含特殊负荷的配电网分层故障定位方法

高锋阳; 李昭君; 袁成; 李晓峰; 齐晓东

doi:10.3969/j.issn.0258-2724.20190414

含特殊负荷的配电网分层故障定位方法

doi: 10.3969/j.issn.0258-2724.20190414

基金项目: 甘肃省重点研发计划（18YF1FA058）

详细信息

作者简介:
高锋阳（1970—），男，教授级高工，博士，硕士生导师，研究方向为配电网健康评估，E-mail：329365048@qq.com

中图分类号: TM727
计量
- 文章访问数: 580
- HTML全文浏览量: 271
- PDF下载量: 12
- 被引次数: 0
出版历程
- 收稿日期: 2019-05-13
- 修回日期: 2019-12-12
- 网络出版日期: 2020-01-16
- 刊出日期: 2020-06-01

Hierarchical Fault Location Method for Distribution Network with Special Load

摘要

摘要: 特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明：与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.
- 特殊负荷 /
- 配电网 /
- 故障定位 /
- 分层模型 /
- 改进量子免疫算法
Abstract: Special load is connected to the distribution network, which enhances the interaction between the power supply, load and power grid, and imposes higher requirements for fault location. To deal with this, a hierarchical location method for fast locating fault points is proposed. Firstly, the incompleteness of the genetic algorithm based fault location model is analyzed for single-layer distribution network with special load. Secondly, based on the theory of the single-layer model, a regional positioning method and a segment method are proposed, which respectively improves quantum immune algorithm and implicit enumeration method. Finally, a comparative simulation is carried out between the proposed model and the single-layer model that is based on a single intelligent algorithm. Compared with the genetic algorithm, immune algorithm and improved single-layer positioning model constructed by quantum immune algorithm, the hierarchical positioning method can greatly simplify the complexity of the fault identification model, ensure the fault tolerance and stability of the positioning while improving the positioning efficiency. In addition, this method reduces the fault search dimension by 69%, takes less than 1s to locate the fault, and the fault identification rate is 100%.
- special load /
- distribution network /
- fault location /
- hierarchical model /
- improved quantum immune algorithm

HTML全文

随着我国现代化步伐的加快，石油勘探、隧道施工、地热开发、矿业开采等地下工程变得日益重要. 无碳地热能在减少传统化石资源的消耗方面具有明显的优势，同时，煤层气地下气化、油页岩热解在减碳方面也显示出巨大潜力^[1-3]. 在这些工程应用中，岩石经历从常温到高温的演化过程，导致力学强度劣化，从而对围岩稳定带来了巨大的安全隐患. 考虑到围岩的长期稳定，需要解决岩石的热损伤问题，例如，在煤气化和油页岩热解储层，热裂纹会降低岩石的完整性，从而破坏岩层的整体结构. 因此，研究高温对岩石物理力学性能的影响具有重要意义.

近年来，国内外研究者对热处理岩石力学特性开展了大量研究. 研究表明，受温度作用的影响，岩石的物理力学特性会产生不同程度的劣化^[4-6]. 除了力学特性外，众多学者对岩石热损伤本构模型也开展了大量研究：李天斌等^[7]借助Weibull参数，基于Drucker-Prager准则建立了岩石损伤统计本构模型并定义了损伤变量；贾宝新等^[8]基于有效应力理论，借助Weibull分布函数，采用分段函数的方法建立了高温作用下岩石单轴压缩和三轴压缩的本构模型，结果表明，采用分段函数方法后的理论结果与室内试验曲线较接近.

由于受高温热损伤的作用，岩石内部的原生微裂隙和孔洞不断发育扩展，从经典弹塑性力学理论很难有效地判断强度变化和破坏行为. 能量存储与释放的过程从本质上能反映岩石内部损伤程度和裂纹发展的演变规律. 因此，基于热力学第一定律的能量法是构建热损伤岩石本构关系和探究岩石破坏行为的有效方法. Liu等^[9]基于能量耗散定义的损伤变量建立了能够准确描述岩石单轴压缩过程的损伤本构模型；Gong等^[10]基于单轴压缩下岩石的线性能量耗散规律，得出了基于能量耗散系数表征岩石损伤的方法；孙梦成等^[11]运用最小耗能原理和连续损伤理论构建了损伤本构模型，结果表明，该模型能较好地反映岩石的非线性力学行为.

综上所述，针对热处理砂岩在荷载作用下的能量演化规律和本构模型的研究取得了大量的成果^[12-16]. 但现有本构模型很少考虑初始压密阶段，压密阶段的力学行为对理解最终宏观破断机制起到了非常重要的作用. 本研究基于能量耗散理论深入分析热损伤砂岩的变形破裂过程，并对其进行阶段划分，构建考虑压密阶段的热-力耦合分段本构模型，并通过室内试验对模型可靠性进行验证.

1. 试验过程

1.1 试验方案

从施工现场取下一块完整砂岩，打包运至岩样加工室，严格按照国际岩石力学测试标准将试样加工成25 mm × 50 mm的标准圆柱体试样. 该马弗炉型号为FR-1236，马弗炉尺寸为540 mm × 550 mm × 415 mm，额定电压为220 V，处理温度分别为200、400、600、800 ℃和1000 ℃. 为确保砂岩试样受热均匀，马弗炉的加热速率设置为5 ℃/min. 当加热温度达到设定温度时，在马弗炉内保持该温度工况继续加热3 h后关闭电源，冷却至室温取出进行单轴压缩试验，每种工况至少准备3组平行试验. 试验装置为ISTRON万能材料试验机，该系统主要由控制面板、加载单元和数据采集单元组成，最大轴向荷载为250 kN，荷载测量精度为0.5%，位移测量精度为0.1%，加载系统采用位移控制，加载速率设置为0.05 mm/min.

1.2 试验结果

为探究不同温度热处理砂岩的贯通破裂模式和失效机制，通过对破裂后的试样进行筛选得到典型破裂模式图，如图1所示. 由图1可知：在热处理温度较低时，砂岩表观颜色为灰褐色，随着热处理温度的升高砂岩逐渐向红褐色转变；砂岩破裂模式由单一剪切破断向复杂的拉剪劈裂破坏转变. 例如，在常温下砂岩的破坏模式主要以剪切破坏为主，表现为脆性特征；当热处理温度增至200 ℃和400 ℃时，砂岩破坏模式呈现出“Y”型共轭张拉剪切混合破坏；当热处理温度在600～1000 ℃时，试样表观的裂纹由2条贯通式的“翼型”主裂纹和大量分支次裂纹组成，并伴随有局部脱落现象.

图 1 不同温度热处理典型砂岩破坏形态

Figure 1. Failure patterns of typical thermally-treated sandstone subjected to different temperatures

下载: 全尺寸图片幻灯片

不同温度热处理典型砂岩应力-应变曲线演化如图2所示. 随着热处理温度的升高，砂岩强度逐渐降低，曲线逐渐平缓，裂纹压密阶段在整个变形阶段的占比逐渐变大. 同时，对应峰后阶段的变形量也逐渐增大. 另外，从峰后应力-应变曲线的演化特征可知，当热处理温度达到400 ℃时，砂岩的延性逐渐增加，出现这种现象的原因：一方面由于分子间热运动能力增强，导致砂岩内部矿物颗粒间的黏聚力减弱，颗粒间更易滑动；另一方面，引起砂岩中高岭石矿物分解的温度为400 ℃，高岭石矿物的分解导致硅酸盐晶体重新排列，从而提高了砂岩的塑性性能.

图 2 不同温度热处理典型砂岩应力-应变曲线

Figure 2. Stress–strain curves for typical thermally-treated sandstone subjected to different temperatures

下载: 全尺寸图片幻灯片

通过对不同温度作用下砂岩抗压强度和弹性模量提取计算，得到不同热处理温度下砂岩力学参量演化规律，如图3所示.

图 3 不同温度作用砂岩力学参数变化规律

Figure 3. Variation pattern of mechanical parameters for sandstone subjected to different temperatures

下载: 全尺寸图片幻灯片

从图3可以看出：砂岩的峰值应力和弹性模量均随着温度的升高先上升后下降；当热处理温度低于200 ℃时，砂岩强度呈微小上升趋势，主要原因为试样内的水分被蒸发致使矿物颗粒之间形成塑性扩张且增加了基质之间的内摩擦作用；当热处理温度大于200 ℃时，峰值应力和弹性模量逐渐减小，由于经过高温处理后，砂岩内部矿物成分发生了化学反应，其热膨胀现象更加明显，导致内部微裂纹数量显著增加；当热处理温度大于600 ℃时，石英等矿物在高温下形成新的晶体结构，矿物之间的晶间裂纹和穿晶裂纹密度急剧增加；热应力作用致使微裂纹扩展、延伸，这一过程也改变砂岩的孔隙结构和连通性，导致其孔隙度增加，最终导致砂岩力学性能劣化.

2. 热处理砂岩能量演化机制

2.1 能量耗散原理

物质破坏的本质是其内部耗散能与弹性能演化的过程，从能量角度出发可以更好地解释岩石变形破坏过程. 根据热力学第一定律，一个热力系统内部能量增减等于外界传递的热量和所做功的总和^[17]. 假定在加载过程中系统与外界没有能量交换，试验机对岩石做的功全部转换为弹性能和耗散能. 在单轴压缩试验中，试样总能量$ U $与弹性能$ {U_{\mathrm{e}}} $、耗散能$ {U_{\mathrm{d}}} $的关系为

$U = {U_{\mathrm{d}}} + {U_{\mathrm{e}}} .$

(1)

总能量计算公式为

$U = \int_0^\varepsilon {\sigma {\mathrm{d}}\varepsilon } \text{，}$

(2)

式中：$ \varepsilon $为轴向应变，$ \sigma $为轴向应力.

弹性应变能计算公式简化为

${U_{\mathrm{e}}} = \frac{{{\sigma ^2}}}{{2{E_{}}}} \text{，}$

(3)

式中：$ E $为弹性模量.

耗散能计算公式为

${U_{\mathrm{d}}} = U - {U_{\mathrm{e}}} = \int_0^\varepsilon \sigma {\mathrm{d}}\varepsilon - \frac{{{\sigma ^2}}}{{2E}} .$

(4)

2.2 不同温度作用下砂岩能量演化规律

为了进一步探究不同温度热处理作用下砂岩变形破坏机制，基于式（1）～（4）计算加载过程中的总能量、弹性应变能和耗散能，将其绘制成曲线，如图4所示.

图 4 不同温度热处理试样能量演化曲线

Figure 4. Energy evolution of thermally-treated sandstone subjected to different temperatures

下载: 全尺寸图片幻灯片

基于耗散能演化规律将岩石变形破坏分为微裂纹闭合阶段、弹性阶段、宏观裂纹扩展阶段和峰后阶段：在第一加载阶段即微裂纹闭合阶段，由于加载初期砂岩内部发育有大量微裂纹，在外荷载作用下微裂纹逐渐闭合，晶体结构的变形以及矿物颗粒之间的摩擦作用，这些变化均伴随着能量的消耗，耗散能曲线缓慢上升，该阶段输入的机械能主要以弹性能的形式存储于试样内；在弹性阶段，外力做功几乎全部以弹性能的形式存储于试样内，耗散能基本不变，在此阶段随着荷载的增加试样内无明显的裂纹萌生；在裂纹扩展阶段，耗散能逐渐增加，演化速率逐渐变大，耗散能曲线近似呈凹型演变，弹性能增速逐渐趋近于0，该曲线由凹型逐渐向凸型演变，此时产生的耗散能增加，主要原因为试样内部产生大量裂纹而导致能量消耗增加；峰后阶段弹性能得到释放，弹性能曲线陡然下降，耗散能急剧上升，试样内部裂纹相互贯通形成宏观裂纹，试样逐渐失去承载能力.

2.3 不同温度作用下砂岩弹性能耗比

弹-塑性转变点标志着砂岩从形状能够恢复的弹性变形向产生永久形变的塑性变形转变，这一转变在理解材料的力学响应和结构完整性方面至关重要. 砂岩作为典型的非均质材料，加载过程中的变形破坏行为极其复杂. 弹性能耗比K即耗散能与弹性能之比，可以在一定程度上反映砂岩能量储存的大小，如式（5）.

$K = \frac{{{U_{\mathrm{d}}}}}{{{U_{\mathrm{e}}}}}.$

(5)

在砂岩受载过程中，外力对其做功大部分以弹性能的形式储存于砂岩中，小部分则由于内部颗粒的摩擦和变形以热量的形式消耗. 当试样内裂隙发展到一定程度时便会贯通破裂，破坏后岩样内部的能量释放，并破裂成多个小的基质颗粒再次进入新的稳定状态. 因此，弹性能耗比的突变可作为岩样由弹性向塑性转变的临界点.

图5给出了3种典型温度试样弹性能耗比演化规律，由于在加载前期能量变化较小，误差较大，故从应变值为0.002处开始计算. 在加载前期，弹性能耗散比逐渐变小，随后进入弹性阶段，外界输入能量主要以弹性能储存于砂岩中，该阶段弹性能耗比变化平稳；随着荷载的增加，弹性能耗比再次上升；当弹性能耗比达到最小值时即弹性能达到最大，此时岩样内部损伤达到最大，介于稳定状态向不稳定状态转换的临界点，该临界点可作为岩石由弹性向塑性转变的突变点.

图 5 典型温度作用下砂岩弹性能耗散比曲线

Figure 5. Elastic energy dissipation ratio of sandstone subjected to typical temperatures

下载: 全尺寸图片幻灯片

通过对比常温、600 ℃和1000 ℃ 3种典型温度工况下试样的最小弹性能耗比发现：1）突变点对应的应力与峰值应力比值逐渐变小，该结论也进一步证实了随着温度增加，试样的延性逐渐增大. 2）另外，砂岩破裂后最终的K值在600 ℃和1000 ℃时均有所提升，并且600 ℃时增幅大于1000 ℃，由于砂岩中的石英矿物在573 ℃时发生了α—β相变转化，导致砂岩热膨胀系数变大，热缺陷程度显著增加，致使600 ℃以后热损伤大幅增加. 该现象的主要原因是在热应力作用下，砂岩内部会产生大量微观裂纹，碳酸盐的分解和热应力作用导致砂岩内部孔隙、裂纹数量急剧增大，砂岩内部空间结构变大. 在1000 ℃时，碳酸钙分解为二氧化碳和氧化钙，由于碳酸钙分解导致体积和孔隙结构产生变化，致使热损伤增幅有所减缓.

3. 热-力耦合本构模型

3.1 损伤变量

随着热处理温度的升高，砂岩内部会产生大量的细观裂纹，使得砂岩的弹性模量逐渐降低，岩石产生损伤. 故通常采用相对弹性模量来定义温度为t时的热损伤变量^[18-19]，如式（6）.

${D_t} = 1 - \frac{{{E_t}}}{{{E_0}}},$

(6)

式中： $ {E_0} $为常温下砂岩的弹性模量，$ {E_t} $为温度t 作用后砂岩的弹性模量.

由耗散能定义的热损伤变量为

${D_t} = 1 - \alpha {\left( {\frac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)^\beta },$

(7)

式中：$ {U_{{\mathrm{d}}0}} $为常温下砂岩峰值耗散能；$ {U_{{\mathrm{d}}t}} $为温度t ℃作用后砂岩峰值耗散能；$ \alpha $、$ \beta $为拟合参数，根据砂岩的具体特性（成分、结构和预处理条件等）进行确定，以确保模型能够精确描述不同温度对砂岩损伤演化的影响.

通过对式（6）、（7）拟合得到$ \alpha $=0.99，$ \beta $=1.05，其拟合度R²=0.99.

3.2 荷载损伤变量

由于岩石类材料自身发育有大量初始缺陷，故通常把岩石材料视为各向异性材料. 在外力作用下，砂岩内部裂纹经历了一系列发育成核、萌生扩展和贯通失效过程. 由于整个变形破坏过程具有随机性，故采用Weibull分布函数表征砂岩的微元强度，如式（8）.

$\varphi (x) = \frac{n}{m}{\left(\frac{x}{m}\right)^{^{n - 1}}}{\mathrm{exp}}\left( { - {{\left( {\frac{x}{m}} \right)}^n}} \right),$

(8)

式中：x为微元体强度，m为微元体尺寸参数，n为微元体形状参数.

基于文献[20]的损伤参量与分布密度函数之间的关系可得

$\varphi (\varepsilon ) = \frac{{{\mathrm{d}}D}}{{{\mathrm{d}}\varepsilon }},$

(9)

式中：D为损伤变量.

对式（9）进行积分得

${D_{{f}}} = \int_0^\varepsilon {\varphi (x)} {\mathrm{d}}x = 1 - {\mathrm{exp}}\left( { - {{\left( {\frac{\varepsilon }{m}} \right)}^n}} \right),$

(10)

式中：$ {D_{{f}}} $为荷载f作用时砂岩的损伤变量.

3.3 热-力耦合损伤本构模型

为了描述不同温度热处理砂岩的损伤本构关系，将高温处理视为砂岩的第一损伤状态，受荷过程视为其第二损伤状态. 根据Lemaitre应变等价假说，温度与荷载耦合作用的损伤变量计算公式为

$1 - {D_{t - f}} = (1 - {D_t})(1 - {D_f}),$

(11)

式中：$ {D_{t - f}} $为耦合损伤变量.

将式（7）和式（10）代入式（11）中可得耦合损伤变量为

${D_{t - f}} = 1 - \alpha {\left( {\frac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)^\beta }\exp \left( { - {{\left( {\frac{x}{m}} \right)}^n}} \right).$

(12)

在加载初期存在着明显的裂纹闭合现象，随着温度的升高，此现象愈加明显. 传统损伤本构模型得到的理论曲线与试验曲线相比，其峰前吻合度较低，故采用分段方法构建热-力耦合本构模型，即以裂纹闭合段结束，弹性段开始点为分界点. 在分界点前砂岩内部孔隙逐渐闭合，岩石内部裂隙并无扩展的迹象且不产生损伤. 损伤变量为

$D = \left\{ {\begin{array}{*{20}{l}} {1 - \alpha {{\left( {\dfrac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)}^\beta },\quad\varepsilon \lt {\varepsilon _{\mathrm{c}}}}, \\ {1 - \alpha {{\left( {\dfrac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)}^\beta }{\mathrm{exp}}\left( { - {{\left( {\dfrac{{\varepsilon - {\varepsilon _{\mathrm{c}}}}}{m}} \right)}^n}} \right),\quad\varepsilon \gt {\varepsilon _{\mathrm{c}}}} , \end{array}} \right.$

(13)

式中：$ \varepsilon_{{\mathrm{c}}} $为裂纹闭合段结束时的应变.

由于在裂纹闭合阶段砂岩主要以孔洞、微裂纹的压密为主，考虑到该阶段砂岩内部微观结构的变化，Weibull分布函数可以更好地反演微观缺陷在受力下的损伤情况，故裂纹闭合阶段本构模型为

$\sigma = {E_0}\varepsilon \alpha {\left( {\frac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}o}}}}} \right)^\beta }\left\{ {1 - \exp \left( { - {{\left( {\frac{\varepsilon }{m}} \right)}^n}} \right)} \right\}.$

(14)

随着作用力的增加，砂岩内部裂纹发育扩展，外荷载对砂岩造成损伤. 此阶段采用综合损伤变量，结合损伤力学的基本关系得

$\sigma = E(1 - D)\varepsilon = {E_0}\varepsilon {\left( {\alpha {{\left( {\frac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)}^\beta }} \right)^2}\exp \left( { - {{\left( {\frac{\varepsilon }{m}} \right)}^n}} \right).$

(15)

结合式（14）和式（15），热损伤砂岩本构模型为

$\sigma = \left\{ {\begin{array}{*{20}{l}} {E_0}\varepsilon \alpha {{\left( {\dfrac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)}^\beta }\left( {1 - {\mathrm{exp}}\left( { - {{\left( {\dfrac{\varepsilon }{{{m_1}}}} \right)}^{{n_1}}}} \right)} \right),\\ \quad\varepsilon \leqslant {\varepsilon _{\mathrm{c}}} ,\\ {E_0}\left( {\varepsilon - {\varepsilon _{\mathrm{c}}}} \right){{\left( {\alpha {{\left( {\dfrac{{{U_{{\mathrm{d}}t}}}}{{{U_{{\mathrm{d}}0}}}}} \right)}^\beta }} \right)}^2}{\mathrm{exp}}\left( { - {{\left( {\dfrac{{\varepsilon - {\varepsilon _{\mathrm{c}}}}}{{{m_2}}}} \right)}^{{n_2}}}} \right) + {\sigma _{\mathrm{c}}},\\ \quad\varepsilon \gt {\varepsilon _{\mathrm{c}}} , \end{array}} \right.$

(16)

式中：$ {\sigma _{\mathrm{c}}} $裂纹闭合段结束时的应力，$ {m_1} $和$ {n_1} $为裂纹闭合段的尺寸参数和形状参数，$ {m_2} $和$ {n_2} $为压密段结束后的尺寸参数和形状参数.

4. 损伤本构模型验证

不同温度作用下损伤变量方程中参数m、n的演化规律，如图6所示. 尺寸参数m为Weibull分布函数中尺度参数；形状参数n为材料的均质性程度指标，n值较高表明岩石材料的力学特性均质性程度较高^[21]. 由图6可知： m整体呈现出与砂岩强度变化一致的规律，随热处理温度升高先上升后下降，在200 ℃时峰值应力最大，对应m值也增至最大； n随着热处理温度的升高逐渐降低，这是由于n在一定程度上可以反映岩石的塑性特性，随着热处理温度升高砂岩塑性特征逐渐显著.

图 6 本构模型拟合参数变化规律

Figure 6. Variation pattern of fitting parameters for constitutive model

下载: 全尺寸图片幻灯片

由式（16）计算得到不同温度热处理砂岩应力−应变的理论曲线与试验曲线如图7所示. 通过图7可知：理论曲线与试验曲线吻合度较高，本文构建的热−力损伤本构模型能够反映不同热损伤工况下砂岩变形破坏的演化过程. 需要说明的是，该方法构建的理论模型也存在一定的缺陷，比如，在分段点处，理论曲线存在间断点. 尽管不足，但理论曲线的力学演化规律与室内试验结果较一致，表明基于能耗方法表征热损伤具有一定的合理性和可行性.

图 7 不同温度热处理砂岩室内试验-理论模型对比曲线

Figure 7. Comparison curves of laboratory test and theoretical model for sandstone subjected to different temperatures

下载: 全尺寸图片幻灯片

5. 结　论

1）随着温度增加，热处理砂岩的峰值应力和弹性模量先增加后降低，脆-延性转变的临界阈值温度为200 ℃，破断模式由斜向剪切裂破坏向“Y”型共轭拉剪切混合破坏转变.

2）基于能量法将整个加载过程分为微裂纹闭合阶段、弹性阶段、宏观裂纹扩展阶段和峰后阶段：在裂纹闭合阶段微裂隙、孔洞受压闭合，耗散能缓慢上升；弹性阶段耗散能保持不变，弹性能逐渐增加；裂纹闭合段耗散能和弹性能均逐渐增加，峰后阶段耗散能急剧上升，弹性能迅速下降.

3）弹性能耗比最小值是砂岩整体状态由稳定向不稳定转变的阈值，耗散能演变曲线斜率由负向正转变的突变点可作为岩石由弹性向塑性转变的临界点.

4）基于构建的热-力耦合损伤变量建立了以裂纹闭合点为分段点的损伤本构模型，模型中Weibull参数在一定程度上可以反映砂岩的强度和塑性特征，理论结果与室内试验结果较一致，该模型能够量化热-力耦合作用下砂岩变形破裂全过程.

致谢：桥梁无损检测与工程计算四川省高校重点实验室开放课题基金（2022QZJ01）.

图 1 含特殊负荷的配电网

Figure 1. Distribution network with special load

下载: 全尺寸图片幻灯片

图 2 支路的等效二端网络

Figure 2. Equivalent two-end network of branch

下载: 全尺寸图片幻灯片

图 3 配电网分层故障定位模型

Figure 3. Hierarchical fault location model for distribution network

下载: 全尺寸图片幻灯片

图 4 单层配电网故障定位仿真

Figure 4. Fault location simulation of single-layer distribution network

下载: 全尺寸图片幻灯片

图 5 分层配电网故障定位仿真

Figure 5. Simulation of fault location in layered distribution network

下载: 全尺寸图片幻灯片

表 1 故障区域、节点和电流方向

Table 1. Fault areas，nodes，and current directions

区域	区域端节点	故障电流方向
一	1	1
二	3	1
三	9	−1
四	12	0
五	15	−1
六	17	−1
七	22	0
八	24	−1

下载: 导出CSV

表 2 单一故障仿真结果

Table 2. Single failure simulation results

假定故障区段	{K₁,K₂,K₃}	畸变位置	区域定位结果	区段定位结果
（5）	{0,0,1}	无	二	（5）
（9）	{0,1,1}	无	三	（9）
（18）	{0,1,1}	无	六	（18）
（7）	{1,1,1}	无	二	（7）
（5）	{1,1,1}	10	二	（5）
（7）	{1,1,1}	24	二	（7）
（24）	{1,1,1}	11	八	（24）

下载: 导出CSV

表 3 双重故障仿真结果

Table 3. Double-fault simulation results

假定故障区段	{K₁,K₂,K₃}	畸变位置	区域定位结果	区段定位结果
（5）、（7）	{0,0,1}	无	二	（5）、（7）
（7）、（9）	{0,1,1}	无	二、三	（7）、（9）
（15）、（18）	{0,1,1}	无	五、六	（15）、（18）
（21）、（24）	{1,1,1}	10	六、八	（21）、（24）
（19）、（25）	{1,1,1}	18	六、八	（19）、（25）

下载: 导出CSV

表 4 区段定位结果

Table 4. Segment positioning results

判断故障区域	适应度	区段状态编码	区域状态信息
二	1.000	[0 0 0 0 0 0]	0
三	0.667	[0 1 0]	1
六	0.667	[0 1 0 0 0]	1
八	1.000	[0 0 0]	0

下载: 导出CSV

表 5 4种定位模型性能对比

Table 5. Performance comparison of four positioning models

模型	准确次数/次	平均迭代次数/次
GA	24	36
IA	27	21
IQIA₁	30	18
QIA+IEM	30	10

下载: 导出CSV

参考文献(19)

陈大宣,余一平,鞠平,等. 基于时变电流注入方法的特殊电力负荷建模研究[J]. 电力自动化设备,2014,34(3): 120-124. doi: 10.3969/j.issn.1006-6047.2014.03.020

CHEN Daxuan, YU Yiping, JU Ping, et al. Research on special power load modeling based on time-varying current injection method[J]. Electric Power Automation Equipment, 2014, 34(3): 120-124. doi: 10.3969/j.issn.1006-6047.2014.03.020

MEHRDAD M, MEHDI E A. A new fault location technique in smart distribution networks using synchronized/non-synchronized measurements[J]. IEEE Transactions on Power Delivery, 2018, 33(3): 1358-1368.

ZHU J, LUBKEMAN D L, GIRGIS A A. Automated fault location and diagnosis on electric power distribution feeders[J]. IEEE Transactions on Power Delivery, 12(2): 801-809.

KNOPP T, WEBER A. Local system matrix compression for efficient reconstruction in magnetic particle imaging[J]. Advances in Mathematical Physics, 2015, 2015: 1-7.

黄佳乐,杨冠鲁. 配电网故障区间定位的改进矩阵算法[J]. 电力系统保护与控制,2014(11): 41-45. doi: 10.7667/j.issn.1674-3415.2014.11.007

HUANG Jiale, YANG Guanlu. Improved matrix algorithm for fault interval location in distribution network[J]. Power System Protection and Control, 2014(11): 41-45. doi: 10.7667/j.issn.1674-3415.2014.11.007

童晓阳,张绍迅. 基于灰色关联度的配电网故障区段定位与类型识别方法[J]. 电力系统自动化,2019(4): 113-118,145. doi: 10.7500/AEPS20180214007

TONG Xiaoyang, ZHANG Shaoxun. Fault segment location and type identification method for distribution network based on grey correlation degree[J]. Automation of Electric Power System, 2019(4): 113-118,145. doi: 10.7500/AEPS20180214007

郑涛,潘玉美,郭昆亚,等. 基于免疫算法的配电网故障定位方法研究[J]. 电力系统保护与控制,2014(1): 87-93.

ZHENG Tao, PAN Yumei, GUO Kunya, et al. Research on fault location method of distribution network based on immune algorithm[J]. Power System Protection and Control, 2014(1): 87-93.

LIANG R, PENG N, YANG Z, et al. A novel single-phase-to-earth fault location method for distribution network based on zero-sequence components distribution characteristics[J]. International Journal of Electrical Power & Energy Systems, 2018, 102: 11-22.

高云龙,周羽生,彭湃,等. 优化和声算法在含DG电网故障定位中的应用[J]. 电力系统保护与控制,2014(19): 26-31. doi: 10.7667/j.issn.1674-3415.2014.19.004

GAO Yunlong, ZHOU Yusheng, PENG Pai, et al. Application of optimized harmonic algorithm in fault location of DG distribution network[J]. Power System Protection and Control, 2014(19): 26-31. doi: 10.7667/j.issn.1674-3415.2014.19.004

刘蓓,汪沨,陈春,等. 和声算法在含DG配电网故障定位中的应用[J]. 电工技术学报,2013,28(5): 280-284. doi: 10.3969/j.issn.1000-6753.2013.05.039

LIU Pei, WANG Feng, CHEN Chun, et al. Application of harmonic algorithm in fault location of DG distribution network[J]. Transactions of China Electrotechnical Society, 2013, 28(5): 280-284. doi: 10.3969/j.issn.1000-6753.2013.05.039

陈奎,张云,王洪寅,等. 基于免疫算法的含分布式电源配电网的故障定位[J]. 电力系统保护与控制,2017,45(24): 57-62. doi: 10.7667/PSPC161985

CHEN Kui, ZHANG Yun, WANG Hongyin, et al. Fault location based on immune algorithm with distributed power distribution network[J]. Power System Protection and Control, 2017, 45(24): 57-62. doi: 10.7667/PSPC161985

束洪春,董俊,段锐敏,等. 基于自然频率的辐射状配电网分层分布式ANN故障定位方法[J]. 电力系统自动化,2014,38(5): 83-89.

SHU Hongchun, DONG Jun, DUAN Ruimin, et al. Hierarchical distributed ANN fault location method for radial distribution network based on natural frequency[J]. Automation of Electric Power Systems, 2014, 38(5): 83-89.

何瑞江,胡志坚,李燕,等. 含分布式电源配电网故障区段定位的线性整数规划方法[J]. 电网技术,2018,42(11): 3684-3692.

HE Ruijiang, HU Zhijian, LI Yan, et al. Linear integer programming method for fault segment location of distributed power distribution network[J]. Power System Technology, 2018, 42(11): 3684-3692.

贺仁睦,王吉利,史可琴. 实测冲击负荷分析与建模[J]. 中国电机工程学报,2010,30(25): 59-65.

HE Renmu, WANG Jili, SHI Keqin, et al. Analysis and modeling of measured impact load[J]. Proceedings of the CSEE, 2010, 30(25): 59-65.

刘鹏程,李新利. 基于多种群遗传算法的含分布式电源的配电网故障区段定位算法[J]. 电力系统保护与控制,2016(2): 36-41. doi: 10.7667/j.issn.1674-3415.2016.02.005

LIU Pengcheng, LI Xinli. Fault segment location algorithm for distribution network with distributed power based on multi-population genetic algorithm[J]. Power System Protection and Control, 2016(2): 36-41. doi: 10.7667/j.issn.1674-3415.2016.02.005

郭壮志,陈涛,黄全振,等. 配电网故障定位的层级模型及其预测校正算法[J]. 电力自动化设备,2018,38(7): 56-65.

GUO Zhuangzhi, CHEN Tao, HUANG Quanzhen, et al. Hierarchical model of fault location in distribution network and its prediction correction algorithm[J]. Electric Power Automation Equipment, 2018, 38(7): 56-65.

王秋杰,金涛,谭洪,等. 基于分层模型和智能校验算法的配电网故障定位技术[J]. 电工技术学报,2018,33(22): 5327-5337.

WANG Qiujie, JIN Tao, TAN Hong,, et al. Fault location technology of distribution network based on hierarchical model and intelligent check algorithm[J]. Transactions of China Electrotechnical Society, 2018, 33(22): 5327-5337.

焦李成, 李阳阳, 刘芳. 量子计算、优化与学习[M]. 北京: 科学出版社, 2017: 8-15.

祝志慧,孙云莲. 量子免疫算法在电网故障诊断中的应用[J]. 电力系统保护与控制,2010(10): 28-31,36.

ZHU Zhihui, SUN Yunlian. Application of quantum immune algorithm in power grid fault diagnosis[J]. Power System Protection and Control, 2010(10): 28-31,36.

施引文献

附加材料(0)

访问统计