关于配电线路故障查找的探析

关于配电线路故障查找的探析

【摘要】配电网的安全性和稳定性对于国民经济的稳定发展以及人们的生产生活都有着十分重要的影响，由于存在着人为或者天气等干扰因素，配网中会时常发生短路、开路、断路等问题，如果处理不好，就会发生供电中断或者大面积停电现象，给社会经济以及人们的日常生活带来很大的不便。文章就配电线路故障查找方法进行了探析。

【关键词】配网；线路故障；查找；探析

近年来，随着国民经济高速发展，用电需求不断增长，电网供电压力相对较大，这在很大程度上增加了电网发生故障的可能性。通过实践，对传统故障诊断方法进行研究，目前提出了一种名为RBF神经网络配电网故障查找的方法，它主要是根据RBF神经网络理论，再结合配电网模型，从而建立了起了基于RBF神经网络的配电网故障诊断模型对。实践证明，这种工作方法还是比较有效的，并且该故障查找方法表现出一定容错性，这一点有利于配网线路实时监测，其实用价值很高。

1.配网的特点

与输电网相比较，配网具有以下三方面的特点：

（1）供电的半径较小。输电网中使用的经典阻抗法对于配电网中较短的线路故障查找显然不适用。

（2）配电网的末端随机负荷较多，这就使得阻抗法在配网中无法对故障进行精确的定位。

（3）配网线路中的分支太多。线路上的分支太多就会给精确某一分支带来麻烦；其带来的信息过多，就会使真伪信息混杂在一起，难遇分辨。

2.配网故障检测技术的概述

（1）现阶段的故障诊断技术

它是指在配网线路发生故障时，主工作站依据安装在配网中的数据收集监控装置上传的故障信息与数据，再结合配网实际运行情况，通过分析、处理，最终确定出已经发生故障的各种元器件。其诊断方法包括：

基于专家系统的诊断方法：专家系统法就是通过计算机模型，演示人工思维逻辑的一种智能系统，它是多位专家经验的总结，并采用专家推理法，对专家决策的过程进行模拟，从而实现故障的诊断。它一般分为：基于启发是规则推理系统和结合正反推理的系统。在配网故障诊断的实际使用中，它要根据调度人员的

经验和配网中断路器表现出来的状态信息，并把继电保护及开关动作的运行逻辑提取出来，从而形成故障诊断规则，再结合调度人员处理故障的经验，通过启发式规则或正反推理策略，寻找可能发生故障的位置。

基于人工神经网络的诊断方法：人工神经网络，实践中主要是运用在输入和输出之间不确定对应关系问题的解决上。它主要利用了训练样本，并在输入和输出之间的高维空间建立某种函数关系，通过这一函数关系来确立输入和输出之间具有不确定性特点的对应关系。从实践来看，人工神经网络配电网线路故障诊断法，在容错性、断能力等方面都具有非常明显的优势，而且其数据处理速度特别的快，可以有效地满足实时性工作的要求。

（2）现阶段的故障定位技术

目前来看，我国中低压配电网采用的多是中性点非有效运行模式，一旦线路发生故障，单相接地故障可以准确、高效地进行定位，进而修复线路、保证正常供电。从这一点来看，它对电力系统的经济性与安全性，都具有非常重大的意义。其方法包括：阻抗法、行波法以及S注入法。

3.RBF神经网络的配网线路故障查找方法

（1）理论基础

所谓人工神经网络，主要是指利用了物理系统模拟人脑神经细胞结构和功能的一种系统，信息主要被存储在各信息处理单元间的联结权之上。当前我们已经建成的人工神经网络模型及其构成的人工神经网络，主要是对生物神经元结构和功能进行模拟。其神经和结构如图1所示。

从图上来看，它是一个多输入单输出的非线性的元件，输入和输出之间的关系可以用公式表示为：Ii=∑nj=lwjixj-θi；yi=f（It），其中的xj表示从其他细胞传来的输入信号，θi表示神经元的阀值，wji则表示细胞i到细胞j的联结权值；n代表输入信号的数目，yi代表神经元输出，f为在传递函数。

实际上人工神经网络的模型种类很多，常被用于不同领域之中，据调查显示，目前使用最广的是多层前馈神经网络BP网络与基于径向基函数RBF建立的人工神经网络。二者在结构上非常的类似，都是三层的前馈网络，都含有输入层、中间层、输出层，但是两者的学习模式不同。

（2）RBF神经网络

径向基函数神经网络是应用比较广泛的一种人工神经网络，理论来说，它可以随意的进度去逼近任意的连续函数，因此多被应用于函数逼近以及模式识别等领域。原理是：将径向的基函数作为隐含层单元之基，从而形成隐含层空间，这时隐含层对输入矢量加以变换，并由低维模式变换到高维空间，从而使低维空间不可分线性问题可以在高维空间得以可分，再由输出层对输入作用进行评判。

一般而言，RBF神经网络主要有输入层、输出层以及隐含层三层前向网络，其结构如图2所示。

由图可知，输入层是由信号源的节点组成，可以使用实际或者归一化的方法表示，随后输入信号传送到隐含层。其中RBF函数的形式有：径向基函数是一种能够实现多输入、多输出的非线性系统的识别方法，在此基础上建立的RBF神经网络可完成对非线性系统的模式识别与分类。

（3）配网线路故障查找模型我们以较为简单的配电网为例，进一步阐明基于RBF神经网络的配电网故障查找模型（图3、图4）。

图中的L1、L2表示两条传输线，T1、T2、T3表示三台变压器，Sec1、Sec2表示两个供电区，BP代表配置的母线保护，OR代表过流保护，TR代表变压器保护，DR代表后备距离保护，CB代表断路器，用0表示断开用1表示闭合。

若RBF神经网络输入层有一个神经元，那么，RBF神经网络故障诊断模型就会根据上述的保护与断路器开关量的状态信息，作为输入的元素，而输出的结果就表示线路出现故障的可能性。RBF神经网络配断网故障诊断中，将母线保护、断路器以及变压器的保护等状态信息共同组成一个输入向量集合，母线、供电区以及变压器都可以视为可能故障元件，当作被诊断对象，利用继电保护和经验知识形成训练的样本，进一步算出可能发生故障的支路。

（4）方法过程

实践中，我们可以通过网络状态估算法，帮助获得想要的配电网结构与参数，并基于ETU获得网络中各保护及断路器的相关信息。a实时输入拓扑结构、网络参数以及电网运行方式；b根据继电保护与自动装置的动作原理，通过RBF神经网络，对组成的样本集进行训练，并在此基础上建立RBF神经网络之故障训练样本；c实时收集、提取相关的开关量，并根据RBF故障诊断模型进行匹配运算；d根据配电网线路的故障指标，确定各个配电网线路故障发生的可能性；e输出科学合理的诊断结果。其具体过程图示如图5所示。

4.结语

目前我国使用的配电网故障实时监测技术，故障信息源比较单一，可以将多个智能体技术与信息融合技术有效地结合在一起，同时利用多个数据源实现配网在线故障监测，业已成为当前我们主要的研究方向；同时还要建立统一、精确和完整的配电网故障监测系统，因此可以说在这一领域我们依然任重而道远。

参考文献

[1]解健，倪建立，杜宇.配电网故降区段判断和隔离的统一矩阵算法[J].电力系统自动化，1999，23（1）：31-33.

[2]曾祥君，尹项根等.配电网接地故障负序电流分布及接地保护原理研究[J].中国电机工程学报，2001，21 （6）：84，89.

[3]薛永端，徐丙垠，冯祖仁等.小电流接地故障暂态方向保护原理研究[J].中国电机工程学报，2003，23（7）：51，57.