快速恢復配電網供電方法研究＊

胡偉，周敏

（湖南鐵道職業技術學院，湖南 株洲 412000）

1 研究意義

電力工業是保障國民經濟持續穩定發展的支柱性行業，也是保證國家安全以及國民生活質量的重要組成部分。電能作為二次清潔能源，在現代社會發展的各個方面都起著無法替代的作用。而在2020 年初“新冠肺炎”疫情突發背景下，如何保障醫療衛生企業安全生產用電，特別是保證各級醫院優質可靠的電能供應，是維護社會穩定發展的重要支撐[1-3]。

電力系統是由發電廠、輸電網絡、配電網絡及電力用戶組成的一個整體，是把一次能源轉換成電能并輸送和分配到用戶的統一系統[4]。而配電網的作用是將電能從樞紐變電站直接分配到用戶，或者經配電站分配到用戶，因此，在電力系統中，配電網作為保障民生的重要基礎設施及服務居民用戶的最后環節，其安全穩定運行直接關系著每個用戶的用電利益、用電質量和用電可靠性[5-8]。

當配電網線路發生永久性故障時，應迅速對故障線路進行故障區間定位，找出故障所在位置，并對故障區域的故障進行人工檢修，即判別出故障相以及是否發生接地故障，待查明故障原因后才能恢復正常供電[9-10]，但這在一定程度上增加了故障排除和人員調配的時間，且對于一些關健負荷的持續供電有一定的影響。因此，快速恢復配電網供電方法具有一定的實踐意義。

對于配電網故障定位而言，由于隨著智能配電網容量的不斷增加以及分布式電源的接入，配電網的網絡結構和運行方式日益復雜，使得傳統的繼電保護方法難以滿足要求。通常傳統保護方法都能較好地實現故障定位，但所取故障特征量比較單一，當發生傳感器失效或者通信異常時，容易引起保護裝置的拒動或誤動，且存在復雜的整定值計算。因此，當配電網發生故障后，探索一些新型保護算法以應對當前復雜多變的配電網結構，進行快速有效的故障定位，這對提高配電網安全穩定運行和供電可靠性具有重要意義[11]。

對于配電網故障類型判別而言，由于已有研究的重點放在了故障選線問題上，并通過研究人員長期的研究工作，目前的配電網故障選線問題的研究已經取得了較大的進展，但是由于配電網小電流接地系統及分布式電源不斷接入使得配網網絡結構日益復雜，因此，對配電網的故障類型判別成為了公認的難題[12]。由于配電網的網絡結構日趨復雜化，且當配電網出現故障后，其故障類型的辨識是調度員處理電網事故的輔助工具，通過對配電網故障區域的故障類型辨識，不僅可以有效減少故障處理及恢復供電時間，還可以防止故障進一步擴大，這對于電力系統自動化水平的提高具有重要意義。

2 配電網故障檢測及定位方法研究

2.1 廣域測量系統

新型配電網故障檢測及定位算法建立在配網自動化基礎之上，需要對配電網上傳到主站的海量數據進行數據預處理與數據融合，并形成多個電氣特征量，防止因單一小樣本電氣特征量丟失或者靈敏度不夠導致無法區分故障線路與正常線路。當智能配電網傳感器或者通信異常，容易出現保護裝置的誤動作，甚至拒動的情況。由于現有智能配電網裝設有大量的傳感器設備，海量的運行數據被采集，并且上傳到主站中心進行數據分析和處理，子站、主站以及通信智能終端之間也進行數據交換，這些海量的數據包含有許多電網狀態信息，因此，需要對這些大數據進行數據挖掘，這給智能配電網故障檢測及定位提供了較好的思路和借鑒。

配網自動化系統是實現對智能電網的實時監測以及控制的自動化系統。配網自動化系統具備數據采集與監視控制系統（Supervisory Control and Data Acquisition，SCADA）、饋線自動化系統、電網分析應用以及相關系統等的功能。其主要由配電網主站或子站、配電網智能終端和通信通道等構成。配網自動化系統總體框架如圖1 所示。由于配電網自身的諸多特點，配電網自動化相關技術發展呈現出多樣化、智能化、集成化趨勢，配電網自動化系統具備綜合程度高、覆蓋范圍廣等特點，因此，可以將配網自動化系統劃分為主站系統、綜合數據平臺、通信網絡、智能配電終端4 個部分，其各部分之間關系緊密，相互依托，形成了一個有機的整體。

圖1 標準配網自動化系統

2.2 數據預處理與數據融合

由于主站從各智能配電終端采集到的數據量大且故障信息不明顯，為了減少數據量、提高運行效率，要對原始數據進行預處理。數據預處理包括故障特征量選取、構建網絡關聯矩陣以及區域差分處理。故障特征量的選取是為了確保智能配電網狀態監測的準確性和時效性。故障定位可選取電流和功率2 種類型的電氣特征量，具體為零序、負序、正序三相電流以及零序有功、無功功率等多個電氣特征量進行故障定位。網絡關聯矩陣是明確網絡各節點之間、各節點與各區域之間的相對關系，為區域差分處理提供依據。區域差分的目的是對狀態監測數據進行規范化處理，進一步增加故障節點和正常節點的差異性，提高辨識準確性。

2.3 新型故障檢測及定位算法

對已選取的多電氣故障特征量，通過新型故障檢測及定位算法，將樣本數據分為故障類和正常類樣本，一旦某條線路發生短路故障，故障特征電氣量歸為故障類數據集，在樣本空間類的數據偏向故障類集合。多電氣故障特征量樣本分類如圖2 所示。

圖2 多電氣故障特征量樣本分類

利用廣域測量系統上傳的海量數據進行數據挖掘，當對智能配電終端采集的數據進行數據預處理和數據融合分析之后，根據智能配電網每個節點的多電氣故障特征量所形成的高維時空狀態監測矩陣進行新算法研究，將被保護的配電網網絡節點分為故障類和非故障類。當配電網正常運行時，構建的高維時空狀態監測矩陣的行間差異度較小，不存在離群點；當配電網故障時，故障節點和非故障節點差異度很大，會有少量節點偏離正常節點形成離群點，通過新算法可視化技術來建立優化目標函數模型，并把這些目標節點（即高維時空狀態監測矩陣的行）之間的相異性信息定量地在二維或者三維空間以坐標的形式呈現出來，通過對高維數據的降維分析方法，在低維空間算出其節點的坐標，并保證其目標節點在低維的相對距離最大限度地接近原來在高維空間之間的相異性或者相似性。故障定位方法如圖3 所示。

圖3 故障定位方法研究

3 配電網故障類型判別方法研究

3.1 故障特征量提取

配電網10 種短路故障的故障特征量雖然不同，但無論配電網是哪一種故障類型，發生故障之后，故障相的電流變大，發生突變的程度和接地電阻、故障位置等有關；故障處電壓會下降到一定程度。配電網故障后，可利用小波分析對故障信號進行故障特征量的提取，并針對單個故障特征電氣量失效而無法準確地對配電網故障類型進行判別，尋找多個故障電氣特征量，確保配電網狀態辨識的準確性，實現對配電網故障類型判別的預分類，如圖4 所示。

圖4 預分類的總體結構圖

3.2 故障類型判別新算法

針對現有配電網在故障定位后未能進行有效地進行故障類型辨識這一問題，提出新型的配電網故障類型判別方法，根據多電氣特征量預分類結果，進一步判斷出故障相，從而減少故障查找時間，提高了檢修效率，進一步減少重要負荷的停電時間。

故障類型判別方法如圖5 所示。

圖5 故障類型判別方法

當配電網某條線路發生故障后，先通過前述方法進行故障檢測及定位，再通過預分類模型對配電網故障進行預分類，此過程可借鑒小波分析方法，對故障電壓和電流進行奇異值分解處理，得到預分類結果，可通過建立10 種故障特征樣本庫，仿真模擬不同區域故障的各種故障類型，對其樣本進行訓練，準確地判斷故障相。同時能對故障區域不同故障進行合理的分類，進而縮短檢修周期，做出網絡重構方案，快速恢復供電。

4 結束語

根據廣域測控系統終端上傳到主站實時數據，以多電氣量為故障特征量，通過數據預處理與數據融合形成多維狀態監測矩陣，對此矩陣進行數據挖掘，實現對配電網故障的檢測及定位。利用多故障電氣特征量判別方法對故障類型進行判別，使智能配電網能快速精準地對故障進行辨識，該方法能對故障區域的不同故障類型進行合理分類，使智能配電網系統能做出最準確最快速的復電方案，充分保證在突發狀況下重要負載的持續可靠供電。