一种有源配电网故障判别方法、设备及存储介质与流程

1.本发明涉及电力技术领域，具体为一种有源配电网故障判别方法、设备及存储介质


背景技术：

2.分布式电源(distributed generators,dgs)经过电压源型变流器(voltage source converters,vscs,以下简称变流器)大量接入配电网，导致配电网由无源网络向有源网络转变，局部呈现高比例分布式电源接入状态。配电网中单相短路故障频发，快速、有效的故障诊断方法对保证有源配电网的安全稳定运行至关重要。然而，有源配电网拓扑结构多变、dg采用的穿越控制多样、暂态电流特性复杂。这些特性导致传统故障诊断方法难以对新型配电网的故障态进行有效评估，亟需提出适用于多dgs接入的配电网故障诊断方法。


技术实现要素：

3.本发明的目的在于提供一种有源配电网故障判别方法、设备及存储介质，用于有效提升配电网故障判别准确率，为实现高比例分布式电源接入背景下配电网的故障诊断提供可行的技术方案。
4.为实现上述目的，本发明提供如下技术方案：一种有源配电网故障判别方法，包括以下步骤：
5.获取有源配电网的拓扑结构、系统参数、虚拟同步控制变流器位置及故障穿越控制策略，搭建数学仿真模型，获取已有故障数据并对数学仿真模型的参数进行校正；
6.基于数学仿真模型，获取不同故障穿越控制下变流器和系统在故障态和非故障态下的暂态电流数据，构建暂态电流峰值、触发时间、畸变率与配电网故障及故障类型之间的相关性关系；
7.利用深度前馈神经网络对暂态电流数据进行学习，建立有源配电网的故障判别模型；
8.获取实时运行数据，并将其输入故障判别模型，得到有源配电网故障判别诊断结果。
9.进一步的，虚拟同步控制变流器的暂态特性描述如下：
[0010][0011]
其中t0和t
em
代表参考转矩和电磁转矩，j和d
p
分别代表虚拟惯量和虚拟阻尼系数，ω0为额定角频率。
[0012]
进一步的，所述故障穿越控制包括变流器虚拟阻抗限流控制、变流器模式切换限流控制和变流器电流限幅器被动限流。
[0013]
进一步的，虚拟阻抗限流控制下变流器输出电流的表达式如下：
[0014]iabc
＝(v
abc-vg)/(z
eq
+zv)
[0015]
其中i
abc
是变流器输出电流，v
abc
和vg是变流器内电势和电网电压，z
eq
代表变流器与电网间的等值阻抗，zv是增加的虚拟阻抗值。
[0016]
进一步的，模式切换限流控制下变流器输出电流可由参考电流值决定，如下所示：
[0017][0018]
其中i*d和i*q分别是dq轴参考输出电流，可由电网规则设定，i
abc
和δ分别是电流幅值和相角，i
dref
与i
qref
为变流器实际输出电流参考值。
[0019]
进一步的，电流限幅器被动限流下，变流器输出电流可由限幅器设定限幅值决定，如下所示：
[0020][0021][0022]
其中i
max
和i
ref
分别为最大输出电流幅值和电流限幅器参考电流值，i*dref 和i*qref代表有功电流参考值和无功电流参考值。
[0023]
进一步的，所述深度前馈神经网络包括输入层、隐含层和输出层。
[0024]
根据本发明的另一个方面，本发明提供一种设备，包括一个或多个处理器、用于存储一个或多个程序的存储器；
[0025]
当所述一个或多个程序被所述一个或多个处理器执行，使得一个或多个处理器运行所述的一种有源配电网故障判别方法。
[0026]
根据本发明的另一个方面，本发明提供一种存储介质，该存储介质中存储有计算机程序，运行该计算机程序，能够执行所述的一种有源配电网故障判别方法。
[0027]
本发明至少具备以下有益效果：
[0028]
首先通过建立变流器和系统级暂态电流与故障类型及故障地点间的相关性关系，得到具有强表征能力的暂态电流数据，然后深度前馈神经网络对暂态电流数据进行进行学习和训练，得到有源配电网故障诊断网络模型，最后将实测暂态电流数据输入故障诊断网络模型对配电网实现故障诊断，能够有效提升故障判别准确率，为实现高比例分布式电源接入背景下配电网的故障诊断提供可行的技术方案。
[0029]
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
[0030]
图1为ieee33节点含dg配电网拓扑结构图；
[0031]
图2为不同故障穿越控制下dg的拓扑结构与控制框图；
[0032]
图3为不同故障穿越控制下dg的暂态等值电路图；
[0033]
图4为不同故障穿越控制下dg的暂态电流数值仿真结果图；
[0034]
图5为基于前馈神经网络学习算法图；
[0035]
图6为本发明实施步骤流程图。
具体实施方式
[0036]
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
[0037]
为了便于理解，本公开以ieee含dg的33节点配电网为对象进行阐述，ieee33节点含dg配电网拓扑结构图如图1所示，其中实线代表实际连接线路与网络，虚线代表可重构/连接的线路和网络，分布式电源dg1和dg2分别接入节点13和节点29，分布式电源采用dc/ac变流器接入配电网，其拓扑结构如图2所示，其中直流微源包括但不限于储能电池、光伏板等直流形式电源；直流电输入经过dc/ac变流器变换为交流电接入公共母线，dc/ac变流器输出端接lc滤波电感电容；dc/ac变换器的控制系统主要包含锁相环同步模块/功率同步控制模板、电压/电流控制模块和脉冲宽度调制/驱动模块。通过采集变流器端口电压输入锁相环同步模块/功率同步控制模块得到控制相角；电压/电流控制模块控制变流器的输出电流幅值，通过给定电流参考值经过pi控制环实现无差跟踪；脉冲宽度调制和/或驱动模块产生调制信号驱动igbt等开关器件。
[0038]
有源配电网主要包含变流器，变流器有很多类型，本发明主要针对虚拟同步控制变流器(下文简称为变流器)进行研究，提出一种有源配电网故障判别方法。
[0039]
请参阅图1-6，本发明提供一种技术方案：一种有源配电网故障判别方法，具体如下：
[0040]
1.获取有源配电网的拓扑结构、系统参数、虚拟同步控制变流器位置及故障穿越控制策略，并在pscad/emtdc中建立系统数学模型，虚拟同步控制变流器的控制结构如图2所示，暂态特性可由下式进行描述：
[0041][0042]
其中t0和t
em
代表参考转矩和电磁转矩，j和d
p
分别代表虚拟惯量和虚拟阻尼系数，ω0为额定角频率；
[0043]
以三种典型故障穿越控制为例，分别建立其数学模型：
[0044]
(1)虚拟阻抗限流控制
[0045]
如图2所示，当开关s1～s3在1处时，变流器采用虚拟阻抗限流控制，虚拟阻抗限流控制通过加入额外的虚拟阻抗zv，从而减小变流器的参考电压值，实现故障限流，此时，变流器的输出电流可由下式计算求得：
[0046]iabc
＝(v
abc-vg)/(z
eq
+zv)(2)
[0047]
其中i
abc
是变流器输出电流，v
abc
和vg是变流器内电势和电网电压，z
eq
代表变流器与电网间的等值阻抗，zv是增加的虚拟阻抗值。通过观察可知，虚拟阻抗加入后，虚拟同步控制变流器将保持受控电压源状态，增加的虚拟阻抗值对暂态输出电流产生不可忽视的影响。
[0048]
当开关s1～s3在2处时，变流器采用模式切换限流控制，在检测到输出电流超过阈值后，将变流器由电压控制模式切换为电流控制模式，直接控制暂态输出电流，从而实现对故障电流的抑制，此时，变流器输出电流可由参考电流值决定，如下式所示：
[0049][0050]
其中i*d和i*q分别是dq轴参考输出电流，可由电网规则设定，i
abc
和δ分别是电流幅值和相角，i
dref
与i
qref
为变流器实际输出电流参考值。
[0051]
当开关s1～s3在3处时，变流器采用电流限幅器被动限流，当输出电流超过限幅器设定的阈值后，变流器将由直接控制电压被动切换为直接控制输出电流模式，从而限制故障输出电流，此时，变流器输出电流可由限幅器设定限幅值决定，如下式所示：
[0052][0053]
其中i
max
和i
ref
分别为最大输出电流幅值和电流限幅器参考电流值，i*dref 和i*qref代表有功电流参考值和无功电流参考值。电流参考值的选取可根据变流器自身特性进行设定。
[0054]
在此基础上，对构建的数学仿真模型进行多种故障工况仿真，利用获取的历史实测数据对仿真模型和参数进行校正和核验，保证建立数学仿真模型在特定工况下的仿真数据与历史实测数据高度吻合，确保所建立的数学仿真模型能够准确反映实际配电网的运行特性。
[0055]
2.由建立的数学仿真模型可知，不同的dg穿越控制策略决定了变流器的暂态电流特性，故在本公开中建立变流器和系统暂态电流数据与配电网故障特性的相关性关系，从而得到具有强表征能力的暂态电流数据。
[0056]
当开关位于1处时，虚拟同步控制变流器的等值电路图如图3所示，可等值为受控电压源形式，此时，由基本电路定理可知，变流器的暂态电流主要由交流周期分量i
p
和直流衰减分量i
ap
组成，如下式所示：
[0057][0058][0059]
其中i
p
为交流周期分量，i
ap
为直流衰减分量，e、vg和v’g分别代表变流器电压相量、正常态下的电网电压相量以及故障期间电网电压相量，z
eq
和z’eq 为故障发生前和故障持续中的线路等值阻抗，ta＝l’/r’,ta是衰减时间常数，l’和r’分别为电抗和电阻。
[0060]
当采用虚拟阻抗限流控制时，变流器仍保持电压控制模式，可等值为受控电压源，如图3(a)所示。此时，增加的虚拟阻抗能有效抑制交流周期分量，然而对直流衰减分量影响较小，如图4(a)所示。当采用模式切换限流控制时，变流器由电压控制模式主动切换为电流控制模式，可等值为受控电流源，如图 3(b)所示。此时，故障电流由变流器参考电流值直接给定，如图4(b)所示。需要注意的是，这两种控制依赖于故障检测信号，故障检测延迟对暂
态电流特性有不可忽略的影响。当采用限幅器被动限流控制时，变流器由电压控制模式被动切换为电流控制模式，可等值为受控电流源，如图3(c)所示。此时，故障电流由变流器限幅器限幅值直接给定，但控制切换过程会带来明显的高频谐波信号，如图4(c)所示。限幅器被动限流控制不需要检测故障信号，因此检测延迟对暂态输出电流几乎无影响。
[0061]
不同穿越控制下变流器的暂态电流特征可总结如下表1所示：
[0062]
表1不同穿越控制下变流器暂态电流特性
[0063][0064]
根据上述总结结论，以暂态电流峰值、触发时间、畸变率为主要强表征信息量，以步骤1中建立的仿真模型为基础，仿真不同节点(节点4、9、19、23 等)、不同故障深度(跌落深度90％、70％)、不同故障类型(单相、三相、两相接地等)，得到强表征信息向量，以此作为深度学习网络学习数据来源。
[0065]
3.根据步骤2中所得到的仿真数据，利用深度前馈神经网络进行学习，神经网络结构如图5所示，其中输入层输入强表征信息向量，输出层给出是否发生故障，故障类型等结果。经过多次迭代和计算后，形成考虑dg不同故障穿越控制的配电网故障诊断模型，作为判定故障的网络模型。
[0066]
4.根据步骤3得到的故障诊断模型，实时输入配电网实测数据，得到故障诊断判定结，在此基础上，进行多次实验并总结整理如表2所示。观察表2可知，本公开的故障诊断准确率为100％，故障类型判别准确率达到98.1％，验证了本公开的有效性。
[0067]
表2基于深度学习算法的配电网故障诊断准确率
[0068][0069]
根据本发明的另一个方面，本发明提供一种设备，包括一个或多个处理器、用于存储一个或多个程序的存储器；
[0070]
当所述一个或多个程序被所述一个或多个处理器执行，使得一个或多个处理器运行所述的一种有源配电网故障判别方法。
[0071]
根据本发明的另一个方面，本发明提供一种存储介质，该存储介质中存储有计算机程序，运行该计算机程序，能够执行所述的一种有源配电网故障判别方法。
[0072]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实
体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0073]
对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。当元件被称为“装配于”、“安装于”、“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0074]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
[0075]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。