20、基于大数据与认知计算技术的电力传输故障区域检测研究

基于大数据与认知计算技术的电力传输故障区域检测研究

引言

随着城市发展和人口增长，对电力传输容量的需求不断增加。灵活交流输电系统（FACTS）设备的引入在一定程度上解决了电力传输的问题，但也给故障区域的准确检测带来了挑战。距离继电器通过测量阻抗来计算故障位置，而安装在输电线路（TL）上的FACTS设备会改变距离继电器测量的阻抗，从而导致故障区域检测错误，阻抗的偏差程度取决于FACTS设备的边界设置。

近年来，众多专家对这一问题展开了研究，提出了多种解决方案：
- 模型法 ：多数文章在故障期间模拟串联电容器时采用Goldsworthy在1987年提出的模型。
- 时间条件法 ：Sadeh在2020年提出了基于系统时间条件的解决方案，利用2个子程序评估故障区域和位置。
- 规则段估计法 ：Saha等人在1999年基于Goldsworthy方法，利用TL一侧主频率的规则段进行故障定位。
- 正反波算法 ：Song在1996年提出基于正反波的算法来保护串联补偿输电线路，但仅研究了单相对地故障。
- 神经网络法 ：Thomas、Xuan等人在1992年和1996年分别提出基于神经网络的策略，Girgis、Kalman等人建议使用径向基函数神经网络（RBFN）对故障类型和区域进行分类。Megahed在2006年训练了两种不同类型的神经网络来识别故障类型和位置。
- 其他算法 ：Dash在2006年使用EDBD算法计算故障区域；S