配電網(wǎng)故障診斷與定位技術(shù)

龍劍銳

（國網(wǎng)重慶市電力公司市北供電分公司，重慶 401100）

0 引 言

配電網(wǎng)作為電力系統(tǒng)的重要組成部分，在保障用戶正常電力供應(yīng)方面發(fā)揮著至關(guān)重要的作用。但是，受設(shè)備老化、外部干擾、操作失誤等多種因素的影響，配電網(wǎng)在運行過程中不可避免地會發(fā)生各種故障，給配電網(wǎng)運行穩(wěn)定性和可靠性帶來了嚴(yán)峻挑戰(zhàn)。如何對配電網(wǎng)故障進行快速、準(zhǔn)確地診斷與定位，成為了電力領(lǐng)域的重要攻關(guān)方向。隨著傳感器技術(shù)、數(shù)據(jù)存儲與處理技術(shù)、算法與模型等方面的技術(shù)突破，已經(jīng)為配電網(wǎng)故障診斷與定位提供了新的思路和方法。但是，該領(lǐng)域的研究還存在一些挑戰(zhàn)和問題，如數(shù)據(jù)傳輸與存儲的效率、算法的準(zhǔn)確性和實時性等，需要進一步的研究和探索，為電力系統(tǒng)的穩(wěn)定性和可靠性提供有力支持。因此，文章提出一套綜合的配電網(wǎng)故障診斷系統(tǒng)架構(gòu)和基于模型的配電網(wǎng)故障定位方法，建立配電網(wǎng)的數(shù)學(xué)模型，結(jié)合實時測量數(shù)據(jù)，采用算法和優(yōu)化技術(shù)計算故障位置。

1 配電網(wǎng)故障定位技術(shù)原理和方法

配電系統(tǒng)中發(fā)生故障時需要準(zhǔn)確和快速地確定故障位置。故障定位的原理基于信號傳輸和測量，當(dāng)配電網(wǎng)發(fā)生故障時，電網(wǎng)中的電流、電壓等參數(shù)會發(fā)生相應(yīng)的改變，對這些參數(shù)進行測量與分析，可以確定故障發(fā)生的位置[1]。

阻抗法是基于電網(wǎng)中的阻抗測量進行故障定位的方法，測量故障點附近的電網(wǎng)阻抗值來推斷故障位置，采用電壓和電流等測量數(shù)據(jù)計算阻抗，并結(jié)合配電網(wǎng)拓?fù)湫畔ⅲ米杩棺兓奶卣鱽泶_定故障位置。該故障定位方法簡單易行，不需要復(fù)雜的算法或測量設(shè)備，對接地故障和短路故障有較好的適應(yīng)性，但對高阻抗故障和部分接地故障的定位方面達(dá)不到理想的效果，定位精度還會受到故障位置和故障阻抗的影響。

波動法是利用電網(wǎng)故障時電壓和電流波動特征進行定位的方法，故障時電壓和電流波形會發(fā)生明顯變化，分析波形可以確定故障點的位置，需要結(jié)合數(shù)字信號處理技術(shù)和故障模式識別算法來提取波動信號的特征，并將其與預(yù)先建立的故障數(shù)據(jù)庫進行比對，從而實現(xiàn)故障定位。該定位方法具有較高的定位精度，對于不同類型的故障都有較好的適應(yīng)性，可以結(jié)合故障特征進行多參數(shù)分析，提高定位準(zhǔn)確度，但需要準(zhǔn)確的電網(wǎng)拓?fù)浜妥杩箙?shù)信息，復(fù)雜電網(wǎng)結(jié)構(gòu)和大規(guī)模電網(wǎng)的應(yīng)用還存在許多問題。

基于模型的方法使用配電網(wǎng)的模型進行故障定位，需要通過建立配電網(wǎng)的數(shù)學(xué)模型，結(jié)合實時測量數(shù)據(jù)，采用算法和優(yōu)化技術(shù)計算故障位置。該方法可以利用電網(wǎng)模型進行較精確的故障定位，對復(fù)雜電網(wǎng)結(jié)構(gòu)和大規(guī)模電網(wǎng)有較好的適應(yīng)性，但需要準(zhǔn)確的電網(wǎng)參數(shù)和拓?fù)湫畔ⅲ嬎銖?fù)雜度較高且需要較強的計算資源支持[2]。

傳感器網(wǎng)絡(luò)方法利用分布在配電網(wǎng)中的傳感器節(jié)點收集電流和電壓等測量數(shù)據(jù)，并通過網(wǎng)絡(luò)通信傳輸?shù)郊械奶幚韱卧M行故障定位。該方法實時性較高，并能夠覆蓋廣泛的故障區(qū)域。但需要大量的傳感器節(jié)點和網(wǎng)絡(luò)通信設(shè)備，系統(tǒng)部署和維護成本較高。

2 配電網(wǎng)故障診斷與定位技術(shù)研究方法

2.1 配電網(wǎng)故障診斷系統(tǒng)架構(gòu)設(shè)計

配電網(wǎng)故障診斷系統(tǒng)架構(gòu)設(shè)計是確保配電網(wǎng)故障診斷與定位技術(shù)的基礎(chǔ)，一個合理的系統(tǒng)架構(gòu)可以提高研究的可行性和效率。數(shù)據(jù)采集層是系統(tǒng)架構(gòu)的底層，負(fù)責(zé)收集配電網(wǎng)中的電氣參數(shù)數(shù)據(jù)。該層中，選擇ACS712 電流傳感器，測量精度為0.5%～1%，測量范圍有5 A、20 A、100 A 等；采用ZMPT101B電壓傳感器，測量精度為1%，電壓范圍有0 ～250 V、0 ～500 V 等；信號采取模擬輸出方式，選用PZEM-004T 功率傳感器，測量精度為1%，測量范圍有0 ～1 000 W、0 ～5 000 W 等；信號輸出可采取RS-485 等通信協(xié)議；采用DS18B20 溫度傳感器用于監(jiān)測電力設(shè)備溫度，測量精度為0.5 ～0.1 ℃，溫度區(qū)間為-40 ～+125 ℃；采用OneWire 協(xié)議進行數(shù)據(jù)傳輸。傳感器分布于關(guān)鍵節(jié)點或關(guān)鍵電力設(shè)備，并覆蓋整個配電網(wǎng)，用來獲取電網(wǎng)的實時狀態(tài)信息。

2.2 數(shù)據(jù)傳輸與存儲

數(shù)據(jù)傳輸與存儲層負(fù)責(zé)將采集的數(shù)據(jù)傳輸?shù)街醒胩幚韱卧⑦M行存儲。在數(shù)據(jù)傳輸方面，采用低功耗、長距離的遠(yuǎn)距離無線電（Long Range radio，LoRa）通信技術(shù)，可以實現(xiàn)數(shù)千米的傳輸距離，適用于大范圍的配電網(wǎng)覆蓋，支持大量的終端設(shè)備連接，滿足配電網(wǎng)中多個節(jié)點數(shù)據(jù)的傳輸需求，還具有良好的抗干擾能力，適用于配電網(wǎng)中可能存在的復(fù)雜環(huán)境。配電網(wǎng)中的傳感器根據(jù)預(yù)定的采樣頻率采集電流和電壓等電網(wǎng)運行數(shù)據(jù)，利用編碼和壓縮技術(shù)處理采集的數(shù)據(jù)，以減少數(shù)據(jù)的傳輸量和傳輸時間，LoRa 無線通信技術(shù)的長距離傳輸能力，可以確保數(shù)據(jù)可以從分布式傳感器節(jié)點傳輸?shù)街醒胩幚韱卧猍3]。中央處理單元接收LoRa 傳輸?shù)臄?shù)據(jù)后，進行解碼和解壓，恢復(fù)原始的電網(wǎng)參數(shù)數(shù)據(jù)，解碼后的數(shù)據(jù)存儲在數(shù)據(jù)庫中，以便后續(xù)的故障診斷與定位算法分析和處理。

2.3 數(shù)據(jù)存儲與管理

文章選擇InfluxDB 作為數(shù)據(jù)庫管理系統(tǒng)。該數(shù)據(jù)庫作為一種開源的時序數(shù)據(jù)庫，可專用于高效存儲和查詢時間序列數(shù)據(jù)，具備快速的寫入和讀取性能，支持高并發(fā)和大規(guī)模數(shù)據(jù)存儲需求，滿足配電網(wǎng)實時監(jiān)測數(shù)據(jù)的存儲和管理。為確保數(shù)據(jù)的安全性和可恢復(fù)性，采用云存儲進行數(shù)據(jù)備份，以華為云作為存儲服務(wù)提供商，具備較高可用性和持久性，可自動處理數(shù)據(jù)備份和恢復(fù)操作。定期將InfluxDB 中的數(shù)據(jù)備份到云存儲，以保障數(shù)據(jù)的安全性和可靠性。為了保護數(shù)據(jù)的機密性和完整性，在數(shù)據(jù)傳輸和存儲過程中采用高級加密標(biāo)準(zhǔn)（Advanced Encryption Standard，AES）技術(shù)。AES 作為廣泛使用的對稱加密算法，可有效提升數(shù)據(jù)的安全性和加密效率，而在數(shù)據(jù)傳輸過程中則使用傳輸層安全性協(xié)議/安全套接字協(xié)議（Transport Layer Security/Secure Sockets Layer，TLS/SSL）加密數(shù)據(jù)，防止數(shù)據(jù)被篡改或竊取。同時，在數(shù)據(jù)庫中實施采用控制策略，限制對數(shù)據(jù)的訪問權(quán)限，確保只有授權(quán)人員可以進行數(shù)據(jù)的讀取和修改。設(shè)計靈活的數(shù)據(jù)管理和查詢接口，以方便操作人員管理和查詢數(shù)據(jù)，可通過指定時間范圍、設(shè)備標(biāo)識或故障類型等條件，實時查詢配電網(wǎng)的電流、電壓、功率等參數(shù)，根據(jù)需要查詢歷史數(shù)據(jù)，按時間進行排序，并支持靈活的篩選和分析功能，展示配電網(wǎng)參數(shù)隨時間的變化趨勢，幫助操作人員了解系統(tǒng)的運行狀態(tài)和故障情況，并匯總和展示配電網(wǎng)的關(guān)鍵數(shù)據(jù)與故障信息。

2.4 算法與模型層

采用支持向量機（Support Vector Machine，SVM）算法診斷配電網(wǎng)故障。SVM 作為一種監(jiān)督學(xué)習(xí)算法，通過將樣本映射到高維空間，構(gòu)建最優(yōu)超平面來進行分類。訓(xùn)練了SVM 模型，使用傳感器采集的數(shù)據(jù)作為輸入特征，將不同類型的故障進行分類和識別。為實現(xiàn)配電網(wǎng)故障的定位，需采用神經(jīng)網(wǎng)絡(luò)模型，該模型能夠從大量數(shù)據(jù)中學(xué)習(xí)到故障與位置之間的復(fù)雜關(guān)系。訓(xùn)練多層感知器（Multi-Layer Perceptron，MLP）神經(jīng)網(wǎng)絡(luò)模型，使用傳感器數(shù)據(jù)和故障類型作為輸入，預(yù)測故障發(fā)生的位置。在使用算法和模型進行訓(xùn)練之前，預(yù)處理采集的數(shù)據(jù)。包括數(shù)據(jù)清洗、去噪和特征提取等步驟，以提高數(shù)據(jù)質(zhì)量和算法的準(zhǔn)確性[4]。使用標(biāo)注的故障數(shù)據(jù)進行模型的訓(xùn)練和優(yōu)化，通過迭代訓(xùn)練和交叉驗證等技術(shù)，調(diào)整算法參數(shù)和模型結(jié)構(gòu)，以提高故障診斷和定位的準(zhǔn)確率與健壯性，能夠有效地對配電網(wǎng)故障進行診斷和定位。

3 試驗與結(jié)果

選擇配電網(wǎng)場景作為實驗對象，包括多個關(guān)鍵節(jié)點和設(shè)備，涵蓋了常見的配電網(wǎng)拓?fù)浣Y(jié)構(gòu)和電氣設(shè)備類型，模擬實際配電網(wǎng)中的故障情況和參數(shù)變化，能夠充分測試和評估所研究的技術(shù)。搭建實驗平臺，并選擇了合適的設(shè)備和工具。記錄了配電網(wǎng)的工作狀態(tài)、故障情況以及其他關(guān)鍵參數(shù)，標(biāo)注故障發(fā)生時的位置和類型，以便進行故障診斷和定位算法的評估。進行實驗設(shè)置和數(shù)據(jù)收集，能夠獲得具有代表性與可靠性的配電網(wǎng)數(shù)據(jù)，為后續(xù)的故障診斷與定位技術(shù)研究提供實驗基礎(chǔ)和數(shù)據(jù)支持。

為了全面評估故障診斷技術(shù)的性能，設(shè)計了如下2 個實驗。

實驗1：故障分類實驗。該實驗驗證了所提出的故障分類算法在準(zhǔn)確分類不同類型故障方面的性能，模擬短路、過載、接地和欠電壓故障，并采集傳感器數(shù)據(jù)，應(yīng)用故障診斷算法分類故障，記錄每個故障類型的實際分類和診斷結(jié)果。

實驗2：故障定位實驗。該實驗評估所提出的故障定位模型在精確定位故障位置方面的能力，模擬具體故障場景，包括不同節(jié)點的故障發(fā)生，記錄故障發(fā)生的位置，并采集傳感器數(shù)據(jù)。利用故障定位模型定位故障位置，記錄實際故障發(fā)生位置和定位結(jié)果。

實驗1 和實驗2 的結(jié)果統(tǒng)計如表1 和表2 所示。

表1 實驗1 故障類型分類實驗結(jié)果統(tǒng)計表

表2 實驗2 故障定位實驗結(jié)果統(tǒng)計表

基于表1 和表2 實驗結(jié)果的數(shù)據(jù)統(tǒng)計與分析，可以得出以下結(jié)論：實驗1 中的故障類型分類實驗結(jié)果表明，算法能夠準(zhǔn)確分類不同類型的故障，從而提供了故障診斷的基礎(chǔ)信息；實驗2 中的故障定位實驗結(jié)果表明，故障定位模型能夠準(zhǔn)確定位故障發(fā)生的位置，包括欠電壓故障，為后續(xù)的維修和處理提供了準(zhǔn)確的參考與重要的指導(dǎo)。

4 討論與改進

為確保實驗結(jié)果的可靠性和可重復(fù)性，采取以下措施來保證實驗的準(zhǔn)確性和一致性。實驗設(shè)備和環(huán)境控制，通過校準(zhǔn)和驗證采用的傳感器與測量設(shè)備，確保其準(zhǔn)確度和可靠性，確保實驗室環(huán)境穩(wěn)定，避免干擾因素對實驗數(shù)據(jù)的影響。在實驗過程中，嚴(yán)格按照預(yù)定的采集頻率和時間段進行數(shù)據(jù)采集，以確保數(shù)據(jù)的完整性和一致性。采集到的數(shù)據(jù)經(jīng)過處理和清洗，排除異常值和噪聲，確保數(shù)據(jù)的準(zhǔn)確性和可靠性[5]。為了驗證實驗結(jié)果的可重復(fù)性，進行了多次實驗，并統(tǒng)計分析實驗數(shù)據(jù)。改進后的實驗數(shù)據(jù)如表3 所示。

表3 改進后實驗數(shù)據(jù)統(tǒng)計表

由表3 可以看出，在不同故障類型下，所提出的故障定位方法都表現(xiàn)出了較高的定位準(zhǔn)確率。經(jīng)計算，所提出故障定位方法的平均定位準(zhǔn)確率為94.8%，表明實驗結(jié)果的穩(wěn)定性較高。同時，故障識別率達(dá)到了97.6%，說明所提出的故障診斷算法具有較好的性能。

5 結(jié) 論

實驗結(jié)果進一步驗證了所提出系統(tǒng)架構(gòu)和方法的有效性與可靠性。通過多次實驗和數(shù)據(jù)統(tǒng)計，對實驗結(jié)果的可重復(fù)性進行了充分的驗證，表明了故障診斷定位系統(tǒng)性能具有較高的可靠性，為進一步改進和優(yōu)化系統(tǒng)提供了有力的依據(jù)。