一种风电场集电线路故障定位方法技术

本发明专利技术公开了一种风电场集电线路故障定位方法，包括以下步骤：基于同一监测时序处的定位误差点和定位准确点构建出强化定位模型，利用强化定位模型对故障定位误差模型进行强化学习使得故障定位误差模型朝向强化定位模型进行收敛得到故障定位精准模型。本发明专利技术在利用定位技术的基础上利用多目标优化算法对风电场集电线路的在线监测点位数量进行设定，对在线监测点位产生的定位误差和定位成本的权衡优化来实现定位误差的一次降低，利用强化定位模型对故障定位误差模型进行强化学习使得故障定位误差模型朝向强化定位模型进行收敛得到故障定位精准模型，以实现定位误差的二次降低来提升风电场集电线路的故障定位准确性。降低来提升风电场集电线路的故障定位准确性。降低来提升风电场集电线路的故障定位准确性。

【技术实现步骤摘要】
一种风电场集电线路故障定位方法


[0001]本专利技术涉及风电线路故障监测
，具体涉及一种风电场集电线路故障定位方法。

技术介绍

[0002]风力发电占地面积广，内部集电线路接线复杂，目前风电场集电线路多为架空、电缆、T接支线、混架线路。风电场地形也较复杂，因此在风电场集电线路发生故障时，其故障点的查找往往存在很大的困难。通过集团内风电场近些年发生的线路非停情况来看，故障录波装置和保护装置给出的测距不能很精确的反映出故障点的距离，导致风场存在找不到故障点或迟迟未找到故障点的情况，造成线路频繁发生非停。而且集团内的南旋风风电场集电线路均为架空线路，且为山地风电场，章广风电场为架空电缆混合结构，线路结构比较复杂，导致线路故障不易查找，耗时长，影响紧急抢修和发电效率。
[0003]集电线路运行过程中，除容易遭受雷击、漂浮物、风偏等突发故障外，也存在大量“可预防”的潜在异常，如绝缘子裂化、污秽、金具断裂脱落、植被超高、覆冰等等。这些隐患放电如不能及时处理，将给风电场的稳定运行造成严重的安全风险。常规巡检中由于缺乏高效的技术手段，在闪络前无法对上述隐患放电进行直接辨识与查处，现有技术中，故障录波装置和保护装置给出的测距不能很精确的反映出故障点的距离，导致风场存在找不到故障点或迟迟未找到故障点的情况，造成线路频繁发生非停状态。

技术实现思路

[0004]本专利技术的目的在于提供一种风电场集电线路故障定位方法，以解决现有技术中故障录波装置和保护装置给出的测距不能很精确的反映出故障点的距离，导致风场存在找不到故障点或迟迟未找到故障点的情况，造成线路频繁发生非停状态的技术问题。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0006]一种风电场集电线路故障定位方法，包括以下步骤：
[0007]步骤S1、构建风电场集电线路在线监测点位数量与故障定位误差的拟合关系，以及构建风电场集电线路在线监测点位数量与故障定位成本的拟合关系，利用多目标优化算法对风电场集电线路的在线监测点位数量进行设定，以对在线监测点位产生的定位误差和定位成本的权衡优化来实现定位误差的一次降低；
[0008]步骤S2、在线监测点位处获取渐发型放电特征，并将渐发型放电特征利用行波定位技术进行故障定位得到线路故障位置作为定位误差点，将线路故障的真实位置作为定位准确点，基于同一监测时序处的渐发型放电特征和定位误差点构建出故障定位误差模型；
[0009]步骤S3、基于同一监测时序处的定位误差点和定位准确点构建出强化定位模型，利用强化定位模型对故障定位误差模型进行强化学习使得故障定位误差模型朝向强化定位模型进行收敛得到故障定位精准模型，以实现定位误差的二次降低来提升风电场集电线路的故障定位准确性。
[0010]作为本专利技术的一种优选方案，所述构建风电场集电线路在线监测点位数量与故障定位误差的拟合关系，包括：
[0011]为风电场集电线路的在线监测点位数量设定多个值，并将每个在线监测点位数量的设定值在风电集电线路上设置在线监测点位，利用行波定位技术进行故障定位得到每个在线监测点位数量对应的故障定位误差，所述故障定位误差为行波定位技术进行故障定位得到线路故障位置与线路故障的真实位置间位置距离；
[0012]将所述在线监测点位数量作为BP神经网络的输入项，将所述故障定位误差作为BP神经网络的输出项，利用BP神经网络对所述BP神经网络的输入项和BP神经网络的输出项进行模型训练得到表征在线监测点位数量与故障定位误差拟合关系的定位误差测算公式；
[0013]所述定位误差测算公式为：
[0014]Pw＝BP(n)；
[0015]式中，Pw为故障定位误差，n为在线监测点位数量，BP为神经网络。
[0016]作为本专利技术的一种优选方案，所述构建风电场集电线路在线监测点位数量与故障定位成本的拟合关系，包括：
[0017]将每个在线监测点位数量的设定值在风电集电线路上设置在线监测点位，依据在线监测点位数量的设定值核算设置在线监测点位的经济成本作为故障定位成本；
[0018]将所述在线监测点位数量作为BP神经网络的第二输入项，将所述故障定位成本作为BP神经网络的第二输出项，利用BP神经网络对所述BP神经网络的第二输入项和BP神经网络的第二输出项进行模型训练得到表征在线监测点位数量与故障定位成本拟合关系的定位成本测算公式；
[0019]所述定位成本测算公式为：
[0020]Rw＝BP(n)；
[0021]式中，Rw为故障定位成本，n为在线监测点位数量，BP为神经网络。
[0022]作为本专利技术的一种优选方案，所述利用多目标优化算法对风电场集电线路的在线监测点位数量进行设定，包括：
[0023]以定位误差为优化目标构建在线监测点位数量的定位误差优化函数，所述定位误差优化函数为：
[0024]F1＝min(Pw)；
[0025]以定位成本为优化目标构建在线监测点位数量的定位成本优化函数，所述定位成本优化函数为：
[0026]F2＝min(Rw)；
[0027]对所述定位误差优化函数和所述定位成本优化函数进行求解得到对故障定位成本和故障定位误差双向优化的在线监测点位数量作为最优在线监测点位数量；
[0028]依据最优在线监测点位数量在风电集电线路上设置最优在线监测点位，以实现最低故障定位成本和最低故障定位误差。
[0029]作为本专利技术的一种优选方案，所述渐发型放电特征为渐发型故障的放电特征，所述渐发型故障包括：复合绝缘子劣化、导线金具浮放电、植被放电、绝缘子污闪、绝缘子冰闪。
[0030]作为本专利技术的一种优选方案，所述基于同一监测时序处的渐发型放电特征和定位
误差点构建出故障定位误差模型，包括：
[0031]将同一监测时序处的渐发型放电特征和所述定位误差点分别作为CNN神经网络的输入项和CNN神经网络的输出项，利用CNN神经网络对所述CNN神经网络的输入项和CNN神经网络的输出项进行网络训练得到所述故障定位误差模型；
[0032]所述故障定位误差模型的模型表达式为：
[0033]P＝CNN(S)；
[0034]式中，P为定位误差点，S为渐发型放电特征，CNN为CNN神经网络。
[0035]作为本专利技术的一种优选方案，所述基于同一监测时序处的定位误差点和定位准确点构建出强化定位模型，包括：
[0036]将同一监测时序处的定位准确点和所述定位误差点分别作为强化学习模型的输入项和强化学习模型的输出项，利用强化学习模型对所述强化学习模型的输入项和强化学习模型的输出项进行网络训练得到所述强化定位模型；
[0037]所述强化定位模型的模型表达式为：
[0038]P＝Rmodel(Pd)；
[0039]式中，Pd为定位准确点，P为定位误差点，Rmodel为强化学习模型。
[0040]作为本专利技术的一种优选方案，所述利用强化定位模型对故障本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场集电线路故障定位方法，其特征在于，包括以下步骤：步骤S1、构建风电场集电线路在线监测点位数量与故障定位误差的拟合关系，以及构建风电场集电线路在线监测点位数量与故障定位成本的拟合关系，利用多目标优化算法对风电场集电线路的在线监测点位数量进行设定，以对在线监测点位产生的定位误差和定位成本的权衡优化来实现定位误差的一次降低；步骤S2、在线监测点位处获取渐发型放电特征，并将渐发型放电特征利用行波定位技术进行故障定位得到线路故障位置作为定位误差点，将线路故障的真实位置作为定位准确点，基于同一监测时序处的渐发型放电特征和定位误差点构建出故障定位误差模型；步骤S3、基于同一监测时序处的定位误差点和定位准确点构建出强化定位模型，利用强化定位模型对故障定位误差模型进行强化学习使得故障定位误差模型朝向强化定位模型进行收敛得到故障定位精准模型，以实现定位误差的二次降低来提升风电场集电线路的故障定位准确性。2.根据权利要求1所述的一种风电场集电线路故障定位方法，其特征在于：所述构建风电场集电线路在线监测点位数量与故障定位误差的拟合关系，包括：为风电场集电线路的在线监测点位数量设定多个值，并将每个在线监测点位数量的设定值在风电集电线路上设置在线监测点位，利用行波定位技术进行故障定位得到每个在线监测点位数量对应的故障定位误差，所述故障定位误差为行波定位技术进行故障定位得到线路故障位置与线路故障的真实位置间位置距离；将所述在线监测点位数量作为BP神经网络的输入项，将所述故障定位误差作为BP神经网络的输出项，利用BP神经网络对所述BP神经网络的输入项和BP神经网络的输出项进行模型训练得到表征在线监测点位数量与故障定位误差拟合关系的定位误差测算公式；所述定位误差测算公式为：Pw＝BP(n)；式中，Pw为故障定位误差，n为在线监测点位数量，BP为神经网络。3.根据权利要求2所述的一种风电场集电线路故障定位方法，其特征在于：所述构建风电场集电线路在线监测点位数量与故障定位成本的拟合关系，包括：将每个在线监测点位数量的设定值在风电集电线路上设置在线监测点位，依据在线监测点位数量的设定值核算设置在线监测点位的经济成本作为故障定位成本；将所述在线监测点位数量作为BP神经网络的第二输入项，将所述故障定位成本作为BP神经网络的第二输出项，利用BP神经网络对所述BP神经网络的第二输入项和BP神经网络的第二输出项进行模型训练得到表征在线监测点位数量与故障定位成本拟合关系的定位成本测算公式；所述定位成本测算公式为：Rw＝BP(n)；式中，Rw为故障定位成本，n为在线监测点位数量，BP为神经网络。4.根据权利要求3所述的一种风电场集电线路故障定位方法，其特征在于：所述利用多目标优化算法对风电场集电线路的在线监测点位数量进行设定，包括：以定位误差为优化目标构建在线监测点位数量的定位误差优化函数，所述定位误差优化函数为：
F1＝min(Pw...

【专利技术属性】
技术研发人员：刘朝林，刘伟，
申请(专利权)人：辉县市吉电新能源有限公司，
类型：发明
国别省市：