文章解读与仿真程序复现思路——电网技术EI\CSCD\北大核心《基于智能软开关的柔性互联配网相间短路故障定位方法》

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目**《论文与完整程序》**

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

这篇论文的核心内容是关于一种基于智能软开关(Soft Open Point, SOP)的柔性互联配电网相间短路故障定位方法。以下是关键点的概述:

  1. 研究背景:传统的交流配电网通常是闭环设计、开环运行,而柔性互联智能配电网通过使用智能软开关(SOP)代替传统联络开关,实现柔性闭环运行。这种运行方式虽然提高了系统的灵活性和可靠性,但也给继电保护带来了挑战。

  2. 问题陈述:由于故障电流的双向流动,现有的配电网故障定位方法不再适用。SOP接入配电网后,可能会提供反向故障电流,导致故障信息误报。

  3. 研究方法:文章提出了一种基于SOP主动控制的故障定位方法。该方法通过检测SOP端口的电压跌落来判别两相短路和三相短路故障。对于两相短路故障,SOP采取抑制负序电流的控制策略;对于三相短路故障,SOP采取主动注入特征信号的控制策略。

  4. 关键技术

    • 使用负序电流抑制策略和特征信号注入策略来应对不同类型的短路故障。
    • 馈线终端单元(Feeder Terminal Unit, FTU)采集故障电流信息,并根据电流不平衡度或特征电流差异来识别故障区段。
  5. 技术创新点:所提出的方法不需要额外配置方向元件,与现有的馈线自动化系统兼容,能够提高柔性互联配电网故障区段定位的准确性。

  6. 仿真验证:基于PSCAD/EMTDC仿真平台,验证了新方法的正确性和可行性

这篇论文为柔性互联配电网的故障定位问题提供了一种新的解决方案,具有重要的理论和实践意义。

根据论文内容,复现仿真的基本思路可以概括为以下几个步骤:

  1. 初始化仿真环境:设置配电网模型,包括线路参数、负荷、电源以及SOP的位置和参数。

  2. SOP控制策略实现:根据故障类型(两相短路或三相短路),实现SOP的控制策略,包括负序电流抑制和特征信号注入。

  3. 故障注入:在配电网的指定位置注入相间短路故障。

  4. 数据采集:通过FTU采集故障电流信息,包括负序电流分量或特征电流分量。

  5. 故障判断与信息上传:根据电流不平衡度或特征电流差异,判断故障位置,并上传故障信息。

  6. 故障定位:主站收集各FTU上传的信息,根据算法确定故障区段。

  7. 仿真结果分析:分析故障定位结果,验证方法的有效性。

以下是使用伪代码表示的仿真程序框架:

python 复制代码
# 步骤1: 初始化仿真环境
def initialize_simulation(network_parameters, SOP_parameters, FTU_parameters):
    # 创建配电网模型,包括线路、负荷、电源和SOP
    pass

# 步骤2: SOP控制策略实现
def SOP_control_strategy(fault_type, SOP_parameters):
    if fault_type == "two_phase_short_circuit":
        return suppress_negative_sequence(SOP_parameters)
    elif fault_type == "three_phase_short_circuit":
        return inject_characteristic_signal(SOP_parameters)
    else:
        raise ValueError("Unknown fault type")

# 步骤3: 故障注入
def inject_fault(fault_location, fault_type):
    # 在指定位置注入故障
    pass

# 步骤4: 数据采集
def collect_data(FTU_parameters, fault_current):
    # 采集各FTU的电流信息
    return fault_current_data

# 步骤5: 故障判断与信息上传
def fault_decision_and_information_upload(FTU_data, FTU_parameters):
    for FTU in FTU_data:
        if fault_type == "two_phase_short_circuit":
            if current_imbalance(FTU_data) > FTU_parameters['Iunb,set']:
                upload_fault_information("1")
            else:
                upload_fault_information("0")
        elif fault_type == "three_phase_short_circuit":
            if characteristic_current_ratio(FTU_data) < FTU_parameters['Itz/50,set']:
                upload_fault_information("1")
            else:
                upload_fault_information("0")

# 步骤6: 故障定位
def fault_location(master_station_data):
    # 主站收集FTU上传的信息并定位故障
    pass

# 步骤7: 仿真结果分析
def analyze_results(fault_location_results):
    # 分析故障定位结果
    pass

# 主程序
def main():
    network_parameters = {...}  # 网络参数
    SOP_parameters = {...}      # SOP参数
    FTU_parameters = {...}      # FTU参数
    
    initialize_simulation(network_parameters, SOP_parameters, FTU_parameters)
    fault_type = detect_fault_type()  # 检测故障类型
    SOP_strategy = SOP_control_strategy(fault_type, SOP_parameters)
    fault_location = inject_fault("指定位置", fault_type)  # 注入故障
    FTU_data = collect_data(FTU_parameters, fault_current)
    fault_decision_and_information_upload(FTU_data, FTU_parameters)
    fault_location_results = fault_location(master_station_data)
    analyze_results(fault_location_results)

if __name__ == "__main__":
    main()

本专栏栏目提供文章与程序复现思路,具体已有的论文与论文源程序可翻阅本博主免费的专栏栏目**《论文与完整程序》**

论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html

电网论文源程序-CSDN博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.csdn.net/LIANG674027206?type=download

相关推荐
羊小猪~~17 小时前
机器学习/数据分析--用通俗语言讲解时间序列自回归(AR)模型,并用其预测天气,拟合度98%+
人工智能·python·机器学习·数据挖掘·数据分析·回归·时序数据库
学海溺子2 天前
时间相关数据的统计分析(笔记更新中)
回归
羊小猪~~3 天前
数学建模--什么是数学建模?数学建模应该怎么准备?
算法·数学建模·分类·回归
吱吱鼠叔3 天前
MATLAB计算与建模常见函数:2.回归模型
人工智能·数据挖掘·回归
you_are_my_sunshine*5 天前
解决方案:机器学习中,回归及分类常用的模型评估指标有哪些
机器学习·分类·回归
拜刊物苏哲6 天前
【机器学习(七)】分类和回归任务-K-近邻 (KNN)算法-Sentosa_DSML社区版
机器学习·分类·回归·k近邻算法
拜刊物苏哲6 天前
【机器学习(八)】分类和回归任务-因子分解机(Factorization Machines,FM)-Sentosa_DSML社区版
机器学习·分类·回归
涩即是Null6 天前
pytorch线性/非线性回归拟合
人工智能·pytorch·深度学习·神经网络·回归
python收藏家6 天前
机器学习 | Scikit Learn中的普通最小二乘法和岭回归
机器学习·回归·最小二乘法
Kenneth風车7 天前
【机器学习(八)】分类和回归任务-因子分解机(Factorization Machines,FM)算法-Sentosa_DSML社区版
人工智能·低代码·机器学习·分类·数据挖掘·数据分析·回归