点的故障特征类型的方式，可以包括：
通过比较所述每个母线节点对应于c个簇的权重系数的大小，将所述母线节点的故障特征类型确定为权重系数最大的一簇对应的故障特征类型。
本申请一个实施例中，所述故障特征类型至少可以包括：故障类型、非故障类型、关联故障类型。
本例中，所述根据所述m个母线节点的故障特征类型，确定所述配电网线路的故障区间的方式，可以包括：
将故障特征类型为故障类型的节点之间的线路，确定为所述配电网线路的故障区间。
本例中，所述对每种所述故障特征值进行归一化处理，得到每种故障特征变量对应的m个故障特征采样值，可以包括采用下述公式，归一化处理得到：
xi＝(xi1,l,xij,l,xim)式(1)
式中，xi表示第i种故障特征变量对应的m个故障特征采样值；
x′ij表示所述故障特征值；
xij表示所述归一化的故障特征值；
本例中，所述计算出m个母线节点的对应于c个簇的权重系数的方式，可以包括：
根据所述故障特征采样值，计算目标函数；
根据所述目标函数，对所述故障特征采样值进行迭代计算，得到所述m个母线节点的对应于c个簇中每个簇的权重系数。
本例中，所述目标函数的计算可以包括通过采用下述公式计算得到：
式中，u＝[uki]为模糊分类矩阵；
uki∈[0,1]表示xi属于第k个簇的权重系数；
p＝[p1,l,pk,l,pc]表示聚类中心向量；
p1,l,pk,l,pc表示各个簇的聚类中心；
||xi-pk||表示第i个变量xi到第k个簇的聚类中心pk的欧氏距离。
本例中，所述对所述故障特征采样值进行迭代计算，包括采用下述公式迭代计算得到所述m个母线节点的对应于c个簇中每个簇的权重系数：
式中，uki∈[0,1]表示xi属于第k个簇的权重系数；
pk表示第k个簇的聚类中心。
本申请一个实施例中，可以将归一化的故障特征变量设置为fcm算法的输入。通过分析故障特征变量中包含的故障信息的权重系数，本例中，可以将变量分为故障组、关联故障组和非故障组，即3个簇。
为了定量描述每个变量的故障信息的权重，并比较变量之间的相似度，uki将作为fcm算法的输出，用来评估故障特征变量的分类，其中u1i代表的是故障组的聚类中心，u2i代表的是关联故障组的聚类中心，u3i代表的是非故障组的聚类中心。如果在这三个权重系数中，u1i最大，那么故障特征变量xi被划分到故障类型；如果u2i最大，那么故障特征变量xi被划分到关联故障类型；如果u3i最大，那么故障特征变量xi被划分到非故障类型。具体步骤如下：
step1：在[0,1]间随机取值对模糊分类矩阵u进行初始化，并且隶属度应当满足式(3-20)中的约束函数；
step2：根据式(3-21)计算出3个簇的聚类中心p1、p2和p3；
step3：根据式(3-20)计算出目标函数。若目标函数值达到算法终止条件(小于某个设定阈值，或者两次迭代之间的变量小于某个设定阈值)，则跳出循环，输出变量分类结果；否则继续；
step4：根据式(3-22)计算出新的模糊分类矩阵u，重复步骤step2、step3。
图2是本申请一个实例中提供的一种配电网线路故障区间定位方法的实施场景示意图。
如图2所示，本实例中，为了验证本申请所述的方法的有效性，在pscad/emtdc软件中搭建如图1所示典型ieee33节点配电网系统模型。
对ieee33节点配电网系统进行优化配置，33节点母线系统仅需配置11个pmu即可实现全网可观，从而能够提取所有母线节点的故障特征变量。本例中，可以选取四个故障特征变量来描述各监测点的运行状态，所述四个故障特征变量包括零序阻抗角xk1、正序电压xk2、db4小波变换模量最大值xk3、初始半波零序能量xk4。
本实例中，在仿真模型中对各种工作模式和不同故障类型下的情况进行了模拟，对本文所提的故障区段定位方法进行测试。如图2所示，配电网系统的中性点采用经消弧线圈接地的方式，故障发生在母线节点3和4之间，故障电阻rf＝1000ω。
故障发生后，pmu采集到33个母线节点上的故障特征变量，选定每个变量的上述的四个故障特征值(在此不详细列出)。根据式(1)、式(2)、式(3)、式(4)对变量的四个故障特征值进行归一化处理，得到故障特征采样值xi。根据目标函数(通过式(5)计算得到)和迭代公式(6)、(7)对33个故障特征采样值进行分类，迭代结束之后得到每个母线节点对于三个簇的权重系数，比较权重系数即可完成对33个节点的区域划分。本算例的具体结果如表1所示，表1列出了33个母线节点分别对应于3个簇的权重系数u1i、u2i、u3i。
表1-ieee33母线节点配电网系统故障区段划分结果
表1(续)
根据模糊聚类的分析结果，通过比较各节点的权重系数，可以对配电网系统中的33个母线节点完成了快速的划分，划分结果如表1中最右一列所示。如图2所示，所述配电网系统的33个节点中，属于故障区域类型的一共有7个母线节点，母线节点序号分别是1、2、3、4、5、19、23；属于非故障区域类型的一共有15个节点，分别是9、10、11、12、13、14、15、16、17、18、29、30、31、32、33；剩下11个节点被划分到关联故障区域类型，分别是6、7、8、20、21、22、24、25、26、27、28。实际设置的故障发生在母线3和4之间的线路上，在得到的分类结果中，与母线3和4相邻的母线节点均划分到了故障区域中，验证了本申请所述方法的有效性。
本申请其他实施例中，如果将算法中的分类组别设置为4甚至更大，经过仿真计算可以将故障区域进一步缩小，即故障区域中的母线节点数更少，可以进一步提高故障区间定位精度。
本申请其他实例中，针对具有其他不同故障类型的ieee标准配电网模型的故障进行了故障区间定位。比如，在本申请另一个实例中，提取每个变量的4个故障特征值进行归一化处理，同样是设置三个簇，将所有节点划分到故障区域、关联故障区和非故障区。如表2所示是本文针对不同节点的配电网系统在不同故障条件下进行故障区段定位的统计结果。
从表2可以看出，本申请所述的一种配电网线路故障区间定位方法在不同的故障系统、不同故障类型和不同故障位置等多种故障条件下均能够100％的实现故障区域的划分。而且不论系统的节点数目多少，划分进入故障区域的节点数均能够控制在10个节点以内，可以有效缩小了故障区间的定位范围，提高定位准确度和定位结果的可靠性。
表2-故障区段定位的统计结果
表2(续)
利用上述各实施例提供的一种配电网线路故障区间定位方法，可以利用配电网中的电源管理单元(pmu)采集到的故障特征变量数据，采用特定算法实现多种故障特征变量的融合，可以突出配电网中微弱的故障信息；基于模糊聚类算法确定故障特征采样值之间的相似性，可以实现配电网中所有母线节点的故障特征类型的准确分类，进而可以准确定位故障区段，有效提高故障区间定位的准确度，有效提高故障区间定位结果的可靠性。
本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。