基于智能算法的小電流接地故障選線研究.pdf

1、國(guó)內(nèi)外中壓配電網(wǎng)中性點(diǎn)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(chēng)為小電流接地故障)時(shí)跳閘造成供電中斷。對(duì)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(jī)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(zhǔn)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(duì)配電網(wǎng)自動(dòng)化水平要求的提高，小電流接地故障自動(dòng)選線問(wèn)題更加突出，迫切需要

2、從根本上予以解決。因此，研究高準(zhǔn)確度、高可靠性的自動(dòng)選線技術(shù)和研制相應(yīng)自動(dòng)選線裝置，對(duì)于提高供電可靠性、減少停電損失和提高配電自動(dòng)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(duì)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(jìn)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(zhǔn)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(duì)基于神經(jīng)網(wǎng)絡(luò)的融合選線模型訓(xùn)練時(shí)間較長(zhǎng)的問(wèn)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(jì)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(guò)對(duì)小電流接地系統(tǒng)發(fā)生單相接地故障時(shí)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(jìn)

4、行小電流接地故障選線時(shí)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(wèn)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?yàn)闀簯B(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(zhǔn)確度。由于受硬件電路的限制，對(duì)暫態(tài)信號(hào)的采樣頻率不可能太高。經(jīng)過(guò)低頻采樣后的暫態(tài)零序

5、電流信號(hào)的幅值會(huì)發(fā)生不同程度的衰減，當(dāng)采樣后故障線路的暫態(tài)零序電流信號(hào)幅值衰減嚴(yán)重時(shí)，基于小波包分析的故障選線方法可能出現(xiàn)選線錯(cuò)誤。所以需要對(duì)衰減的信號(hào)進(jìn)行增強(qiáng)處理，衰減越嚴(yán)重、越可能是故障線路的信號(hào)，需要增強(qiáng)的比例就要越大。本文提出了采用粗糙集理論對(duì)信號(hào)增強(qiáng)的小波包選線新方法。首先，分別對(duì)暫態(tài)零序電流信號(hào)進(jìn)行低頻采樣和短時(shí)間的高頻采樣，將從高頻采樣和低頻采樣的零序電流信號(hào)中提取的穩(wěn)態(tài)工頻分量幅值、采樣前后信號(hào)衰減比例和信號(hào)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(hào)需要增強(qiáng)的比例系數(shù)作為決策屬性，構(gòu)建決策表。通過(guò)屬性約簡(jiǎn)和值約簡(jiǎn)得到最小決策規(guī)則，根據(jù)最小決策規(guī)則實(shí)現(xiàn)對(duì)低頻采樣信號(hào)的增強(qiáng)。最后，對(duì)增強(qiáng)的低頻采樣信號(hào)利用小波包故障選線方法進(jìn)行故障選線。仿真結(jié)果表明，該方法無(wú)論是在能量衰減嚴(yán)重或首波頭極性檢測(cè)錯(cuò)誤時(shí)，還是在相電壓過(guò)零時(shí)的故障、母線故障和高阻接地故障，均能實(shí)現(xiàn)正確選線，有效地提高了故障選線的準(zhǔn)確度。 (3)定義了小電流接地故障時(shí)各種故障特征

7、的故障測(cè)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(hào)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(diǎn)分別定義了它們的故障測(cè)度。將這四種故障特征的故障測(cè)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(guò)屬性約簡(jiǎn)和值約簡(jiǎn)后，得到最小決策規(guī)則，根據(jù)該規(guī)則實(shí)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(duì)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(shí)現(xiàn)了融合選線的目的。利用仿真和現(xiàn)場(chǎng)數(shù)據(jù)對(duì)該選線方法進(jìn)行測(cè)試的結(jié)果表明，該方法的選線準(zhǔn)確度高于基于單一故障特征的選線方法。 (4)針對(duì)基于粗糙集理論的融合選線方法選線準(zhǔn)確度不高的缺點(diǎn)，將經(jīng)粗糙集理論約簡(jiǎn)得到的故障特征的故障測(cè)度作為神經(jīng)網(wǎng)絡(luò)的輸入，將融合后的故障測(cè)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(chǎng)數(shù)據(jù)對(duì)

9、該選線方法進(jìn)行測(cè)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(zhǔn)確度高于基于粗糙集理論的融合選線方法。 (5)針對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本中不同類(lèi)樣本距離較近時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間較長(zhǎng)的問(wèn)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(jì)算決策表中不同類(lèi)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(jìn)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(cè)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(duì)該算法進(jìn)行了驗(yàn)證，測(cè)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(shí)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(yàn)，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)，