电力系统故障类型识别范文

一、故障类型识别的研究现状

传统的故障选相元件主要采用突变量与稳态量相结合，以工频量为基础。在多数情况下这些选相元件对于简单故障能正确地选择故障相，但其选相速度不够快，且易受系统的运行方式及故障接地电阻的影响，结果往往不理想。因此，新型快速的故障选相方法成为众多学者研究的方向。新型的故障选相方法主要有：基于行波故障的选相元件和基于故障暂态量的选相元件。基于行波的选相元件主要是利用故障时信号的行波波头所包含的信息进行故障选相。虽然基于行波的选相元件能在故障发生的第一时间捕获故障信息，与传统的选相方法相比具有灵敏度高、识别率好等优点，且对波头进行处理的方法也有很多。但基于行波的故障选相方法存在一些缺点，如初始行波受初始角、反射波、故障电弧等因素的影响。基于行波的选相元件由于计算量大，对处理器的运算能力要求也比较高，费用相对也就比较高，在嵌入式系统中难以做到实时性，这使得基于行波的故障选相方法具有很大局限性。基于故障暂态量的选相是利用输电线路发生故障时所产生的故障暂态信号实现故障选相，故障暂态信号与线路参数、故障情况等有关，不受系统运行方式、过渡电阻、电流互感器饱和、系统振荡、长线分布电容等的影响。近年来又随着硬件条件的实现和小波变换等信号处理工具的发展，使得大量、准确、实时地获取故障时产生的暂态电压和电流信号，并使对其作进一步的处理成为现实。这些丰富的故障暂态信号蕴涵了大量的故障特征信息，其频率成分贯穿于整个频谱中，如果能充分利用这些信息就能快速地对故障相作出判断。因此，基于故障暂态量的选相方法具有很大的发展前景，使得越来越多的学者从事电力系统暂态信号的研究。目前用于电力系统故障类型识别的方法有很多，如小波分析、神经网络和模糊理论等智能算法、数学形态学等。1.小波分析文献利用小波对暂态电流的模分量进行分析，并通过比较各相暂态电流的能量和各模分量的大小进行故障相判断。文献[16]利用小波提取故障暂态电流信号的特征，通过计算提取的信号特征沿尺度分布的权重得到暂态电流信号的小波熵权，进而构造故障选相判据。文献[17]对线路两端模量方向行波之差进行小波变换，通过比较其幅值大小来判别故障类型，但对两相接地故障的具体类型区分不明确。文献通过比较（零、线）模量电流行波的幅值之间的大小关系从不同角度进行故障选相。但是，由于零模量的严重衰减导致保护装置不能正确反映故障点处零模与线模的大小关系，当输电线路远端发生单相接地或两相接地故障时可能出现误判。文献将小波奇异熵应用于识别高压输电线路的故障相，提出了一种基于暂态电压的选相方案。通过取各相的小波奇异熵相对比值反映故障相和非故障相间的相对差异，构成高压输电线路故障选相的依据。2.神经网络和模糊理论等智能算法文献[20-21]利用提升小波变换对故障信号进行处理，并作为神经网络的输入构造了一种新型的小波神经网络模型来识别输电线路故障。文献通过小波包将故障电压和故障电流分解后分别获得分解后的故障暂态量的能量值和熵值，并将能量值与熵值分别对神经网络进行训练，对输电线路进行故障分类和定位。文献在暂态信号多尺度的基础上定义了小波能量熵，并与模糊逻辑系统相结合形成故障类型识别方法。3.数学形态学文献[25]在分析EHV线路发生故障后电流模分量的基础上，利用数学形态学梯度提取暂态信号波头能量，构成故障选相方案。文献提出了一种基于数学形态谱和神经网络相结合的识别接地短路故障类型的新方案。该方法对三相电流进行相模变换后，用数学形态学颗粒对电流各模量分析并提取模电流的形态谱，将各形态谱作为神经网络的输入，进而判断出接地故障的类型。

二、小波分析在电力系统暂态处理中的应用

20世纪80年代初Morlet等人第一次提出了小波变换的概念。它可以根据处理信号频率的高低自行调整窗口的大小，确保捕捉到有用的信息，可以对信号奇异点作多尺度分析。小波变换有以下特点：在高频范围内时间分辨率高；在低频范围内频率分辨率高；既适合于分析平稳信号及非平稳信号；有快速算法——Matlab算法；利用离散小波变换可以将信号分解到各个尺度（频带）上。由于小波变换有以上优点，所以它在各个应用领域中都得到了广泛应用，比如生物医学工程、机械故障诊断、非线性动力系统、量子物理、模式识别、参数辨识、CT成像、数据压缩等。近几年小波变换技术在分析和处理电力系统暂态信号方面也显示了其优越性和良好的应用前景，主要应用领域包括电力信号去噪、数据压缩、电力设备故障诊断、电能质量信号分析、故障定位等。文献[28]指出db6小波对电压暂升、暂降、闪变信号均能获得较好的去噪效果。文献[29]提出了一种小波包去噪算法，用以消除暂态扰动检测中噪声的影响，为在噪声环境中检测和定位暂态扰动提供了依据。电能质量信号分析方面：文献[31]将小波包用于对谐波的检测，并与IEC推荐的谐波检测方法进行了对比，仿真结果证明了基于小波包的检测方法对非整次谐波与间小波的检测要优于IEC推荐的方法。电力设备诊断方面：文献[30]通过对基于Shannon熵的最优小波包基的快速搜索算法的探讨，提出了基于最优小波包基小波包方法。在输电线路故障定位方面：（1）故障选线。文献[31]提出了基于单相电流行波的故障选线原理。文献[32]利用小波变换与电弧故障产生的突变相结合而进行故障选相。文献[33]提出用小波变换提取电流故障分量的暂态能量，并且以三相间暂态能量的大小及其相对关系来识别故障类型和判断故障相的新方案。文献[34]利用小波变换提取故障后电流行波的线、零模量，根据提取出的电流行波波前1/8周期的能量进行故障选相。文献[35]通过小波变换利用故障电流行波幅值及极性逻辑关系相结合的故障类型识别方法，并设计出了故障类型识别的实用算法。该方法可以提高以往行波故障选相方案中利用零、线模量之间幅值关系判别单相接地或两相接地故障时的可靠性。总的来说，目前基于暂态信号，利用小波变换工具进行选相的方法得到了很好的研究，但在实际应用时仍需进行相应的分析论证。文献[36]对电力系统暂态信号提取小波能量熵及能量熵权，并将其分别对神经网络进行训练，提出了小波能量熵与神经网络相结合的故障分类方法。（2）故障测距。电力系统要求及时、准确地得知线路故障位置，以便用最短的时间清楚故障，尽快恢复供电，现已有可用于解决实际问题的各种故障测距方法。小波变换可以很好地表征输电线路故障行波信号的突变点，故很多文献提出用小波变换来进行行波故障测距。主体思路是：运用小波变换对故障信号进行分解，并用小波变换模极大值表示故障信息，揭示了行波信号奇异、瞬时信号与小波变换模极大值的关系，运用小波对奇异点检测的原理，确定两次行波波头达到检测点的时间间隔及故障发生的时刻，推算出故障位置，以达到故障定位的目的。

三、熵理论的应用现状

1948年Shannon把通信过程中信源讯号的平均信息量定义成为熵，这就是信息熵。小波熵是小波变换和信息熵的结合，它具有小波变换和信息熵的特点，对动态系统参数的微小变化具有独特的敏感性，反映了暂态信号在时-频域空间的能量分布情况，随着小波熵理论的不断发展与完善，它被应用机械、生物、电力系统等众多领域。生物领域中，文献[42]运用小波熵分析心跳信号，并识别其变化规律；文献[43-44]将小波熵应用于EEG等非平稳信号的分析，体现出小波熵区别非平稳信号复杂度的特点，又有其反映微状态信号快速变化的优点。在机械故障诊断领域里，文献[45]将小波包与特征熵结合提出了一种诊断高压断路器机械故障的新方法，并给出了切实可行的诊断步骤和分析。这几年小波熵理论在电力系统中的应用才刚刚开始，所以这方面的文献较少。文献[46]提出采用离散小波变换和神经网络相结合的方法，对输电线路故障进行分类和定位，虽然训练好的神经网络可以准确地对故障进行分类和定位，但存在计算量大、运算费用高的缺点。文献[47]提出一种基于小波熵权和支持向量机相结合的故障识别方法。该方法识别速度快，有较好的通用和实用价值。文献[48]虽采用了小波分析理论与信息熵理论，但并没有对小波熵进行一个完整的、系统的定义。文献[49]综合阐述了小波熵在电力系统中各方面应用的可行性，表明了其在电力系统中具有良好的发展空间。文献探讨了小波熵在电力系统故障检测中特征提取的应用机理，通过仿真一些输电线路故障检测对文中给出的几种小波熵进行了验证，仿真分析结果表明小波熵测度在暂态信号检测与分类中有望得到较好的发展。小波熵作为近年来才发展的一种新理论在电力系统故障检测中的应用具有广阔前景。所以，在电力系统暂态信号的检测和分类中运用小波熵理论具有重要的研究意义。

四、结束语

电力系统故障类型识别的研究为暂态信号检测分析开辟了新的道路，为暂态信号特征提取理论奠定了新的基础，进行了不同变换空间内信号特征和复杂程度的定量描述方法，建立了适合于电力系统暂态信号分析的小波熵理论。

作者：杨朝兵付学文单位：国网河北省电力公司邢台供电分公司