大規模電力系統變電線路異常實時檢修方法分析

， ，

(1.國網鐵嶺供電公司，遼寧 鐵嶺 112000；2.國網遼寧省電力有限公司 技能培訓中心，遼寧 錦州 121000)

大規模電力系統變電線路異常實時檢修方法分析

朱邵泓1，高源1，朱遠達2

(1.國網鐵嶺供電公司，遼寧鐵嶺112000；2.國網遼寧省電力有限公司技能培訓中心，遼寧錦州121000)

為保障大規模電力系統變電線路的正常運行，提高變電線路的工作質量，需要對大規模電力系統變電線路異常進行實時檢修；當前方法利用一個函數對線路的異常進行檢測，把異常碼傳輸給調用者，直至該異常碼傳輸至響應該異常的處理函數；該方法無法對變電線路的異常進行實時檢修，降低變電線路的維修效率，還造成電網電流傳輸的中斷，電網安全性得不到保障；為此，提出一種基于CIM的大規模電力系統變電線路異常實時檢修方法；該方法利用小波變換對變電線路異常發生之后5 ms內，異常點電流時域和時頻域中的不同特征進行提取，并將提取結果當作變電線路異常點分類特征量；根據模糊支持向量機完成變電線路異常點的模糊分類，分析在異常點特征空間組建帶狀分段的隸屬度函數，通過支持向量回歸機構建其最佳的分類回歸函數；實驗結果證明，所提方法可以高效對大規模電力系統變電線路異常進行實時檢修，為該領域的研究發展提供強有力的依據，具有實際利用價值。

電力系統；變電線路異常；實時檢修

0 引言

社會經濟的不斷發展，電力的作用與日俱增，而變電線路的架設通常都是高空架設，因此在架設過程中經常會出現變電線路纏繞交叉等問題引起線路異常[1]，給居民生活和企業生產帶來很多不便。電力的應用給很多新技術和新設備的產生提供了基礎[2]。當前社會生產和人們的正常生活工作，均需要電力當作支撐，但電力正常的傳輸需要變電線路的幫助才能實現[3]，所以在這種情況下，變電線路異常的檢修與有效防范的分析及研究有著重要實際意義，它是保證人們日常生活、社會正常生產的重要基礎[4]。當前的電網發展狀況為：變電線路長度的不斷增加，變電線路的規模正在不斷的擴大，這給目前的變電線路檢修和防護帶來了前所未有的挑戰。當前大規模電力系統變電線路異常檢修方法，無法對變電線路進行實時檢修，檢修效率低，通用性低[5]。在這種情況下，如何實現大規模電力系統變電線路異常的實時檢修，成為當前急需解決的問題[6]。基于CIM的大規模電力系統變電線路異常實時檢修方法，可以對大規模電力系統變電線路異常進行實時穩定地檢修，可以成為解決上述問題的有效途徑[7]。

文獻[8]提出一種基于不停電檢測的大規模電力系統變電線路異常檢修方法。該方法利用網格服務結構，對變電線路中的異常檢修進行討論，并提出用于變電線路異常檢修的A/B—Back算法，給出基于GlobusToolkit3.0模擬實驗結果分析，該方法較為簡單，但是檢修的實際意義不大，不可適用于大規模范圍的線路異常檢修。文獻[9]提出一種基于異常點剔除的大規模電力系統變電線路異常檢修方法。該方法主要是利用監控的方式實現線路異常點的檢修。先把監控的區域以及監控的裝置實現編碼操作，裝置監控到線路有異常時，將異常點目標進行編碼，并生成日志文件，記錄線路異常點變動的整個過程，日志中所描述的內容有：異常發生時間，線路異常點發生區域等。該方法簡便，耗時少，但是存在線路異常檢修準確率低的問題。文獻[10]提一種基于無人機多傳感器數據采集的大規模電力系統變電線路異常檢修方法。該方法根據數據挖掘技術，對變電線路運行的狀態進行研究，構建基于主成分研究的變電線路狀態的評價模型，以及將貝葉斯方法作為基礎的變電線路異常檢測簡要模型，與基于判別分析的異常線路檢修策略的選擇模型，完成對變電線路狀態的評估和檢修策略的選取。該方法可及時對變電線路進行檢修，但是過程相對復雜。

針對上述產生的問題，提出一種基于CIM的大規模電力系統變電線路異常實時檢修方法。實驗證明，所提方法收斂速度較快，且分類耗時較少，可對大規模電力系統變電線路進行實時檢修。

1 基于單端信息的變電線路異常檢修

基于單端信息的變電線路異常檢修，主要是通過異常點定位的方式完成檢修。詳細過程如下。

1.1 異常線路的判定

假設一個拓撲結構簡單，且已知的電網出現異常時，不同線路異常的產生行波會沿著不同路徑在電網內傳播，不同的傳播路徑上的異常行波的固有頻率不同，假設在某個路徑D中傳播的異常行波固有的頻率為：

(1)

其中，D代表線路異常點行波傳播路徑，h代表線路異常行波的傳播邊界條件，v代表傳播速度，該頻率利用變電線路各個波阻不連續位置的折射角度和反射角度確定。

當線路異常點行波傳播路徑D只由健全的線路構成時，因為傳播的路徑距離是一個確定值，因此行波傳播的邊界條件與傳播速度基本不隨頻率的變化而變化，能夠看成一個常數，則通過上式有：傳播的路徑D上的線路異常行波，其固有的頻率可認為是一個固定值。當線路異常點行波傳播的路徑D含有異常點時，因為傳播路徑距離和異常點距離d有關，所以反映異常點傳播的路徑行波的固有頻率值和異常點距離d有關，且不再是固定值。以圖1為例。

圖1 異常點行波的傳播路徑

當異常點的發生是在異常點定位裝置的線路上時，例如上圖中的L1，異常點行波信號中所反映的異常距離d行波的固有頻率分量，大于反映其它的傳播路徑固有頻率分量，因為異常點距離dlt;L1，所以它的頻率數值也會大于，反映L1的頻率數值，綜上反映線路異常距離行波的固有頻率非常容易檢測出來。由此，能夠根據檢測出來的行波的固有頻率，判斷大規模電力系統變電線路異常點所在位置。

1.2 線路異常點距離的估算

根據上述已經判斷出線路異常點的基礎上，通過反映包含異常點傳播路徑行波的固有頻率主成分值，實現對異常點距離的準確估算。假設異常發生在L1上，異常點距離d估算公式為：

(2)

其中，θ代表折射角，fd代表固有頻率值，k代表估算系數。當異常點出現在L2或者L3時，異常點距離估算公式為：

(3)

其中，φ代表反射角。式(2)和式(3)中的反射角與折射角以及行波的傳播速度，都是fd下的值。

1.3 線路異常點檢修的具體實現

利用行波的傳播路徑和其固有頻率，對大規模電力系統變電線路異常點檢修的方法中，包含線路異常點的判定和異常點距離的準確估算兩方面，那么它實現的詳細步驟為：

采集暫態電流的行波信號，并得到模電流。過程中為了消除各個模量間“模混雜”現象，對不同的異常點類型選取不同的相模變化的基準相與異常點定位分析對象。

提取暫態行波固有的頻率主成分，結合暫態行波時頻特征，采用小波變換提取精準的行波固有的頻率主成分。

依據提取的線路異常點行波固有的頻率數值，對異常點的線路進行判斷。計算反映包含線路異常點傳播路徑行波固有頻率的主成分值fd下，線路異常點行波的波速和傳播路徑中的各波阻抗非連續點折射系數和反射系數。在確定線路異常點的基礎上，通過式(2)和式(3)對異常點距離進行準確計算。并依據計算結果完成對大規模電力系統變電線路異常的檢修。

2 基于CIM的變電線路異常實時檢修方法

2.1 線路異常點的特征提取

因為受異常工況和噪聲的影響，變電線路的不同異常會導致有些特征相似，本文從時域與時頻域中提取出不同的線路異常點電流的特征，當作異常點分類特征量，用來提高異常點分類精確性。

假設分別提取線路異常點發生之后5 s，也就是250個數據點，采樣頻率是50 kHz，A，B，C，三相電流iA，iB，iC，對零序電流i0的分量進行計算：

i0=(iA+iB+iC)/3

(4)

線路異常特征量T1是三相電流的相關系數。利用下式計算A，B，C，三相電流相關系數ρAB，ρBC，ρCA，如果所得值大于ε0，那么將該值量化為2，如果所得值小于ε1，那么將該值量化為0，不然量化為1，構成線路異常點特征向量T1=[ρAB,ρBC,ρCA]。

(5)

線路異常點的特征向量T2是零序電流的數學期望值。對零序電流i0數學期望值E(i0)進行計算，如果它的絕對值大于ε2，那么將它量化為1，不然量化為0，當作線路異常點的特征量，也就是T2=[E(i0)]。

變電線路異常點特征量T3是零序電流的標準差。對零序電流i0標準差σ(i0)，通過閾值ε3將其進行量化，并將其當作異常點的特征量，就是T3=[σ(i0)]。

小波變換有時頻局部化特點，可以很好地反映出被分析的信號時頻特性。在本文，根據db4小波實現iA，iB，iC和i0的8層小波分解，獲得分解之后高頻的細節信號系數a1(j)-a8(j)和低頻近似信號的系數a9(j)。

變電線路異常點特征量T4是三相電流的小波能量，通過下式對iA，iB，iC的高頻能量EA，EB，EC與其歸一化值eA，eB，eC進行計算，假設eδ大于ε4，那么將其量化為1，不然量化為0，構成異常點特征量T4=[eA,eB,eC]。

(6)

其中，線路異常點特征量T5是零序電流的小波能量，按下式把零序電流i0低頻能量E0，按照閾值ε5量化成1或者0，將其當作線路異常點特征量T5=[E0]。

(7)

其中：a09(j)代表零序電流小波分解之后低頻近似信號的系數。

線路異常點特征量T6-T13是三相電流的小波系數的標準差。計算三相電流iA，iB，iC高頻段的小波系數標準差σ(aAu)，σ(aBu)與σ(aCu)，aAu，aBu，aCu分別代表A、B、C三相電流中第u層的小波變換系數(u=1,2,…,8)。通過下式對其歸一化，假設σδ大于ε6，那么將其量化成2，如果σδ小于ε7，那么將其量化成1，不然量化成0，并構成線路異常點特征量[σA(u),σB(u),σC(u)]。

(8)

其中：max(σ(au))與代表min(σ(au))分別代表σ(aAu)、σ(aBu)以及σ(aCu)中最大值與最小值。

對上述不同特征量進行綜合，能夠獲得大規模電力系統變電線路異常點的特征向量T=[T1,T2,…,T13)]T，并將其當作線路異常點分類的輸入模塊。

2.2 變電線路異常點分類

以2.1的變電線路異常點特征提取結果為依據，利用模糊支持向量機實現變電線路異常點的準確分類。下面是具體實現過程。

利用SVM得到最佳分類超平面H：ωx+b=0，其中ω代表系數向量，b代表常數向量，在特征空間內計算出正類樣本點至H的平均距離pc，將距離H是pc，而且和H是平行的超平面Hc當作基準平面，在Hc兩邊組建不同帶狀的隸屬度函數，H1、H2是任意的一個正類和負類的樣本點所在平面。線路異常點特征空間帶狀分段的隸屬函數μ(xi)如下：

(9)

其中：xi代表任意樣本點，pxi代表該點至H的距離，pe代表支持向量機至H的距離，pmax代表樣本點至H的最大距離，pce代表Hc至H1的距離。在負類的一側樣本直接給予較小的隸屬度。

為了進一步對變電線路中各種異常點的類型進行準確區分，利用多個FSVM二分類器，對線路異常點特征向量實現組合操作，每個FSVM負責一種異常類型分類。如果判斷為本異常類型，那么分類器輸出的結果為1，否則為0。下面利用FSVM分類模型計算出FSVM最佳分類函數w(xq)：

(10)

其中：l代表支持向量機數目，xq代表訓練集中的任意向量，xe代表支持向量機，ω*代表系數向量，b*代表常數向量，Rn代表實數空間。將訓練集的向量xq代入上式，獲得該樣本決策函數值zq=w(xq)，通過式(9)對該樣本帶狀分段的隸屬度μ(xq)進行計算。

選取徑向基函數當作SVR的核函數，組建其最優的分類回歸函數g(xr)。

(11)

其中:xr代表任意樣本向量，將訓練集{zq,μ(xq)}帶到SVR模型并加以訓練，獲得最佳分類回歸函數g(xr)中的系數向量ω與常數項b。根據上式獲得預測樣本回歸函數g(xr)，也就是歸屬于某類變電線路異常的最終隸屬度。根據分類結果完成線路異常的實時檢修。

3 實驗結果與分析

為了證明基于CIM的大規模電力系統變電線路異常實時檢修方法的整體可行性，需要進行一次實驗。在PSCAD/EMTDC環境下搭建大規模電力系統變電線路異常檢修實驗平臺，實驗數據取自于黑龍江電力系統。

3.1 實驗參數

根據PSCAD/EMTDC建立IEEE14節點實驗模型，設置線路全長為180 km，在該線路上選取各種異常點，異常類型以及過渡電阻。對各種異常類型，每隔全長的5%就設置一個異常點，過渡電阻設置為0 Ω、50 Ω、100 Ω、200 Ω，與電網正常運行相加，共有782組實驗樣本。實驗模型如圖2所示。將不同方法應用至實驗環境中，并分析實驗結果。

圖3是不同方法變電線路異常點分類結果對比。圖4是加入30dB的高斯噪聲之后，取閾值ε0=ε6=0.8，ε1=ε5=0.3，ε2=0.008，ε3=0.08，ε4=ε7=0.1，不同方法變電線路異常點分類結果對比。圖5是不同方法特征提取效果對比。

圖2 實驗模型圖

3.2 實驗結果

圖3 不同方法變電線路異常點分類結果

分析圖3可知，文獻[8]所提方法利用網格服務結構，對變電線路中的異常檢修進行討論，并沒有設置具體的異常點分類參數，也沒有對線路異常點的特征向量進行提取，導致變電線路異常點的分類正確率偏低。文獻[9]所提方法利用監控的方式實現線路異常點的檢修，出現狀況再進行檢修，沒有對異常點進行分類研究，分類正確率低，并不能實現線路異常點的實時檢修。文獻[10]所提方法根據數據挖掘技術，對變電線路運行的狀態進行研究，構建基于主成分研究的變電線路狀態的評價模型，評價模型中沒有具體的評價指標，線路異常點分類正確率較低。本文方法不僅從時域與時頻域中提取出不同的線路異常點電流的特征，當作異常點分類特征量，用來提高異常點分類精確性，而且利用模糊支持向量機實現變電線路異常點的準確分類，增加了本文所提方法的可信度。

圖4 加入高斯噪聲后異常點分類結果對比

通過對圖3的分析，文獻所提方法線路異常點的分類正確率本來就偏低，由圖4可知，加入了30 dB的高斯噪聲之后，文獻所提方法的線路異常點分類正確率變得更低，而本文所提方法利用小波變換時頻局部化特點，可以很好地反映出被分析的信號時頻特性，降低了噪聲對異常點分類的影響。

圖5 不同方法異常點特征提取效果對比

分析圖5可知，本文所提方法變電線路異常點特征提取速度，明顯優于文獻所提方法變電線路異常點特征提取速度。因為在利用本文所提方法對異常點特征進行提取時，分別提取線路異常點發生之后5 ms，也就是250個數據點，可見本文所提方法對異常點特征提取的速度非常快。進一步證明本文所提方法具有實踐性。

實驗證明，所提方法可以穩定可靠地對大規模電力系統變電線路異常進行實時檢修，能夠作為現代電力快速發展的堅實后盾。

4 結束語

采用當前方法對大規模電力系統變電線路異常進行檢修時，存在人力、物力的大量浪費，檢修速度和精度偏低的問題。提出一種基于CIM的大規模電力系統變電線路異常實時檢修方法，并通過實驗證明，所提方法可以對大規模電力系統變電線路異常進行實時檢修。

[1]劉家軍,劉 超,王 睿.電力線路停電檢修掛接地線監測單元的研制[J].電網與清潔能源,2016,32(10):28-33.

[2]蘇敬芳.高層建筑中低壓配電系統的線路無功優化技術研究[J].科技通報,2017,33(2):214-218.

[3]常帥兵,譚 文.電力系統供電負荷穩定性優化控制研究[J].計算機仿真,2016,33(11):87-91.

[4]尤曉亮,何廣軍,田德偉,等.電力系統故障診斷的螢火蟲和粒子群混合算法研究[J].計算機測量與控制,2015,23(10):3344-3346.

[5]趙飛翔,張 航,何小海,等.基于多層分塊的異常行為檢測算法[J].科學技術與工程,2015,15(10):106-110.

[6]蔣旭東,鄧本再,余 軻.一種含雙饋發電機的電力系統頻率控制策略[J].電子設計工程,2016,24(7):186-189.

[7]劉俊勇,顏天佑,丁俊杰,等.同塔四回輸電線路檢修作業臨時接地線掛接方式研究[J].電網與清潔能源,2016,32(1):19-23.

[8]王 峰,雷紅才,彭 詳,等.基于不停電檢測的架空輸電線路狀態檢修優化[J].中國電力,2016,49(10):84-89.

[9]丘映丹,李海鋒,郭履星,等.基于異常點剔除的高壓直流輸電線路故障定位算法[J].電力建設,2015,36(12):91-96.

[10]彭向陽,陳 馳,饒章權,等.基于無人機多傳感器數據采集的電力線路安全巡檢及智能診斷[J].高電壓技術,2015,41(1):159-166.

AnalysisofAbnormalReal-timeMaintenanceofPowerSystemTransmissionLines

Zhu Shaohong1,Gao Yuan1,Zhu Yuanda2

(1.State Grid Tieling Power Electric Supply Company, Tieling 112000,China; 2.Technical training center of Liaoning Electric Power Company Limited,Jinzhou 121000,China)

In order to guarantee the normal operation of the large-scale power system substation circuit, improve the work quality of the line, need of large-scale power system substation circuit real-time maintenance anomaly. Current method USES a function to test the line of anomaly, the anomaly code transmission to the caller, until the exception to respond to the exception handler code transmission. The method to real-time maintenance anomaly of the line, reduces the maintenance efficiency of the line, also disrupted the grid current transmission, the grid security is not guaranteed. In this paper, an abnormal real-time maintenance method of a large scale electric power system based on CIM is proposed. The method using wavelet transform to substation circuit exception occurs after 5 ms, abnormal point current different time domain and frequency domain characteristics were extracted, and the extraction results as a substation circuit abnormal point classification characteristics. On substation based on fuzzy support vector machine (SVM) route abnormal points of fuzzy classification, analysis on the abnormal points in feature space to form a strip of membership functions, through the classification of support vector regression institutions to build the best regression function. The experimental results show that the proposed method can efficiently of large-scale power system substation circuit real-time maintenance, abnormal in the field of research and development provides a strong basis, practical use value.

The power system;The transmission line is abnormal;Real-time maintenance;

2017-06-12；

2017-07-21。

朱邵泓(1979-)，女，遼寧鐵嶺人，高級技師，主要從事高壓輸電線路運維管理方向的研究。

1671-4598(2017)09-0269-04

10.16526/j.cnki.11-4762/tp.2017.09.069

TM755

A