基于大数据的智能配电网状态监测技术

基于大数据的智能配电网状态监测技术

李辰雷

国网江苏省电力有限公司灌云县供电分公司

摘要：智能配电网中引入新能源类DG容易在局部区域产生双向不定潮流，不仅使网络结构复杂化，改变配电网的众多故障特性，还给保护控制设计提出了一定的挑战。而大多数保护方法的故障判据均使用小样本的单一电气特征量，整定所需计算较为复杂，且在运行环境变化时需要重新进行整定，保护可靠性方面也存在着一定的风险。在通信或传感器异常时，也容易产生误动或拒动保护。在智能配电网中加入大量传感设备，采集、上传并分析运行数据，形成智能配电网的大数据。目前已被用于用电行为分析、负荷预测等应用中，潜力较大且也为配电网保护方法提供了一个新的思路。

关键词：智能配电网；保护方法；大数据分析；状态监测；故障定位；故障处理

引言

我国传统的中压配电网多采用辐射型结构，其在正常运行时潮流在网络中是单向流动的，保护方法的整定较为简单。智能配电网中DG的接入不仅加大了网络结构的复杂程度，还改变了配电网的故障特性。此外，新能源类DG的输出功率具有一定的随机性，使得配电网在正常运行时存在局部区域双向不定潮流的问题，这给智能配电网的保护控制带来了极大的挑战。

1状态监测与故障处理策略与方案设计

1.1总体策略

当配电网处于正常运行状态时，网络中各节点的运行状态基本一致。此时，基于配电网节点运行数据构建的高维时空状态监测矩阵的行间差异度很小，各节点在高维空间中呈现的是一群聚在一起的点，不存在离群点。当配电网处于故障状态时，网络中故障节点与正常节点的运行状态出现很大差异，各节点在高维空间中呈现的不再是聚在一起的一群点，此时，数量较少的故障节点因远离正常节点而形成离群点。因此，在进行智能配电网状态监测时，只需检测出高维时空状态监测矩阵是否存在离群点，即可完成配电网运行状态的监测，再结合离群点的关联关系即可确定故障点的位置。

1.2方案设计

1）数据预处理。该环节目的在于对传感设备上传的原始数据进行筛选与预处理，以减少数据量，并生成本文状态监测与故障处理所需的初始特征量矩阵。该环节包括特征量选取、网络关联矩阵构建以及区域差分处理。2）数据融合。该环节采用数据融合的思想，首先在空间上将多个不同电气特征量构建的单时段单电气特征量的状态监测矩阵融合成一个单时段多电气特征量的状态监测矩阵；此后，将该矩阵在时间序列上进一步扩充，最终生成一个高维时空状态监测矩阵。3）数据分析与可视化。该环节首先采用多维尺度分析算法对高维时空状态监测矩阵进行处理，在保持各对象相对关系基本不变的前提下，将高维数据在低维空间中呈现出来，在完成数据可视化的同时降低低价值数据量，进一步实现数据融合；然后，对降维处理后的时空状态监测矩阵进行离群点检测以支撑智能配电网运行状态的在线辨识。4）状态辨识与处理。该环节首先基于数据分析的结果进行状态辨识，再根据配电网的状态进行对应的处理，处理主要分为非正常状态下的状态优化以及故障状态下的故障定位与隔离2方面内容。非正常状态下的状态优化是对智能配电网当前的非正常状态进行修正控制，目的在于预防以及降低故障发生的可能性，属于自愈控制中预防控制的范畴，限于篇幅，在此不做深入研究。时空状态监测矩阵中的离群点与物理电网中的故障节点一一对应，故障节点所在的公共区域即为故障区域。因此在故障发生后，数据处理中心仅需向该区域内的测控一体化终端发送跳闸命令即可完成故障的隔离。值得说明的是，高维时空状态监测矩阵是一个高度稀疏的高维矩阵，若直接对其进行离群点检测，存在算法时间复杂度高、数据处理时间长以及检测结果准确性低的问题。时效性与准确性对智能配电网状态监测与故障处理至关重要，因此在离群点检测前需要对高维时空状态监测矩阵进行数据降维。

2特征量选取

智能配电网有单相短路接地、两相相间短路、两相短路接地、三相短路等多种故障类型，故障类型不同故障特征也不同。在众多故障类型中，单相接地故障比例最大，亦较难检测。为了增加文章所提保护方法进行故障辨识的可靠性与适应性，结合智能配电网故障的实际情况、状态监测数据的相关性以及不同特征量之间数据融合的效能，此处选取了电流与功率2种类型的电气特征量，具体为三相电流、负序与零序电流以及零序有功、无功功率。需要说明的是文章所提保护方法在进行状态辨识时是基于多个特征量数据融合而成的时空状态监测矩阵，因此在实际使用中出现部分特征量为零的场景(相间短路时零序分量为零)时仅会降低故障节点局部异常因子(localoutlierfactor，LOF)值的大小，故障仍能可靠辨识。

3区域差分处理

由于配电网大部分时间处于正常运行状态，所以配电网状态监测数据绝大部分为正常数据；此外，即便配电网处于故障状态，故障节点与正常节点的原始状态监测数据差异亦不是特别显著，不利于故障辨识。为此，需要对原始状态监测数据进行区域差分处理以增强故障节点与正常节点的差异性。

4故障判定

故障处理判据除电力系统故障外，配电网在运行时，可能出现传感器故障，传感器故障易造成保护的误判、误动。鉴于此，本节提出一种基于配电网最外层广义节点LOF值校验的防误动判据，其原理为：在发生单一类型(电力、传感器)故障条件下，当且仅当配电网广义节点内的区域发生电力系统故障时，广义节点LOF超出整定值。此外，由前文可知当配电网非边界节点发生传感器故障时，故障节点LOF值最大。综上，单一类型故障条件下故障处理判据为：1）满足故障启动判据并且广义节点LOF值超过整定值，判定故障为电力系统故障，且故障点位于物理节点所在的公共区域内，数据处理中心向故障节点发送动作命令将故障区域隔离。2）满足故障启动判据，但广义节点LOF值未达到整定值，判定故障为传感器故障，此时LOF值最大的节点为故障节点，数据处理中心发出告警信息并确保各测控一体化终端可靠不动作。

结语

以大数据在智能电网出现运用为背景，本文基于大数据技术设计并提出了一套智能配电网状态监测及故障处理方法。状态监测中将多电气特征量融合成为单个综合特征量，保证辨识准确性。再以LOF值替代电气特征量的判定，避免了繁琐的整定计算。经实验测试，该方法能对单一故障条件下发生的电力系统或传感器故障进行有效的识别和定位，并具有一定的容错能力，为类似检测与故障处理方法的研究提供了参考。

参考文献

[1]李晓晖.分布式电源对配电网继电保护影响的研究[D].北京：华北电力大学，2011.

[2]雷金勇，李战鹰，卢泽汉，等.分布式发电技术及其对电力系统影响研究综述[J].南方电网技术，2011，5（4）：46⁃50.

[3]尚瑨.含分布式电源的配电网保护与优化运行研究[D].上海：上海交通大学，2015.

[4]王伟，杨伟光，高立忠，等.基于智能电网调度支持的居民用电侧自动需求响应系统[J].现代电子技术，2017，40（10）：172⁃174.

[5]宋亚奇，周国亮，朱永利．智能电网大数据处理技术现状与挑战[J]．电网技术，2013，37(4)：927-938．

[6]余贻鑫，栾文鹏．智能电网述评[J]．中国电机工程学报，2009，29(34)：1-8．