基于智能算法的小電流接地故障選線研究.pdf

1、國內(nèi)外中壓配電網(wǎng)中性點廣泛采用小電流接地(包括不接地、經(jīng)消弧線圈接地和經(jīng)高電阻接地)方式，以避免發(fā)生單相接地故障(又稱為小電流接地故障)時跳閘造成供電中斷。對于小電流接地故障，由于故障電流微弱、電弧不穩(wěn)定和隨機因素影響等原因，接地故障選線比較困難，一直缺乏可靠的故障選線方法和高準確度的小電流接地故障選線裝置，至今許多變電站仍然使用人工拉路方法查找故障線路。隨著人們對配電網(wǎng)自動化水平要求的提高，小電流接地故障自動選線問題更加突出，迫切需要

2、從根本上予以解決。因此，研究高準確度、高可靠性的自動選線技術(shù)和研制相應(yīng)自動選線裝置，對于提高供電可靠性、減少停電損失和提高配電自動化水平具有重要的意義。 本文在分析小電流接地系統(tǒng)單相接地故障特征基礎(chǔ)上，分別對基于故障暫態(tài)特征信息的選線和基于故障暫態(tài)和穩(wěn)態(tài)特征信息的融合選線進行了深入的研究。首先，利用故障暫態(tài)特征信息，提出了基于粗糙集理論和小波包分析的故障選線方法。其次，利用故障暫態(tài)和穩(wěn)態(tài)特征信息，提出了基于粗糙集理論的融合選線方

3、法。再次，由于基于粗糙集理論的融合選線方法的選線準確度較低，提出了基于神經(jīng)網(wǎng)絡(luò)的融合選線方法。然后，針對基于神經(jīng)網(wǎng)絡(luò)的融合選線模型訓(xùn)練時間較長的問題，提出了基于粗糙集理論的樣本歸一化方法。最后，以基于神經(jīng)網(wǎng)絡(luò)的融合選線為判據(jù)，設(shè)計出了小電流接地故障智能選線裝置的方案。主要的研究工作如下： (1)分析了小電流接地系統(tǒng)單相接地故障的特征。通過對小電流接地系統(tǒng)發(fā)生單相接地故障時零序電流的穩(wěn)態(tài)特征、暫態(tài)特征以及諧波特征的分析，確定了在進

4、行小電流接地故障選線時應(yīng)選取零序電流的暫態(tài)特征、有功分量特征、五次諧波特征和基波特征作為故障特征。 (2)分析了基于小波包分析的小電流接地故障選線方法存在的問題，在此基礎(chǔ)上，提出了基于粗糙集理論和小波包分析故障選線新方法?；谛〔ò治龅男‰娏鹘拥毓收线x線方法以暫態(tài)零序電流為故障特征，因為暫態(tài)分量的幅值比穩(wěn)態(tài)分量大很多，所以該方法具有較高的選線準確度。由于受硬件電路的限制，對暫態(tài)信號的采樣頻率不可能太高。經(jīng)過低頻采樣后的暫態(tài)零序

5、電流信號的幅值會發(fā)生不同程度的衰減，當采樣后故障線路的暫態(tài)零序電流信號幅值衰減嚴重時，基于小波包分析的故障選線方法可能出現(xiàn)選線錯誤。所以需要對衰減的信號進行增強處理，衰減越嚴重、越可能是故障線路的信號，需要增強的比例就要越大。本文提出了采用粗糙集理論對信號增強的小波包選線新方法。首先，分別對暫態(tài)零序電流信號進行低頻采樣和短時間的高頻采樣，將從高頻采樣和低頻采樣的零序電流信號中提取的穩(wěn)態(tài)工頻分量幅值、采樣前后信號衰減比例和信號首波頭極性作

6、為故障特征。然后，將這些故障特征作為條件屬性，信號需要增強的比例系數(shù)作為決策屬性，構(gòu)建決策表。通過屬性約簡和值約簡得到最小決策規(guī)則，根據(jù)最小決策規(guī)則實現(xiàn)對低頻采樣信號的增強。最后，對增強的低頻采樣信號利用小波包故障選線方法進行故障選線。仿真結(jié)果表明，該方法無論是在能量衰減嚴重或首波頭極性檢測錯誤時，還是在相電壓過零時的故障、母線故障和高阻接地故障，均能實現(xiàn)正確選線，有效地提高了故障選線的準確度。 (3)定義了小電流接地故障時各種故障特征

7、的故障測度，在此基礎(chǔ)上，提出了基于粗糙集理論的融合選線方法。分別采用小波包分析法、有功分量法、五次諧波法和基波幅值法從零序電流信號中提取暫態(tài)分量、有功分量、五次諧波分量和基波分量作為故障特征，根據(jù)每種故障特征的特點分別定義了它們的故障測度。將這四種故障特征的故障測度作為決策系統(tǒng)的條件屬性，線路的故障狀態(tài)作為決策系統(tǒng)的決策屬性，提出了基于粗糙集理論的融合選線方法。通過屬性約簡和值約簡后，得到最小決策規(guī)則，根據(jù)該規(guī)則實現(xiàn)故障選線。該方法消去

8、了冗余的基波分量故障特征，融合了對選線結(jié)果影響較大的暫態(tài)分量、有功分量和五次諧波分量故障特征，實現(xiàn)了融合選線的目的。利用仿真和現(xiàn)場數(shù)據(jù)對該選線方法進行測試的結(jié)果表明，該方法的選線準確度高于基于單一故障特征的選線方法。 (4)針對基于粗糙集理論的融合選線方法選線準確度不高的缺點，將經(jīng)粗糙集理論約簡得到的故障特征的故障測度作為神經(jīng)網(wǎng)絡(luò)的輸入，將融合后的故障測度作為神經(jīng)網(wǎng)絡(luò)的輸出，提出了基于神經(jīng)網(wǎng)絡(luò)的融合選線方法。利用仿真和現(xiàn)場數(shù)據(jù)對

9、該選線方法進行測試的結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)的融合選線方法的選線準確度高于基于粗糙集理論的融合選線方法。 (5)針對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本中不同類樣本距離較近時神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間較長的問題，提出了基于粗糙集理論的神經(jīng)網(wǎng)絡(luò)樣本歸一化方法，并將其應(yīng)用于小電流接地故障選線。首先，將神經(jīng)網(wǎng)絡(luò)的輸入作為條件屬性，輸出作為決策屬性，構(gòu)建決策表。然后，計算決策表中不同類樣本間的最小距離，根據(jù)該最小距離確定原樣本需要伸縮的比例，最小距離越小，伸縮的比例

10、越大。各樣本根據(jù)各自的伸縮比例進行伸縮處理，然后再將樣本歸一化。最后，利用歸一化處理后的樣本訓(xùn)練和測試神經(jīng)網(wǎng)絡(luò)。以基于神經(jīng)網(wǎng)絡(luò)的小電流接地故障選線為例，對該算法進行了驗證，測試結(jié)果表明，采用該樣本歸一化方法的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間明顯縮短。 (6)利用電磁仿真軟件EMTP-ATP建立了小電流接地系統(tǒng)的仿真模型。根據(jù)各種故障情況做了大量的仿真試驗，仿真數(shù)據(jù)可以用于各種故障選線方法的分析。 (7)根據(jù)基于神經(jīng)網(wǎng)絡(luò)的融合選線判據(jù)，