配电线路早期故障辨识方法

配电线路早期故障辨识方法

毕海东

国网奈曼旗供电公司，内蒙古自治区通辽市 028300

摘要：配电网直接面向用户，是保证供电质量、提高电网运行效率、创新用户服务的关键环节。由于我国长期“重输轻配”的历史原因，配网设备的故障率一直居高不下，用户感受到的停电事故中96%发生在配网。随着国家和售电市场对供电可靠性要求的提高，配网设备故障处理工作也将由“事后抢修巡检”转变成“事前预警主动处理”，在永久性故障发生之前将其消灭，从而降低因设备故障导致的停电事故发生概率。电力设备损坏存在一个量变到质变的过程。为了提高配电网的可靠性，对配电线路早期故障辨识方法进行了探讨。

关键词：配电线路；早期故障；辨识方法

前言

大量的实践经验表明，设备性能状态随着服役时间的推移符合“马鞍曲线”，即设备性能状态随时间变化可大致分为：故障早发期、稳定期、故障过渡期和永久故障期。而设备故障过渡期又可分为设备老化期和早期故障期。设备早期故障期，即潜在早期故障的显露到转变为永久性故障的时间段。在此期间，设备的早期故障会对设备的性能造成不可逆的损伤，并能快速演变成永久性故障。如在操作、雷击等形成的瞬时过电压作用下，配电网线路绝缘薄弱点会被击穿形成电弧，在小电流接地系统中，该电弧容易自行熄灭，之后电网即恢复正常运行。虽然故障可以自恢复，但是绝缘受到的损伤却不可逆。在故障多次发生后，绝缘将下降至无法承受正常工作电压的状态，此时将形成永久性故障。

1配电线路故障辨识与诊断方法

在判断配电线路所发生的单相接地故障的时候，最重要的标准之一就是准确检测故障状态信号，其检测具体步骤是：首先测取信号，对信号进行调理，然后采集实时数据以及抽取信号特征，最后对信号状态进行识别。依据这一系列步骤来进行操作，能够准确检测出配电线路所发生的故障具体状态信号，对相关运维人员及时找到故障以及有效处理故障非常有利，从而确保配电系统能够实现安全可靠运行目标。

（1）基于故障电流和电压幅值的方法

该方法的原理是故障发生后，通过分析故障线路三相电压和三相电流的幅值变化来进行故障的辨识，但对小电流接地系统单相接地故障的检测，由于故障的接地电流较小，此方法精确性不高，适用性偏低。有研究提出了一种检测故障的算法，是根据中性点电压和零序电流的变化来实现的，但利用该方法在观察故障的电流波形时，容易受到周围环境的影响。因此，通过观察故障电流波形这类方法，需要对故障信号进行滤波处理，才能进行有效地分析观察。

（2）基于低频信息和高频信息的方法

这类方法的原理是故障发生后，通过对获取的故障线路的电流信号，分析其低次谐波和低阶频谱的变化来实现对故障的检测。故障发生的瞬间，其暂态特征量中会包含很多非基频暂态成分，许多学者通过分析其成分，提出了高频阻抗检测算法，这类算法可以实现对故障的辨识与诊断。

（3）基于小波变换的方法

小波变换是一种时间-尺度分析方法，在时域和频域这两方面，都可以提取出故障信号的局部特征。有研究提出了一种多分辨率分析的方法，利用这种方法对变电所内的三相故障电流进行处理，然后获取三相故障电流的小波细节系数d1，并计算对应每相的变化量，再和预设阈值进行对比，如果预设阈值比起变化量要小，则再计算对应每相的标准差，如果其标准差值大于预设阈值，就可以确定系统发生了故障。因此小波变换这种方法很适用于对配电线路的故障辨识与诊断研究。

（4）基于人工神经网络的方法

人工神经网络（ANN）是通过大量的训练样本，在输入与输出之间确定一种函数关系，然后在元素之间建立起一种不确定性的对应关系，具备强大的模式识别、分类能力等能力。有研究结合了小波变换和神经网络这两种方法，首先利用小波变换方法进行滤波处理，滤出故障信号中大量的谐波和非周期分量，然后根据提取出的工频信息，建立神经网络的训练样本集，最后进行配电线路故障类型的辨识。由于人工神经网络方法需要建立较为准确、具备代表性的训练样本集，其本身算法的收敛速度还较低，所以目前大多用于在中小型电力系统的方面的研究。

（5）基于支持向量机的方法

支持向量机（SVM）是CorinnaCortes等人在二十世纪末提出的，是一种建立在统计学理论基础上的模式识别方法。

有研究提出了一种可以快速辨识故障类型的方法，该方法的步骤是：（1）故障发生后，对获取的故障线路零序电压进行小波分解；（2）根据分解后得到的低频能量值初步判断故障类型；（3）计算故障线路三相电压的的小波奇异熵，并把其值输入到SVM分类网络中；（4）再次确定故障类型。这种方法有一大优点，不会受到过渡电阻、故障所在位置以及故障初始相位角的影响。

2配电线路故障的早期辨识与诊断策略

配电线路发生小电流接地系统单相金属性接地或单相弧光接地故障后，从各自对应的零序电流波形图中可以明显看出波形波动频率和相位差等情况，进而可以诊断出故障线路与非故障线路。再根据这些分析结果，结合零序电流波形图的故障特征信息，可以知道发生了何种故障，辨识出两种故障类型。选用多分辨率分析和小波包分析两者相结合的小波变换方法，再结合实际的检测装置产品，进行模拟实验并分析收集的实验数据，可实现对故障类型的辨识，并诊断出故障线路与非故障线路。该方法可根据所研究的故障，分析其特征信息量后，选择适合的分解尺度，利用小波包分析方法进行信号分解后，通过判断特征频带内的模最大值的数值极性，进而诊断出所研究线路中的故障线路与非故障线路。该方法不再采用传统模式的方式，而是对其中的固定分解尺度进行了重新选择，根据小波奇异性的检测原理，确定合适的分解尺度，另外也对特征频段的选择进行了重新考虑。对比传统模式下的方法，改进的新方法在提取故障暂态特征量方面更加突出，利于分析研究。先对前面章节仿真所得到对应的故障线路的零序电压进行小波分解重构，确定故障时刻，通过截取故障前后两个周期所对应零序电流的信号，进行sym5小波函数的6层分解，列举出模最大值矩阵；然后根据小波的奇异性检测原理，对比分析已分解的数据，确定合适的分解尺度；确定合适的分解尺度后，对上面截取的故障信号段进行第一次小波包分解，并通过频带能量计算公式得到各条线路的零序电流频带能量值，选择能量值最大的频带作为特征频带；最后对已确定的特征频带进行第二次的小波包分解，得到各条线路零序电流的分解系数值，找出特征频带内的模最大值，将其作为提取出的故障暂态特征，并根据模最大值的极性来诊断出故障线路非故障线路。再利用实际的检测装置，通过分析模拟实验收集的数据，根据分析结果和零序电流波形图的故障特征信息，可实现对故障类型的辨识研究，并再次诊断出了故障线路与非故障线路。从研究的过程来看，这种方法不仅适用于此处分析的单相金属性接地故障和单相弧光接地故障，还适用于其它类型的故障，即不受故障类型的影响，均可以诊断出故障线路与非故障线路。利用在电力科技有限公司实验台进行的模拟实验收集的数据，根据收集的零序电流波形特征，结合前文的分析和仿真结果，可以辨识出本文研究的两种故障类型，并诊断出故障线路与非故障线路。以上方法不受故障类型的影响，可实现对故障类型的辨识和故障线路的诊断研究，可以用于研究其他故障，可以更好的研究小电流接地系统单相接地故障以及架空线路的其它典型配网接地故障。

3结论

1）配电线路早期故障蕴含了丰富的故障信息，可靠辨识并分析早期故障信号可有效避免永久性故障的发生。但早期故障检测是典型的小样本问题，该类型故障发生频率低、间隔时间长，且往往混杂在大量其他线路事件记录中。

2）类人概念学习作为小样本条件下的人工智能方法，通过对波形进行分解以及分层概率学习解决了早期故障辨识的问题，其辨识准确率明显优于深度学习等方法。

参考文献：

[1]刘尚伟，吴玲，赵瑞锋，等.基于MTOPSIS-GRA的智能配电网评估方法[J].广东电力，2019，32(2)：113-120.

[2]张大波.基于状态监测与系统风险评估的电力设备维修及更新策略研究[D].重庆：重庆大学，2012.