基于大數據分析的智能配電網狀態監測與故障處理方法研究

柴謙益+鄭文斌+潘捷凱+陸紹彬+溫積群

摘 要： 針對智能配電網傳統保護方法整定復雜、容錯和適應性差等問題，基于大數據分析，提出并設計一套智能配電網狀態監測及故障處理方法。該方法先后經過數據預處理、數據融合、數據分析與可視化以及狀態辨識與處理共4個環節，將多電氣特征量融合轉變成為單個綜合特征量，監測配電網運行狀態，并能根據各個節點關聯情況和局部異常因子大小實現對智能配電網故障區域的判定和定位。經RTDS半實物閉環測試，故障判定和定位準確性及可靠性較高，具有一定的參考價值。

關鍵詞： 智能配電網； 保護方法； 大數據分析； 狀態監測； 故障定位； 故障處理

中圖分類號： TN915?34； TP393 文獻標識碼： A 文章編號： 1004?373X（2018）04?0105?04

Abstract： In allusion to the problems of complex setting， poor fault tolerance and poor adaptability of the traditional smart distribution network protection methods， a condition monitoring and fault processing method of smart distribution network is proposed and designed based on big data analysis. In this method， four procedures of data preprocessing， data fusion， data analysis and visualization， and condition identification and processing are performed to make multi?electrical characteristic quantities fused and transformed into single comprehensive characteristic quantity. The operation state of distribution network is monitored， and the judgment and location of fault area in smart distribution network are realized according to the correlation condition of nodes and the values of local outlier factors. The RTDS semi?object closed?loop test was carried out. The results show that the method has high accuracy and reliability of fault judgment and location， which also has a certain reference value.

Keywords： smart distribution network； protection method； big data analysis； condition monitoring； fault location； fault processing

智能配電網中引入新能源類DG容易在局部區域產生雙向不定潮流，不僅使網絡結構復雜化，改變配電網的眾多故障特性，還給保護控制設計提出了一定的挑戰[1?2]。而大多數保護方法的故障判據均使用小樣本的單一電氣特征量，整定所需計算較為復雜，且在運行環境變化時需要重新進行整定，保護可靠性方面也存在著一定的風險。在通信或傳感器異常時，也容易產生誤動或拒動保護[3?6]。

在智能配電網中加入大量傳感設備，采集、上傳并分析運行數據，形成智能配電網的大數據。目前已被用于用電行為分析、負荷預測等應用中，潛力較大且也為配電網保護方法提供了一個新的思路[7?10]。因此，本文基于大數據分析設計了一種智能配電網狀態監測及故障處理方法。該方法將多電氣特征量融合轉變成為單個綜合特征量，監測配電網運行狀態。并能根據各個節點關聯情況和局部異常因子大小對故障區域進行判定及定位，其準確性與可靠性較高，能為類似基于大數據的智能配電網狀態監測及相應的故障處理提供技術支持。

1 狀態監測及相應故障處理方案設計

本文方法的處理流程如圖1所示，其分為數據預處理、數據融合、數據分析與可視化、狀態辨識與處理4個環節。

2 狀態監測及相應故障處理算法設計

2.1 數據預處理

數據預處理用于對各傳感設備所上傳的原始數據進行初步篩選和預處理，減少無關數據量并產生所需的初始特征量矩陣。該環節主要包括選取特征量、構建關聯矩陣、處理區域差分。選取特征量過程中，本文選取的電氣特征量為電流與功率。其中，涵蓋了三相電流、負序電流、及零序電流和相應的有（無）功功率。

構建關聯矩陣，其過程為：首先對配電網中的各終端節點Ej進行編號，節點間的區域Zi同樣也進行編號，最終根據表1所示的規則構建矩陣。

4） 最后獲得降維后的二維空間表示[M=x1x2]。

離群點檢測過程采用的是局部異常因子的相關檢測方法（基于密度），檢測對象的LOF數值與離群點的離群程度成正相關，若數值約為1則離群點不存在。

2.4 故障判定與處理

由于配電網運行也會發生由傳感器故障而導致的保護誤判甚至是誤動。因此，本文設定單一類型觸發故障條件（傳感器、電力）并進行處理，所需的判據如下：滿足故障啟動判據，然而廣義節點處的LOF并未滿足整定閾值。此時判定為傳感器故障，故障節點即為最大的LOF值所在的節點，數據處理中心向各測控終端發送告警信息，確保終端的可靠不動作；若是滿足判據且LOF值也達到甚至超過了整定閾值，此時判定出現電力系統故障，物理節點所處的公共區域被定位，數據處理中心則對故障發生節點發送動作命令，并進一步執行隔離操作。endprint

3 實例分析

為了驗證本文所設計提出方法的可行性，文中以某含雙DG的10 kV智能配電網為研究對象，如圖2所示，在RTDS中結合實際參數搭建相關模型，如圖3所示。

圖4所示為配電網運行正常狀態下，多維尺度降維和相應的LOF值的可視化分析圖。可見正常運行狀態下，并未出現離群點，且各節點（1～17，17為廣義節點）由于較為近似，圖4中降維結果表現為一處于坐標原點的點狀區域，LOF值均在1附近。根據判定規則，此時配電網并無故障發生。

圖5所示為Z11饋線區段存在單相接地故障，所對應的多維尺度降維和相應的LOF值的可視化分析圖。其中，13和14物理節點、廣義節點（17）均成為離群點，對應的LOF值達到約96。

此時，判定發生了電力系統的相關故障，定位故障為節點13，14所處的Z11區域。數據處理中心及時向故障節點終端發送跳閘指令，將Z11區域隔離。此外，本文也做了節點4傳感器出現故障而失效、母線節點Z2區域出現故障（兩相接地）場景下的測試，監測和定位效果良好，能將故障及時有效地反饋和定位出來。

4 結 語

以大數據在智能電網出現運用為背景，本文基于大數據技術設計并提出了一套智能配電網狀態監測及故障處理方法。狀態監測中將多電氣特征量融合成為單個綜合特征量，保證辨識準確性。再以LOF值替代電氣特征量的判定，避免了繁瑣的整定計算。

經實驗測試，該方法能對單一故障條件下發生的電力系統或傳感器故障進行有效的識別和定位，并具有一定的容錯能力，為類似檢測與故障處理方法的研究提供了參考。

參考文獻

[1] 李曉暉.分布式電源對配電網繼電保護影響的研究[D].北京：華北電力大學，2011.

LI Xiaohui. Research on effect of distributed generation on protection of distribution system [D]. Beijing： North China Electric Power University， 2011.

[2] 雷金勇，李戰鷹，盧澤漢，等.分布式發電技術及其對電力系統影響研究綜述[J].南方電網技術，2011，5（4）：46?50.

LEI Jinyong， LI Zhanying， LU Zehan， et al. Review on the research of distributed generation technology and its impacts on electric power systems [J]. Southern power system technology， 2011， 5（4）： 46?50.

[3] BRAHMA S M， GIRGIS A A. Development of adaptive protection scheme for distribution systems with high penetration of distributed generation [J]. IEEE transactions on power delivery， 2003， 19（1）： 56?63.

[4] 尚瑨.含分布式電源的配電網保護與優化運行研究[D].上海：上海交通大學，2015.

SHANG Jin. Study on distribution network protection and optimization operation with distributed power [D]. Shanghai： Shanghai Jiao Tong University， 2015.

[5] 馬靜，王希，米超，等.含分布式電源的配電網自適應保護新方法[J].電網技術，2011，35（10）：204?208.

MA Jing， WANG Xi， MI Chao， et al. A new adaptive protection approach for distribution network containing distributed power supply [J]. Power system technology， 2011， 35（10）： 204?208.

[6] 余瓊，余勝，李曉暉.含分布式電源的配網自適應保護方案[J].電力系統保護與控制，2012，40（5）：110?115.

YU Qiong， YU Sheng， LI Xiaohui. An adaptive protection scheme for meshed distribution system with DG [J]. Power system protection and control， 2012， 40（5）： 110?115.

[7] 王偉，楊偉光，高立忠，等.基于智能電網調度支持的居民用電側自動需求響應系統[J].現代電子技術，2017，40（10）：172?174.

WANG Wei， YANG Weiguang， GAO Lizhong， et al. Research on automatic demand response system supported by smart power grid dispatching for residential electricity consumption [J]. Modern electronics technique， 2017， 40（10）： 172?174.

[8] 李媛，武巖巖，王思琪.基于混沌時間序列的Elman神經網絡工業用電預測[J].沈陽工業大學學報，2016，38（2）：196?200.

LI Yuan， WU Yanyan， WANG Siqi. Elman neural network for forecasting industrial electricity consumption based on chaotic time series [J]. Journal of Shenyang University of Technology， 2016， 38（2）： 196?200.

[9] 孫強，傅旭華，王林鈺，等.智能配用電系統綜合效益分析模型研究[J].中國電機工程學報，2015，35（8）：1829?1836.

SUN Qiang， FU Xuhua， WANG Linyu， et al. Study on comprehensive benefit analysis model of smart distribution and utilization system [J]. Proceedings of the CSEE， 2015， 35（8）： 1829?1836.

[10] 趙騰，張焰，張東霞.智能配電網大數據應用技術與前景分析[J].電網技術，2014，38（12）：3305?3312.

ZHAO Teng， ZHANG Yan， ZHANG Dongxia. Application technology of big data in smart distribution grid and its prospect analysis [J]. Power system technology， 2014， 38（12）： 3305?3312.endprint