基于卡尔曼滤波器的输电线路故障定位方法
专利汇可以提供基于卡尔曼滤波器的输电线路故障定位方法专利检索，专利查询，专利分析的服务。并且基于卡尔曼 滤波器 的输电线路故障 定位 方法，给定输电线模型和测量值；引入故障状态α；通过基于卡尔曼滤波器EnKF的动态状态估计DSE过程，得到输电线路故障类型和故障定位的初步估计值；将附加信息作为额外的约束，通过附加信息重新运行动态状态估计DS，以执行增强的卡尔曼滤波器EnKF；测量冗余的增加，得到对输电线路故障 位置 准确估计值。本 发明 方法是一种两步骤的集成卡尔曼滤波器（EnKF）方法，在不需要推导雅可比矩阵、降低了实现 算法 的难度的同时，充分利用了模型非线性和误差统计的全面演化，使故障位置预估更加精确，数据更加稳定。，下面是基于卡尔曼滤波器的输电线路故障定位方法专利的具体信息内容。
1.基于卡尔曼滤波器的输电线路故障定位方法，其特征在于包括以下步骤：
步骤1：给定输电线模型和测量值；
步骤2：引入故障状态α；
步骤3：通过基于卡尔曼滤波器EnKF的动态状态估计DSE过程，得到输电线路故障类型和故障定位的初步估计值；
步骤4：将附加信息作为额外的约束，通过附加信息重新运行动态状态估计DS，以执行增强的卡尔曼滤波器EnKF；
步骤5：测量冗余的增加，得到对输电线路故障位置准确估计值。
2.根据权利要求1所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
所述步骤1中，给先定输电线模型和测量值：
xk＝f(xk-1,uk-1)+wk-1 (1)；
zk＝h(xk,uk)+vk-1 (2)；
其中，公式(1)(2)中k是步长数；
公式(1)中，xk是k时刻输电线路的状态，xk-1是k-1时刻输电线路的状态，uk-1是k-1时刻系统的控制量，f(xk-1,uk-1)是前一时刻状态xk-1、前一时刻控制量uk-1和xk之间的映射关系，wk-1表示对状态量xk处理和测量过程伴随的随机噪声，其均值为零，方差为Qd；
公式(2)中，zk是k时刻的测量值，h(xk,uk)是xk，uk和zk之间的映射关系，vk-1表示对测量值zk处理和测量过程伴随的随机噪声，其均值为零，方差为Rd。
3.根据权利要求1所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
所述步骤2中，当输电线路发生故障时，从故障到终端的距离被视为故障期间不变的新状态α，输电线模型变成：
公式(3)中，αk是k时刻的故障状态，xk是k时刻的输电线路状态，f(xk-1,uk-1,ak-1)是xk-1，uk-1，αk-1和xk之间的映射关系，wa,k-1是k-1时刻的过程和测量产生的噪声；
当引入故障状态α作为状态时，输电线模型的非线性会增加，故定义一个扩展的状态向量为y＝(x,α)T；将公式(1)和公式(2)重写为：
yk＝f(yk-1,uk-1)+wk-1 (4)；
zk＝h(yk,uk)+vk-1 (5)；
公式(4)，公式(5)中k是步长数；
公式(4)中的yk是k时刻输电线路的状态，yk-1是k-1时刻输电线路的状态，f(yk-1,uk-1)是yk-1，uk-1和yk之间的映射关系，uk-1是k-1时刻对系统的控制量，wk-1表示时刻的过程和测量产生的噪声；
公式(5)中的zk是k时刻的测量值，h(yk,uk)是yk，uk和zk之间的映射关系，vk-1表示k-1过程和测量产生的噪声。
4.根据权利要求1所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
步骤3中，基于EnKF的DSE使用多次的预测校正过程进行分析，如下所示：
EnKF预测：
公式(6)中， 表示输电线路在k时刻的状态且由预测步骤计算得到，uk-1是k-1时刻对系统的控制量， 表示 uk-1和 之间的映射关系， 表示k-1时刻的过程和
观测产生的噪声且有校正步骤计算得到；
公式(7)中， 表示时刻的测量值且由预测步骤计算得到，uk是k时刻对系统的控制量，表示 uk和 之间的映射关系， 表示k-1时刻的过程和观测产生的噪声且有
校正步骤计算得到；
公式(8)中， 表示输电线路在k时刻的状态且由预测步骤计算得到，N是样本数， 是yk的共轭矩阵；
公式(9)中， 表示时刻的测量值且由预测步骤计算得到，N是样本数， 是zk的共轭矩阵；
EnKF校正:
公式(10)(11)(12)(13)中，N是样本数， 是误差协方差矩阵的共轭矩阵， 是雅克比矩阵的转置矩阵， 表示输电线路在k时刻的状态且由预测步骤计算得到， 表示时刻的测量值且由预测步骤计算得到，Kk是卡尔曼增益；
其中，Pk是误差协方差矩阵，Hk是雅克比矩阵，Kk是卡尔曼增益，上标i-表示在预测步骤计算状态和计算观测值。
5.根据权利要求4所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
基于EnKF的动态状态估计DSE过程，由权利要求4基于EnKF的DSE预测校正过程分析基础上，已知故障前和故障后的多段输电线路模型，在出现故障区段的连接点处稍有不同，无故障段连接点的三相电压和电流总是相等的；
公式(14)中， 表示三相输电线上任意一点的左右两端随时间变化
的电压值；
公式(15)中， 表示三相输电线任意一点的左右两端随时间变化的
电流值；
公式(16)中， 表示三相电路故障点左右两端随时间变化的电压值；
将公式(14)-(16)包含在基于EnKF的DSE预测校正过程中，将得到故障定位 的一个近似值，以及故障点处的三相电压的估计值；根据故障点处的三相电压的估计值，能够对故障类型进行分类。
6.根据权利要求5所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
故障阻抗越小，出现故障相电压的变化越大；
故障类型是通过检查三相电压来确定的，若B和C相电压等于标称值，而A相电压很小，那么这是一个A-G单相接地短路故障；若C相电压等于标称值，而A相和B相的电压值接近标称值的一半，那么这是一个A-B的相间短路故障；若C相电压等于标称值，但是相A和B电压非常小，接近零，那么它是一个AB-G两相接地的短路故障。
7.根据权利要求1所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
步骤4中，利用步骤3所得的故障类型，导出了故障点处的附加电流关系式；
如果第一步确定故障是A-G故障，则附加的电流关系是：
公式(17)中， 分别表示故障线路的b相的任意一点左右两端随时间变化
的电流值，即B相的电流值为标称值；
公式(18)中， 分别表示故障线路的c相的任意一点左右两端随时间变化
的电流值，即C相的电流值为标称值；
当重新运行增强的基于EnKF的DSE时，上述第一步所得到的故障类型和故障点距离的估计值作为额外的约束，作为增加状态估计过程的测量冗余；
如果是AB-G两相接地的短路故障，电流关系为：
公式(19)中， 分别表示故障线路的c相的任意一点左右两端随时间变化
的电流值，即C相的电流为标称值，且A,B两相的电压值接近零；
如果是A-B相间短路故障，电流关系为：
公式(20)中， 分别表示故障线路的c相的任意一点左右两端随时间变化
的电流值，即C相的电流为标称值，且A,B两相的电压值约为标称值的一半；
如果是三相相间短路故障，三相的电压值均接近零。
8.根据权利要求1所述基于卡尔曼滤波器的输电线路故障定位方法，其特征在于：
步骤5中，在重新运行增强EnKF的DSE过程时，由于较好的初始状态和增加的测量冗余，实现了对故障位置的更精确的估计，执行增强的EnKF过程，能够给出更精确的故障定位估计值。
基于卡尔曼滤波器的输电线路故障定位方法
技术领域
背景技术
发明内容
具体实施方式
z0,Line (0.3864+j1.5557)Ω/km c0,Line 7.751nF/km
z1,SL (1.1547+j11.5473)Ω/km z1,SR 2z1,SL
z0,SL (2.8868+j20.2078)Ω/km z0,SR 2z0,SL
AngSL 0° AngSR -30°
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 温控系统、基于温控系统的温控方法及电子设备 | 2020-08-01 | 2 |
| 通信协议建模方法 | 2020-05-15 | 3 |
| 低密度奇偶校验码的译码方法和译码器 | 2020-06-16 | 1 |
| 改进遗传禁忌搜索的深井巷道WSN分簇路由方法及装置 | 2020-11-10 | 0 |
| 一种基于数据驱动的仿真模块 | 2021-06-26 | 0 |
| 高速列车动态行为主动控制系统 | 2022-09-30 | 2 |
| 基于电阻抗成像的三维血液灌注图像产生方法与装置 | 2020-06-10 | 1 |
| 一种确定矿井巷网火灾灭火封堵位置的方法 | 2020-07-06 | 1 |
| 车辆在变附着工况下力矩分配方法 | 2020-09-27 | 2 |
| 一种基于AI技术的地下空间导向与寻路方法及系统 | 2021-11-15 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
