快速恢复配电网供电方法研究＊

胡伟，周敏

（湖南铁道职业技术学院，湖南 株洲 412000）

1 研究意义

电力工业是保障国民经济持续稳定发展的支柱性行业，也是保证国家安全以及国民生活质量的重要组成部分。电能作为二次清洁能源，在现代社会发展的各个方面都起着无法替代的作用。而在2020 年初“新冠肺炎”疫情突发背景下，如何保障医疗卫生企业安全生产用电，特别是保证各级医院优质可靠的电能供应，是维护社会稳定发展的重要支撑[1-3]。

电力系统是由发电厂、输电网络、配电网络及电力用户组成的一个整体，是把一次能源转换成电能并输送和分配到用户的统一系统[4]。而配电网的作用是将电能从枢纽变电站直接分配到用户，或者经配电站分配到用户，因此，在电力系统中，配电网作为保障民生的重要基础设施及服务居民用户的最后环节，其安全稳定运行直接关系着每个用户的用电利益、用电质量和用电可靠性[5-8]。

当配电网线路发生永久性故障时，应迅速对故障线路进行故障区间定位，找出故障所在位置，并对故障区域的故障进行人工检修，即判别出故障相以及是否发生接地故障，待查明故障原因后才能恢复正常供电[9-10]，但这在一定程度上增加了故障排除和人员调配的时间，且对于一些关健负荷的持续供电有一定的影响。因此，快速恢复配电网供电方法具有一定的实践意义。

对于配电网故障定位而言，由于随着智能配电网容量的不断增加以及分布式电源的接入，配电网的网络结构和运行方式日益复杂，使得传统的继电保护方法难以满足要求。通常传统保护方法都能较好地实现故障定位，但所取故障特征量比较单一，当发生传感器失效或者通信异常时，容易引起保护装置的拒动或误动，且存在复杂的整定值计算。因此，当配电网发生故障后，探索一些新型保护算法以应对当前复杂多变的配电网结构，进行快速有效的故障定位，这对提高配电网安全稳定运行和供电可靠性具有重要意义[11]。

对于配电网故障类型判别而言，由于已有研究的重点放在了故障选线问题上，并通过研究人员长期的研究工作，目前的配电网故障选线问题的研究已经取得了较大的进展，但是由于配电网小电流接地系统及分布式电源不断接入使得配网网络结构日益复杂，因此，对配电网的故障类型判别成为了公认的难题[12]。由于配电网的网络结构日趋复杂化，且当配电网出现故障后，其故障类型的辨识是调度员处理电网事故的辅助工具，通过对配电网故障区域的故障类型辨识，不仅可以有效减少故障处理及恢复供电时间，还可以防止故障进一步扩大，这对于电力系统自动化水平的提高具有重要意义。

2 配电网故障检测及定位方法研究

2.1 广域测量系统

新型配电网故障检测及定位算法建立在配网自动化基础之上，需要对配电网上传到主站的海量数据进行数据预处理与数据融合，并形成多个电气特征量，防止因单一小样本电气特征量丢失或者灵敏度不够导致无法区分故障线路与正常线路。当智能配电网传感器或者通信异常，容易出现保护装置的误动作，甚至拒动的情况。由于现有智能配电网装设有大量的传感器设备，海量的运行数据被采集，并且上传到主站中心进行数据分析和处理，子站、主站以及通信智能终端之间也进行数据交换，这些海量的数据包含有许多电网状态信息，因此，需要对这些大数据进行数据挖掘，这给智能配电网故障检测及定位提供了较好的思路和借鉴。

配网自动化系统是实现对智能电网的实时监测以及控制的自动化系统。配网自动化系统具备数据采集与监视控制系统（Supervisory Control and Data Acquisition，SCADA）、馈线自动化系统、电网分析应用以及相关系统等的功能。其主要由配电网主站或子站、配电网智能终端和通信通道等构成。配网自动化系统总体框架如图1 所示。由于配电网自身的诸多特点，配电网自动化相关技术发展呈现出多样化、智能化、集成化趋势，配电网自动化系统具备综合程度高、覆盖范围广等特点，因此，可以将配网自动化系统划分为主站系统、综合数据平台、通信网络、智能配电终端4 个部分，其各部分之间关系紧密，相互依托，形成了一个有机的整体。

图1 标准配网自动化系统

2.2 数据预处理与数据融合

由于主站从各智能配电终端采集到的数据量大且故障信息不明显，为了减少数据量、提高运行效率，要对原始数据进行预处理。数据预处理包括故障特征量选取、构建网络关联矩阵以及区域差分处理。故障特征量的选取是为了确保智能配电网状态监测的准确性和时效性。故障定位可选取电流和功率2 种类型的电气特征量，具体为零序、负序、正序三相电流以及零序有功、无功功率等多个电气特征量进行故障定位。网络关联矩阵是明确网络各节点之间、各节点与各区域之间的相对关系，为区域差分处理提供依据。区域差分的目的是对状态监测数据进行规范化处理，进一步增加故障节点和正常节点的差异性，提高辨识准确性。

2.3 新型故障检测及定位算法

对已选取的多电气故障特征量，通过新型故障检测及定位算法，将样本数据分为故障类和正常类样本，一旦某条线路发生短路故障，故障特征电气量归为故障类数据集，在样本空间类的数据偏向故障类集合。多电气故障特征量样本分类如图2 所示。

图2 多电气故障特征量样本分类

利用广域测量系统上传的海量数据进行数据挖掘，当对智能配电终端采集的数据进行数据预处理和数据融合分析之后，根据智能配电网每个节点的多电气故障特征量所形成的高维时空状态监测矩阵进行新算法研究，将被保护的配电网网络节点分为故障类和非故障类。当配电网正常运行时，构建的高维时空状态监测矩阵的行间差异度较小，不存在离群点；当配电网故障时，故障节点和非故障节点差异度很大，会有少量节点偏离正常节点形成离群点，通过新算法可视化技术来建立优化目标函数模型，并把这些目标节点（即高维时空状态监测矩阵的行）之间的相异性信息定量地在二维或者三维空间以坐标的形式呈现出来，通过对高维数据的降维分析方法，在低维空间算出其节点的坐标，并保证其目标节点在低维的相对距离最大限度地接近原来在高维空间之间的相异性或者相似性。故障定位方法如图3 所示。

图3 故障定位方法研究

3 配电网故障类型判别方法研究

3.1 故障特征量提取

配电网10 种短路故障的故障特征量虽然不同，但无论配电网是哪一种故障类型，发生故障之后，故障相的电流变大，发生突变的程度和接地电阻、故障位置等有关；故障处电压会下降到一定程度。配电网故障后，可利用小波分析对故障信号进行故障特征量的提取，并针对单个故障特征电气量失效而无法准确地对配电网故障类型进行判别，寻找多个故障电气特征量，确保配电网状态辨识的准确性，实现对配电网故障类型判别的预分类，如图4 所示。

图4 预分类的总体结构图

3.2 故障类型判别新算法

针对现有配电网在故障定位后未能进行有效地进行故障类型辨识这一问题，提出新型的配电网故障类型判别方法，根据多电气特征量预分类结果，进一步判断出故障相，从而减少故障查找时间，提高了检修效率，进一步减少重要负荷的停电时间。

故障类型判别方法如图5 所示。

图5 故障类型判别方法

当配电网某条线路发生故障后，先通过前述方法进行故障检测及定位，再通过预分类模型对配电网故障进行预分类，此过程可借鉴小波分析方法，对故障电压和电流进行奇异值分解处理，得到预分类结果，可通过建立10 种故障特征样本库，仿真模拟不同区域故障的各种故障类型，对其样本进行训练，准确地判断故障相。同时能对故障区域不同故障进行合理的分类，进而缩短检修周期，做出网络重构方案，快速恢复供电。

4 结束语

根据广域测控系统终端上传到主站实时数据，以多电气量为故障特征量，通过数据预处理与数据融合形成多维状态监测矩阵，对此矩阵进行数据挖掘，实现对配电网故障的检测及定位。利用多故障电气特征量判别方法对故障类型进行判别，使智能配电网能快速精准地对故障进行辨识，该方法能对故障区域的不同故障类型进行合理分类，使智能配电网系统能做出最准确最快速的复电方案，充分保证在突发状况下重要负载的持续可靠供电。