考慮復(fù)故障的有源配電網(wǎng)故障定位方法

張健磊 高湛軍 陳 明 魏 振 安樹懷

考慮復(fù)故障的有源配電網(wǎng)故障定位方法

張健磊1,2高湛軍1陳 明2魏 振2安樹懷2

（1. 電網(wǎng)智能化調(diào)度與控制教育部重點實驗室（山東大學(xué)） 濟南 250061 2. 國網(wǎng)青島供電公司 青島 266000）

配電網(wǎng)受到極端擾動后可靠故障定位是提升配電網(wǎng)供電可靠性的重要手段。在極端擾動中，配電網(wǎng)中發(fā)生復(fù)故障的概率增大，主要體現(xiàn)在故障重數(shù)多、故障類型多、高阻接地等特征。文章提出一種考慮復(fù)故障的有源配電網(wǎng)故障定位方法。基于μPMU優(yōu)化配置下的區(qū)域劃分，形成各個監(jiān)測域。通過搜索算法確定可疑監(jiān)測域，并啟動故障定位算法，利用不平衡電流分量幅值比較的故障區(qū)段檢測判據(jù)定位故障。通過PSCAD/EMTDC和Matlab，驗證了該方法不受故障位置和故障類型的影響，適用于多重、多類型故障等復(fù)雜場景，且有較高的抗過渡電阻能力。

復(fù)故障 可疑監(jiān)測域 不平衡電流分量 故障定位 廣域相量測量

0 引言

隨著極端擾動造成的大規(guī)模停電事故日益頻繁，在極端擾動下，配電網(wǎng)發(fā)生復(fù)故障的比例大大增加。學(xué)術(shù)界和工業(yè)界逐漸開始重點關(guān)注到與負(fù)荷直接相關(guān)的配電網(wǎng)對極端擾動的應(yīng)對能力[1-2]。作為直接服務(wù)于用戶的關(guān)鍵環(huán)節(jié)，配電網(wǎng)能否可靠定位故障，對全網(wǎng)及時恢復(fù)供電具有重要意義。

現(xiàn)代配電網(wǎng)結(jié)構(gòu)復(fù)雜，分支線路眾多且分布式電源不斷廣泛接入，導(dǎo)致線路故障區(qū)段的定位比較困難，現(xiàn)在主要依靠饋線終端單元（Feeder Terminal Unit, FTU）等配電網(wǎng)自動化設(shè)備進行故障定位[3]，但僅適用于分布式發(fā)電（Distributed Generation, DG）滲透率小于25%的配電網(wǎng)[4]。其他主要方法還包括基于電氣量信息和系統(tǒng)參數(shù)的故障分析法、應(yīng)用領(lǐng)域不斷擴大的人工智能算法以及輸電網(wǎng)常用的行波法等。故障分析法包括受過渡電阻、線路分支等因素影響的單端量法和對同步時鐘要求較高[5]的兩端量法。人工智能算法包括遺傳算法、蟻群算法、蝙蝠算法等，容錯性較高[6]，但隨著電網(wǎng)拓?fù)浣Y(jié)構(gòu)的不斷變化及極端天氣造成的復(fù)雜故障，算法運行隨之變得復(fù)雜。廣泛應(yīng)用于結(jié)構(gòu)相對簡單的輸電線路的行波法也難以適應(yīng)于配電網(wǎng)，且對雙重及雙重以上故障等復(fù)故障情形缺乏普適性。

專家學(xué)者對于電力系統(tǒng)發(fā)生復(fù)故障，特別是兩重以上故障的故障定位問題研究較少，大部分為FTU獲取電流信息，再結(jié)合人工智能算法進行優(yōu)化。文獻(xiàn)[7]闡述了“故障確信度”的概念，基于此，提出一種利用廣域信息的多重故障辨識方法，先求出不相鄰線路兩重可疑線路組合，再利用確信度的概念準(zhǔn)確定位故障線路。文獻(xiàn)[8]利用PMU獲取線路電流，排序各線路電流實際值與估計值的殘差，再根據(jù)電壓故障分量計算出線路故障點位置。文獻(xiàn)[9]構(gòu)建了計及漏報和誤報下的配電網(wǎng)區(qū)段定位完全解析模型，利用矛盾假設(shè)、模型分層等因素進行降維，單一、雙重、三重故障情形下可以定位故障區(qū)段。文獻(xiàn)[10]依據(jù)風(fēng)電機組加入配電網(wǎng)的新情景，對傳統(tǒng)的開關(guān)函數(shù)和適應(yīng)度函數(shù)進行改進，提出基于粒子群算法和遺傳算法的混合算法，可判斷出一重、兩重及三重故障下的故障區(qū)段，出現(xiàn)“未成熟收斂”的概率降低。文獻(xiàn)[11]針對現(xiàn)有診斷方法在多重多相故障時存在耗時長、準(zhǔn)確率不高、容錯能力低的情況，提出一種模型分層診斷方法，適應(yīng)于小概率的大范圍短路故障。文獻(xiàn)[12]提出了一種含光伏的配電網(wǎng)故障區(qū)段定位方法，目標(biāo)函數(shù)為多個，利用多目標(biāo)粒子群優(yōu)化算法進行優(yōu)化，通過仿真驗證了該故障定位方法既適用于單一故障，也適應(yīng)于多重故障，且對信息畸變具有較好的容錯性。文獻(xiàn)[7-12]沒有考慮斷線故障的情形，且人工智能算法難以適用于含有多重短路、斷線等極端、復(fù)雜的故障。

本文提出一種考慮復(fù)故障的中壓有源配電網(wǎng)故障定位方法。基于微型相量測量單元（Micro Phasor Measurement Unit, μPMU）的優(yōu)化配置，以配置μPMU的節(jié)點為區(qū)域邊界的劃分原則，進行監(jiān)測域劃分，形成兩種類型的監(jiān)測域。通過搜索算法中啟動判據(jù)確定含有故障的監(jiān)測域，即可疑監(jiān)測域。若為第一類監(jiān)測域，則直接確定故障；若為第二類監(jiān)測域，則啟動故障定位算法，采用基于不平衡電流分量幅值比較的故障區(qū)段檢測判據(jù)進行故障定位。通過設(shè)置不同故障場景對所提出的方法進行仿真驗證該方法原理簡單，對復(fù)故障、多類型故障等復(fù)雜場景具有良好的適應(yīng)性，不受故障類型、故障位置的影響，有一定的抗高阻能力。

1 基于μPMU優(yōu)化配置的監(jiān)測域劃分方法

本文基于μPMU優(yōu)化配置，提出監(jiān)測域劃分方法。利用各監(jiān)測域相量信息，確定可疑監(jiān)測域，并啟動故障定位算法定位故障區(qū)段，減少計算量，提高故障定位的實時性，同時減小復(fù)故障分析的復(fù)雜度。

配電網(wǎng)線路分支線路眾多，考慮經(jīng)濟性、數(shù)據(jù)處理量，目前在全網(wǎng)各節(jié)點均配置配電網(wǎng)相量測量單元[13]并不現(xiàn)實，考慮到電網(wǎng)正常運行時應(yīng)完全可觀，需要對μPMU優(yōu)化配置。電力系統(tǒng)可觀性是指系統(tǒng)中量測裝置的數(shù)量和分布情況足夠來求解系統(tǒng)的當(dāng)前狀態(tài)[14]，當(dāng)發(fā)生單一故障時，各節(jié)點依然通過配置μPMU節(jié)點的電氣量間接計算保持可觀性。

本文在0-1整數(shù)規(guī)劃算法的基礎(chǔ)上，根據(jù)節(jié)點可觀性建立優(yōu)化配置模型，構(gòu)建節(jié)點關(guān)聯(lián)矩陣并進行分析，從而求解中壓有源配電網(wǎng)模型中μPMU配置位置。因10kV中壓配電網(wǎng)中零注入節(jié)點極少，對配置μPMU數(shù)量影響不大，便不予考慮。以最少配置μPMU數(shù)量為目標(biāo)函數(shù)，以系統(tǒng)各節(jié)點電壓全部可觀作為約束條件，如式（1）、式（2）所示。

目標(biāo)函數(shù)為

約束條件為

式中，、為節(jié)點；c為k的權(quán)重系數(shù)，表征在節(jié)點安裝量測裝置的費用，取=1；k為配電網(wǎng)第個節(jié)點的量測裝置配置情況。

優(yōu)先級高的節(jié)點配置μPMU后，其相鄰節(jié)點可觀測，將相連節(jié)點的配置系數(shù)設(shè)置為0。若節(jié)點的配置優(yōu)先級一致，則按照序號順序依次配置，將全網(wǎng)遍歷一遍，直到rel中所有節(jié)點完全可觀。

根據(jù)優(yōu)化配置結(jié)果，將10kV有源配電網(wǎng)拓?fù)浣Y(jié)構(gòu)劃分為多個雙端無分支區(qū)域，稱之為監(jiān)測域（Monitoring Area, MA），其劃分原則為：MA的兩端邊界節(jié)點必須配置μPMU，這樣可以保證邊界節(jié)點直接量測可觀，正常運行情況下監(jiān)測域內(nèi)節(jié)點全部可觀。

基于上述劃分原則，MA可分為兩種類型，如圖1所示。

圖1 監(jiān)測域類型

第一種記為MA1(,)，即僅包含兩個節(jié)點和，以及節(jié)點間連線形成一個監(jiān)測域。第二種記為MA2(,,)或MA2(,,,)。MA2(,,)即節(jié)點，和，以及節(jié)點間連線形成一個監(jiān)測域。同理，另一種記為MA2(,,,)。以上兩種類型的監(jiān)測域是劃分的基本區(qū)域單元。

按照修正的有源IEEE 33節(jié)點配電網(wǎng)模型，采取上述μPMU優(yōu)化配置流程，基于μPMU優(yōu)化配置結(jié)果，以配置μPMU節(jié)點作為監(jiān)測域的邊界節(jié)點，形成兩類監(jiān)測域，如圖2所示。某節(jié)點處帶有配置符號，表示該節(jié)點直接量測可觀，其余為間接可觀節(jié)點。各監(jiān)測域的類型、節(jié)點、線路區(qū)段序號見表1。

圖2 基于μPMU配置的監(jiān)測域劃分

表1 各監(jiān)測域分布情況

Tab.1 Distribution of monitoring areas

2 可疑監(jiān)測域搜索算法

根據(jù)短路、斷線故障的差異，在全網(wǎng)各監(jiān)測域內(nèi)同時計算、搜索。對于短路故障，采集監(jiān)測域兩端的突變點前后各三個周波的三相電流數(shù)據(jù)，然后對其進行快速傅里葉變換（Fast Fourier Transform, FFT）求取正序電流相位，最后得到相位差，即

對于斷線故障，檢測每一個監(jiān)測域兩端的支路是否存在一相或多相電流幅值突變?yōu)?。對于斷相故障，相電流會突變?yōu)?；正常情況下，相電流不會突變?yōu)?。斷線故障啟動判據(jù)為

監(jiān)測域若滿足上述任意一個啟動判據(jù)，便認(rèn)定為可疑監(jiān)測域。判斷該監(jiān)測域類別，若為第一類監(jiān)測域，則直接判定出故障區(qū)段；若為第二類監(jiān)測域，則啟動故障定位算法，利用不平衡電流分量幅值比較的故障區(qū)段檢測判據(jù)定位故障。

3 基于不平衡電流分量的故障區(qū)段定位

本文不平衡電流分量（Unbalance Current, UC）是指節(jié)點注入電流量測值與計算值之差[16]。節(jié)點注入電流的計算值為故障時刻節(jié)點電壓相量與配電網(wǎng)節(jié)點導(dǎo)納矩陣的乘積。

選取故障發(fā)生時刻3個周波后的正序分量進行離散傅里葉變換（Discrete Fourier Transform, DFT）。本文首先對短路、斷線下節(jié)點導(dǎo)納矩陣維度進行分析，再對系統(tǒng)發(fā)生復(fù)雜故障情形節(jié)點導(dǎo)納矩陣元素進行分析。

3.1 單一故障下節(jié)點導(dǎo)納矩陣維度變化

當(dāng)中壓有源配電網(wǎng)某區(qū)段發(fā)生短路故障時，系統(tǒng)的正序拓?fù)浣Y(jié)構(gòu)均會增加一個故障節(jié)點。其節(jié)點電壓方程也隨之發(fā)生變化，相量維度增加，變?yōu)?1維。

斷線故障分為三相斷線和非全相斷線。三相斷線故障，相當(dāng)于在電網(wǎng)中去掉一條線路，正序節(jié)點導(dǎo)納矩陣維數(shù)不變，仍為維非全相斷線，會導(dǎo)致原配電網(wǎng)正序?qū)Ъ{矩陣中增加2個節(jié)點，變?yōu)?2維。

3.2 復(fù)雜故障下節(jié)點導(dǎo)納矩陣元素分析

下面以雙重故障為例，分析配電網(wǎng)發(fā)生多重復(fù)雜故障后節(jié)點導(dǎo)納矩陣元素的變化。

3.2.1 不相連線路發(fā)生雙重故障

假設(shè)某中壓有源配電網(wǎng)由個節(jié)點和條支路組成，根據(jù)節(jié)點間連接關(guān)系，得到正常運行時節(jié)點導(dǎo)納矩陣為

不相鄰線路發(fā)生復(fù)故障，假設(shè)節(jié)點、間連線上發(fā)生了故障f1，節(jié)點、間連線上也發(fā)生了故障f2，由3.1節(jié)可知，新增了故障節(jié)點（三相斷線除外），配電網(wǎng)節(jié)點導(dǎo)納矩陣維度發(fā)生變化，如式（9）所示。

刪去節(jié)點導(dǎo)納矩陣中故障點所在行、列后為

修改后的節(jié)點導(dǎo)納矩陣與故障前節(jié)點導(dǎo)納矩陣維度一樣，不同的矩陣元素只有第三類元素，即YYYYYYYY。

3.2.2 相連線路發(fā)生雙重故障

假設(shè)節(jié)點配電網(wǎng)中節(jié)點、、是相連節(jié)點，根據(jù)節(jié)點間連接關(guān)系，得到正常運行時節(jié)點導(dǎo)納矩陣為

相鄰線路發(fā)生復(fù)故障，假設(shè)節(jié)點、間連線上發(fā)生了故障f1，節(jié)點、間連線上也發(fā)生了故障f2，由3.1節(jié)可知，新增了故障節(jié)點（三相斷線除外），配電網(wǎng)節(jié)點導(dǎo)納矩陣維度發(fā)生變化，如式（12）所示。

將故障節(jié)點所在的行和列刪去，得到修改后的節(jié)點導(dǎo)納矩陣為

修改后的節(jié)點導(dǎo)納矩陣與故障前節(jié)點導(dǎo)納矩陣維度相同，不同的矩陣元素也只有第三類元素，即YYYYYYYYY。

3.3 不平衡電流分量幅值比較檢測判據(jù)

由3.2節(jié)可知，比較系統(tǒng)正常運行時和故障時修正的節(jié)點導(dǎo)納矩陣，與故障相連節(jié)點的自導(dǎo)納、互導(dǎo)納元素均發(fā)生了變化，利用節(jié)點注入電流計算公式計算故障后的節(jié)點注入電流，如式（14）所示。

將正常運行時的正序節(jié)點導(dǎo)納矩陣近似代替故障時修正的節(jié)點導(dǎo)納矩陣，得到不平衡電流分量為

考慮復(fù)故障的中壓有源配電網(wǎng)故障定位方法流程如圖3所示。

圖3 故障區(qū)段定位流程

4 故障定位方法對復(fù)故障適應(yīng)性分析

按照故障重數(shù)與可疑監(jiān)測域個數(shù)的組合，分為四種情形：①單一故障；②單一監(jiān)測域內(nèi)發(fā)生復(fù)故障；③多個監(jiān)測域內(nèi)發(fā)生單一故障；④多個監(jiān)測域內(nèi)發(fā)生復(fù)故障。常見故障場景如圖4所示。

圖4 常見故障場景

在全網(wǎng)進行μPMU部分配置的前提下，若配電網(wǎng)同一監(jiān)測域只發(fā)生一個故障，系統(tǒng)各節(jié)點依然保證可觀。

當(dāng)配電網(wǎng)發(fā)生兩重及以上復(fù)雜故障場景時，分析該故障定位對復(fù)故障的適應(yīng)性。同一監(jiān)測域內(nèi)發(fā)生多重復(fù)雜故障會造成監(jiān)測域內(nèi)部分節(jié)點失去可觀性，如圖5所示。在不平衡電流分量的幅值計算中，除了與故障點相連節(jié)點的導(dǎo)納矩陣元素發(fā)生改變，不可觀節(jié)點的電壓幅值也會因發(fā)生故障而明顯變化。本文選取故障前三個周波的節(jié)點電壓幅值代替故障后不可觀的節(jié)點電壓，由此也會導(dǎo)致不平衡電流分量產(chǎn)生。綜上所述，不平衡電流分量產(chǎn)生的原因為系統(tǒng)拓?fù)浣Y(jié)構(gòu)變化和節(jié)點電壓不可觀。本文算法準(zhǔn)確率定義為某一故障場景下實際故障區(qū)段占定位方法所檢測區(qū)段的比例。

圖5 復(fù)故障情形分析

圖5a中的監(jiān)測域包含3個節(jié)點、、，形成的節(jié)點導(dǎo)納矩陣為

與故障相連的節(jié)點為、、，不可觀節(jié)點為。因此，產(chǎn)生不平衡電流分量的節(jié)點同為、、，不平衡電流分量所在的節(jié)點為故障線路的兩端，即定位的區(qū)段為，共兩個，可疑監(jiān)測域中真實的故障區(qū)段也為，即該場景下故障區(qū)段準(zhǔn)確率為100%。

圖5b中的監(jiān)測域包含4個節(jié)點、、、，形成的節(jié)點導(dǎo)納矩陣為

與故障相連的節(jié)點為、與、，不可觀節(jié)點為、。因此，產(chǎn)生不平衡電流分量的節(jié)點為、、、，不平衡電流分量所在的節(jié)點為故障線路的兩端，即定位的區(qū)段為和，共三個，但可疑監(jiān)測域中真實故障區(qū)段為，即該場景下故障區(qū)段準(zhǔn)確率為66.7%。該方法對各種復(fù)故障適應(yīng)性分析見表1、表2。

表1 兩重復(fù)故障適應(yīng)性分析

Tab.1 Double fault adaptability analysis

由表1、表2可知，該定位方法在絕大多數(shù)復(fù)故障情景下故障區(qū)段定位準(zhǔn)確率為100%，即實際故障區(qū)段與檢測判據(jù)所定位的區(qū)段完全一致；但在極少數(shù)復(fù)故障場景下，中間節(jié)點全部不可觀，故障區(qū)段定位準(zhǔn)確率為66.7%或75%，實際故障區(qū)段少于檢測判據(jù)所定位的區(qū)段，即誤判可疑監(jiān)測域內(nèi)的正常區(qū)段。

表2 兩重以上復(fù)故障適應(yīng)性分析

Tab.2 Double or more fault adaptability analysis

5 仿真分析

5.1 同一故障區(qū)段存在復(fù)故障仿真算例

在同一個區(qū)段16-17上內(nèi)設(shè)置復(fù)故障，對故障定位方法進行驗證，過渡電阻f=0，復(fù)故障發(fā)生位置如圖6所示。經(jīng)過PSCAD/EMTDC仿真和Matlab編程實現(xiàn)，得到同一故障區(qū)段發(fā)生復(fù)故障定位結(jié)果見表3。

圖6 同一故障區(qū)段復(fù)故障發(fā)生位置

表3 同一故障區(qū)段發(fā)生復(fù)故障定位

Tab.3 Fault location where combination fault occurs in the same fault section

由表3可以看出，該故障定位方法適用于同一故障區(qū)段發(fā)生復(fù)故障的場景，可以準(zhǔn)確定位故障區(qū)段。當(dāng)復(fù)故障發(fā)生在同一故障區(qū)段，本文假定合并處理，即按照各故障區(qū)段僅發(fā)生一個故障處理。

5.2 不同區(qū)段發(fā)生復(fù)故障仿真算例

在各個不相連線路或相鄰線路上分別設(shè)置各個故障類型的復(fù)故障，位置如圖7所示。為保證準(zhǔn)確檢測故障區(qū)段，本文設(shè)定不平衡電流幅值門檻值，通過PSCAD/EMTDC仿真和Matlab編程實現(xiàn)，復(fù)故障的故障區(qū)段判定結(jié)果見表4。

圖7 不同區(qū)段復(fù)故障發(fā)生位置

表4中，系統(tǒng)發(fā)生故障后，可疑監(jiān)測域的相量值滿足式（6）或式（7），其他監(jiān)測域未發(fā)生故障，其正序電流相位差變化小于閾值或線路相電流正常。通過搜索算法，確定可疑監(jiān)測域，并啟動故障定位算法。最后通過式（14）計算監(jiān)測域內(nèi)各節(jié)點的不平衡電流分量幅值，與故障相連節(jié)點的不平衡電流分量幅值大于設(shè)定的門檻值，正常節(jié)點的不平衡電流分量幅值約為0。其中算例3-6、9-10發(fā)生復(fù)故障的區(qū)段分別在兩個監(jiān)測域，各監(jiān)測域內(nèi)的節(jié)點全部可觀，利用基于不平衡電流分量幅值的故障區(qū)段定位方法可以準(zhǔn)確定位故障區(qū)段；算例1-2、7-8發(fā)生復(fù)故障的區(qū)段全部處于同一監(jiān)測域，導(dǎo)致部分節(jié)點不可觀，用故障前節(jié)點電壓代替，通過基于不平衡電流分量幅值的故障區(qū)段檢測判據(jù)也可以正確定位故障區(qū)段，但算例1、7中正常區(qū)段9-10被誤判為故障區(qū)段。

表4 復(fù)故障的故障區(qū)段判定

Tab.4 Fault section determination of combination faults

5.3 抗過渡電阻影響分析

5.1節(jié)和5.2節(jié)的算例都為系統(tǒng)發(fā)生金屬性短路的情形，過渡電阻f=0。分別選取表4中不同的故障位置，分析不同過渡電阻對定位結(jié)果的影響。據(jù)統(tǒng)計，在過渡電阻小于3kΩ的接地故障中，過渡電阻小于140Ω的比例為85%[18]。通過PACAD/EMTDC和Matlab分別對過渡電阻f為10Ω、100Ω、150Ω、500Ω和1 000Ω的算例進行驗證，得到各區(qū)域的相位差變化與可疑監(jiān)測域內(nèi)不平衡電流分量幅值仿真結(jié)果見表5、表6。

表5 線路發(fā)生各類接地短路復(fù)故障各區(qū)域相位差變化

Tab.5 Change in phase difference in MA under combination fault

表6 復(fù)故障可疑監(jiān)測域的各節(jié)點不平衡電流分量幅值

Tab.6 The UC in MA under calculation fault

表5驗證了本文可疑監(jiān)測域搜索算法在過渡電阻1kΩ的情況下仍能準(zhǔn)確識別可疑監(jiān)測域，并啟動故障定位算法。表6驗證了基于不平衡電流分量的故障定位算法在過渡電阻在150～500Ω以內(nèi)可以準(zhǔn)確定位故障區(qū)段。其中，對于單相接地短路故障，抗過渡電阻能力可達(dá)150Ω；對于兩相接地短路與三相短路故障，可達(dá)500Ω。綜上所述，該方法抗高阻能力較強。

5.4 方法性能分析

本文選取了標(biāo)準(zhǔn)遺傳算法[19]（Standard Genetic Algorithm, SGA）、基于FTU過流信息的矩陣算法[20]與所提方法進行對比。限于篇幅，以區(qū)段L13-14、L16-17發(fā)生單相接地短路故障、兩相接地短路、兩相短路、三相短路為例，考慮不同DG滲透率水平，分別為20%、50%、70%，分別進行測試，結(jié)果如圖8所示。

圖8 各方法性能對比及分析

由圖8可以看出，電力系統(tǒng)發(fā)生復(fù)故障后，當(dāng)配電網(wǎng)DG滲透率較小（20%）時，三種故障定位方法的準(zhǔn)確度相差不大。隨著DG滲透率的不斷提高，本文所提故障定位方法的準(zhǔn)確性依然很高，而基于FTU過電流信息的矩陣算法和基于標(biāo)準(zhǔn)遺傳算法的智能優(yōu)化算法因不適用于含DG的配電網(wǎng)而準(zhǔn)確率下降，驗證了本文算法適用于DG高滲透率的配電網(wǎng)復(fù)故障區(qū)段定位，可靠性高。

選取可靠性相對較高的標(biāo)準(zhǔn)遺傳算法與本文定位方法就仿真計算時間進行分析。限于篇幅，以系統(tǒng)發(fā)生單相接地短路復(fù)故障為例，在不同規(guī)模節(jié)點的配電網(wǎng)中分別使用標(biāo)準(zhǔn)遺傳算法和本文采用的故障定位算法進行比較，各運算10次，取平均耗時得到如圖9所示的結(jié)果。

圖9 兩種方法計算速度對比及分析

由圖9可以看出，在節(jié)點數(shù)量較少時，本文所提算法與遺傳算法耗時相近。隨著節(jié)點規(guī)模的不斷擴大，在9節(jié)點及其更大規(guī)模的系統(tǒng)中，耗時與遺傳算法相比更少。在中、大型規(guī)模的配電網(wǎng)中本文故障定位方法優(yōu)勢更加明顯。

利用有源配電網(wǎng)故障定位方法測試平臺對所提方法的性能進行測試。該平臺適用于實際10kV配電網(wǎng)饋線故障數(shù)據(jù)、數(shù)值模擬，通過設(shè)置不同故障位置、故障類型、過渡電阻、DG滲透率，驗證了該方法適用于各類中壓有源配電網(wǎng)不同場景下的故障定位，測試結(jié)果見表7。

表7 測試平臺批量驗證結(jié)果

Tab.7 Test platform batch verification results

6 結(jié)論

本文提出的考慮復(fù)故障的中壓有源配電網(wǎng)故障定位方法，基于μPMU優(yōu)化配置結(jié)果對配電網(wǎng)進行區(qū)域劃分，形成兩種類型的監(jiān)測域。根據(jù)搜索算法，可以快速確定可疑監(jiān)測域，并啟動故障定位算法。基于PSCAD/EMTDC和Matlab的仿真結(jié)果表明，可以得出以下結(jié)論：

1）對于發(fā)生復(fù)故障等復(fù)雜場景，可能會導(dǎo)致監(jiān)測域內(nèi)部分節(jié)點不可觀，本文采用故障前電壓代替，絕大多數(shù)場景算法可完全適應(yīng)，并準(zhǔn)確定位故障區(qū)段。

2）本文可疑監(jiān)測域搜索算法，可快速確定可疑監(jiān)測域，并啟動故障定位算法，降低了故障定位的運算維度，極大提高了定位的效率，且抗過渡電阻能力在1kΩ以內(nèi)。

3）本文方法采用不平衡電流分量幅值比較的檢測判據(jù)，可適用于短路、斷線等多類型，兩重及以上等復(fù)故障，準(zhǔn)確判斷有源配電網(wǎng)的故障區(qū)段，且抗過渡電阻能力在150～500Ω之間。

該方法目前主要針對中壓有源配電網(wǎng)在極端、復(fù)雜條件下的故障定位，對于MA2(,,,)監(jiān)測域內(nèi)兩端區(qū)段故障，導(dǎo)致中間節(jié)點不可觀，從而誤判正常區(qū)段，后續(xù)研究中可利用廣域相量信息結(jié)合故障指示器等多源信息來進行綜合定位。

[1]許寅, 和敬涵, 王穎, 等. 韌性背景下的配網(wǎng)故障恢復(fù)研究綜述及展望[J]. 電工技術(shù)學(xué)報, 2019, 34(16): 3416-3429. Xu Yin, He Jinghan, Wang Ying, et al. A review on distribution system restoration for resilience enhancement[J]. Transactions of China Electrotechnical Society, 2019, 34(16): 3416-3429.

[2]李振坤, 王法順, 郭維一, 等. 極端天氣下智能配電網(wǎng)的彈性評估[J]. 電力系統(tǒng)自動化, 2020, 44(9): 60-71. Li Zhenkun, Wang Fashun, Guo Weiyi, et al. Resilience assessment of intelligent distribution networks in extreme weather[J]. Automation of Electric Power Systems, 2020, 44(9): 60-71.

[3]張艷霞, 尹佳鑫, 蒙高鵬, 等. 基于錯誤邏輯區(qū)域檢測的配電網(wǎng)容錯故障定位[J]. 電機與控制學(xué)報, 2017, 21(11): 1-8. Zhang Yanxia, Yin Jiaxin, Meng Gaopeng, et al. False-tolerant fault location method for distribution networks based on wrong-logic region detecting[J]. Electrical Machines and Control, 2017, 21(11): 1-8.

[4]王賓, 孫華東, 張道農(nóng). 配電網(wǎng)信息共享與同步相量測量應(yīng)用技術(shù)評述[J]. 中國電機工程學(xué)報, 2015, 35(增刊1): 1-7. Wang Bin, Sun Huadong, Zhang Daonong. Technical review on sharing and synchronous phasor measurement in distribution network[J]. Proceedings of the CSEE, 2015, 35(S1): 1-7.

[5]謝李為, 李勇, 羅隆福, 等. 基于距離矩陣與分支系數(shù)的配電網(wǎng)故障定位方法[J]. 中國電機工程學(xué)報, 2020, 40(7): 2180-2191, 2397. Xie Liwei, Li Yong, Luo Longfu, et al. Based on distance matrix and branch coefficient distribution network fault location method[J]. Proceedings of the CSEE, 2020, 40(7): 2180-2191, 2397.

[6]王秋杰, 金濤, 譚洪, 等. 基于分層模型和智能校驗算法的配電網(wǎng)故障定位技術(shù)[J]. 電工技術(shù)學(xué)報, 2018, 33(22): 5327-5337. Wang Qiujie, Jin Tao, Tan Hong, et al. The technology on fault location of distribution network based on hierarchical model and intelligent checking algorithm [J]. Transactions of China Electrotechnical Society, 2018, 33(22): 5327-5337.

[7]馬靜, 許冬, 王桐, 等. 基于故障確信度的廣域多重故障識別新算法[J]. 電網(wǎng)技術(shù), 2012, 36(12): 88-93. Ma Jing, Xu Dong, Wang Tong, et al. A new wide-area multiple fault identification algorithm based on fault certainty[J]. Power System Technology, 2012, 36(12): 88-93.

[8]王晨, 童曉陽, 王睿晗. 有限相量測量單元下最小二乘估計的廣域后備保護算法[J]. 電力系統(tǒng)自動化, 2015, 39(20): 124-129. Wang Chen, Tong Xiaoyang, Wang Ruihan. Wide-area backup protection algorithm for least squares estimation under finite phasor measurement unit[J]. Automation of Electric Power Systems, 2015, 39(20): 124-129.

[9]王秋杰, 金濤, 申濤, 等. 利用多因素降維的配電網(wǎng)區(qū)段定位完全解析模型[J]. 電工技術(shù)學(xué)報, 2019, 34(14): 3012-3024. Wang Qiujie, Jin Tao, Shen Tao, et al. A complete analytical model for location of distribution network segment with multi-factor dimensionality reduction[J]. Transactions of China Electrotechnical Society, 2019, 34(14): 3012-3024.

[10]金濤, 李鴻南, 劉對. 基于BPSOGA的含風(fēng)電機組的配電線路故障區(qū)段定位[J]. 電力自動化設(shè)備, 2016, 36(6): 27-33. Jin Tao, Li Hongnan, Liu Dui. Fault location of distribution line with wind turbine based on BPSOGA [J]. Electric Power Automation Equipment, 2016, 36(6): 27-33.

[11]王秋杰, 金濤, 梅李鵬, 等. 基于模型分層的配電網(wǎng)故障診斷方法[J]. 電力自動化設(shè)備, 2020, 40(1): 73-79. Wang Qiujie, Jin Tao, Mei Lipeng, et al. Fault diagnosis method of distribution network based on model layer[J]. Electric Power Automation Equipment, 2020, 40(1): 73-79.

[12]吳凡, 趙晉泉, 朱斌, 等. 基于MOPSO的含分布式光伏配電網(wǎng)故障區(qū)段定位[J]. 電力系統(tǒng)保護與控制, 2018, 46(6): 46-53. Wu Fan, Zhao Jinquan, Zhu Bin, et al. Fault location of distributed photovoltaic power distribution network based on MOPSO[J]. Power System Protection and Control, 2008, 46 (6): 46-53.

[13]陶維青, 竇開明, 方陳, 等. 配電網(wǎng)相量數(shù)據(jù)接入方式比較及技術(shù)分析[J]. 電網(wǎng)技術(shù), 2019, 43(3): 784-792. Tao Weiqing, Dou Kaiming, Fang Chen, et al. Comparison and technical analysis of phasor data access modes in distribution network[J]. Power System Technology, 2019, 43(3): 784-792.

[14]邱璐, 陳麗華, 臧天磊, 等. 基于可觀性量測和梯度投影算法的諧波源定位[J]. 電網(wǎng)技術(shù), 2016, 40(2): 649-655. Qiu Lu, Chen Lihua, Zang Tianlei, et al. Harmonic sources location method based on observability measurement and gradient projection algorithm[J]. Power System Technology, 2016, 40(2): 649-655.

[15]羅深增, 李銀紅, 游昊, 等. 基于同步相量測量單元的串聯(lián)補償線路自適應(yīng)故障定位算法[J]. 電工技術(shù)學(xué)報, 2017, 32(5): 143-151. Luo Shenzeng, Li Yinhong, You hao, et al. An adaptive fault location algorithm based on PMU measurement for series compensated transmission lines[J]. Transactions of China Electrotechnical Society, 2017, 32(5): 143-151.

[16]Jiang Quanyuan, Li Xingpeng, Wang Bo, et al. PMU-based fault location using voltage measurements in large transmission networks[J]. IEEE Transactions on Power Delivery, 2012, 27(3): 1644-1652.

[17]趙波, 王財勝, 周金輝, 等. 主動配電網(wǎng)現(xiàn)狀與未來發(fā)展[J]. 電力系統(tǒng)自動化, 2014, 38(18): 125-135. Zhao Bo, Wang Caisheng, Zhou Jinhui, et al. Present and future development trend of active distribution network[J]. Automation of Electric Power Systems, 2014, 38(18): 125-135.

[18]徐丙垠, 薛永端, 馮光, 等. 配電網(wǎng)接地故障保護若干問題的探討[J]. 電力系統(tǒng)自動化, 2019, 43(20): 1-7. Xu Bingyin, Xue Yongduan, Feng Guang, et al. Discussion on several problems of earthing fault protection in distribution network[J]. Automation of Electric Power Systems, 2019, 43(20): 1-7.

[19]劉鵬程, 李新利. 基于多種群遺傳算法的含分布式電源的配電網(wǎng)故障區(qū)段定位算法[J]. 電力系統(tǒng)保護與控制, 2016, 44(2): 36-41. Liu Pengcheng, Li Xinli. Fault section location ofdistribution network containing distributed generation based on the multiple-population genetic algorithm[J]. Power System Protection and Control, 2016, 44(2): 36-41.

[20]黃佳樂, 楊冠魯. 配電網(wǎng)故障區(qū)間定位的改進矩陣算法[J]. 電力系統(tǒng)保護與控制, 2014, 42(11): 41-45. Huang Jiale, Yang Guanlu. Modified matrix algorithm for fault location of distribution network[J]. Power System Protection and Control, 2014, 42(11): 41-45.

Fault Location Method for Active Distribution Networks Considering Combination Faults

Zhang Jianlei1,2Gao Zhanjun1Chen Ming2Wei Zhen2An Shuhuai2

（1. Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education Shandong University Jinan 250061 China 2. State Grid Qingdao Power Supply Co. Ltd Qingdao 266000 China）

Reliable fault location is an important means to improve the power supply reliability of distribution networks after extreme disturbance. In extreme disturbance, the probability of combination fault in distribution networks increases, mainly reflected in the features of high fault multiplicity, multiple fault types and high resistance grounding. In this paper, a fault location method for active distribution networks considering combination faults is proposed. Through the area division based on optimal μPMU configuration, each monitoring area is formed. The suspicious monitoring area is determined by the search algorithm criterion, and the fault location algorithm is started. The fault section detection criterion comparing the amplitude of the unbalanced current component is used to locate the fault. Through PSCAD/EMTDC and Matlab, it is verified that this method is not affected by fault location and fault type, and is suitable for complex scenarios such as combination and multi-type faults. Moreover, it has high resistance against transition resistance.

Combination faults, suspicious monitoring area, unbalanced current component, fault location, wide area phasor information

TM77

10.19595/j.cnki.1000-6753.tces.200487

國家電網(wǎng)有限公司總部科技項目資助（基于綜合能源系統(tǒng)的智能配電網(wǎng)彈性技術(shù)與應(yīng)用基礎(chǔ)研究52060019001H）。

2020-05-14

2020-09-15

張健磊 男，1996年生，碩士研究生，研究方向為電力系統(tǒng)繼電保護、故障定位。E-mail：zhangjianlei@mail.sdu.edu.cn

高湛軍 男，1974年生，副教授，碩士生導(dǎo)師，研究方向為電力系統(tǒng)繼電保護、故障診斷。E-mail：jacob-gao@sdu.edu.cn（通信作者）

（編輯 赫蕾）