10kV配電網故障定位分析與發展

摘要：“智能電網”是電網未來發展的重要趨勢和巨大機遇，而配電網是供用電里一個非常重要的環節，在智能電網建設中擔當重要角色，提高其穩定性能夠創造極高的經濟效益和社會效益。因此隨著智能電網工作的不斷開展、綠色清潔能源并入電網和提高供電可靠性等各方面需求的迫切增長，配電自動化的建設將成為今后工作的重點，其中配電網故障定位作為實現配電自動化的基礎備受關注。

關鍵詞：配電網；故障定位；智能電網

中圖分類號：TM714 文獻標識碼：A 文章編號：1009-2374（2013）32-0134-02

配電網受其特殊的網絡結構等因素影響，使得其在輸電網中較為成熟，故障定位技術不能直接引入到配電系統的故障定位當中，這樣配電網故障定位技術的發展就成為制約電力系統可靠性提高及電能質量改善的重要因素。為此，國內外學者圍繞配電網故障定位技術展開了深入研究，提出了多種定位方法。

1 配電網故障定位的難點

研究適合于配電網的故障定位算法，須明確配電系統自身的特點。配電網故障定位過程中主要有如下五點因素需要考慮：（1）配電饋線容易受各種情況影響而發生故障，如不利氣候、設備故障、交通事故等，因此發生故障的幾率很大；（2）配電網拓撲結構多為輻射型，主干線大都帶有分支線及子分支線，使得對網絡的等效化簡及故障排查變得更為復雜；（3）通常情況下配電網中三相線路并不對稱，因而輸電網中常用的基于對稱分量法的故障定位算法不能直接引用到配電網，配電網故障處理算法最好采用三相不對稱參數；（4）頻繁的不對稱倒閘操作，可能會使系統不對稱程度加大，也會使得配電網的運行方式不確定，出現同一系統在不同時刻的網絡拓撲發生變化的情況，為配電網故障定位技術提出新的挑戰；（5）配電網的負荷類型并不確定，有單相、兩相及三相之分，同時負荷隨時間的波動性較大，使得負荷模型的選擇成為影響定位算法性能好壞的重要因素。

這樣，對配電網故障定位技術而言，需盡可能地考慮配電網自身的特點，吻合配電網的實際狀況，不能因追求自動化而盲目自動化，定位算法要有廣泛的適應性。只有這樣才能更加準確、快速地定位故障，以縮短用戶的停電時間，降低故障對系統的危害。

2 配電網故障定位配電網故障定位方法

國內外學者針對配電網故障定位問題已做了大量的研究工作，歸納起來大致有如下四類方法：

2.1 圖論分析法

圖論分析法是以配電網的結構及FTU監測到的饋線開關信息為基礎發展起來的一類故障定位方法，分矩陣法和過熱弧搜尋法兩類。

2.2 過熱弧搜尋法

該方法將配電網的故障定位問題轉換為過熱弧的搜尋問題。將配電饋線按線路潮流方向定義成有向弧，饋線開關看作弧的頂點，弧的負荷即為饋線的供出負荷，頂點的負荷則為流過開關的電流，由此建立與實際系統相對應的變結構耗散網絡。通過歸一化負荷C弧負荷與其額定負荷之比乘以100，是否大于100來判斷過熱區域，大于100的區域為過熱區域，即故障區域。在過熱弧搜尋索法中增加了最小配電區域分離的過程，可以在故障信息不完備的情況下對多電源并列供電系統進行故障定位：過熱區域搜索法則從區域的耗散電流入來定位故障。過熱弧搜尋法具有原理簡單、可判斷故障程度等優點，但其可靠性依賴于區域額定負荷或額定電流的計算，應用相對復雜。

2.3 暫態分析方法

暫態分析法主要通過挖掘系統參數與暫態頻率或由網絡結構改變（包括配電網能量分配的變化）而產生的行波速度之間的關系來定位故障。

2.4 人工智能法

人工智能法不需要對系統建模，只利用系統的數據庫作支撐，將系統看作是未知的“黑匣子”，應用一定的規則，用來輸出系統故障時的特定數據。

專家系統由知識庫、用戶界面、推理機等多個模塊組成。該方法主要將新獲得的故障信息與知識庫中的歷史記錄信息進行對比分析，通過推理機推斷出故障的位置。利用專家系統定位故障亦分兩個步驟進行：

2.4.1 規則生成階段。在專家經驗的基礎上生成規則，規則與實際事件的故障特征有關，形式為：如果出現事件X，則有故障特征Y。

2.4.2 運算或診斷階段。無論何時提示故障，專家系統都應按照規則提取故障特征，對故障進行診斷。若提示事件數目很多，系統就會給出多個不同的故障特征，這時需啟動啟發式搜索過程來尋找最可能的故障特征，并給出診斷結果。

專家系統的優點是有效地考慮了專家的豐富經驗，運算步驟簡單。但要將專家的所有經驗都轉換成規則集不僅需要龐大的數據庫作為支撐，轉換過程本身實現起來也非常困難；而且對所有可能的故障特征進行搜索也會使系統的全局診斷速度下降；同時，網絡元件或結構發生改變時，專家系統還必須立即做出調整，這些因素都使得專家系統的應用受到很大程度的阻礙。

3 人工神經網絡

該方法的原理是：首先將數字量化后的故障警報信息作為神經網絡的輸入，故障定位結果作為網絡的輸出；其次以特定故障對應的警報模式作為樣本建立較全的樣本集，用所有的樣本對神經網絡進行訓練，以確定神經網絡中的各連接權值；最后通過對神經網絡測試集中輸入量的仿真計算來完成故障診斷。利用三值神經邏輯網絡和改進BP神經網絡組合的方式實現對故障的定位，還有學者將ANN引入到了并行雙環及多環配電網的故障定位當中。

ANN具有較強的學習能力，不僅可以通過以往的經驗學習，還可以通過其他測量集學習。如果訓練充分，即使新事件的輸入不完整且摻雜有噪聲，ANN仍可以有效地工作。對于網絡拓撲確定的配電網應用ANN診斷故障，無論是診斷時間還是結果都令人滿意。但其缺點就在于ANN的訓練過程十分緩慢，對新事件的概括能力也較差，網絡結構發生變化時需重新對ANN進行訓練。

4 其他智能算法

除上述兩種智能算法之外，其他智能算法在配電網故障定位中的應用研究也層出不窮，如遺傳算法、粗糙集理論、蟻群算法、粒子群算法等。雖然每種方法都不夠完善，但智能算法的引入還是為配電網故障定位問題的解決提供了新的思路和方法，應用前景比較廣闊。

5 結論與發展

配電網的特殊性決定了其故障定位比較復雜，為了提高定位精度，國內外的專家學者提出了多種不同的解決方法。但單一類型的算法由于其局限所在，不能很好地滿足定位要求。為此，應該從各類方法的原理及其實現條件著手，從配電網的實際結構及自動化發展程度考慮，將各類算法有效地結合起來，形成復合型的故障定位方案，以有效地解決配電網故障定位這個難題。復合型的配電網故障定位方案可以綜合利用各類算法的優勢，取長補短，更好地提高定位算法的性能，降低成本，提高經濟效益。

參考文獻

[1] 季濤，孫同景，薛永端，徐丙垠，陳平.配電網故障定位技術現狀與展望[J].繼電器，2005，（24）.

[2] 嚴鳳，楊奇遜，齊鄭，楊以涵，胡立蜂.基于行波理論的配電網故障定位方法的研究[J].中國電機工程學報，2004，（9）.

[3] 張慧芬，潘貞存，桑在中.基于注入法的小電流接地系統故障定位新方法[J].電力系統自動化，2004，（3）.

[4] 郭俊宏，譚偉璞，楊以涵，郭芳霞，任杰.電力系統故障定位原理綜述[J].繼電器，2006，（3）.

作者簡介：張曉楓（1961—），男，吉林長春人，供職于長春電力集團有限公司，研究方向：電力配電施工

安全。