基于广域信息分析的智能配电网故障自愈技术研究

针对传统电网接地故障检测和自愈方法存在识别速度慢且精确度较低的问题,文中结合信号广域信息提出了一种配电网故障自愈方法。该方法构建了单相接地故障模型,并将零序电流作为分析的对象。将零序电流信号分解为时域、频域以及小波域分量来作为广域特征向量,并采用随机森林算法对其权重进行分类,利用LightGBM算法对分类后的广域特征向量加以训练,进而得到故障预测结果。在仿真测试中,所提算法能够抵抗过渡电阻与初始相位角变化对预测结果的影响,且其故障分析准确率的平均值为98.9%,在对比算法中为最优,表明该算法可为配电网故障自愈提供有效的技术支撑。

基于随机响应面法的配电网故障恢复全时段不确定性优化方法

配电网故障恢复是电网安全经济运行的重要保障,为消除故障恢复过程中分布式电源不确定性对电网运行的风险,该文计及全时段不确定性影响,基于随机响应面法构建配电网故障恢复的混合整数二阶锥规划随机优化模型;为准确评估储能系统的运行风险,对各时段储能荷电状态的随机性进行概率等价处理,并基于Hermite混沌多项式的特征系数构建配电网安全运行的机会约束凸函数,确保解的全局唯一性;为降低优化模型的复杂度,在保证随机过程拟合精度的前提下,提出简化的随机潮流约束,以减少二阶锥松弛约束的使用。最后,通过蒙特卡洛仿真发现,所提随机优化模型能准确描述随机响应的概率特征,在满足安全运行的机会约束下,可最大化减少停电损失。

电网故障下含直驱风电机组的电力系统频率动态响应分析

电网受扰后基于模型解析的频率响应分析对电力系统安全评估与紧急控制具有重要意义。电网发生故障时,直驱风电机组(DDWT)并网点电压幅值跌落引发控制器暂态响应,同时电压相位突变引发锁相暂态响应,锁相暂态响应又通过变流器控制传导产生功率控制误差,可能导致现有以负荷突变场景为对象的频率特性分析产生较大偏差。为此,提出了电网故障下DDWT锁相偏差的量化方法;解析了锁相偏差经DDWT变流器控制的传导路径,提出了锁相暂态响应导致DDWT功率控制误差的机理及其计算方法;建立了电网故障下含DDWT的电力系统频率响应模型,提出了锁相暂态响应影响下系统频率变化率和最大频率偏差的计算方法,解析了电网故障下考虑DDWT功率控制误差的电力系统频率动态响应特性,并通过算例分析验证了所提方法的有效性。

基于改进巴氏距离算法的配电网故障选线方法

本文提出一种基于改进巴氏距离算法的故障选线方法,首先通过Hilbert变换将信号转换为极坐标形式,以幅值和相位作为参数,构建离散概率分布函数,最后采用改进的巴氏距离算法求取平均BD值作故障选线判据,并通过判断各信号采样点数最多的相位区间是否一致来识别母线故障。仿真表明具有较好的故障选线效果,选线结果不受故障线路电阻、故障位置等因素影响,适用性较强。

智能配电网故障自愈技术探讨

在社会经济稳步增长和科技进步日新月异的时代背景下,电网行业的发展不仅要对能源和环境的可持续发展挑战,更处于技术探索与创新、系统稳定性提升的关键阶段。智能配电网下故障自愈技术的出现可以从根源上解决上述问题,推动电网可持续发展,实现电力行业发展需求,解决电气故障问题。基于此,本研究首先对智能配电网自愈控制技术需求、GOOSE通信分布自愈原理进行概述,分析了配电网自愈控制模式,以及同步相量测量的自愈控制新支撑技术,最后从应用角度上总结了智能配电网故障自愈技术的蚁群算法重构。

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。

保障各种复杂故障工况下解优质率的电网故障诊断解析模型

经典电网故障诊断解析模型是非线性0-1整数规划模型,其难以精确求解,启发式算法虽能获得可行解,但求解准确性和一致性难以保证,且求解时间较长,不利于基于诊断结果的故障排查和设备运维。对传统故障诊断模型进行改进,降低了模型的复杂度,实现了目标函数的线性化,据此构建了基于整数线性规划的电网故障诊断解析模型。Gurobi具有将启发式算法和整数线性规划求解算法有机结合的优点,将其应用于求解基于0-1整数线性规划的诊断模型,解决了传统启发式寻优算法因算法自身的局限性而陷入仅获得局部最优解甚至错解、以及求解速度慢等问题。通过算例对新型电网故障诊断模型的有效性和优越性进行验证,结果表明:相较于基于遗传算法、模拟退火算法、粒子群算法等启发式算法的传统模型,改进模型求解的速度与精度均显著得到了提高。

基于量子蚁群算法的配电网故障区段快速定位技术

分布式电源并入配电网已成为新型电力系统重要特征之一,分布式电源的接入与发电的不确定性使配电网潮流复杂多变,对配电网故障快速定位提出更高的技术要求.然而,现有智能优化算法在解决配电网故障区段定位问题时会出现收敛速度慢、易陷入局部最优等问题.针对这些挑战与问题,提出一种基于量子蚁群算法(QACA)的配电网故障区段快速定位技术.首先,根据状态逼近思想和最小故障集理论构建配电网故障定位的数学模型;其次,针对馈线终端单元上传信息缺失情况提出信息自修正方法,并提出分级定位模型来缩短定位时间;然后,提出3种改进技术对QACA进行针对性改进,改进量子旋转门更新机制,以函数控制形式动态调整旋转角大小,同时引入精英策略加快算法收敛速度.最后,在关键参数确定后验证了改进技术、信息自修正法、分级定位模型的有效性.将所提算法与7种不同算法进行对比,结果表明:改进的QACA可有效完成故障区段定位,具有良好的收敛速度、准确率以及容错性能.

基于多级支持向量机的配电网故障识别方法

构建了母线电压和主变低压侧电流波形的时频矩阵,并应用奇异值分解(SVD)技术提取波形的奇异谱,进而获得表示奇异值大小的奇异谱均值和描述信号复杂度的奇异熵等关键参数作为特征向量。通过仿真和实际测试,验证了该方法在各种典型条件下的识别精度均超过90%,证明了它在识别各种故障类型方面的有效性、适应性和实用性。

基于大数据分析的配电网故障检测和诊断技术研究

随着智能电网的发展,如何深挖配电网大数据价值,提升配电网故障检测和诊断效率变得尤为重要。为充分利用和开发配电网大数据,提升配电网故障检测和诊断效率,减少配电网故障问题,更好地提升供电服务质量,文章采用文献分析研究的方法,并结合工作经验,从配电网自动化系统、配电网大数据、配电网常见异常问题以及大数据分析技术等多个维度出发,探寻配电网故障检测和诊断的实现模式、处理流程、分析方法及策略。文章系统地阐述基于大数据分析技术的配电网状态监测与故障处理流程,并提出相应的故障定位隔离与非故障区域恢复分析方法、故障检测与故障诊断策略。

基于混合遗传算法的有源配电网故障区段自动定位

现实配电网通常由大量节点、线路和变压器组成。网络拓扑复杂,进而导致有源配电网故障区段定位精度下降。首先,对配电网故障特征进行了详细分析,包括短路故障和单相接地故障等类型。然后,依据故障特征分析结果,构建了一个适用于有源配电网的故障区段定位模型。最后,采用混合遗传算法来优化求解该定位模型,以获得精确的故障区段定位结果。实验结果表明:所提方法可以有效实现区段故障定位,且故障区段定位时间始终低于10s,最长仅为9s,表明所提方法定位性能较优,具有实用性。

输电网故障时新能源并网点电压跌落及影响范围计算方法

为了应对当前电网安全稳定分析无法评估输电网故障对新能源影响的问题,提出一种输电网故障时新能源并网点电压跌落及影响范围计算方法。以220 kV节点为界,考虑新能源电流输出特性的影响,完善故障计算模型,并计算220 kV节点故障电压。基于计算结果,提取新能源接入中低压电网的典型场景,并细化分析计算故障时刻新能源并网点电压及其与故障点的电气距离。最后,基于修正的39节点标准测试系统,通过与传统故障计算和时域仿真结果对比分析对所提方法进行验证,研究结果表明:采用所提方法的故障电压计算偏差范围为-4.82%~0.6%,能够准确地评估输电网故障对新能源的影响,可以进一步为新能源运行规划和控制策略优化提供指导。

用于新能源送出的M3C工频电网故障穿越方法研究

模块化多电平矩阵式变换器(M3C)是一种可实现不同频率电能直接交-交变换的新型拓扑,适用于高压大容量场合。在分频输电系统中,为实现M3C工频故障可靠穿越,提出完整的故障穿越流程。首先对工频侧和分频侧电压不对称时M3C在双α-β坐标系下的桥臂功率状态方程进行推导,然后提出根据各子模块电压平均值在分频侧投入卸荷电阻的策略来消耗低频侧的过剩功率,并根据电网电压正序分量的跌落程度和负序分量输出对应的正序和负序无功电流。此外,当电网电压正序分量过低时,将对角均压从工频侧切换至分频侧,在故障穿越过程中保证各桥臂子模块电压之间的均衡。最后,在Matlab/Simulink仿真平台上,对3.3 kV/3.3 kV/3 MV·A M3C工程样机工频故障穿越方法的有效性进行了验证。

基于孤立森林算法的区域电网故障自动定位

当对区域电网故障定位时,现有定位方法存在定位结果与实际故障位置偏差较大的问题。为了解决该问题,本文引入孤立森林算法,进行区域电网故障自动定位方法研究。利用孤立森林算法,提取区域电网故障数据特征。对区域电网故障进行自动定位,并将其隔离。试验结果表明,本文定位方法可以准确找到区域电网发生故障的区域,并将其进行有效隔离,从而提高区域电网整体运行稳定性。

基于DECWOA的配电网故障定位技术要点探究

本研究的主要目的是提高配电网故障定位技术的精确性,针对鲸鱼优化算法存在的局部寻优与全局优化不平衡问题,通过引入差分进化算法,提出了混沌鲸鱼优化算法(DECWOA)。试验表明,与传统鲸鱼优化算法相比,DECWOA在配电网故障定位中的定位精确度更高。该研究为提高配电网故障定位的准确性和效率提供了一种新的方法,为故障定位问题提供了更可靠的解决方案,这一研究成果对电力系统的稳定运行具有积极的推动作用。

基于人工智能技术的电网故障诊断与预警方法

在智能电网故障诊断中,由于设备参数类型多样化,同时存在大量不确定信息,导致故障区域难以准确定位。在传统贝叶斯网络算法基础上,引入主成分分析法(PCA)实现对电网故障定位和预警。利用PCA提炼设备元件的特性指标,构建潜在故障元件的集合;采用贝叶斯方法,整合电气参数、状态变量及开关信号,提高多数据源的信息利用效率,从而精确识别故障区域。以1个典型电网为实例,模拟电网典型故障来进行故障区域定位。实验结果表明,算法判定元件故障概率为0.88672,能准确地定位电网故障发生的区域,在实际电力系统故障诊断中将有很好的应用前景。

计及需求响应参与的配电网故障后孤岛运行策略研究

提出了一种计及需求响应参与的配电网故障后孤岛运行与故障恢复策略。首先,构建了配电网故障中的需求响应收益模型;其次,考虑需求响应的支撑作用,确立了配电网孤岛划分及运行优化目标,构建了配电网孤岛划分及运行模型;再次,提出了考虑不确定性的配电网孤岛运行模型求解方法。最后,采用改进的IEEE 33节点配电网对所提方法的可行性与有效性进行验证。

基于注意力机制BiLSTM-CRF模型的电网故障处置知识图谱构建技术研究

当前电网运行海量数据未充分挖掘,且调度信息具有多源异构、非结构化的特征,电力调度无法及时得到有效故障信息,致使在抢修工作中调度处置效率降低,故障信息传递不及时、不准确等情况。本文提出基于注意力机制BiLSTM-CRF模型的电网故障处置知识图谱构建技术,依托构建的电网故障处置知识图谱,高效筛选电网故障有效信息,形成智能故障辅助决策应用,切实提高电网故障抢修效率。最后通过实验证明了该文所构建模型的有效性。其中在预案文本分类、命名实体识别和关系抽取方面,该模型与传统模型相比,其精确率、召回率及综合评价指标F1值均有明显提升。

基于信息差异图模型的调度端电网故障诊断方法研究

由于当前复杂电网故障诊断精度不高,因而基于信息差异图模型提出一种新的调度端电网故障诊断方法。建立信息差异图,通过分析电网内部故障的关键组件,实现电网故障溯源。分析节点信息变化情况,衡量两则有向信息流的共享信息量,计算电网特征区间的质心与采集到的样本点的误差平方和,完成电网特征区间离散化处理。构建电网故障的信息相关矩阵,得到信息差异矩阵数据,分析故障信息状态,实现电网故障诊断。实验结果表明,在未出现故障时,电压波动范围为3.427 273~3.434 364 V,在出现故障时,电压出现明显波动,在3.422 727~3.440 909 V范围内波动,基于信息差异图模型的调度端电网故障诊断方法预警准确率在99.98%以上,需求响应时间低于0.25 s。

基于IABODE算法求解电网故障诊断解析模型

电网故障诊断在电力系统运行中起着至关重要的作用。为了在故障发生后快速准确地判断故障区域,本文提出了一种改进的自适应二进制算子差分进化算法(improved adaptive binary differential evolutionary,IABODE)。该算法直接以二进制编码个体,避免了浮点数到二进制数的转换,同时设计了二进制和成对变换算子,并采用自适应参数调节来提高算法的搜索性能和种群多样性。通过一个典型的四变电站系统以及一个电网故障案例测试改进的电网故障诊断模型,从准确性、速度和收敛性等多个角度对该算法进行了比较分析,结果表明其在解决电网故障问题上优于其他四种常见的元启发式算法。