基于行波模量传输时差的多端融合配电网故障定位方法与流程

1.本发明属于配电网保护与控制领域，具体涉及一种基于行波模量传输时差的多端融合配电网故障定位方法。


背景技术：

2.电能作为国家的支柱能源，其稳定供应是社会经济发展和人民正常生活的基础。供电中断将导致生产停顿、生活混乱，甚至危及人身安全等一系列严重后果，造成的综合经济损失远高于电力系统本身的损失。随着电力市场竞争的日渐形成以及越来越多对供电可靠性要求极高的用电设备投入配电系统，传统使用人工的方式进行故障测距效率低下的弊端日趋明显。因此，可靠的故障测距技术不仅可以缩短查找故障点的时间，节约成本，减轻电力人员的工作强度，而且还能修复配电系统存在的线路问题，使得故障及时处理，降低停电造成的经济损失。
3.目前，配电网单相接地故障测距方法主要可分为行波法、阻抗法以及注入信号寻踪法。行波法原理简单，源自于故障暂态，不受系统参数、串补电容、线路不对称及互感器变换误差等因素的影响，已在输电网获得了成功的应用并取得了很好的效果。近些年，对于行波法在配电网的应用可能性，不少学者进行了研究，《配电混合线路双端行波故障测距技术》采用端法，取得了很好的测距效果，但双端法的缺点在于线路两端都要设置测量点，且需要高精度的同步时钟来获取精确的时间差；单端行波测距原理实现简单，但由于配电网分支线路行波的干扰，要准确判断出来二次波头性质基本不可能。
4.cn109061382a公开了一种基于多端行波时差的配电网故障定位方法，该方法包括：记录配电网主馈线首、末端和支路末端初始行波波头到达时间，依据双端定位原理，判断故障发生在主馈线还是支路局部网络，支路局部网络，则判断所述支路局部网络为单元行波故障域还是网络行波故障域，网络行波故障域，则构建故障支路搜索矩阵；根据所述故障支路搜索矩阵中元素的变化特征，判定故障支路；融合所述主馈线两端和所述故障支路末端记录的初始行波波头到达时间，计算所述故障支路上故障点的具体位置，实现配电网故障点精确定位。但是该方法利用双端行波测距原理，从而需要两端检测装置精准对时，且当配电网分支点较多时，相关矩阵维数较大，计算量大且复杂，导致定位所用时长较长。


技术实现要素：

5.针对现有技术中存在的上述技术问题，本发明提出了一种基于行波模量传输时差的多端融合配电网故障定位方法，设计合理，克服了现有技术的不足，具有良好的效果。
6.为了实现上述目的，本发明采用如下技术方案：一种基于行波模量传输时差的多端融合配电网故障定位方法，包括如下步骤：
7.步骤1：对于拓扑结构确定的配电网，在主干线路首末两端和分支线末端配置行波检测装置，故障发生时由行波检测装置采集故障信息；
8.步骤2：根据凯伦贝尔变换对发生单相接地故障后的三相电压信息进行解耦变换，
得到线模行波分量和零模行波分量；
9.步骤3：选择合适的小波变换，标定线模行波和零模行波的初始行波波头到达时刻，得到线模行波和零模行波波头到达时刻时间差
△
t；
10.步骤4：根据故障距离与零模行波速度的关系以及故障距离与行波波头李氏指数(α)的关系，从中找出零模行波速度与行波波头李氏指数(α)的对应关系；步骤5：根据得到的试验数据，利用深度学习模型拟合零模行波速度与行波波头李氏指数(α)的关系；
11.步骤6：确定零模行波速度与行波波头李氏指数(α)的拟合曲线后，根据故障零模行波初始波头频率计算出零模行波速度v0，线模行波波速v1采用经验波速，v1＝2.98
×
108m/s，利用基于模量传输时差测距原理计算故障距离s，计算公式为：
[0012][0013]
△
t为零模行波波头与线模行波波头的时差；
[0014]
步骤7：根据步骤6的测距方法，分别计算出各行波检测点到故障点f的距离，利用各故障距离和区段长度信息确定故障区段，进而确定故障精准位置。
[0015]
进一步优选，所述步骤1中，在电网中优化配置行波检测装置时，首先考虑的是该网络中自由度最小的节点，即末梢位置。
[0016]
进一步优选，所述步骤2中对三相电压进行凯伦贝尔变换，解耦得到α、β和0模三个独立的模分量，变换过程如公式所示：
[0017][0018]
式中，u
α
表示α模分量电压，u
β
表示β模分量电压，u0表示0模分量电压，表示凯伦贝尔变换后的α模分量电压，表示凯伦贝尔变换后的β模分量电压，表示凯伦贝尔变换后的0模分量电压。
[0019]
进一步优选，所述步骤3中，利用小波的奇异性检测原理，可以把外观上不明显、位置不易精确确定的特征点转换为特征明显、位置可精确确定的另一种特征点，且不受其它因素的影响，可以较准确的定位出波头的到达时刻，其中二进小波作为连续小波和离散小波的中间状态，它只是对尺度参量进行了离散化，而平移参数仍保持连续变化，因此特别适合做奇异性检测，分析模极大值变化规律及特点。采用3阶中心b样条小波，取小波变换第6尺度下的模极大值来标定波头到达时刻。
[0020]
进一步优选，所述步骤4中，通过在仿真中设置不同的故障距离s，根据公式计算出此故障距离s对应的零模行波速度v0，得出零模行波速度与故障距离的关系；行波波头李氏指数(α)与小波变换模极大值的关系如下公式所示：
[0021]
log2|wf(h,t)|≤log2a (α 1/2)log2h
[0022]
式中，wf(h,t)为小波变换系数，h为小波变换尺度，a为常数，α为李氏指数，当且仅当左边小波变换系数为小波模极大值时等号成立，根据模极大值计算出波头李氏指数，得
出李氏指数与故障距离的关系。
[0023]
进一步优选，所述步骤5的具体过程如下：
[0024]
①
设置训练集、验证集、测试集的比例；
[0025]
②
设置隐藏层个数；
[0026]
③
为实现更准确拟合，选择br算法；
[0027]
④
得出拟合曲线，进行拟合效果分析；
[0028]
⑤
若拟合效果不佳，调整训练集、验证集、测试集的比例或者隐藏层个数，再进行训练。
[0029]
进一步优选，所述步骤7的流程如下：
[0030]
(1)按有小到大顺序重新排列计算得出的各行波检测点到故障点的距离；
[0031]
(2)选取前三个故障距离数值[x1 x2 x3]，故障一定发生在这三个数值对应的行波检测点构成的区域中；
[0032]
(3)由前三个故障距离数值构成故障距离对角矩阵d:
[0033][0034]
(4)三个对应的行波检测点到分支点的距离长度构成比较对角矩阵p:
[0035][0036]
式中l1、l2、l3表示距离对角矩阵d中对角线元素对应行波检测点到邻近分支点距离长度。
[0037]
(5)故障距离矩阵与比较矩阵相减得到判定矩阵e:
[0038][0039]
(6)如果得到的判定矩阵e的对角元素中有一个元素小于0，另外两个元素大于零，则可以判定故障点位于小于0的对角元素对应的行波检测点到邻近分支点之间,有以下三种情形：
[0040][0041]
如果得到的判定矩阵的对角元素都大于0，则可以判定故障点位于三个行波检测点各自邻近的分支节点构成的区域之间。
[0042][0043]
(7)确定故障区段后，利用各个行波检测点所测得的故障距离中的最小值进行精准定位。
[0044]
本发明通过对故障行波的线模和零模分量进行分析，通过小波变换标定零模和线模分量到达时刻获得时间差，利用深度学习拟合零模波速度与故障距离的关系曲线，确定零模行波速度，通过基于模量传输时间差测距原理得到故障距离，在原理上不需要精准对时，同时能保持较高的测距精度。且本发明通过融合分析多个行波检测装置的测距结果，首先判断出故障所在区段，进而进一步精准定位故障点位置，定位流程简单，所涉及矩阵维数低且不受分支节点数量多少的影响，计算量较小。
附图说明
[0045]
图1为配电网络拓扑图；
[0046]
图2为深度学习模型拟合下的波头李氏指数和零模波速度曲线图；
[0047]
图3-5为拟合效果图。
[0048]
图1中，a、b、c、d、e、f分别表示行波检测点，a、b、c、d表示分支节点，1，2，3，4，5，6表示线路区段。
具体实施方式
[0049]
下面结合附图以及具体实施方式对本发明作进一步详细说明：
[0050]
一种基于行波模量传输时差的多端融合配电网故障定位方法，包括如下步骤：
[0051]
步骤1：对于拓扑结构确定的配电网，在主干线路首末两端和分支线末端配置行波检测装置，故障发生时由行波检测装置采集故障信息。
[0052]
故障定位的准确性与行波检测装置安配位置的自由度有关，一般定义节点的自由度为行波在传输的过程中，行进方向路径的数量，行波检测装置安装在自由度越大的节点，定位的准确性就会因为伪故障点的增加而降低，因此，在电网中优化配置行波检测装置时，首先考虑的是该网络中自由度最小的节点，即末梢位置。
[0053]
步骤2：根据凯伦贝尔变换对发生单相接地故障后的三相电压信息进行解耦变换，得到线模行波分量和零模行波分量。
[0054]
由于输电线路中的三相电压信息是不独立的，存在着一种耦合关系，必须首先进行解耦。解耦变换就是将具有耦合关系的相量信息转换成独立的不具有耦合的模量信息。凯伦贝尔变换就是在进行相模变换的过程中选择凯伦贝尔变换矩阵作为转换条件。对三相电压进行凯伦贝尔变换，解耦得到α、β和0模三个独立的模分量，变换过程如公式所示：
[0055]
[0056]
式中，u
α
表示α模分量电压，u
β
表示β模分量电压，u0表示0模分量电压，表示凯伦贝尔变换后的α模分量电压，表示凯伦贝尔变换后的β模分量电压，表示凯伦贝尔变换后的0模分量电压。
[0057]
步骤3：选择合适的小波变换，标定线模行波和零模行波的初始行波波头到达时刻，得到线模行波和零模行波波头到达时刻时间差
△
t。
[0058]
利用小波的奇异性检测原理，可以把外观上不明显、位置不易精确确定的特征点转换为特征明显、位置可精确确定的另一种特征点，且不受其它因素的影响，可以较准确的定位出波头的到达时刻，其中二进小波作为连续小波和离散小波的中间状态，它只是对尺度参量进行了离散化，而平移参数仍保持连续变化，因此特别适合做奇异性检测，分析模极大值变化规律及特点。采用3阶中心b样条小波，取小波变换第6尺度下的模极大值来标定波头到达时刻。
[0059]
步骤4：根据故障距离与零模行波速度的关系以及故障距离与行波波头李氏指数(α)的关系，从中找出零模行波速度与行波波头李氏指数(α)的对应关系。
[0060]
通过在仿真中设置不同的故障距离s，根据公式计算出此故障距离s对应的零模行波速度v0，得出零模行波速度与故障距离的关系；行波波头李氏指数(α)与小波变换模极大值的关系如下公式所示：
[0061]
log2|wf(h,t)|≤log2a (α 1/2)log2h
[0062]
式中，wf(h,t)为小波变换系数，h为小波变换尺度，a为常数，α为李氏指数，当且仅当左边小波变换系数为小波模极大值时等号成立，根据模极大值计算出波头李氏指数，得出李氏指数与故障距离的关系。
[0063]
步骤5：根据得到的试验数据，利用深度学习模型拟合零模行波速度与行波波头李氏指数(α)的关系。具体过程如下：
[0064]
①
设置训练集、验证集、测试集的比例；
[0065]
②
设置隐藏层个数；
[0066]
③
为实现更准确拟合，选择br算法；
[0067]
④
得出拟合曲线，进行拟合效果分析；
[0068]
⑤
若拟合效果不佳，调整训练集、验证集、测试集的比例或者隐藏层个数，再进行训练。
[0069]
深度学习模型拟合数据过程中很容易产生过拟合现象，如果深度学习模型过拟合，那么得到的深度学习模型几乎不可用。为了解决过拟合问题，采用dropout算法，在前向传播的时候，让某个神经元的激活值以一定的概率p停止工作，这样可以使模型泛化性更强。
[0070]
步骤6：确定零模行波速度与行波波头李氏指数(α)的拟合曲线后，根据故障零模行波初始波头频率计算出零模行波速度v0，线模行波波速v1采用经验波速，v1＝2.98
×
108m/s，利用基于模量传输时差测距原理计算故障距离s，计算公式为：
[0071]
[0072]
△
t为零模行波波头与线模行波波头的时差。
[0073]
步骤7：根据步骤6的测距方法，分别计算出各行波检测点到故障点f的距离，利用各故障距离和区段长度信息确定故障区段，进而确定故障精准位置。其流程如下：
[0074]
(1)按有小到大顺序重新排列计算得出的各行波检测点到故障点的距离；
[0075]
(2)选取前三个故障距离数值[x1 x2 x3]，故障一定发生在这三个数值对应的行波检测点构成的区域中；
[0076]
(3)由前三个故障距离数值构成故障距离对角矩阵d:
[0077][0078]
(4)三个对应的行波检测点到分支点的距离长度构成比较对角矩阵p:
[0079][0080]
式中l1、l2、l3表示距离对角矩阵d中对角线元素对应行波检测点到邻近分支点距离长度。
[0081]
(5)故障距离矩阵与比较矩阵相减得到判定矩阵e:
[0082][0083]
(6)如果得到的判定矩阵e的对角元素中有一个元素小于0，另外两个元素大于零，则可以判定故障点位于小于0的对角元素对应的行波检测点到邻近分支点之间,有以下三种情形：
[0084][0085]
如果得到的判定矩阵的对角元素都大于0，则可以判定故障点位于三个行波检测点各自邻近的分支节点构成的区域之间。
[0086][0087]
(7)确定故障区段后，利用各个行波检测点所测得的故障距离中的最小值进行精准定位。
[0088]
以图1所示配网拓扑为例，利用pscad软件工具建立仿真模型。
[0089]
1、在主干线首末端点与分支线路末端节点配置行波检测装置，采样频率设置为
10mhz；设置故障发生在aa区段距a端3km处；采用3阶中心b样条小波，取小波变换第6尺度下的模极大值来标定波头到达时刻。
[0090]
2、根据行波检测装置采集到的故障信息，对故障三相电压进行凯伦贝尔变换，解耦得到α、β和0模三个独立的模分量，变换过程如公式所示：
[0091][0092]
3、标定线零模分量初始行波波头到达时刻，得到线模行波和零模行波波头到达时刻时间差
△
t。
[0093]
4、通过在仿真中设置不同的故障距离s，根据公式计算出此故障距离s对应的零模检测波速度v0，得出零模检测波速度与故障距离的关系；行波波头李氏指数(α)与小波变换模极大值的关系如下公式所示，
[0094]
log2|wf(h,t)|≤log2a (α 1/2)log2h
[0095]
可根据模极大值计算出波头李氏指数，得出李氏指数与故障距离的关系。
[0096]
表1深度学习数据样本
[0097][0098]
5、根据试验数据，利用深度学习拟合零模波速度与行波波头李氏指数(α)的关系
[0099]
(1)设置训练集、验证集、测试集的比例分别为60％、15％、25％
[0100]
(2)设置隐藏层个数20个
[0101]
(3)为实现更准确拟合，选择br算法
[0102]
拟合曲线如附图2所示，拟合效果图如附图3所示。
[0103]
6、根据故障零模行波初始波头频率计算出零模行波速度v0，线模行波波速v1采用经验波速，v1＝2.98
×
108m/s，利用基于模量传输时差测距原理计算故障距离s，计算公式为：
[0104]
[0105]
△
t为零模行波波头与线模行波波头的时差。
[0106]
7、计算出各行波检测点到故障点的距离分别为[2.904 4.126 7.283 18.504 19.301 15.391]，根据多端测距结果进行故障区段判定，进而进行精准定位。
[0107]
(1)对测距数值按有小到大顺序重新排列，由前三个故障距离数值构成故障距离对角矩阵d:
[0108][0109]
(2)三个对应的行波检测点到分支点的距离长度构成比较对角矩阵p:
[0110][0111]
(3)故障距离矩阵与比较矩阵相减得到判定矩阵e:
[0112][0113]
(4)根据前面所述的判定原则判定故障点位于aa区段，再进一步进行精准定位可知故障点距离a点2.904km
[0114]
测距结果显示与仿真设置的故障距离相差0.096km，定位误差小于100m。