基于廣域信息的電網(wǎng)故障診斷方法研究.pdf

1、隨著我國(guó)智能電網(wǎng)的快速發(fā)展，電網(wǎng)的安全穩(wěn)定運(yùn)行愈加重要，基于本地量的傳統(tǒng)后備保護(hù)越來(lái)越不適應(yīng)廣域大電網(wǎng)的運(yùn)行要求。廣域后備保護(hù)主要利用電網(wǎng)多點(diǎn)測(cè)量信息進(jìn)行故障診斷，提高后備保護(hù)可靠性，是對(duì)傳統(tǒng)就地主保護(hù)的有益補(bǔ)充。目前快速發(fā)展的廣域測(cè)量技術(shù)、高速網(wǎng)絡(luò)通信技術(shù)和高精度時(shí)間同步技術(shù)，為實(shí)現(xiàn)廣域繼電保護(hù)提供了重要的技術(shù)支撐，大力推動(dòng)了基于廣域信息的繼電保護(hù)研究。在分析既有廣域后備保護(hù)系統(tǒng)結(jié)構(gòu)與相關(guān)技術(shù)的基礎(chǔ)上，本文重點(diǎn)研究了基于廣域信息的電網(wǎng)

2、故障診斷算法，主要從利用廣域工頻電氣量、廣域行波信息和廣域狀態(tài)量三個(gè)方面開(kāi)展工作。同時(shí)為充分利用人工智能技術(shù)和廣域狀態(tài)量實(shí)現(xiàn)故障診斷，分別對(duì)有監(jiān)督和無(wú)監(jiān)督模式識(shí)別方法進(jìn)行了對(duì)比分析研究，主要的工作如下:
　　(1)根據(jù)電網(wǎng)不同故障類(lèi)型，論文提出了兩種基于廣域工頻電氣量的故障診斷方案。其一是基于廣域故障電荷量比較的故障診斷方法，該方法定義了電網(wǎng)節(jié)點(diǎn)保護(hù)關(guān)聯(lián)域，尋找關(guān)聯(lián)域邊界的正序故障電荷量關(guān)系，給出節(jié)點(diǎn)關(guān)聯(lián)域計(jì)算電荷量和參考電荷量概

3、念。電網(wǎng)節(jié)點(diǎn)智能電子設(shè)備(Intelligent Electronic Device，IED)將獲得的電荷量上傳到廣域決策中心站，并比較其相對(duì)大小關(guān)系，建立節(jié)點(diǎn)-關(guān)聯(lián)支路狀態(tài)矩陣，對(duì)矩陣元素進(jìn)行搜索實(shí)現(xiàn)電網(wǎng)故障診斷。其二是基于電流極性和能量相對(duì)熵的故障診斷方法，該方法劃分了線路IED保護(hù)關(guān)聯(lián)域，提取關(guān)聯(lián)域正序工頻故障分量電流，給出了關(guān)聯(lián)域邊界電流、綜合計(jì)算電流和綜合虛擬電流概念。定義綜合電流采樣值能量相對(duì)熵，用其來(lái)量化綜合電流的差異程度

4、，同時(shí)求取關(guān)聯(lián)域邊界電流之間的夾角大小以表征邊界電流的極性關(guān)系。利用關(guān)聯(lián)域區(qū)內(nèi)外故障時(shí)二者的明顯差異實(shí)現(xiàn)故障診斷。
　　(2)在研究電網(wǎng)廣域行波分布特征的基礎(chǔ)上，論文提出了兩種基于廣域行波信息的故障診斷方法。方法一利用小波變換計(jì)算電網(wǎng)各節(jié)點(diǎn)初始電壓行波能量，判斷能量最大的節(jié)點(diǎn)為故障節(jié)點(diǎn)。計(jì)算該節(jié)點(diǎn)各關(guān)聯(lián)支路初始電壓、電流行波小波系數(shù)序列夾角，由夾角大小來(lái)判斷是否為故障線路。方法二提出基于廣域初始行波無(wú)功功率分布特征的故障診斷方法。

5、該方法定義初始行波無(wú)功功率，對(duì)電網(wǎng)各子站關(guān)聯(lián)支路進(jìn)行功率大小比較，將功率幅值最大的線路選為準(zhǔn)故障疑似線路，并將其功率幅值上傳至廣域決策中心站，建立子站-關(guān)聯(lián)支路功率矩陣。以該矩陣為對(duì)象進(jìn)一步搜索故障疑似線路，并結(jié)合線路雙端功率比幅判據(jù)對(duì)故障疑似線路進(jìn)行最終判別以診斷實(shí)際故障線路。
　　(3)論文引入人工智能技術(shù)，分析電網(wǎng)廣域狀態(tài)信息的分布特點(diǎn)，研究了三種有監(jiān)督模式識(shí)別方法在電網(wǎng)故障診斷中的應(yīng)用。方法一利用概率神經(jīng)網(wǎng)絡(luò)(Probab

6、ilistic Neural Network，PNN)的良好分類(lèi)和容錯(cuò)能力，研究基于PNN的電網(wǎng)故障診斷方法。以線路距離Ⅱ段測(cè)量元件、方向元件和主保護(hù)動(dòng)作信息構(gòu)成樣本集，對(duì)PNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試。方法二研究最小二乘支持向量機(jī)(Least Squares Support Vector Machine，LSSVM)的電網(wǎng)故障診斷算法，該算法利用電網(wǎng)節(jié)點(diǎn)IED采集相關(guān)關(guān)聯(lián)域狀態(tài)信息并進(jìn)行邏輯運(yùn)算實(shí)現(xiàn)信息融合。融合后的信息形成樣本集輸入到LS

7、SVM分類(lèi)器進(jìn)行訓(xùn)練和測(cè)試，以識(shí)別電網(wǎng)故障關(guān)聯(lián)域節(jié)點(diǎn)IED，進(jìn)而診斷故障元件。方法三分別構(gòu)造基于PSO-LIBSVM的線路和母線故障診斷網(wǎng)絡(luò)，利用線路IED和母線IED采集相關(guān)狀態(tài)信息，計(jì)算不同關(guān)聯(lián)域的動(dòng)作系數(shù)實(shí)現(xiàn)信息融合并建立樣本矩陣。通過(guò)粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法尋找最優(yōu)LIBSVM運(yùn)行參數(shù)并訓(xùn)練故障診斷網(wǎng)絡(luò)，利用隨機(jī)故障下的測(cè)試樣本矩陣對(duì)線路和母線診斷網(wǎng)絡(luò)進(jìn)行測(cè)試，以識(shí)別電網(wǎng)故

8、障元件IED，進(jìn)而診斷故障元件。通過(guò)大量仿真實(shí)驗(yàn)，模擬了多種信息不準(zhǔn)確情況下的故障診斷結(jié)果，實(shí)驗(yàn)證明論文給出的三種方法均能快速、正確地診斷出電網(wǎng)故障元件，適應(yīng)性較強(qiáng)，容錯(cuò)性能好。
　　(4)論文在模糊C均值聚類(lèi)分析理論(Fuzzy C-means Clustering，F(xiàn)CM)的基礎(chǔ)上，結(jié)合電網(wǎng)廣域狀態(tài)信息，研究一種基于FCM的電網(wǎng)故障診斷算法。該算法屬于無(wú)監(jiān)督模式識(shí)別技術(shù)，利用線路IED采集相應(yīng)保護(hù)的動(dòng)作信息、方向元件狀態(tài)信息、

9、斷路器狀態(tài)信息等，并以電網(wǎng)各線路IED狀態(tài)信息作為FCM的聚類(lèi)對(duì)象。給出了電網(wǎng)關(guān)聯(lián)IED的定義，利用故障診斷算法把故障元件關(guān)聯(lián)IED歸為一類(lèi)，同方向區(qū)外故障IED歸為一類(lèi)。在故障區(qū)域最小原則下，選擇聚類(lèi)結(jié)果中IED個(gè)數(shù)最少的類(lèi)別作為故障元件關(guān)聯(lián)IED類(lèi)，在該類(lèi)中，判定相互關(guān)聯(lián)的IED所關(guān)聯(lián)的元件為電網(wǎng)故障元件。大量仿真表明，相對(duì)于有監(jiān)督模式識(shí)別方法，該算法容錯(cuò)性能好，運(yùn)行速度快，判別準(zhǔn)確率高，在較多狀態(tài)信息不準(zhǔn)確的情況下均能正確診斷故障