一种并网模式交流微电网短路故障区域定位方法技术

本发明专利技术提出一种并网模式交流微电网短路故障区域定位方法，用于对不同容量下并网模式交流微电网短路故障进行区域定位，所述方法包括近似模型确立方法和故障区域定位方法，通过OLS

【技术实现步骤摘要】
一种并网模式交流微电网短路故障区域定位方法


[0001]本专利技术涉及电网运维
，尤其是一种并网模式交流微电网短路故障区域定位方法。

技术介绍

[0002]随着分布式电源装机容量在电力系统中的比例不断提高，微电网被认为是提高能源综合利用效率的有效手段，如果微电网线路上发生短路故障而未能快速清除，微电网中的分布式电源将引发稳定性问题，因此对微电网短路故障进行准确的区域定位，是微电网保护的一个重要方向。已有学者将小波能量谱算法应用到微电网短路故障的早期检测和定位的研究中，但是在实际的研究中存在以下问题：1、在微电网馈线长度较长时区域定位的精度不足；2、故障区域定位方法存在无法适应容量变化的局限性。
[0003]研究发现，故障电流小波能量谱波形的第一个峰值大小E4
max1
随着故障距离d的增加而减少，对于不同的故障初始相角θ
c
，E4
max1
与d之间存在不同的线性关系。现有研究所采用的故障区域定位方法需要获取特定θ
c
下E4
max1
与d的关系曲线并利用折算系数K
r
进行归一化处理，利用最小二乘法对归一化后的曲线关系进行分段拟合，从而得到不同θ
c
下E4
max1
与d的关系公式。当微电网线路较长时，同一θ
c
下的K
r
值之间的差异较大，经折算后得到的故障距离d已无法满足故障区域定位的精度需要。并且在考虑容量变化的影响时，需要得到不同容量、不同θ
c
下E4
max1
与d的关系曲线，这极大的增加了拟合曲线计算过程的复杂性，因此在实际应用中该方法存在一定的局限性。由于RBF神经网络在处理多维度非线性问题上的表现优异，为此本方案选择采用OLS
‑
RBF神经网络算法对故障距离d和DG容量S
DG
、故障初始相角θ
c
、E4
max1
之间建立解析关系，提出一种适用于不同容量下并网模式交流微电网短路故障区域的定位方法，为并网模式下交流微电网可靠运行和实现选择性保护提供了有效方法。

技术实现思路

[0004]本专利技术提出一种并网模式交流微电网短路故障区域定位方法，适用于不同容量下并网模式交流微电网短路故障区域，能使并网模式下交流微电网可靠运行并实现选择性保护。
[0005]本专利技术采用以下技术方案。
[0006]一种并网模式交流微电网短路故障区域定位方法，用于对不同容量下并网模式交流微电网短路故障进行区域定位，所述方法包括近似模型确立方法和故障区域定位方法，通过OLS
‑
RBF神经网络算法构建短路故障区域定位的快速计算模型，当微电网检测点处测得的电流小波能量谱值大于故障检测阈值,则判定馈线上发生短路故障，将故障电流小波能量谱波形的第一个峰值大小与此时的微电网容量、检测得到的故障初始相角代入根据故障类型所对应的故障区域定位公式中计算得到短路点到检测点的距离，从而确定微电网发生短路故障的区域。
[0007]所述近似模型确立方法中，RBF神经网络算法由输入层、隐藏层和输出层神经元构
成；其中，输入层用来接收训练神经网络的训练集数据；隐含层通过径向基函数将输入层的低维线性不可分问题映射到高维空间，使其线性可分，径向基函数的映射过程以公式一表述为
[0008][0009]φ
i
为第i个隐含层神经元的基函数，c
i
为第i个隐含层神经元的中心点，σ
i
为第i个隐含层神经元的中心点宽度，||x
‑
c
i
||表示样本点与中心点之间的欧氏距离；当故障电流小波能量谱值对应的样本点越靠近中心点c
i
时，隐含层的输出就越大。RBF神经网络是局部逼近的神经网络，在样本空间内的高斯函数仅在有限范围内是非零值；最后一层为输出层，输出层与隐含层之间使用线性权值连接，以公式表述为
[0010][0011]y为预测点的实际值，为RBF神经网络的输出值，ε为实际值与预测值之间的误差，对训练集中的采样点该项值为0，λ
i
为权值；
[0012]所述OLS
‑
RBF神经网络通过正交最小二乘法对径向基函数的中心点进行选取，使用已获得的中心点和设定的中心点宽度确定连接隐含层到输出层的权值；由公式一、公式二可知，
[0013]径向基函数中心点c
i
、径向基函数中心点宽度σ
i
和输出权值λ
i
决定了该神经网络模型的精度。
[0014]所述微电网中，对于不同的故障初始相角θ
c
，故障电流小波能量谱波形的第一个峰值大小E4
max1
随着短路点到检测点的距离d的增加而减少，所述定位方法通过检测点处测得的E4'
max1
，去近似的反映故障距离d，实现对短路故障区域的识别。
[0015]在训练OLS
‑
RBF神经网络算法时，以微电网中分布式电源容量S
DG
、故障初始相角θ
c
、故障电流小波能量谱波形的第一个峰值大小E4
max1
为变量，短路点到检测点的距离大小d为目标函数，在发生单相接地短路时，获取所需数量的E4'
max1
值作为样本点，并从中选取大部分样品点作为训练集，其余的样本点为测试集；将训练得到的径向基函数中心点c
i
、输出权值λ
i
以及设定的中心点宽度代入公式二中得到短路点到检测点的距离d与分布式电源容量S
DG
、故障初始相角θ
c
、故障电流小波能量谱波形的第一个峰值E4
max1
之间的函数关系，如下述公式三所示，即故障区域定位公式
[0016][0017]所述微电网中，在不同分布式电源容量情况下，非故障运行下电流小波能量谱值的最大值均小于故障运行状态下的电流小波能量谱值，电源不同容量时正常运行状态下的电流大小不同；
[0018]所述故障区域定位方法中，将故障判断阈值设置为正常运行时电流小波能量谱值的N倍；当判断馈线发生短路故障后，微电网的保护系统将故障电流小波能量谱波形的第一个峰值大小与此时的微电网容量、检测得到的故障初始相角代入根据故障类型所对应的故
障区域定位公式中，计算得到短路点到检测点的距离，从而实现对不同容量下微电网短路故障的区域定位。
[0019]所述故障区域定位方法中，将故障判断阈值设置为微电网正常运行时电流小波能量谱值的五倍。
[0020]所述故障区域定位方法具体包括以下步骤；
[0021]步骤S1、保护系统在得到电流信号之后，检测和更新电流信号的过零点信息，同时对电流信号进行第四尺度下的小波能量谱变换得到电流的小波能量谱值；
...

【技术保护点】

【技术特征摘要】
1.一种并网模式交流微电网短路故障区域定位方法，用于对不同容量下并网模式交流微电网短路故障进行区域定位，其特征在于：所述方法包括近似模型确立方法和故障区域定位方法，通过OLS
‑
RBF神经网络算法构建短路故障区域定位的快速计算模型，当微电网检测点处测得的电流小波能量谱值大于故障检测阈值,则判定馈线上发生短路故障，将故障电流小波能量谱波形的第一个峰值大小与此时的微电网容量、检测得到的故障初始相角代入根据故障类型所对应的故障区域定位公式中计算得到短路点到检测点的距离，从而确定微电网发生短路故障的区域。2.根据权利要求1所述的一种并网模式交流微电网短路故障区域定位方法，其特征在于：所述近似模型确立方法中，RBF神经网络算法由输入层、隐藏层和输出层神经元构成；其中，输入层用来接收训练神经网络的训练集数据；隐含层通过径向基函数将输入层的低维线性不可分问题映射到高维空间，使其线性可分，径向基函数的映射过程以公式一表述为φ
i
为第i个隐含层神经元的基函数，c
i
为第i个隐含层神经元的中心点，σ
i
为第i个隐含层神经元的中心点宽度，||x
‑
c
i
||表示样本点与中心点之间的欧氏距离；当故障电流小波能量谱值对应的样本点越靠近中心点c
i
时，隐含层的输出就越大。RBF神经网络是局部逼近的神经网络，在样本空间内的高斯函数仅在有限范围内是非零值；最后一层为输出层，输出层与隐含层之间使用线性权值连接，以公式表述为y为预测点的实际值，为RBF神经网络的输出值，ε为实际值与预测值之间的误差，对训练集中的采样点该项值为0，λ
i
为权值；所述OLS
‑
RBF神经网络通过正交最小二乘法对径向基函数的中心点进行选取，使用已获得的中心点和设定的中心点宽度确定连接隐含层到输出层的权值；由公式一、公式二可知，径向基函数中心点c
i
、径向基函数中心点宽度σ
i
和输出权值λ
i
决定了该神经网络模型的精度。3.根据权利要求2所述的一种并网模式交流微电网短路故障区域定位方法，其特征在于：所述微电网中，对于不同的故障初始相角θ
c
，故障电流小波能量谱波形的第一个峰值大小E4
max1
随着短路点到检测点的距离d的增加而减少，所述定位方法通过检测点处测得的E4'
max1
，去近似的反映故障距离d，实现对短路故障区域的识别。4.根据权利要求3所述的一种并网模式交流微电网短路故障区域定位方法，其特征在于：在训练OLS
‑
RBF神经网络算法时，以微电网中分布式电源容量S
DG
、故障初始相角θ
c
、故障电流小波能量谱波形的第一个峰值大小E4
max1
为变量，短路点到检测点的距离大小d为目标函数，在发生单相接地短路时，获取所需数量的E4'
max1
值作为样本点，并从中选取大部分样品点作为训练集，其余的样本点为测试集；将训练得到的径向基函数中心点c
i
、输出权值λ...

【专利技术属性】
技术研发人员：郑昕，甘鸿浩，
申请(专利权)人：福州大学，
类型：发明
国别省市：