基于最小變異系數的配電網電壓暫降源模型識別方法

曲廣龍，楊洪耕

(四川大學電氣信息學院，四川 成都 610065）

基于最小變異系數的配電網電壓暫降源模型識別方法

曲廣龍，楊洪耕

(四川大學電氣信息學院，四川 成都 610065）

提出了一種基于最小變異系數的配電網電壓暫降源模型識別故障定位方法。該方法通過獲得配電網中各個節點短路時監測點所測得的電壓暫降特性，建立在不同故障類型條件下的電壓暫降源識別模型，根據實際配電網發生故障時監測點所測得的電壓暫降數據，用電壓不平衡度公式區分出故障類型后，再與相應故障類型的電壓暫降源識別模型進行比對，得到最小平均變異系數的區段則具有最大概率為故障區段。該方法將配電網故障選線和配電網故障區段定位融合在一起，經EMTDC仿真驗證，有較高的準確性和有效性。

電壓暫降源識別模型;變異系數;配電網

1 引言

配電網結構復雜，分支線路較多，容易發生故障。據統計，電力用戶遭受的停電事故中95%以上是由配電網引起的，其中大部分是故障原因［1］。因此，快速準確地確定出故障位置，對于及時隔離并修復故障，提高供電可靠性有著十分重要的意義。

目前故障定位方法大致可以分為三類:

第一類是依靠設備的故障定位技術，比如行波定位方法［2-3］。行波定位通過高度精密設備(比如全球定位系）獲取暫態行波信號定位。該類方法的故障定位結果較準確，但是裝置的費用高。

第二類方法是使用實時的監測數據和其他相關信息進行故障定位，比如:專家系統，模糊邏輯［4-6］，人工神經網絡［7］等，這種故障定位方法的定位效果比較依賴于所提供的數據的質量和數量。但在實際應用中，大多數低壓配電網只能從其主變電站中獲得測量數據，可以使用的數據很有限。該類方法有一定的精度，但是涉及的數據量較大，因此有很大的局限性。

第三類故障定位方法是通過計算故障時主變電站測得的電壓和電流進行定位，比如阻抗法［8－10］。阻抗法原理簡單，投資少，但是配電網結構復雜，且負荷影響較大，故阻抗法不能簡單地直接用于測距計算，實際應用中常常作為輔助測距方法［11］。

由于配電網中某一點發生故障時對其他不同區域的影響程度不同，所以在各個監測點捕獲的電壓暫降特性也就不同。如若能掌握不同地點發生故障時所造成的電壓暫降特性，就可以確定出故障區段。本文提出了一種基于最小變異系數的電壓暫降源模型識別故障定位方法，用實際故障時得到的電壓暫降數據與模型進行比對，平均變異系數最小的區段，即有最大概率為故障區段。經過EMTDC仿真驗證，該方法有較高的準確性。

2 電壓暫降源模型識別故障定位基本原理

2.1 確立電壓暫降源識別模型

一個含有3條饋線的簡單配電網結構圖如圖1所示，在11kV母線以及每條饋線的末節點裝有測量裝置。

通過序網絡原理計算各序阻抗矩陣，或者通過軟件(如 EMTDC）仿真，模擬各個節點金屬性短路時，監測點所獲取的電壓暫降數據，建立電壓暫降源識別模型［12］。電壓暫降源識別模型中的列數為配電網中的監測點數量，行數為配電網中節點數量。

電壓暫降源識別模型Mp為:

圖1 帶三條線路的簡單配電網Fig.1 Simple distribution network with three lines

在單相接地短路情況下:

在兩相相間短路情況下:

在兩相接地短路情況下:

2.2 區別三相對稱短路和不對稱短路

當配電網中發生短路故障后，測量裝置監測到其所在節點位置的A、B、C三相電壓，根據電壓不平衡度公式，可以得出該節點電壓的不平衡度值ε，設定一個閾值，如果ε大于該閾值，則認為電網中發生了不對稱故障，如果小于該閾值，則認為發生了對稱短路故障。根據文獻［15］電壓不平衡度公式得［15］:

式中，Va，Vb，Vc分別為 A、B、C 三相測量電壓值。

2.3 模型比較最小變異系數識別電壓暫降源

2.3.1 變異系數

變異系數常用于衡量X取值的“平均”變異程度，以消除由于X的量綱不同而對方差D(X）大小產生的影響。cv越小則相對變化量也越小。

2.3.2 模型比較

假設在某配電網中有m個節點配置有測量裝置，當配電網中某處發生故障時，各測量裝置測得的電壓變化量分別為 ΔU1，ΔU2，…，，ΔUm，將這些電壓變化量與電壓暫降源識別模型中相對應的元素比對求得期望值

式中，Api為第 i個節點的期望值;Zij為式(1）中電壓暫降源識別模型中的元素;ΔUkj為k點發生故障時j監測點測量的電壓暫降值;m為監測點數量。

模型比較變異系數為

當獲得了m個測量裝置所測得的電壓變化量ΔU1，ΔU2，…，ΔUm后，用式(8）和式(9）求出各個節點的模型比對變異系數，同時可以得出各區段平均變異系數值(具有最小平均變異系數值的區段則有最大概率為故障所在區段［13-14］）。

得到各個區段的平均變異系數后，用公式:

求出每個區段的故障概率η，得到最大η值的區段有最大概率為故障區段。

3 實例分析

本實例采用EMTDC對一個簡單配電網進行仿真，其結構圖如圖1所示。

本例將故障點設在2號線路的節點11和節點12之間的區段。把理想情況下故障點金屬性短路時各測量裝置所得到的電壓暫降百分比作為電壓暫降源識別模型。

單相接地短路時得到的電壓暫降百分比數據見表1。

實際短路故障發生時，故障點會有一定的接地電阻。表2為在不同接地電阻情況下，各監測點所獲得的電壓暫降數據。

表1 單相接地金屬性短路測得的電壓暫降百分比Tab.1 Measured voltage sags under metallic single-phase grounding fault

表2 單相接地非金屬性短路測得的電壓暫降百分比Tab.2 Measured voltage sags under non-metallic single-phase grounding fault

根據式(9）對表1中的電壓暫降源模型數據和表2中的實際暫降數據進行計算，可以求得該配電網中20個區段每個區段的平均變異系數值。再利用式(10）求得各個區段的故障概率值η，在4種接地電阻情況下的結果如圖2～圖5所示。

由圖2～圖5可知，在單相接地短路4種接地電阻情況下，本文算法得出的最大概率故障區段都為11～12區段，即為實際故障區段。由于篇幅有限，不再詳細羅列所有故障情況下的仿真過程數據。

表3為故障電阻10Ω時兩相間短路、兩相接地短路及三相短路各區段故障概率計算結果。

圖2 接地電阻為0.1Ω單相接地短路時各區段故障概率Fig.2 Ranking of likely faulted nodes for a singleline-to-ground fault with a fault resistance of 0.1Ω

圖3 接地電阻為10Ω單相接地短路時各區段故障概率Fig.3 Ranking of likely faulted nodes for a single-lineto-ground fault with a fault resistance of 10Ω

圖4 接地電阻為15Ω單相接地短路時各區段故障概率Fig.4 Ranking of likely faulted nodes for a single-lineto-ground fault with a fault resistance of 15Ω

圖5 接地電阻為25Ω單相接地短路時各區段故障概率Fig.5 Ranking of likely faulted nodes for a single-lineto-ground fault with a fault resistance of 25Ω

表3 故障概率計算結果Tab.3 Result of fault probability

同樣由表3可知，在各種故障情況下得出的最大概率故障區段也都為11－12區段，即為實際預設故障區段。證明了本算法的準確性和有效性。

4 結論

本文方法通過建立一個電壓暫降源識別模型，用配電網實際發生故障時各測量裝置所測得的電壓暫降值，與電壓暫降源識別模型中的各行元素進行比對，得出與各行比對的變異系數，有最大η值的區段有最大概率為故障點所在區段。

本文方法經過 EMTDC仿真驗證，有較高的準確性，并且不需要大量復雜的數據準備，僅從配電網監測點所捕獲到的電壓暫降數據就能完成故障定位。易于進一步使用數據挖掘技術。負荷變化對本文方法的影響還有待進一步研究。

References）:

［1］李天友，金文龍，徐丙垠 (Li Tianyou，Jin Wenlong，Xu Bingyin）.配電技術 (The technical in the distribution network）［M］.北京:中國電力出版社(Beijing:China Electric Power Press），2008.

［2］曾祥君，尹項根，林福昌 (Zeng Xiangjun，Yin Xianggen，Lin Fuchang）.基于行波傳感器的輸電線路故障定位方法研究 (Study on fault location for transmission lines based on the sensor of travelling-wave）［J］.中國電機工程學報 (Proceedings of the CSEE），2002，22(6）:42-47.

［3］于盛楠，鮑海，楊以涵 (Yu Shengnan，Bao Hai，Yang Yihan）.配電線路故障定位的實用方法(Practicalization of fault location in distribution lines）［J］.中國電機工程學報 (Proceedings of the CSEE），2008，28(28）:86-90.

［4］范春菊，張兆寧，郁惟鏞 (Fan Chunju，Zhang Zhaoning，Yu Weiyong）.小波模糊神經網絡應用于配電網輸電線的故障測距 (Application of wavelet fuzzy neural network to fault location of single line grounding in distribution lines）［J］.電網技術 (Power System Technology），2002，26(9）:13-17.

［5］Jarventausta P，Verho P，Partanen J.Using fuzzy sets to model the uncertainty in the fault location process of distribution networks［J］.IEEE Transactions on Power Delivery，1994，9(2）:954-960 .

［6］Chen Wenhui.Fault section estimation using fuzzy matrixbased reasoning methods［J］.IEEE Transactions on Power Delivery，2011，26(1）:205-213.

［7］郭壯志，陳波，劉燦萍，等 (Guo Zhuangzhi，Chen Bo，Liu Canping，et al.）.基于遺傳算法的配電網故障定位(Fault location of distribution network based on genetic algorithm）［J］.電網技術 (Power System Technology），2007，31(11）:88-92.

［8］王瑋，蔡偉，張元芳，等 (Wang Wei，Cai Wei，Zhang Yuanfang，et al.）.基于阻抗法的電力電纜高阻故障定位理論及試驗 (Theory and experiment of a cable fault location method based on impedance and using frequencyvariable source）［J］.電網技術 (Power System Technology），2001，25(11）:38-41.

［9］Seung-Jae Lee，Myeon-Song Choi，Sang-Hee Kang，et al.An intelligent and efficient fault location and diagnosis scheme for radial distribution systems［J］.IEEE Transactions on Power Delivery，2004，19(2）:524-532.

［10］盧繼平，黎穎，李健，等 (Lu Jiping，Li Ying，Li Jian，et al.）.行波法與阻抗法結合的綜合單端故障測距新方法(Non-communication fault location of transmission line based on traveling wave and impedance method）［J］.電力系統自動化 (Automation of Electric Power Systems），2007，31(23）:65-69.

［11］馬世聰，高厚磊，徐丙垠 (Ma Shicong，Gao Houlei，Xu Bingyin）.配電網故障定位技術綜述 (A survey of fault location methods in distribution network）［J］.電力系統保護與控制 (Power System Protection and Control），2009，37(11）:119-124.

［12］Zijad Galijasevic，Ali Abur.Fault location using voltage measurements［J］.IEEE Transactions on Power Delivery，2002，17(2）:441-445.

［13］RodrigoAparecido FernandersPereira， LuisGustavo Wesz da Silva，Mladen Kezunovic，et al.Improved fault location on distribution feeders based on matching duringfault voltage sags［J］.IEEE Transactions on Power Delivery，2009，24(2）:852-862.

［14］Saeed Lotfifard，Mladen Kezunovic，Mirrasoul J Mousavi.Voltage sag data utilization for distribution fault location［J］.IEEE Transactions on Power Delivery，2011，26(2）:1239-1246.

［15］肖湘寧 (Xiao Xiangning）.電能質量分析與控制 (A-nalysis and control of power quality）［M］.北京:中國電力出版社 (Beijing:China Electric Power Press），2004.

Fault location of distribution network based on minimal coefficient of variation using identifying model

QU Guang-long，YANG Hong-geng
(School of Electrical and Information，Sichuan University，Chengdu 610065，China）

This paper presents a method for locating short-circuit faults using voltage sags identifying model based on the minimal coefficient of variation.When we know the characteristic of the voltage sags in different place，it is possible to find the fault section.The basic idea of this paper is to build a voltage sags identifying model under different type of faults，and comparing the voltage sags measured by the monitors on-line with the model to compute the coefficient of variation，then the minimal coefficient of variation corresponds to the fault section.This method combines the fault line selection and fault section location in distribution network，and the results of the simulations emulated by EMTDC show that the method is accurate and effective.

voltage sags identifying model;coefficient of variation;distribution network

TM773

A

1003-3076(2012）04-0043-05

2011-10-11

曲廣龍 (1988-），男，山東籍，碩士研究生，研究方向為電能質量及其控制技術;

楊洪耕 (1949-），男，四川籍，教授/博導，長期從事電能質量分析與控制的教學與科研工作。