基于μPMU和二分搜索法的辐射状配电网电压暂降源定位

快速准确地定位电压暂降源,对提高供电可靠性和明确供需双方责任具有重要意义。文中提出一种基于微型同步相量测量装置(micro-phasor measurement unit,μPMU)和二分搜索法的辐射状配电网电压暂降源精确定位方法,首先利用装设μPMU的分层电路求解暂降源电流,在各分层电路分别假设暂降源电流注入各母线节点,进而计算末端母线虚拟电压变化量,并与实测的末端母线电压变化量求误差,根据误差大小确定暂降源邻近母线。然后在暂降源邻近母线相邻区段的中点设置虚拟母线,利用二分搜索法快速缩小定位区间,实现暂降源的精确定位。最后在MATLAB中利用IEEE 33节点模型对文中方法进行验证,结果表明该方法对辐射状配电网中不同位置、不同类型的电压暂降源定位精度高,且具有一定的抗干扰能力。

基于VMD和IAO-SVM的电压暂降源识别方法

针对支持向量机(support vector machine,SVM)的惩罚因子、核函数参数选择困难和天鹰优化(aquila optimizer,AO)算法在寻优时容易陷入局部最优解的问题,利用改进的天鹰优化(improved aquila optimizer,IAO)算法对SVM的惩罚因子和核函数参数进行寻优,构建IAO-SVM分类器,利用变分模态分解(variational mode decomposition,VMD)提取电压暂降源信号三相电压的特征向量,并进行归一化处理之后输入到构造好的IAO-SVM分类器中对样本进行训练与识别,并与K近邻、极限学习机、SVM和AO-SVM这4种分类器进行对比。仿真结果表明,在对8种电压暂降源信号分别加入0 dB、10 dB、20 dB、30 dB、40 dB、50 dB和60 dB的高斯白噪声情况下,IAO-SVM分类器识别的准确率分别为99.5%、94%、99.25%、100%、99.25%、98.5%和97.25%,其识别准确率最高,验证了在对信号加入不同的高斯白噪声时,IAO-SVM分类器均具有较高的识别准确率和抗噪声能力,有助于解决电压暂降源的分类问题。

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换(HHT)和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解(EMD),得到一个固有模态函数(IMF)集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang(HH)谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。

基于小波熵和概率神经网络的配电网电压暂降源识别方法

分析了短路故障、感应电动机启动和变压器投运引起电压暂降的原理及各类电压暂降的特征,提出一种基于小波熵(wavelet entropy,WE)和概率神经网络(probability neural network,PNN)的电压暂降源识别方法。提取信号的小波能谱熵和小波系数熵特征向量,并将其输入概率神经网络,实现电压暂降源的自动识别。利用Matlab/Simulink建立简单配电网的仿真模型进行验证,结果表明,基于小波熵和概率神经网络的方法能很好地识别电压暂降源。

结合小波分析和改进型DTW距离的配电网电压暂降源辨识方法

该文提出了一种结合小波分析和改进型动态时间规整（dynamic time warping,DTW）距离的配电网电压暂降源辨识方法。首先分析各类电压暂降源及其经不同类型变压器传递后的相应电压波形特征,并根据其隶属关系通过波形数据挖掘和序列相似匹配构建完备的波形数据库。通过小波变换对实测电压暂降波形进行多尺度分解实现时间数据的降维,同时给出波形库序列的DTW边限距离及其在小波变换域的查询计算方法,实现电压暂降源的快速识别。基于实际的电力园区网架结构搭建仿真模型进行验证,结果表明,所述方法能迅速而准确地辨识各类电压暂降源,为电压暂降的有效监测和快速治理提供有力的参考。

基于多分类支持向量机的电压暂降源识别

S变换具有很好的时频分析能力,能精确提取突变信号的关键特征信息。在分析S变换原理基础上,提出一种基于多分类支持向量机的电压暂降源识别方法。用S变换对电压暂降信号进行时频分析,提取各类暂降特征;用多分类支持向量机对特征进行训练与识别。通过仿真算例验证,该方法能有效识别电压暂降源,可应用于电能质量监测系统。

基于配电网的复合电压暂降源分类与识别新方法

为了对配电网含有谐波情况下的复合电压暂降源进行分类与识别,提出了一种基于特征值综合法的复合电压暂降源分类与识别新方法。首先根据不同复合电压暂降源所引起的电压暂降波形特征的不同,定义三相电压不平衡度,将含单相接地类的复合电压暂降源与感应电机启动和变压器投入相复合的电压暂降源进行区别。然后定义交叉不平衡度并结合二次谐波电压含量对含单相接地类故障中的各类复合电压暂降源进行区分。最后利用马氏距离与概率神经网络相结合的方法对各类复合电压暂降源的故障顺序进行识别,进而形成完整的复合电压暂降源种类和故障顺序识别新方法。通过仿真实验对所提方法进行了验证,结果表明该方法能够很好地对复合电压暂降源的种类和故障顺序进行分类识别,且识别正确率高于96%。此外,所提出的分类方法还与EMD能谱熵和概率神经网络相结合的方法进行了对比分析,对比结果表明,所提方法的识别效果明显优于后者。

基于Mamdani型模糊推理的电压暂降源识别

提出了基于Mamdani型模糊推理的电压暂降源识别方法。分析了三种主要的电压暂降源(短路故障、变压器投切和感应电动机启动)引起的不同电压暂降现象,从三相电压是否平衡、暂降结束时是否产生突变以及暂降中伴随产生的谐波大小三个方面总结了不同暂降源的特征,并将其作为判据输入模糊推理系统,利用Mamdani型模糊推理技术对电压暂降干扰源进行了区分。Mamdani型模糊推理通过事先掌握的一组推理规则实现从输入到输出的推理计算,从而建立准确的辨识系统。通过仿真验证,该方法能够较好地对电压暂降源进行准确辨识。

配电网中电压暂降源定位方法比较

电压暂降已经成为最受关注的电能质量问题之一。电压暂降源位置的确定对暂降故障检测、诊断及制订缓和措施十分必要,同时有利于区分暂降责任,协调缓解纠纷。对现有的基于无功功率变化、基于系统参量斜率、基于实部电流分量和基于距离阻抗继电器四种电压暂降源的定位方法进行了原理分析和仿真比较,对其进行了分类并讨论了各自特点,证实了基于距离阻抗继电器方法在暂降源方位判定上的准确性,并对该方法进一步研究提出了建议。

基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。

基于有限量测数据的主动配电网电压暂降源精确定位策略

准确定位电压暂降源,对提高供电可靠性、明确供需双方责任具有重要意义。目前,基于有限电能质量(PQ)监测点量测数据和配电自动化提供的网络实时信息,通过短路电流计算,进行配电网电压暂降源精确定位成为研究热点之一。但现有方法存在不区分暂降源类型,需遍历所有母线、计算量大、过渡电阻估计不准确影响定位精度、难以适用于多源主动配电网等不足。该文提出一种适用于主动配电网的电压暂降源精确定位策略。针对基于序功率增量方向原理确定的暂降源候选区域,进行电压暂降成因辨识。对于由短路故障引起的电压暂降,基于考虑分布式电源接入和过渡电阻影响的主动配电网短路电流计算方法,以故障位置、过渡电阻为优化变量,以最小化有限观测点处故障电流、电压的计算值与观测值误差为目标,建立寻找最邻近母线和寻找准确故障位置的分步优化模型并采用智能优化算法求解,实现精确定位。基于改进IEEE 34节点配电网算例验证了本文方法的有效性,并通过与现有方法的结果比较说明了所提方法的优越性。

电压暂降源异质堆叠集成学习识别法

电压暂降源分类识别存在可获得信息不完备的问题。针对现有单一识别法弱学习特点和组合识别法一致性强的问题,提出一种基于异质堆叠集成学习的暂降源识别方法,提升识别模型的泛化能力和鲁棒性。把线路故障分为普通故障和雷击故障,以10类单一电压暂降源的识别为目标,选取9个表征特征差异的波形统计参数,构建27维识别特征向量。引入堆叠集成算法,以5种差异性强的单一识别法为基分类器,用随机森林法作元分类器,建立异质堆叠集成识别模型。通过PSCAD仿真数据和实测数据验证,并与现有6种识别法比较,结果表明,该方法识别精度高,噪声鲁棒性良好,具有良好的工程实用性。

电压暂降源定位的优化综合判据法

电压暂降源定位对协调电压暂降引起的供用电双方纠纷等具有关键性作用。提出了一种暂降源定位的优化综合判据法。首先,在分析介绍暂降源定位现有的四种典型方法及其判据的基础上,利用115组变电站暂降记录数据,对各方法效果进行了统计分析。然后基于四种典型方法的定位判据,建立电压暂降源定位综合判据线性模型,并结合线性支持向量机建模方法,利用50组记录数据,通过机器学习求解出线性模型的最优系数。最后采用另外65组记录数据对优化综合判据模型进行验证测试。测试结果显示,与现有的单一特征判据方法相比,该法具有良好的定位性能,不仅具有较高的定位正确率,且有较好的鲁棒性,能在加一定白噪声条件下正确定位出暂降源的上游或下游位置。该方法可应用于各类电能质量监测系统。

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。

基于负荷矩模型的油田配电网电压暂降源定位方法

随着油田敏感负荷的大量使用,电压暂降问题日益突出;近年来,油田配电网推进信息化建设,为实现电压暂降源区段定位提供了数据支撑。文中基于干线式配电网结构特点与负荷矩模型,以负荷矩近似相等为出发点,建立电压监测值与线路电气距离之间的约束关系,构建了适用于干线式网络负荷分布特征的信息监测点确定方法,并通过距离系数与电压损失之间的线性关系表征线路的稳态电压分布情况,利用电压增量与监测点间电气距离之间的关系进行电压暂降源区段定位。仿真结果证明了该方法的有效性。

基于上游正序参数比较的电压暂降源定位方法

电压暂降源的上下游定位有着明确供用电双方责任的作用。面对传统定位方法中负荷模型适用性差的难题,文中以戴维南等效模型为基础,通过比较电压暂降前后上游正序参数的变化,提出了一种电压暂降源定位方法。首先,对上游正序参数进行辨识,通过比较电压暂降前后上游系统正序参数的变化来确定电压暂降源的上下游位置。考虑参数不确定性、计算误差和测量误差的影响,提出了基于概率的改进判据。考虑误差对定位结果的影响,在定位模糊区域内引入概率型指标,定量分析了引起电压暂降上下游双方的责任,提高了定位结果的合理性。最后,通过IEEE标准模型验证了所提方法的正确性和有效性。

一种基于二分类的电压暂降源定位方法

电压暂降源定位实质是根据暂降源位置敏感的物理量,来确定暂降源位于监测点的上游或下游位置,模式识别上属于二分类问题。提出了一种基于智能分类的电压暂降源定位方法。分析回顾了现有的几种典型暂降源定位方法及其判据,通过判据研究提取源位置敏感的多个定位特征量,并采用支持向量机智能算法对已有故障诊断结果进行学习,从而在该多维特征空间构建判别上下游的最优分类面,利用此最优分类面(即为二分类支持向量机)实现基于二分类的暂降源定位。测试数据表明,该方法能够有效实现电压暂降源定位,定位准确率高且所需计算时间短。

配电网中电压暂降源的检测方法比较

电压暂降因为对敏感设备的危害而成为最受关注的电能质量问题之一。电压暂降源的检测对电能质量故障检测、诊断及缓和策略的制订十分必要,并有助于合理解决电力部门与用户之间的纠纷。对现有的基于扰动功率和扰动能量,基于等效阻抗实部符号,基于不同故障类型等电压暂降源检测的方法进行了详细的分析,比较了它们各自的特点;在总结目前电压暂降源检测方法的基础上,对今后的配电网电压暂降源检测方法研究工作进行了展望。

基于最小变异系数的配电网电压暂降源模型识别方法

提出了一种基于最小变异系数的配电网电压暂降源模型识别故障定位方法。该方法通过获得配电网中各个节点短路时监测点所测得的电压暂降特性,建立在不同故障类型条件下的电压暂降源识别模型,根据实际配电网发生故障时监测点所测得的电压暂降数据,用电压不平衡度公式区分出故障类型后,再与相应故障类型的电压暂降源识别模型进行比对,得到最小平均变异系数的区段则具有最大概率为故障区段。该方法将配电网故障选线和配电网故障区段定位融合在一起,经EMTDC仿真验证,有较高的准确性和有效性。

基于改进扰动功率法的电压暂降源定位

面对引发电能质量问题的电压暂降,结合电力系统中常见的短路故障类型,提出一种改进的扰动功率法。取扰动电压和扰动电流的乘积作为扰动功率,根据线性电路的叠加原理,故障网络可以等效成正常状态和扰动分量的叠加,利用瞬时扰动功率或其半周波平均值的极性来定位暂降源,最后搭建模型,通过Matlab仿真,结果表明提出的改进的扰动功率法可以准确定位暂降源。