论文部分内容阅读
随着配电自动化系统的不断发展,配电网得以采集广域信息并集中于控制中心统一处理,为配电网故障区段定位提供了数据条件。但是,现有故障定位方法的应用仍存在两大难题:一方面是配电网量测设备较为落后,无法满足方法对故障特征的高精度需求;另一方面是针对高阻接地、中性点接地配电网单相接地故障等特征不明显的故障情况,缺少在量测设备有限条件下的有效故障定位算法。为此,本文从数据驱动角度出发,重点研究了机器学习方法在有限信息配电网故障区段定位的应用,取得了如下研究成果:(1)在分析配电网单相接地故障特征数据的基础上,提出了基于广域信息的配电网故障区段定位模型。分析了配电网有限的信息源,从故障特征对应唯一故障区段的角度选择稳态前后广域电流有效值变化量作为关键特征,并详细地给出了理论证明。阐述了将数据驱动方法用于故障区段定位的合理性,同时,针对训练数据的来源问题,给出了基于Matlab/Simulink的样本生成方法,并与节点电压编程法的计算时间进行了对比,简单估计了训练样本的获取时间、模型应用的时间消耗,验证了模型的快速性。算例表明,当故障发生在不同区段时,故障特征确实存在明显差别。(2)结合数据驱动方法,提出中性点不接地配电网单相接地故障的区段定位模型,并将其应用于实际场景。分析模型误判情况,将误判分为三类,并给出了类别置信度辅助识别、易错线路标注两种辅助识别手段,进一步提高模型的预测准确率。算例表明,依据所提的特征组合,基于Light GBM的区段定位方法能够可靠定位单相接地故障,并具备对高阻接地故障的良好检测能力。(3)结合逆变器型分布式电源(Inverter-Interfaced Distributed Generators,IIDG)的工作特性,验证了所提方法在含IIDG配电网中的故障定位能力。考虑不同的中性点接地方式及IIDG接入位置、容量,将所提方法应用于不同的配电网。针对故障后广域稳态电流有效值、故障前后广域稳态电流有效值变化量这两种不同的特征组合,在含IIDG配电网中比较了其模型效果。算例表明,所提方法在中性点经小电阻接地系统及中性点经消弧线圈接地系统中表现优秀,受IIDG的渗透率影响不大,且两种特征组合均表现良好,其中,故障前后广域稳态电流有效值变化量的特征组合在准确性上表现更好,而故障后广域稳态电流有效值则更适合与辅助手段联合定位故障区段。