一種基于gis平臺(tái)的輔助故障定位及供電恢復(fù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及配電網(wǎng)故障定位領(lǐng)域，特別涉及一種基于GIS平臺(tái)的輔助故障定位系 統(tǒng)及供電恢復(fù)方法。
【背景技術(shù)】
[0002] 目前，配電網(wǎng)故障信息一方面來自于戶外的FTU通信裝置，其工作環(huán)境惡劣、溫差 變化范圍大，要承受高電壓、電流、雷電等干擾因素，且FTU本身會(huì)存在誤判等因素，配電網(wǎng) 反饋的故障信息受干擾或丟失的可能性必然存在。另外一方面來自用戶投訴，使得故障信 息具有不確定性、不精確性，并產(chǎn)生冗余信息。即便是判斷出故障區(qū)域，由于不能直接得到 地理位置，搶修人員也不一定能馬上知道具體的地點(diǎn)，經(jīng)常會(huì)因?yàn)檎夜收宵c(diǎn)而延誤了搶修 工作。針對(duì)上述問題，提出"基于粗糙集理論、貝葉斯、蟻群算法和多判據(jù)融合的配電網(wǎng)全 景可視化故障定位及供電恢復(fù)系統(tǒng)"，其技術(shù)思路：首先進(jìn)行故障定位。在可測(cè)控區(qū)域，利用 GIS的幾何網(wǎng)絡(luò)和接口函數(shù)，快捷地找出故障回路，通過Bayes公式計(jì)算故障回路中各區(qū)段 的顯著度實(shí)現(xiàn)故障定位；在非測(cè)控區(qū)域，使用粗糙集理論算法利用配電網(wǎng)GIS網(wǎng)絡(luò)拓?fù)浞?析自動(dòng)形成故障定位決策表，通過屬性約簡(jiǎn)和屬性值約簡(jiǎn)獲得決策規(guī)則，根據(jù)真實(shí)反饋的 故障信息實(shí)現(xiàn)故障定位。對(duì)于單相接地故障，研究基于小波包多頻帶相關(guān)分析法、基波比幅 比相法、5次諧波比幅比相法和有功法的多判據(jù)融合選線方法，對(duì)多種故障信息進(jìn)行綜合處 理，降低干擾的影響，提高故障檢測(cè)的精度和魯棒性，并用隸屬函數(shù)表示各故障選線方法輸 出的模糊性，應(yīng)用加權(quán)求和進(jìn)行運(yùn)算，實(shí)現(xiàn)多種故障選線方法的信息融合。還采用基于卷積 型小波包能量矩的特征提取方法，對(duì)暫態(tài)電流信號(hào)進(jìn)行特征向量的提取，并以構(gòu)造的特征 向量作為基于免疫粒子群優(yōu)化算法的三層小波神經(jīng)網(wǎng)絡(luò)的輸入，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)實(shí) 現(xiàn)單相接地故障的定位?；谙伻鹤顑?yōu)算法的自動(dòng)糾錯(cuò)和準(zhǔn)確故障定位平臺(tái)，配調(diào)人員可 以在DMS系統(tǒng)中可以準(zhǔn)確獲知配網(wǎng)故障點(diǎn)的實(shí)際位置。其次，快速恢復(fù)供電。根據(jù)定位的故 障位置，通過分級(jí)供電樹的啟發(fā)式搜索方法，結(jié)合模糊評(píng)判方法，得到最優(yōu)恢復(fù)供電方案。
[0003] 目前，在實(shí)際運(yùn)行中的配網(wǎng)故障定位方法，一般僅依靠某種單一來源方法作為判 斷依據(jù)，部分基礎(chǔ)自動(dòng)化設(shè)施較完備地區(qū)配電網(wǎng)，也未建立針對(duì)兩種及以上來源的故障信 息進(jìn)行綜合分析判斷的有效體系。

【發(fā)明內(nèi)容】

[0004] 鑒于此，本發(fā)明的目的是提供一種輔助故障定位系統(tǒng)及供電恢復(fù)方法。
[0005] 本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的。
[0006] -種基于GIS平臺(tái)的輔助故障定位系統(tǒng)及供電恢復(fù)方法，包括以下步驟：
[0007] SL區(qū)分可測(cè)控性區(qū)域；
[0008] 針對(duì)配電網(wǎng)絡(luò)故障進(jìn)行定位所利用的故障信息來源主要有兩大類：一類是利用自 動(dòng)化信息，即通過SCADA系統(tǒng)得到的各種實(shí)時(shí)信息；另一類主要是利用停電后用戶打來的 故障投訴電話信息；一般將使用自動(dòng)化信息來故障定位稱為測(cè)控區(qū)故障定位，而使用投訴 信息來定位稱為非測(cè)控區(qū)故障定位；
[0009] S2.選擇粗糙集方法或Bayes公式方法或基于GIS的分級(jí)供電樹方法的配電網(wǎng)故 障定位方法進(jìn)行故障定位；
[0010] 粗糙集方法：在非測(cè)控區(qū)內(nèi)，沒有安裝柱上FTU而不可能獲得實(shí)時(shí)故障信息，可以 依據(jù)接受到的不同區(qū)域的大量用戶投訴信息來確定故障發(fā)生的地點(diǎn)；由于用戶主觀原因和 知識(shí)水平等因素的影響，這些投訴信息中有一部分并不是一定代表著某些事情發(fā)生，其中 很可能包含著一些不確定因素甚至錯(cuò)誤要素，因此所獲得的投訴信息是一個(gè)粗糙集合。
[0011] 供電區(qū)域集合F= {T1區(qū)，T2區(qū)，…，TlO區(qū)}，開關(guān)集合S= {51，52，*"，511}，變 壓器集合T = {T1，T2, ···，!！0};其中，設(shè)備故障元件包括開關(guān)和變壓器；
[0012] 進(jìn)一步得到：Tl區(qū)-S6-S1-電源點(diǎn)；T2區(qū)-S7-S6-S1-電源點(diǎn)；……；T10 區(qū)-S4-S3-S2-S1-電源點(diǎn)；
[0013] 進(jìn)一步分析可知，每一供電區(qū)域都有開關(guān)S1，所以在決策表中，Sl對(duì)應(yīng)的供電區(qū) 域的值均為1。
[0014] 進(jìn)一步可得到原始決策表；
[0015] 進(jìn)一步，進(jìn)行簡(jiǎn)化，過程如下：
[0016] V= {1, 2, , , 19}
[0017] V/T1 = {{1, 2, 3}, {4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19}}
[0018] V/T2 = {{1, 2, 4}, {3, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19}}
[0019] V/T3 = {{1, 5, 6, 7}, {2, 3, 4, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19}}
[0020] V/T19 = {{1, 5, 13, 18}, {2, 3, 4, 6, 7, 8, 9, 10, 11, 12,, 14, 15, 16, 17,, 19}}
[0021 ] V/ (Τ2, Τ3, Τ4, Τ5, Τ6, Τ7, Τ8, T9, Τ10) = {{1}, {2, 4}, {3, 19}, {5}, {6}, {7}, {8}, { 9}，{10}，{11}，{12}，{13}，{14}，{15}，{16}，{17}，{18·} =DSl
[0022] V/(T1,T2,T3,T4,T5,T6,T7,T8,T9) = {{1}, {2}, {3}, {4}, {5}, {6}, {7}, {8}, {9} ,{10}, {11}, {12}, {13}, {14}, {15}, {16}, {17}, {18, 19} = DSlO
[0023] V/(TI,T2,T3,T4,T5,T6,T7,T8,T9,T10) = {{1}, {2}, {3}, {4}, {5}, {6}, {7}, {8} ，{9}， {10}， {11}， {12}， {13}， {14}， {15}， {16}， {17}， {18}， {19}} = DSP
[0024] 進(jìn)一步，可通過約簡(jiǎn)得到最小約減表，從而實(shí)現(xiàn)對(duì)配電網(wǎng)的故障診斷；
[0025] Bayes公式方法：針對(duì)配電網(wǎng)自動(dòng)化水平較高的區(qū)域，由FTU和SCADA系統(tǒng)傳回的 故障信息，基于貝葉斯公式配網(wǎng)故障定位算法首先，在GIS幾何網(wǎng)絡(luò)的基礎(chǔ)上，根據(jù)故障信 息進(jìn)行網(wǎng)絡(luò)拓?fù)浞治?，并確定出一條完整的故障回路，縮小計(jì)算范圍。然后，計(jì)算出故障回 路中各測(cè)控開關(guān)的顯著度，從而定位到故障區(qū)域；
[0026] 根據(jù)Bayes公式，在SCADA系統(tǒng)獲取到故障信號(hào)列表F的情況下，判斷開關(guān)Si或 支路Li發(fā)生故障的顯著度公式為：
[0027]
[0028] 其中，η為開關(guān)數(shù)量；p為從遠(yuǎn)程終端設(shè)備檢測(cè)到每一個(gè)開關(guān)信息上傳過程中因受 到干擾等因素出錯(cuò)的均等概率；￥為FTU監(jiān)測(cè)到的非故障信號(hào)；匕為FTU監(jiān)測(cè)到的故障信 號(hào)；
[0029] 基于GIS的分級(jí)供電樹：利用深度優(yōu)先搜索法給樹干先進(jìn)行分層，按離根節(jié)點(diǎn)的 遠(yuǎn)近再將搜索到的每個(gè)開關(guān)進(jìn)行排序和生成層號(hào)，把每層所帶的負(fù)荷同時(shí)顯示出來，另外 還需要把和本層樹枝有連接的負(fù)荷也需要計(jì)算在內(nèi)，樹枝所處在的層數(shù)同時(shí)也是各個(gè)聯(lián)絡(luò) 開關(guān)所處在的層數(shù)；
[0030] 對(duì)分層供電樹進(jìn)行分析。從電源點(diǎn)Fl開始計(jì)算到聯(lián)絡(luò)開關(guān)SlO為止的供電半徑 是最長(zhǎng)的，所以可以把Fl到SlO這一饋線段作為樹干，而其余的饋線段，例如S15到S18、 S22到S25之間的支路則設(shè)定為樹枝；
[0031] 進(jìn)一步，區(qū)分故障發(fā)生在供電樹的樹干或樹枝上的不同情況，可得到復(fù)電算法流 程。
[0032] S3.利用FTU設(shè)備或計(jì)算設(shè)備，避免人為或配電網(wǎng)信息的干擾，準(zhǔn)確故障定位；FTU 采集饋線側(cè)的模擬量和狀態(tài)量，包括電壓、電流等模擬量以及開關(guān)、刀閘等位置信息。
[0033] 進(jìn)一步，利用啟發(fā)式搜索算法分別對(duì)配電網(wǎng)進(jìn)行自饋線恢復(fù)、支持饋線整區(qū)恢復(fù)、 分區(qū)恢復(fù)、負(fù)荷轉(zhuǎn)移和負(fù)荷切除等不同的供電恢復(fù)情況的分析，提供配電網(wǎng)故障后供電恢 復(fù)方案集的選取；
[0034] 進(jìn)一步，使用模糊評(píng)判方法，對(duì)選取的方案集進(jìn)行評(píng)價(jià)分析，選取最佳的恢復(fù)供 電方案。
[0035] 本發(fā)明在可測(cè)控性區(qū)域，利用GIS的幾何網(wǎng)絡(luò)和接口函數(shù)，快捷地找出故障回路， 通過Bayes公式方法計(jì)算故障回路中各區(qū)段的顯著度實(shí)現(xiàn)故障定位；在非測(cè)控區(qū)域，使用 粗糙集理論算法利用配電網(wǎng)GIS網(wǎng)絡(luò)拓?fù)浞治鲎詣?dòng)形成故障定位決策表，通過屬性約簡(jiǎn)和 屬性值約簡(jiǎn)獲得決策規(guī)則，根據(jù)真實(shí)反饋的故障信息實(shí)現(xiàn)故障定位；對(duì)于單相接地故障，基 于小波包多頻帶相關(guān)分析法、基波比幅比相法、5次諧波比幅比相法和有功法的多判據(jù)融合 選線方法，對(duì)各故障信息進(jìn)行綜合處理，降低干擾的影響，提高故障檢測(cè)的精度和魯棒性， 并用隸屬函數(shù)表示各故障選線方法輸出的模糊性，應(yīng)用加權(quán)求和進(jìn)行運(yùn)算，實(shí)現(xiàn)各故障選 線方法的信息融合；還采用基于卷積型小波包能量矩的特征提取方法，對(duì)暫態(tài)電流信號(hào)進(jìn) 行特征向量的提取，并以構(gòu)造的特征向量作為基于免疫粒子群優(yōu)化算法的三層小波神經(jīng)網(wǎng) 絡(luò)的輸入，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)單相接地故障的定位；基于蟻群最優(yōu)算法的自動(dòng)糾 錯(cuò)和準(zhǔn)確故障定位平臺(tái)，配調(diào)人員能夠在DMS系統(tǒng)中準(zhǔn)確獲知配網(wǎng)故障點(diǎn)的實(shí)際位置；其 次，快速恢復(fù)供電，根據(jù)定位的故障位置，通過分級(jí)供電樹的啟發(fā)式搜索方法，結(jié)合模糊評(píng) 判方法，得到最優(yōu)恢復(fù)供電方案。
[0036] 由于采用了上述技術(shù)方案，本發(fā)明具有如下的優(yōu)點(diǎn)：
[0037] 在采用區(qū)分區(qū)許可測(cè)控性的前提下，綜合采用各類配電網(wǎng)故障定位方法，可以更 為準(zhǔn)確的實(shí)現(xiàn)配電網(wǎng)故障定位，進(jìn)一步提出最佳復(fù)電方案。
【附圖說明】
[0038] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn) 一步的詳細(xì)描述，其中：
[0039] 圖1為配電網(wǎng)示意圖；
[0040] 圖2為最小約減表；
[0041] 圖3為分層供電樹；
[0042] 圖4為恢復(fù)供電流程。
【具體實(shí)施方式】
[0043] 以下將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述；應(yīng)當(dāng)理解，優(yōu)選實(shí)施例 僅為了說明本發(fā)明，而不是為了限制本發(fā)明的保護(hù)范圍。
[0044] 見圖1，圖2,圖3,圖4,基于