一种基于神经网络模型拟合的过流保护自适应整定方法技术

本发明专利技术公开了一种基于神经网络模型拟合的过流保护自适应整定方法，包括如下步骤：步骤1、对接入的分布式电源出力情况进行预测，获取DG日发电出力的预测值；步骤2、对故障发生位置进行判断，确定故障是发生在DG接入点的上游还是下游位置；步骤3、对故障类型进行判断，确定故障是对称故障还是不对称故障；步骤4、针对故障的发生位置和故障类型，采用神经网络对DG出力与故障电流的关系进行拟合，获取故障电流；步骤5、根据故障电流实时动态整定保护电流设定值。本发明专利技术在不同DG容量、不同故障位置、不同故障类型下均能够可靠动作，能够适应大规模DG接入配电网的情况。DG接入配电网的情况。DG接入配电网的情况。

【技术实现步骤摘要】
一种基于神经网络模型拟合的过流保护自适应整定方法


[0001]本专利技术涉及配电网保护
，尤其涉及一种基于神经网络模型拟合的过流保护自适应整定方法。

技术介绍

[0002]配电网保护系统对于配电网保持稳定裕度运行至关重要。配电网保护系统的主要作用是快速准确地检测任何类型故障，并迅速隔离故障部分，降低传输线、变压器以及发电机设备故障对整个电力系统不良影响，保障电力系统安全稳定运行。随着以新能源为主的新型电力系统的建设，高比例新能源将广泛接入，城市电网建设将越来越复杂，新能源和电动汽车等的大规模接入，改变了传统电网的故障电流分布特征，导致电网保护的可靠性和选择性将正成为未来智能配电网发展的瓶颈之一。现有配电网自适应保护方法忽略了分布式电源出力的随机性，而故障时分布式电源的输出电流和故障前的出力有较大的关系，在出现故障的情况下，故障电流还和分布式电源的容量、故障类型和故障位置均有关，现有技术中采用固定电流设定值的方法不能随着输出电流变化进行实时调整，将严重影响配电网保护的性能。因此迫切需要研究一种新方法，能够在这种含多种不确定因素的环境中保证保护动作的准确性。

技术实现思路

[0003]针对现有技术的缺陷，本专利技术所要解决的技术问题就是提供一种基于神经网络模型拟合的过流保护自适应整定方法，能够在含多种不确定因素的环境中保证保护动作的准确性。
[0004]为解决上述技术问题，本专利技术采用如下技术方案：
[0005]一种基于神经网络模型拟合的过流保护自适应整定方法，包括如下步骤：步骤1、对接入配电网的分布式电源出力情况进行预测，获取DG日发电出力的预测值；
[0006]步骤2、对故障发生位置进行判断，确定故障是发生在DG接入点的上游还是下游位置；
[0007]步骤3、对故障类型进行判断，确定故障是对称故障还是不对称故障；
[0008]步骤4、针对故障的发生位置和故障类型，采用神经网络对DG出力与故障电流的关系进行拟合，获取故障电流；
[0009]步骤5、根据故障电流实时动态整定保护电流设定值。
[0010]优选的，分布式电源预测采用DG的历史出力情况结合自然天气变化规律预测未来24小时的出力值。
[0011]优选的，故障发生位置的判断是引入方向元件并建立信息传递通道检测电流流向来确定故障发生在DG接入点的上游还是下游位置。
[0012]优选的，通过检测故障电流正、负序含量，确定故障类型，如果故障电流中只有正序分量，没有负序分量，则为对称故障，如果故障电流中既有正序分量又有负序分量，则为
不对称故障。
[0013]优选的，采用神经网络对DG出力与故障电流的关系进行拟合的方法包括以下步骤：
[0014]步骤4
‑
1、根据故障发生位置和故障类型，将配电网故障状态分成多种场景；
[0015]步骤4
‑
2、针对每种场景，通过分布式电源预测模型，将分布式电源的出力离散化多种工况；
[0016]步骤4
‑
3、建立神经网络模型，输入为多种场景下的分布式电源出力预测值，输出为故障电流；
[0017]步骤4
‑
4、训练神经网络模型，拟合分布式电源与故障电流的关系，进而获取不同场景，不同工况下的故障电流。
[0018]优选的，根据故障发生位置和故障类型，将配电网故障状态分成DG接入点下游发生对称故障、DG接入点下游发生不对称故障、DG接入点上游发生对称故障多种场景和DG接入点上游发生不对称故障四种场景。
[0019]优选的，针对每种故障场景，将分布式电源预测出力值进行离散化，以0.1MW为间隔由0变化至50MW，共计501种工况。
[0020]本专利技术与现有技术相比具有以下优点及有益效果：
[0021]1、本专利技术的自适应整定方法根据故障发生位置和故障类型，将配电网故障状态分成DG接入点下游发生对称故障、DG接入点下游发生不对称故障、DG接入点上游发生对称故障多种场景和DG接入点上游发生不对称故障四种场景，在不同DG容量、不同故障位置、不同故障类型下均能够可靠动作，能够适应大规模DG接入配电网的情况。
[0022]2、本专利技术将分布式电源的出力预测与故障电流的关系进行拟合，通过训练神经网络模型，拟合分布式电源与故障电流的关系，进而获取不同场景，不同工况下的故障电流，能够对故障电流的整定值实时进行自适应调整，故障电流的判断更加准确。
[0023]3、大大降低了含多DG配电网的保护整定复杂度，提高了配电网的保护系统维护效率，提高保护可靠性。
[0024]本专利技术采用的具体技术方案及其带来的有益效果将会在下面的具体实施方式中结合附图中予以详细的揭露。
附图说明
[0025]下面结合附图和具体实施方式对本专利技术作进一步描述：
[0026]图1是本专利技术实施例的基于神经网络模型拟合的过流保护自适应整定方法流程图；
[0027]图2是本专利技术实施例的采用神经网络对DG出力与故障电流的关系进行拟合的方法流程图；
[0028]图3是本专利技术实施例的神经网络模型训练过程示意图。
具体实施方式
[0029]下面结合本专利技术实施例的附图对本专利技术实施例的技术方案进行解释和说明，但下述实施例仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员
在没有做出创造性劳动的前提下所获得其他实施例，都属于本专利技术的保护范围。
[0030]图1所示为基于神经网络模型拟合的过流保护自适应整定方法流程图，具体过程如下：
[0031]步骤1、采用分布式电源预测模型对接入配电网的分布式电源(DG)出力情况进行预测，获取DG日发电出力的预测值。
[0032]参考现有技术，DG出力情况预测，采用DG的历史出力情况结合自然天气变化规律，进行综合预测，以获取未来24小时的出力值，本部分技术属于行业内通用技术，这里不在赘述。
[0033]步骤2、对故障发生的位置进行判断，确定故障发生在DG接入点的上游还是下游位置。
[0034]其中，故障发生位置的判断，具体是引入方向元件并建立信息传递通道检测电流流向来确定故障发生在DG接入点的上游还是下游位置。具体过程判断过程如下：在DG所在线路母线两侧加装方向元件，若DG并网母线两侧的方向元件检测结果均为系统电源单独提供电流或系统电源和DG共同提供电流，则故障点位于DG接入点下游；若两个相邻母线间检测结果为一侧为系统电源单独提供电流或系统电源和DG共同提供电流，一侧为DG单独提供电流或无电流流过，则故障点位于DG接入点上游。
[0035]步骤3、对故障类型进行判断，确定故障是对称故障还是不对称故障。
[0036]对故障类型进行判断具体是通过检测故障电流正、负序含量，确定故障类型，具体判定过程如下：
[0037]如果故障电流中只有正序分量，没有负序分量，则为对称故障；如果故障电流中既有正序分量又有负序分量，则为不对称本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络模型拟合的过流保护自适应整定方法，其特征在于，包括如下步骤：步骤1、对接入配电网的分布式电源出力情况进行预测，获取DG日发电出力的预测值；步骤2、对故障发生位置进行判断，确定故障是发生在DG接入点的上游还是下游位置；步骤3、对故障类型进行判断，确定故障是对称故障还是不对称故障；步骤4、针对故障的发生位置和故障类型，采用神经网络对DG出力与故障电流的关系进行拟合，获取故障电流；步骤5、根据故障电流实时动态整定保护电流设定值。2.根据权利要求1所述的一种基于神经网络模型拟合的过流保护自适应整定方法，其特征在于：分布式电源预测采用DG的历史出力情况结合自然天气变化规律预测未来24小时的出力值。3.根据权利要求1所述的一种基于神经网络模型拟合的过流保护自适应整定方法，其特征在于：故障发生位置的判断是引入方向元件并建立信息传递通道检测电流流向来确定故障发生在DG接入点的上游还是下游位置。4.根据权利要求3所述的一种基于神经网络模型拟合的过流保护自适应整定方法，其特征在于：通过检测故障电流正、负序含量，确定故障类型，如果故障电流中只有正序分量，没有负序分量，则为对称故障，如果故障电流中既有正序分量又有负序分量，则为不对称故障。5.根据权利要...

【专利技术属性】
技术研发人员：胡恩德，章立宗，赵峰，崔世界，朱玛，张磊，徐程刚，陈南，莫亦桦，曾鹏，王忠锋，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：