基于数字孪生的中压电网特征签名式接地故障定位方法

《Electric Power Systems Research》：Signature based earth fault localization in medium voltage grids using a digital twin

　　•构建多个真实中压电网的数字孪生体，以便在任意电网位置模拟接地故障事件。•利用人工生成的故障特征来训练基于卷积神经网络的定位模型。•对卷积神经网络模型与基准模型进行全面的性能和鲁棒性分析。•利用来自不同实际配电网的现场测量数据，对这些定位模型进行迁移和评估。

引言
电气故障可能对人类、环境或设备造成严重损害。为避免危及生命的情况，以及减少因部件寿命缩短而带来的经济损失，确保电力分配网格的可靠运行需要快速检测、定位并修复任何偏离正常状态的情况。电网会面临各种类型的故障。在本研究中，我们专注于补偿型中压电网中的接地故障定位。与会导致受影响馈线断开的短路故障不同，补偿型电网在发生接地故障时仍能保持运行。不过，尽管通常可以维持对终端用户的供电，但接地故障可能会对部件产生负面影响，导致其更快磨损。由于电网的运行条件发生变化（尤其是非故障相上的电压升高），存在发生二次故障的风险，例如双重接地故障，这种情况即便有接地故障补偿，也仍会导致电网连接处停电。目前已有多种方法用于解决接地故障检测问题[1]、[2]。另有研究探讨了高阻抗故障的检测方法[3]，所提出的算法通过自适应评估与故障相关的电气量，提升了敏感接地故障继电器的性能。还有研究致力于优化单相接地故障中的接地故障继电器设置，通过考虑网络拓扑结构和不同的故障场景，优化后的继电器参数提高了保护的选频性和鲁棒性。虽然各种保护装置和方法能够检测到接地故障事件，但通常只能通过配电系统运营商进行的耗时的切换操作来确定故障位置[5]。远程切换操作有助于隔离电网中最可能的故障位置。然而，要精确定位故障并最终确定其原因，往往需要对长度较长的电缆和架空线路进行人工检查。此外，只有那些与地面之间的连接始终存在的接地故障才能进行切换操作。很多时候，接地故障会迅速消失，使得无法进行人工定位。这些情况使得接地故障定位成为一项极具挑战性且耗时的任务。因此，快速定位接地故障成为配电系统运营商的一项关键能力，有助于迅速将网络恢复到正常状态，确保电网的可靠运行。在本研究中，我们在之前的工作[6]、[7]、[8]的基础上，提出了一种利用自动生成的中压电网仿真模型来辅助接地故障定位的方法。该仿真模型作为多个真实中压电网的数字孪生体，通过这些数字孪生体，我们能够模拟在不同位置、具有不同参数的任意数量的接地故障事件，比如接地故障电阻和故障持续时间等。我们尤其关注接地故障对仅在主变电站测得的暂态电压的影响。我们的定位方法基于这样一个假设：根据故障的位置，也就是其与主变电站的距离，暂态电压会呈现出可与电网中的空间位置相关联的特征[6]，而且这些特征在某种程度上不受实践中难以获取的其他参数的影响，详见[7]。有了这些预先生成的接地故障事件特征，定位过程就相当于将现实世界中的故障事件与存储在特定于电网的数据库中的特征进行比较。由于仿真模型中生成的特征的故障位置是已知的，我们可以通过解决分类问题来确定最可能的故障位置。通过这种基于数据的方法，我们解决了两个问题。首先，该方法无需在网络中安装任何额外的硬件。其次，该方法能够定位那些由于故障持续时间较短而无法通过传统人工切换流程定位的暂态接地故障。尽管暂态接地故障发生后系统会很快恢复到正常状态，但这些故障仍可能是电网中易出故障区域的迹象。这一信息对配电系统运营商极为有用，因为它能帮助他们尽早识别并解决电网中的薄弱环节。图1示例性地总结了所提出的基于特征的方法。在本研究中，我们提出并评估了两种不同的故障位置推断技术。第一种方法基于输入测量值与从数据库中提取的特征之间的相关性度量。其主要优势在于，可以在任何时候轻松地将中间模拟出的电网位置添加到数据库中。在推断过程中，会将记录的测量值与所有相关特征进行比较，然后使用相关性最高的特征的位置信息来确定实际的故障位置。在第二种方法中，我们利用仿真模型能够生成数量几乎无限的特征这一特点。利用现有的特征样本，我们学习一个统计模型，即人工神经网络，该网络可将输入的暂态电压信号映射到对应的节点编号上。本研究是对之前作为会议论文发表的初步结果的扩展[8]。与会议版本相比，本文的贡献和扩展内容如下：•对特征生成进行了改进，使得来自不同位置的接地故障观测值在时间上更加一致，从而消除了由于整个网络中传播路径长度不同而可能产生的干扰因素。•我们修改了神经网络架构，现在采用了一种轻量级的5层卷积神经网络。•利用与用户行为相关的典型参数变化进行测量，进行了鲁棒性分析。•我们加入了在两个规格不同的额外中压电网中记录的三个额外的真实接地故障测量数据。通过对不同电网拓扑结构的评估，证明了所提出方法在现实环境中的适用性。基于这些研究，本文可得出两项重要结论。首先，所使用的仿真模型能够足够好地模拟真实的配电网。尽管我们使用的是合成数据，但该模型可以轻松应用于真实测量数据，从而弥补了仿真数据与真实数据之间不可避免的差异。另一方面，对所提出的两种定位方法进行的全面比较表明，真实测量数据对于进行可靠的评估至关重要，因为合成数据的结果无法直接应用于此类场景。本文的其余部分结构如下。第2节概述了能源分配电网中故障定位方面的相关研究。随后，第3节介绍了我们方法的基本架构，包括用于再现多个真实世界电网的数字孪生体，同时我们还说明了真实测量数据的获取方式。第4节描述了利用生成的特征数据库的定位方法。第5节展示了在不同电网拓扑结构下通过真实测量数据得到的定位结果。最后，在第6节中，我们对研究结果以及未来可能的研究方向进行了讨论。

相关研究
近年来，文献中提出了多种用于电气故障检测、定位以及电网监控的方法和技术，例如[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]、[17]。故障检测方法通常以确定故障类型为目标，而故障定位则还涉及预测电网中故障线路或电缆段的空间位置。在相关文献中，故障定位可分为三大类。

工作流程与架构
所提出的故障定位方法基于这样一个假设：即在接地故障事件最初发生时，暂态电压测量的特征与建模的中压网络中故障发生的位置具有唯一性。接地故障发生之后，故障对电压的影响会通过电网传播，稍作延迟后便可在主变电站检测到。电网中的电容和阻抗也会对此产生影响。

故障定位
有了预先生成的数据库，故障定位就转化为为记录的测量值分配最可能的节点编号。如引言中所述，我们采用了两种利用数字孪生体生成的故障特征的方法，下面将详细介绍这两种方法。

结果与评估
在本节中，我们通过数值结果来证明我们的方法在接地故障定位方面的适用性。在第一部分，我们在数字孪生体生成的故障事件观测数据上对该方法进行了评估。这些实验起到了概念验证的作用，表明生成的特征具有足够的特性，能够区分不同的变电站。在第二部分，我们利用该方法对八个已知故障位置的真实世界测量数据进行了定位。

结论
在本研究中，我们详细阐述并评估了两种基于特征的在补偿型中压电网中进行接地故障定位的方法。我们利用配电网的数字孪生体来生成不同位置接地故障的特征。这些人工生成的数据用于克服可用于比较或训练的真实故障案例数量有限的问题。仅基于完全人工生成的数据所得出的结果表明，从……中提取的特征具有……

资金来源
本项目得到了德国联邦教育与研究部（BMBF）的资助，属于01|S18089 EDaF项目和16|S23006 GRID-ML项目的一部分。

作者贡献声明
Julian W?rmann：写作——审稿与编辑，写作——初稿撰写，软件，方法论，概念设计。Markus Duchon：写作——审稿与编辑，方法论。David Grubinger：验证，资源，数据整理。Nuno Silva：写作——审稿与编辑，方法论。Hans-Peter Schwefel：写作——审稿与编辑，写作——初稿撰写，监督，项目管理，方法论，概念设计。

利益冲突声明
作者声明不存在任何已知的可能会影响本文所述工作的财务利益或个人关系。

Julian W?rmann|Markus Duchon|David Grubinger|Nuno Silva|Hans-Peter Schwefel