本发明涉及配电网故障诊断的技术领域,更具体地说是涉及基于模型分层的配电网故障诊断方法的技术领域。
背景技术:
配电网故障诊断是电力系统安全、稳定运行的重要保障。在当下,基于人工智能的配电网故障诊断方法成为研究的热点。基于模型诊断[modelbaseddiagnosis,mbd]是人工智能的一个重要分支,由于其克服了传统故障诊断方法中知识不容易获取、对专家经验依赖性强等缺陷,被广泛应用于各个领域。
许多学者在分析配电网故障特点的基础上,将mbd到配电系统的故障诊断当中,并取得了一定成果。有专家将mbd的方法应用到牵引变电站故障诊断中,在简单故障中,该方法能够取得较好的诊断效果。也有专家将mbd的方法应用到配电网的故障诊断中,此方法在简单故障下,能够准确诊断出所有故障元件,但随着故障重数和故障相数不断增加,存在诊断速度不高,准确率降低的情况。在容错能力上,若故障信息发生漏报和误报,该方法将无法诊断出所有故障元件。还有些专家在搜索最小冲突集候选时,采用树形行标记搜索方法确保了得到的最小冲突集的完备性;在最小碰集故障排序中,利用了后验概率,使故障排序更加准确;此方法依然没有摆脱在多重多相故障下,诊断速度、诊断准确率、诊断容错能力的弊端。
综上所述,mbd在配电系统中已取得丰硕成果,但还存在以下问题:1)在多重多相故障下,诊断速度低,不能满足在线诊断的要求;2)在多重多相故障下,最小碰集实现率降低,进而造成诊断准确率降低;3)在容错能力上,若故障信息发生漏报和误报,将无法诊断出所有故障元件。
技术实现要素:
本发明就是为了克服上述现有技术的不足而提出的一种可提高mbd在配电网发生多重多相故障下的诊断速度、诊断准确率和容错能力的配电网故障的基于模型分层诊断方法。
本发明所采用的技术方案是:
一种配电网故障的基于模型分层诊断方法,按如下步骤进行故障定位:
步骤一、离线构建分层诊断模型:以多分支节点为边界,将整个配电网划分为若干个子系统;对每个子系统进行部件等效,那么每个子系统都可以用一个等效部件和其关联的测量点表示;建立这些子系统的电流电压约束关系式,这些约束关系式构成了故障诊断的第一层诊断模型;每个子系统包含多个小元件和其相关联的测量点,建立这些小元件的电流电压约束关系式,这些约束关系式构成了故障诊断的第二层诊断模型;此外,由于单个部件或单个小元件都对应着多个电压电流约束关系式,因此,同一个部件或小元件对应的多个约束关系式之间存在冗余关系;
步骤二、离线搜索各层最小冲突集候选:根据第一层诊断模型的约束关系所隐含的信息搜索出关于等效部件的第一层最小冲突集候选;根据第二层诊断模型的约束关系所隐含的信息搜索出关于小元件的第二层最小冲突集候选;
步骤三、确定第一层最小冲突集:故障发生后,将第一层诊断模型测量点采集的故障信息带入第一层最小冲突集候选对应的约束关系,计算相对残差,相对残差大于设定的门槛值所对应的第一层最小冲突集候选即为第一层最小冲突集;
步骤四、计算第一层最小碰集:对第一层的各个最小冲突集取并集,得出第一层最小碰集,即第一层的故障集;
步骤五、确定第二层最小冲突集:根据第一层的故障集,将第二层诊断模型测量点采集的故障信息带入第二层最小冲突集候选对应的约束关系,计算相对残差,相对残差大于设定的门槛值所对应的第二层最小冲突集候选即为第二层最小冲突集;
步骤六、计算第二层最小碰集:构建一种新适应度函数,新适应度函数按下式构建:
其中,ncx表示在最小冲突集簇c中,与当前粒子x有交集的冲突集数量,nc表示最小冲突集簇c中的冲突集的数量,lx表示粒子x的长度,ω表示权重系数;
根据确定的第二层最小冲突集和构建的新适应度函数求解得出第二层最小碰集;
步骤七、确定诊断故障集:利用故障元件的前验故障概率计算各第二层最小碰集的后验故障概率,后验故障概率为第二层最小碰集内各个元件的前验概率之积;对各个第二层最小碰集的后验故障概率进行排序,故障概率最大的第二层最小碰集即为第二层的故障集,第二层的故障集即为mbd的诊断结果。
在所述步骤六中,通过分析现有适应度函数的不足,以加权组合的方式来构建新适应度函数。
本发明与现有技术相比有下列显著效果:
1)在搜索最小冲突集候选过程中,通过分析配电网测量点位置和拓扑结构得出了电压约束和电流约束存在冗余关系,这使mbd故障诊断的容错能力得到提升。
2)在计算第二层最小碰集中,构建一种新适应度函数,此新适应度函数不受种群规模和非碰集粒子的影响,不仅能够保证粒子不断地朝着碰集迭代,而且能够保证粒子朝着最小碰集迭代。
3)结合配电网的拓扑特点,构建出分层诊断模型,将单层单次高维度的粒子迭代转化为两层多次低维度粒子迭代,减小了单次粒子迭代维度,使故障诊断的速度和准确性得到进一步提高。
附图说明
图1为典型配电网拓扑结构;
图2为等效部件图;
图3为冗余关系分析图;
图4为mbd故障分析图。
具体实施方式
一种配电网故障的基于模型分层诊断方法,按如下步骤进行故障定位:
步骤一、离线构建分层诊断模型:
以两个三分支节点构成的配电网为例,如图1所示,分析分层的可行性:
写出区段一a相的电压和电流约束关系式:
u2a-u1a+z1ai2a=0(1)
-i1a+i2a=0(2)
区段二a相的电压和电流约束关系式:
u3a-u2a+z2a(i3a+i5a)=0(3)
u5a-u2a+z2a(i3a+i5a)=0(4)
-i2a+i3a+i5a=0(5)
联立以上5个式子,消去m2的测量信息,得出:
u3a-u1a+(z1a+z2a)(i3a+i5a)=0(6)
u5a-u1a+(z1a+z2a)(i3a+i5a)=0(7)
-i1a+i3a+i5a=0(8)
从以上三式可以发现:馈线线路l1a、l2a和母线b1a、b2a可以合成一个大元件ra,该部件对应的约束关系就是式(6)、(7)、(8)。
同理,馈线线路l1b、l2b和母线b1b、b2b可以合成一个大元件rb,该部件对应的约束关系式为:
u3b-u1b+(z1b+z2b)(i3b+i5b)=0(9)
u5b-u1b+(z1b+z2b)(i3b+i5b)=0(10)
-i1b+i3b+i5b=0(11)
馈线线路l1c、l2c和母线b1c、b2c可以合成一个大元件rc,该部件对应的约束关系式为:
u3c-u1c+(z1c+z2c)(i3c+i5c)=0(12)
u5c-u1c+(z1c+z2c)(i3c+i5c)=0(13)
-i1c+i3c+i5c=0(14)
由于每个测量点通常是将采集的三相的电流电压信息一起上传系统,同时,为进一步提高故障诊断容错能力,作出以下定义:
ui=max[uia,uib,uic](15)
ii=max[iia,iib,iic](16)
zi=max[zia,zib,zic](17)
根据此规定,式(6)、(7)、(8)可以用式(18)表示,式(9)、(10)、(11)可以用式(19)表示,式(12)、(13)、(14)可以用式(20)表示:
u3-u1+(z1+z2)(i3+i5)=0(18)
u5-u1+(z1+z2)(i3+i5)=0(19)
-i1+i3+i5=0(20)
据此,大元件ra、rb、rc可以进一步等效为一个部件r,如图2所示。其中,m1、m3、m5即为部件r的测量点;线路l1a、l2a、l1b、l2b、l1c、l2c和母线b1a、b2a、b1b、b2b、b1c、b2c为部件r包含的元件;式(18)、(19)、(20)为部件r对应的约束关系。
若以多分支节点为边界,将整个配电网划分为若干个子系统;对每个子系统进行部件等效,那么每个子系统都可以用一个等效部件和其关联的测量点表示;建立这些子系统的电流电压约束关系式,这些约束关系式构成了故障诊断的第一层诊断模型;每个子系统包含多个小元件和其相关联的测量点,建立这些小元件的电流电压约束关系式,这些约束关系式构成了故障诊断的第二层诊断模型。由于单个部件或单个小元件都对应着多个电压电流约束关系式,因此,同一个部件或小元件对应的多个约束关系式之间存在冗余关系。
步骤二、离线搜索各层最小冲突集候选:根据第一层诊断模型的约束关系所隐含的信息搜索出关于等效部件的第一层最小冲突集候选;根据第二层诊断模型的约束关系所隐含的信息搜索出关于小元件的第二层最小冲突集候选。
通常一般根据约束关系所隐含的信息能够搜索出最小冲突集候选,如式(1)、(2)可以搜索出元件l1a、b1a,根据式(6)、(7)、(8)可以搜索出大元件ra,根据式(18)、(19)、(20)可以搜索出部件r。
在根据约束关系所隐含的信息搜索最小冲突集候选时,通常只利用了配电线路的电压约束。在故障发生后,若故障电气量在采集和通信过程中发生畸变,将造成得到的最小冲突集簇不完备。若能够证明配电线路电压约束和电流约束存在冗余关系,mbd的容错能力大幅提高。
通过结合配电网测量点位置和拓扑结构来分析电压约束和电流约束之间的约束冗余,配电网一个区段通常包含馈线线路和母线两类元件,区段两端通常安装有配网自动化的测量装置(ftu),如图3所示,其中,li表示馈线线路,对应的阻抗为zi;bi表示母线,mi表示测量点(measuringpoint),测量信息包括电压ui和电流ii;u′j和i′i为区段和母线连接处的电压和电流,为非测量信息。
根据mbd的元件建模方法,写出a相馈线线路lia的电压、电流约束关系:
u′ja-uia+ziai′ja=0(21)
i′ja-iia=0(22)
同理,写出a相母线bia的电压、电流约束关系:
ui+1a-u′ja=0(23)
ui+2a-u′ja=0(24)
ii+1a+ii+2a-i′ja=0(25)
联立式(21)、(25),消去非测量点电压和电流u′ja、i′ja,得到元件集{lia,bia}的电压和电流约束关系式(26)、(27)、(28):
ui+1a-uia+zia(ii+1a+ii+2a)=0(26)
ui+2a-uia+zia(ii+1a+ii+2a)=0(27)
ii+1a+ii+2a-iia=0(28)
若悬挂区段lia,则电压约束关系(26)不成立,若悬挂母线bia,则电压约束关系(26)也不成立,故区段lia和母线bia都为元件集{lia,bia}的基本元件。据此可以得出,元件集{lia,bia}为电压约束关系(26)的最小支持环境即最小冲突集候选。同理,可以得出,元件集{lia,bia}也为电压约束关系(27)的最小支持环境即最小冲突集候选。元件集{lia,bia}同时为电流约束关系(28)的最小支持环境即最小冲突集候选。
综上可以得出:元件集{lia,bia}对应的电压约束关系(26)、(27)和电流约束关系(28)三者存在约束冗余。
写出b相元件集{lib,bib}约束关系:
ui+1b-uib+zib(ii+1b+ii+2b)=0(29)
ui+2b-uib+zib(ii+1b+ii+2b)=0(30)
ii+1b+ii+2b-iib=0(31)
根据前面的分析方法,可以得出:电压约束关系(29)、(30)和电流约束关系(31)三者存在约束冗余。
写出c相元件集{lic,bic}约束关系:
ui+1c-uic+zic(ii+1c+ii+2c)=0(32)
ui+2c-uic+zic(ii+1c+ii+2c)=0(33)
ii+1c+ii+2c-iic=0(34)
根据以上分析方法,可以得出:电压约束关系(32)、(33)和电流约束关系(34)三者存在约束冗余。
至此,可以得出以下结论:每相元件集对应的电压约束和电流约束都存在冗余关系。
同理,可以得出,大元件ra、rb、rc,大部件r所对应的约束关系中,电压约束和电流约束都存在冗余关系。
步骤三、确定第一层最小冲突集:故障发生后,将第一层诊断模型测量点采集的故障信息带入第一层最小冲突集候选对应的约束关系,计算相对残差,相对残差大于设定的门槛值所对应的第一层最小冲突集候选即为第一层最小冲突集。
在图2中,故障发生后将测量点m1、m3、m5所测量到的故障电气量带入式(18)、(19)、(20)中,左右两边的计算差值叫做残差。将残差除以本式中最大的特征量,得到相对残差。设置一定的门槛值,当相对残差大于规定的门槛值时,该残差所对应的第一层最小冲突集候选即为第一层最小冲突集。
步骤四、计算第一层最小碰集:对第一层的各个最小冲突集取并集,得出第一层最小碰集,即第一层的故障集。
由于部件的最小冲突集都是单元件集合,且配电网的辐射型拓扑结构使得每个部件内部所包含的元件各不相同,因此,根据碰集的定义可以得出:各个最小冲突集的并集即为部件的最小碰集;对于单元件集合而言,该单元的故障概率排序始终是第一,因此,第一层最小碰集也是第一层的故障集。
步骤五、确定第二层最小冲突集:根据第一层的故障集,将第二层诊断模型测量点采集的故障信息带入第二层最小冲突集候选对应的约束关系,计算相对残差,相对残差大于设定的门槛值所对应的第二层最小冲突集候选即为第二层最小冲突集。
在图2中,假如部件r就是第一层的故障集,将测量点m1、m2所测量到的故障电气量带入式(1)、(2)中,计算相对残差。设置一定的门槛值,当相对残差大于规定的门槛值时,该残差所对应的第二层最小冲突集候选即为第二层最小冲突集。
步骤六、计算第二层最小碰集:
由于每个子系统包含多个元件,得到的第二层最小冲突集是多个元件的组合,因此,第二层最小碰集的计算需要采用智能算法进行求取。最小碰集计算是mbd中耗时最长、最为关键的一步,其运算性能直接决定着mbd的诊断时间和诊断准确率。因此,通过构建一种新适应度函数,来提高mbd的搜索效率和准确度。
基于现有适应度函数的不足,考虑配电网故障的最小碰集的特点,以加权组合的方式来构建新适应度函数,新适应度函数按下式构建:
其中,ncx表示在最小冲突集簇c中,与当前粒子x有交集的冲突集数量,nc表示最小冲突集簇c中的冲突集的数量,lx表示粒子x的长度,即粒子中含“1”的个数,ω表示权重系数。ncx/nc保证了粒子向碰集方向迭代,是迭代的主要判据;1-ω|lx-nc|应保证粒子在碰集的基础上继续向最小碰集迭代,是迭代的次要判据,故权重ω应置小数。假设在配电网最复杂的故障为三重三相故障,则最小冲突集簇的集合个数最大为9个,因此ncx/nc的最小间隔为1/9≈0.1,1-ω|lx-nc|的最小间隔应比0.1小一个数量级,于是权重系数ω取0.01。
根据确定的第二层最小冲突集和构建的新适应度函数求解得出第二层最小碰集,在求解过程中采用粒子群算法进行寻优迭代,在本发明中,将使用新适应度函数的方法称为(ipso)。
步骤七、确定诊断故障集:利用故障元件的前验故障概率计算各第二层最小碰集的后验故障概率,后验故障概率为第二层最小碰集内各个元件的前验概率之积;对各个第二层最小碰集的后验故障概率进行排序,故障概率最大的第二层最小碰集即为第二层的故障集,第二层的故障集即为mbd的诊断结果。
实施例:
以14节点配电网模型为例对本文所提方法的诊断流程进行说明。该模型如图4所示,包含母线b1-b14,馈线线路l01-l14,每个区段的阻抗用z01-z14表示。信息测量点m1-m18,分别通过ftu采集各开关处的电流和电压信息,其中测量点m1处的开关为断路器,测量点m4、m18处的开关为联络开关,其余测量点为分段开关。
1)构建分层诊断模型。
根据多分支节点确定第一层诊断模型的测量点:[m1m2m4m5m6m8m9m11m13m15m8],并将整个配电网划分为七个子系统s1-s7,并根据前面的等效原则,将各个区域内的元件等效成七个部件r1-r7,如图4所示。第一层诊断模型的所有约束关系flarr参见表1。
表1第一层约束关系
每个子系统内部包含的元件和其关联的测量点构成第二层诊断模型,具体参见表2。第二层诊断模型的所有约束关系slarr参见表3。
表2第二层诊断模型
表3第二层约束关系
2)搜索各层最小冲突集候选。
利用上述各层约束关系所隐含的信息,离线地搜索出第一层最小冲突集候选flmcsc和第二层最小冲突集候选slmcsc,具体参见表4。
表4各层最小冲突集候选
3)确定第一层最小冲突集。
设置馈线线路l3、l6发生三相短路故障,将第一层诊断模型各测量点采集的故障信息及元件参数代入对应的约束关系,计算相对残差,结果参见表5。
表5第一层约束关系相对残差
设置相对残差阈值为0.2,得出第一层最小冲突集flmcs为:
flmcs={flmcs2,flmcs4}={[r2],[r4]}
4)计算第一层最小碰集。对第一层的各个最小冲突集取并集,得到第一层最小碰集flmhs为:
flmhs=[r2,r4]
于是确定部件r2、r4发生故障。
5)确定第二层最小冲突集。
根据部件诊断结果,将子系统s2和s4包含的测量点采集的故障信息和元件参数带入第二层最小冲突集候对应的约束关系,计算出相对残差,结果参见表6、7。根据残差阈值,得到第二层最小冲突集slmcs,如表8所示。
表6第二层子系统s2的相对残差
表7第二层子系统s4的相对残差
表8第二层最小冲突集
6)计算第二层最小碰集
依据ipso算法,得到第二层最小碰集slmhs,如表9所示。
表9第二层最小碰集
7)确定故障诊断集
根据各元件故障概率,进行故障排序,其结果参见表10。
表10故障概率排序
于是可以判定[l3a,l3b,l3c]、[l6a,l6b,l6c]发生故障,与故障设置吻合。