本站小編為你精心準備了高壓輸電線路單相故障性質診斷參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《電力系統及其自動化學報》2015年第十一期

摘要：

輸電線路單相接地故障性質識別方法是自適應重合閘實現的關鍵。依據故障相首端電壓在瞬時性故障和永久性故障下二次電弧階段高頻能量特性的不同，提出了基于小波包變換和支持向量機的輸電線路單相故障性質診斷方法。首先，對故障相首端電壓信號進行小波包分解，為反映高頻能量特性去除低頻頻帶，再將剩下頻帶的能量歸一化后作為支持向量機的特征向量；通過訓練學習樣本使分類器建立特征向量和故障類型的映射關系，達到區分故障性質的目的。與已有的判據相比，該方法簡單、易于實現，適用于帶并聯電抗器和不帶并聯電抗器的輸電線路。

關鍵詞：

輸電線路；自適應重合閘；二次電弧；支持向量機；小波包變換

運行數據統計表明，超、特高壓長距離輸電線路上的故障大多數是單相接地故障，瞬時性故障又占據其中的大部分。因此，在超、特高壓輸電線路上安裝重合閘裝置對提高供電可靠性和系統的穩定性具有重大意義。傳統的重合閘具有盲目性，當重合于永久性故障時，將對系統再次沖擊導致電氣設備工作條件惡化[1]。自適應重合閘的主要功能是區分故障性質，只在瞬時性故障時才重合，避免了盲目重合帶來的不良后果。目前，故障性質診斷分別在一次電弧[2-3]（從故障發生到斷路器跳閘前）、二次電弧[4-6]（從斷路器跳閘到電弧熄滅前）和恢復電壓[7-9]（電弧熄滅之后）3個階段進行。已有的基于電弧特性判據方法復雜、模糊、不易實現；基于拍頻特性方法判斷時間長，易錯過最佳重合時間，且只適用于帶并聯電抗器的輸電線路。本文分析了不同故障性質下二次電弧階段故障相首端電壓含高頻能量的情況。利用小波包分解故障相首端母線電壓信號得到相應的頻帶，去除第1個低頻頻帶后求出各頻帶能量并歸一化后作為支持向量機的輸入特征向量用于輸電線路故障性質的判別。當判別故障為瞬時性故障時，利用電流差動原理確定電弧徹底熄滅時刻，再經過一個經驗延時時間進行重合。

1單相接地故障特征量分析

輸電線路發生單相永久性故障時故障點始終存在，線路電容可靠放電，電弧將迅速熄滅。輸電線路發生單相瞬時性故障，斷路器跳閘后將產生二次電弧，二次電弧經過燃燒、熄滅、重燃、熄滅的反復過程，直到電弧電壓不再大于電弧重燃電壓時電弧才真正熄滅。根據文獻[10]中二次電弧的數學公式，利用EMTP中MODEL模塊建立二次電弧模型并進行仿真得出二次電弧燃燒時的電弧電壓。750kV輸電線路在0.1s時發生故障及0.2s時斷路器跳閘，對應的瞬時性故障相首端母線電壓和二次電弧電壓波形分別如圖1和圖2所示；對應的永久性故障相首端母線電壓和斷路器跳閘后故障處電壓波形分別如圖3和圖4所示。從圖可知，瞬時性故障時二次電弧電壓波形出現嚴重畸變，通過線路后到達首端，使斷路器斷開后故障相首端電壓含有較多的高頻分量。而永久性故障由于電弧迅速熄滅使斷路器跳開后故障相首端電壓中高頻分量較少。據此可用故障相首端電壓中高頻分量的能量占總能量的比作為故障特征向量來區分故障性質。

2故障特征量提取

2.1小波包變換傳統信號理論是建立在傅里葉分析基礎之上，但傅里葉變換作為全局變換具有一定的局限性。小波變換繼承和發展了短時傅里葉變換局部化的思想并克服了窗口大小不隨頻率變化等缺點，提供了一個隨頻率改變的時間-頻率窗口，能夠充分突出信號的特征信息。但小波變換只對信號的低頻部分進行分解。輸電線路發生接地故障時，故障相首端電壓中既有頻率相對較低的基頻分量，也有頻率相對較高的振蕩分量，需要對低頻和高頻分量均進行精細分析，因此，用小波分解來提取輸電線路故障相首端電壓信號中的頻譜特征有不足的一面。而小波包變換不僅分解信號低頻段，也對高頻部分進行分解，能夠得到信號在不同頻段分布的詳細信息，以及信息發生突變的時間點，能夠反映出信號中高頻部分的特征信息。

2.2基于小波包變換的故障特征向量提取根據不同故障性質對應的二次電弧階段故障相首端電壓信號高頻分量能量的不同，利用小波包分解故障信號得到相應的頻帶，為反映高頻能量這一特征量，除去第1個低頻頻帶后求出剩下頻帶的能量再歸一化作為特征向量來區分故障性質。

3基于支持向量機的故障性質診斷

3.1支持向量機算法輸電線路故障性質分為瞬時性故障和永久性故障兩類，本文利用支持向量機二分類功能實現故障性質的區分。支持向量機通過事先選擇的非線性映射（核函數）將輸入向量映射到一個高維特征空間，在這個高維特征空間尋找最優分類超平面，使它盡可能多地將兩類故障數據點正確分開，并且使分開的兩類故障數據點距離分類面最遠。該方法的具體算法如下。

3.2故障性質診斷以采樣頻率5000Hz對故障相首端母線電壓信號進行采樣。為避免斷路器斷開瞬間的電壓暫態過程，取斷路器斷開后20~60ms的故障信號進行DB5小波包3層分解得到8個頻帶，為反映二次電弧高頻信號能量，去除第1個低頻頻帶，將剩下的7個頻帶的各自能量跟基準值的比作為特征向量來診斷輸電線路故障性質。當式（9）決策函數輸出為+1時判別為瞬時性故障，利用文獻[12]確定熄弧時刻，再延時100ms重合；當決策函數輸出為-1時判別為永久性故障，斷開非故障相。基于上述思想的故障性質診斷方法實現流程如圖5所示。

4仿真分析

建立輸電線路模型如圖6所示。利用EMTP對輸電線在不同故障位置、過渡電阻進行單相接地故障仿真，采樣頻率為5000Hz，提取出故障相首端母線電壓信號。圖6的系統參數為：左側系統容量為2200MVA，功率因數為0.8；右側系統容量為6000MVA，功率因數為0.8。線路參數為：線路長度為478km；r1=0.0163Ω/km，r2=0.1572Ω/km；l1=0.9056Ω/km，l0=1.946mH/km；c1=0.0133μF/km，c0=0.0101μF/km。電抗器參數為：XL=1435.59Ω，XN=478.53Ω。對所獲得的故障信號進行DB5小波包3層分解得到8個頻帶，將后7個頻帶的各自能量跟基準值的比作為支持向量機的輸入特征向量。對輸電線路在不同故障情況下進行大量仿真，結果顯示瞬時性故障的故障相電壓的各頻段能量大于永久性故障的對應頻段的能量，且故障在輸電線路首端以及有過渡電阻的情況下兩者差距最小。因此，選用此時的特征向量作為支持向量機的學習樣本，剩下的部分作為檢測樣本來診斷輸電線路的故障性質。利用支持向量機對上述學習樣本進行訓練以建立特征向量與故障性質映射關系。再將檢測樣本輸入已訓練好的支持向量機。經過多次調試，取支持向量機的參數c=18，圖7為一組瞬時性故障檢測樣本和一組永久性故障檢測樣本的數據分類，表1為檢測樣本及支持向量機的輸出結果，數據采集時間為0.04s，訓練時間為0.012s，檢測時間為0.003s，因此，故障分類時間為0.055s。所用計算機的CPU型號為Intel酷睿i52430M、主頻為2.4GHz，內存容量為2GBDDR31333MHz。由表1和圖7可知，支持向量機能通過少量的學習樣本建立起輸入特征向量和故障性質的映射關系，然后根據實際的故障特征量來區分故障性質，此方法在樣本數據很少的情況下能快速、準確地診斷故障性質。

5結論

（1）比較分析了不同故障性質下二次電弧階段故障相首端電壓的高頻分量特性差異；與永久性故障相比，二次電弧階段瞬時性故障的故障相首端電壓含有較多的高頻分量。依據這一特性，提出了基于小波包變換和支持向量機的輸電線路單相故障性質診斷方法。（2）利用小波包分解故障信號，提取出各頻帶內能量跟基準值的比作為支持向量機的學習樣本。將學習樣本輸入給支持向量機進行訓練，從而建立起輸入特征量與故障類型的映射關系，實現對不同故障數據進行分類。（3）利用仿真得到的輸電線路故障信號構建檢測樣本進行驗證，結果表明，基于小波包變換和支持向量機相結合的輸電線路故障性質診斷方法，能夠快速、準確地區分瞬時性故障和永久性故障，為輸電線路的故障診斷提供了一種新的途徑。

參考文獻：

[1]劉學軍.電力系統繼電保護原理[M].2版.北京：中國電力出版社，2007.

[2]DjuricMB，TerzijaVV.Anewapproachtothearcingfaultsdetectionforfastautoreclosureintransmissionsys-tems[J].IEEETransonPowerDelivery，1995，10（4）：1793-1798.

[3]TerzijaVV，RadojevicZM.Numericalalgorithmforadaptiveautoreclosureandprotectionofmedium-voltageoverheadlines[J].IEEETransonPowerDelivery，2004，19（2）：554-559.

[4]李斌，李永麗，增志安，等（LiBin，LiYongli，ZengZhian，etal）.基于電壓諧波信號分析的單相自適應重合閘（Studyonsingle-poleadaptivereclosurebasedonanaly-sisofvoltageharmonicsignal）[J].電網技術（PowerSys-temTechnology），2002，26（10）：53-57.

[5]成敬周，張舉（ChengJingzhou，ZhangJu）.基于電弧復小波檢測的單相自適應重合閘（Studyofsingle-phaseadaptivereclosurebasedonarcdetectionbycomplexwaveletalgorithm）[J].繼電器（Relay），2005，33（7）：21-25，49.

[6]楊偉，孫奇（YangWei，SunQi）.基于模糊神經網絡的三相自適應重合閘（Threephaseadaptivereclosurebasedonfuzzyneuralnetwork）[J].電力系統及其自動化學報（ProceedingsoftheCSU-EPSA），2007，19（2）：124-128.

[7]葛耀中（GeYaozhong）.在單相自動重合閘過程中判別瞬時性故障和永久故障的方法（Methodofdistinguish-ingbetweeninstantandpermanentfaultsduringautomaticsingle-phasereclosing）[J].西安交通大學學報（JournalofXi'anJiaotongUniversity），1984，18（2）：23-31.

[8]李斌，李永麗，盛鹍，等（LiBin，LiYongli，ShengKun，etal）.帶并聯電抗器的超高壓輸電線路單相自適應重合閘的研究（Thestudyonsingle-poleadaptivereclosureofEHVtransmissionlineswiththeshuntreactor）[J].中國電機工程學報（ProceedingsoftheCSEE），2004，24（5）：52-56.

[9]陸巖，鄭玉平，沈軍，等（LuYan，ZhengYuping，ShenJun，etal）.超高壓有并聯電抗器線路無故障重合閘研究（ResearchonadaptivereclosureofEHVtransmissionlineswithshuntreactors）[J].電力系統自動化（Automa-tionofElectricPowerSystems），2008，32（6）：76-80.

[10]GoldbergS，HortonWF，TziouvarasD.Acomputermodelofthesecondaryarcinsinglephaseoperationoftransmis-sionlines[J].IEEETransonPowerDelivery，1989，4（1）：586-595.

[11]NelloCristianini，JohnShaweTaylor．支持向量機導論[M]．北京：電子工業出版社，2005．

[12]索南加樂，宋國兵，邵文權，等（SuonanJiale，SongGuo-bing，ShaoWenquan，etal）.兩端帶并聯電抗器輸電線路永久故障判別（Identificationofpermanentfaultsbasedondifferentialcurrentprotectionfortransmissionlineswithtwoshuntreactors）[J].電力系統自動化（AutomationofElectricPowerSystems），2007，31（20）：56-60。

作者：冷崇富 江亞群 黃純 潘志敏 劉琨 梁勇超 單位：湖南大學電氣與信息工程學院 湖南省電力公司檢修公司