一种适用于微电网的智能故障诊断方法技术

本发明专利技术公开了一种适用于微电网的智能故障诊断方法，包括：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控，判断微电网是否发生内部故障，从而确定微电网故障诊断的启动模式；根据故障诊断模式的设定条件采样微电网母线上的电压电流信号并进行预处理；利用多小波包分解技术提取不同频率的故障信号暂态分量；计算小波奇异熵作为微电网RBF神经网络故障诊断模型的特征向量；将特征向量输入诊断模型，输出微电网的故障状态信息。本发明专利技术同时具备微电网外部故障诊断功能和内部短路故障诊断功能，为微电网的运行控制与相关保护提供了依据。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控，判断微电网是否发生内部故障，从而确定微电网故障诊断的启动模式；根据故障诊断模式的设定条件采样微电网母线上的电压电流信号并进行预处理；利用多小波包分解技术提取不同频率的故障信号暂态分量；计算小波奇异熵作为微电网RBF神经网络故障诊断模型的特征向量；将特征向量输入诊断模型，输出微电网的故障状态信息。本专利技术同时具备微电网外部故障诊断功能和内部短路故障诊断功能，为微电网的运行控制与相关保护提供了依据。【专利说明】-种适用于微电网的智能故障诊断方法
本专利技术设及一种微电网孤岛检测与故障诊断方法，属于电力系统继电保护和新能 源发电
。
技术介绍
传统的集中发电、大电网互联集中供电方式存在供电可靠性差和供电安全性问 题，诸多国家大面积停电事故充分证明了该一严峻问题。高效可靠的分布式发电技术越来 越受到世界各国的青睐，微电网就是在分布式发电基础之上形成的一种新型供电方式。微 电网是集太阳能光伏发电、风力发电、燃料电池、微型燃气轮机等多种分布式发电及储能单 元、负荷W及监控、保护装置于一体的混合供能系统。在正常状态下，微电网通过静态开关 (static transfer switch, ST巧接入大电网作为一个可控单元并网运行（并网模式）；当 大电网故障或电能质量不满足要求时，微电网可W通过切断STS与大电网隔离，作为自治 系统孤岛运行（孤岛模式），避免电网故障影响微电网内负荷正常运行。 相对于传统的电力系统，微电网的故障诊断与传统电力系统相比，其特殊性主要 表现在W下几个方面；（1)微电网中分布式电源及负荷具有"即插即用"功能，使得微电网 拓扑结构复杂多变；（2)太阳能光伏发电、风力发电等分布式电源，都通过电力电子装置接 入微电网，故障时提供的短路电流很小，使得传统的继电保护装置很难检测；（3)微电网中 包含各种类型的分布式电源，有的通过电力电子装置接入微电网如太阳能光伏发电、风力 发电等，有的具有同步发电机特性如柴油发电机、微型燃气轮机等，有的具有双向潮流特性 如各种类型的储能装置（蓄电池、裡电池、超级电容等），该些分布式电源的故障特征差异 很大；(4)微电网在并网模式和孤岛模式运行时，短路故障电流差异很大。上述特点使得 传统的电力系统故障分析方法已不能应用于微电网，需要研究新的微电网智能故障诊断方 法。 微电网的内部故障是指发生在静态开关内侧的故障，即微电网内部的故障；微电 网的外部故障是指发生在静态开关外侧的故障，即所接入大电网发生故障。 微电网内部故障主要表现为短路故障，包括单相接地短路（A相接地故障、B相接 地故障、C相接地故障）、两相间短路（AB相间短路故障、BC相间短路故障、AC相间短路故 障）、两相接地短路（AB相接地短路故障、BC相接地短路故障、AC相接地短路故障）W及S 相接地短路等。 当微电网发生外部故障时，微电网通过切断STS与大电网隔离，继续向微电网内 部负荷供电，从而进入孤岛运行模式。由于微电网并网运行与孤岛运行的控制策略不同，只 有通过微电网外部故障诊断检测出孤岛状态，才能确定微电网从并网运行模式到孤岛运行 模式的切换，从而为微电网的运行控制与相关保护提供依据。如果无法诊断出外部故障，将 危及电网线路检修人员的安全W及电网自动重合闽。 因此，微电网的内部故障诊断和外部故障诊断都具有重要的现实意义。 [000引 申请号分别为201110382256. X和201110382164. X的中国专利文献"微网电力 系统的内部故障判别方法"和"微网电力系统的外部故障判别方法"，需要对微电网内大 量设备实时监控，不仅传输数据量大、通讯回路多，而且投入成本高、可靠性差。申请号为 201010146403. 9的中国专利文献"一种用于微网的快速故障诊断方法"，利用网络开关信息 进行拓扑分析，判定微电网的故障区域，与微电网复杂多变的拓扑结构特征不符。上述方法 均不能辨识出微电网的故障类型，而且工程应用较困难，智能化程度低。目前尚未有相关论 文和专利研究微电网内部故障类型辨识方法，微电网的外部故障诊断研究也较少。 当系统发生故障时，各频带分量会发生明显改变，其中包含了丰富的故障信息，可 通过智能手段进行分析和处理，实现故障诊断功能。小波变换相比其他信号分析技术，在分 析处理暂态信号领域显示了其优越性和广阔的应用前景。多小波包具有比传统小波变换更 为优良的性能，能够对故障暂态信号进行更为精细的逼近和提取到更丰富的故障特征量。 经过小波变换和处理后的特征量，随过渡电阻、故障位置、故障初相角的不同会发生显著的 变化，很难通过设定阔值来鉴别微电网的故障类型。人工神经网络具有较强的学习、泛化能 力，可W对任何非线性系统具有辨识能力。将多小波包和神经网络应用于微电网故障诊断 中，能够提高故障诊断的速度和准确性，并实现微电网故障诊断的智能化。
技术实现思路
为解决现有技术存在的不足，本专利技术公开了一种适用于微电网的智能故障诊断方 法，该方法针对微电网的拓扑结构、故障特征和运行特性，结合小波理论和RBF神经网能够 快速准确地辨识出微电网的故障类型，同时具备实现微电网内部故障诊断功能和外部故障 诊断功能，投入成本低，智能化水平高，工程应用简单可靠。 为实现上述目的，本专利技术的具体方案如下： ，包括W下步骤： 步骤一：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控； 步骤二：根据步骤一中对微电网的运行状态进行监控判断微电网是否发生内部故 障；当发生内部故障时，转入步骤当未发生内部故障时，转入步骤四； 步骤当微电网发生内部故障时，立即启动微电网内部故障诊断模式，根据设定 条件采样电压电流信号并进行预处理； 步骤四：当微电网未发生内部故障时，每隔设定时间启动微电网外部故障诊断模 式，根据设定条件采样电压电流信号并进行预处理； 步骤五；利用多小波包分解提取不同频率的故障信号暂态分量；计算小波奇异滴 作为微电网RBF神经网络故障诊断模型的特征向量； [001引步骤六：将特征向量输入微电网RBF神经网络故障诊断模型进行训练，训练好的 神经网络故障诊断模型输出对应微电网的故障状态信息； 步骤走；每隔设定时间按照步骤二到步骤五计算采样信号的小波奇异滴，作为步 骤六中训练好的神经网络故障诊断模型的输入特征向量，获得微电网的故障状态信息。 所述步骤一中，采集微电网母线上的电压电流信号，具体为：微电网公共母线S相 电流、零序电流及静态开关STS处=相电压。 所述步骤S中，根据设定条件采样电压电流信号并进行预处理具体是；W 10曲Z 的频率采样故障前半个周期即10ms和故障后半个周期即10ms的微电网公共母线S相电 流、零序电流及静态开关STS处=相电压，作为故障信号离散时间序列，并存入录波数据库 中。 所述步骤四中，根据设定条件采样电压电流信号并进行预处理具体是：每隔 200ms W lOkHz的频率采样一个周期即20ms的微电网公共母线S相电流、零序电流及静态 开关STS处=相电压，作为故障信号离散时间序列，并本文档来自技高网...

【技术保护点】
一种适用于微电网的智能故障诊断方法，其特征是，包括以下步骤：步骤一：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控；步骤二：根据步骤一中对微电网的运行状态进行监控判断微电网是否发生内部故障；当发生内部故障时，转入步骤三；当未发生内部故障时，转入步骤四；步骤三：当微电网发生内部故障时，立即启动微电网内部故障诊断模式，根据设定条件采样电压电流信号并进行预处理；步骤四：当微电网未发生内部故障时，每隔设定时间启动微电网外部故障诊断模式，根据设定条件采样电压电流信号并进行预处理；步骤五：利用多小波包分解提取不同频率的故障信号暂态分量；计算小波奇异熵作为微电网RBF神经网络故障诊断模型的特征向量；步骤六：将特征向量输入微电网RBF神经网络故障诊断模型进行训练，训练好的神经网络故障诊断模型输出对应微电网的故障状态信息；步骤七：每隔设定时间按照步骤二到步骤五计算采样信号的小波奇异熵，作为步骤六中训练好的神经网络故障诊断模型的输入特征向量，获得微电网的故障状态信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：王瑞琪，孙树敏，程艳，逯怀东，石鑫，李笋，王昭鑫，靳占新，张用，赵鹏，朱宇，孙伟，李宝贤，李超英，王超，
申请(专利权)人：国家电网公司，国网山东省电力公司电力科学研究院，
类型：发明
国别省市：山东;37