基于网络拓扑结构电力系统故障定位方法.docVIP

基于网络拓扑结构电力系统故障定位方法 　　摘 要：针对电力数据多源融合时带来的高维性计算问题，提出了一种基于网络拓扑结构的电力系统故障定位方法。方法尝试事先基于电网的拓扑结构评估电网内部不同节点间的关联性，进而快速确定电力故障的源头。由于主网和配电网的结构不同，本文从主网节点间的最短距离和节点的中心度2个方面评估目标节点对其他节点的影响作用，从而确定主网节点间的强关联性。同时从配电网故障线路上节点间的距离和下游近邻节点的数量来评估上游节点的故障值，从而识别出配电网故障的原因。仿真实验选用IEEE 14节点母线测试案例和IEEE 37节点馈线测试案例，来分析如何定位电力故障。 　　关键词：网络拓扑 电力故障 节点关联性 　　中图分类号：TM407 文献标识码：A 文章编号：1674-098X（2018）01（a）-0025-04 　　当电网某一线路发生电力故障时，故障引起的影响往往会沿着电网的拓扑结构进行传播。虽然客户报修电话记录和智能电表及配电监测等装置实时采集的数据会反馈出故障影响的区域，但受限于电网结构的复杂性导致了现有故障定位方法很难快速、准确地定位到引发故障的线路。针对这一难题，本文开展了基于电网拓扑结构的电力系统故障定位方法研究。 　　从电网的拓扑结构出发，一些研究者借鉴复杂网络模型来研究电力故障在不同电网结构下的传播特点及电网中不同节点的重要性。例如研究者舒征宇等为抑制电力网络中连锁故障的规模，考虑了电力网络的整体状态和故障初始状态[1]。研究者谭玉东等为了预防电网大停电事故，基于电网节点间的电气距离提出了网络节点电气耦合连接度的概念来模拟电力系统的运行模式[2]。研究者张旭等根据电网中节点的度和属性来确定电力故障恢复的最短路径[3]。研究者马志远等融合电力系统分析理论和复杂网络理论模型，提出了一种新的连锁故障事故链搜索策略[4]。研究者Qingqing Huang等采用隐马尔科夫模型来模拟不同时刻的电网状态，从而检测出传输线上的停电故障[5]。研究者S. Jamali等采用状态评估的方法来确定配网中离故障位置最近的节点[6]。在提倡用大数据技术解决问题的趋势下，融合客户报修电话记录、智能电表数据及配电数据来多视角分析电力故障时，数据属性的高维度和复杂性将大大增加数据分析的难度。针对大范围电力故障事件，本研究事前基于电网的拓扑结构，从节点的稳定性变化来发现节点间的关联性，以便在电力故障发生时可以快速过滤掉来自不相关节点的信息，进而降低后续故障定位工作的复杂性。由于主网多采用环状结构，配电网多采用辐射状结构，因此主网和配网采用不同的分析处理策略。 　　1 基于网络结构的故障定位 　　1.1 主网节点稳定性评估 　　在本文提出的基于网络拓扑结构的故障定位方法中，利用节点间的强关联性来快速定位故障节点的基础是评估线路节点的稳定性。若目标节点距离发电厂越远，且中间间隔的节点越多，则目标节点受其上游节点的影响越大。由于电力系统多采用环状结构，因此若节点的中心度越大，则发生电力事故时该节点恢复供电越容易。基于这两方面，目标节点n的稳定性评估公式如下： 　　式中，l（s，n）为目标节点n到源节点s的最短路径上的边数，dg（n）为电网中节点n的中心度，N为电网中节点总数。 　　1.2 最短路径选择 　　本文的最短路?窖≡袼惴ú捎猛?络路由选择和交通控制中普遍采用的Dijkstra算法[7-8]，该算法考虑了网络的拓扑结构和各链路的长度（链路时延或费用），目的是寻求两个网络节点间的最短路径（最小时延或最小费用）。算法的基本思想为，从源节点出发，每次确定一个与源节点最近的节点，并将源节点与当前最近节点间的路径作为新的最短路径；基于最短路径找到下一个距离源节点最近的节点，并添加新的最短路径；直到找到源节点到所有节点的最短路径。若单源网络G=（V，E），V指示网络中所有节点，E指示连接两个节点间的边，源节点为s，U指示已找到最短路径的节点集合，U’指示V中待确定最短路径的剩余节点，则算法的执行过程如下： 　　（1）初始化阶段，令U={s}，则U’中节点n到U中节点的最短距离为： 　　（2）式中，Ws，n为节点s和n间的连接权重； 　　（2）在U’中确定距离最短的节点m。从U’中删除节点m，令U={s，m}，更新U’中每个节点p到U中节点的最短距离，即 　　（3）重复步骤（2），直到U’为空时结束。 　　1.3 配电网数据处理 　　方法需根据配电自动化中的异常数据来判断故障是发生在配电网内部还是主网输电线路上。按树形结构观察配电网时，借鉴从配电网的连通性来评估其脆弱性的策略[9]，提出的上游节点i发生故障的评估公式如下： 　　式中，ed（i）表示节点i受与其孩子节点故障影响值，loc（i）表示节点i受其