[发明专利]一种适应拓扑变化与信息错误的配电网故障快速定位方法

说明书

本发明涉及一种适应拓扑变化与信息错误的配电网故障快速定位方法，包括以下步骤：10)建立设备元件‑开关静态关联矩阵；20)采集开关的位置状态信息，形成开关状态矩阵；30)建立设备元件‑开关动态关联矩阵；40)采集当地开关的过流信息，形成开关过流信息矩阵；50)计算故障设备元件定位矩阵，形成故障定位结果输出矩阵；52)建立过流信息校验矩阵Q_1×m；53)计算过流信息校验矩阵Q，并形成过流信息校验结果输出矩阵T；54)判断矩阵B是否存在错误信息，输出故障定位结果。本发明所述的一种适应拓扑变化与信息错误的配电网故障快速定位方法，提出了基于设备元件‑开关的关联矩阵和开关的过流信息矩阵实现配电网故障快速定位方法。

技术领域

本发明涉及快速、准确地实现配电网故障定位方法领域，尤其是一种适应拓扑变化与信息错误的配电网故障快速定位方法。

背景技术

配电网作为电力系统的末端环节，直接连接着广大用电客户，是保障供电安全可靠性以及提升电网企业电力服务质量的关键环节。当配电网发生故障时，对故障区域实现准确定位，对于后续实现故障区域快速隔离以及健全区域及时恢复供电等工作有着重要的工程意义，能够有效缩短电力中断时间，显著提升配电网的供电可靠性，保证电力的连续供给。

近年来，随着清洁可再生能源的快速发展，大量分布式电源积极接入配电网，配电网逐渐由传统辐射状网、无源的供电模式向环状网、有源的供电模式演变，呈现潮流不定、运行方式多变、拓扑结构多变的新特征，再加上其周边环境日益复杂，配电网发生故障或者多重故障的概率随之上升，增加了故障信息的不确定性，如何利用故障信息快速、准确地实现配电网故障定位以进一步实现故障区域快速隔离以及健全区域及时恢复供电，已成为提升配电网供电可靠性的研究热点。

目前，针对配电网的故障定位方法研究涌现了大量的成果，大致分为两类：一是利用机器学习、神经网络、Petri网、贝叶斯网络等人工智能算法对配电网的故障信息进行分析和挖掘，利用最小故障集或者状态趋近思想来进一步实现故障区域的定位，能够在信息错误等情况实现故障准确定位，具备不错的容错性；二是利用改进矩阵运算以及优化算法，结合线性整数规划、判断辅助因子等数学模型，把故障定位问题转换为求解全局最优解问题，即先是在信息错误或缺失的情况下获取可疑故障设备元件集合，再通过遍历可疑故障设备元件集合利用求解最优解的方法寻找故障设备元件，具备建模过程简单、求解思路清晰等优势。

目前配电网故障定位方法主要存在以下缺陷：

1、基于各种智能算法的配电网故障定位方法在一定程度上可以在信息错误、缺失等情况下实现故障的可靠定位，具备良好的容错性，但是目前该类研究方法均局限于定性的理论分析思路层次，其故障定位的准确性过度依赖于学习迭代次数以及数据样本的充分性。一般情况下，对于网络拓扑规模较大的配电网，其智能算法的求解迭代次数或学习次数和样本要求较高；

2、对于基于改进矩阵运算以及优化算法的故障定位方法，其数学模型只是针对固定的网络拓扑，当网络拓扑发生变化，需要重新修改其数学模型，其通用性不强，而且优化算法的求解过程较复杂，对于网络拓扑复杂的配电网，其求解的可疑故障设备元件集合可能包含多个元素，需要对可疑故障设备元件的不同组合进行反复计算和验证，计算量较大。

发明内容

本发明为了克服上述中存在的问题，提供了一种适应拓扑变化与信息错误的配电网故障快速定位方法，提出了基于设备元件-开关的关联矩阵和开关的过流信息矩阵实现配电网故障快速定位方法；进一步提出了利用设备元件-开关的关联矩阵和故障定位结果矩阵实现错误的过流信息辨识和修正方法。

本发明解决其技术问题所采用的技术方案是：一种适应拓扑变化与信息错误的配电网故障快速定位方法，包括以下步骤：10)根据配电网的静态物理网络结构，建立设备元件-开关静态关联矩阵G_n×m，用于描述设备元件与开关的静态物理连接情况，其中n为设备元件的个数，m为开关的个数：