配電線路早期故障辨識方法研究

王遠航

摘要：本文主要研究配電線路早期故障辨別方式，簡要闡述電網中的早期故障，主要分析具體的辨識方式。通過對波動分析，得出各項基元，并探究基元和故障類型之間的聯系，以實現在較少數據支持的情況下，辨識早期故障。以供相關人士參考。

關鍵詞：配電線路;早期故障;波動

引言：配電網與用電終端相連，其運行的穩定安全程度直接影響供電的質量以及效率。國內相關企業在運營電網期間，通常會將工作的重點放在電量運輸上，造成電網故障率較高，絕大部分客戶都經歷過停電事件。而各項故障處理環節也僅在故障發生后進行。

1配電線路早期故障

電網系統中的設備故障在工作過程中，其使用性能會隨著時間推移改變，可劃分成早發階段、穩定階段、過渡階段以及最終的永久故障階段，其中的過渡階段可細分成設備老化與早期故障階段。設備處于早期故障階段是從故障顯現到最終永久故障的過渡段。在此過程中，故障對設備的傷害是無法挽回的，并在較短的時間內轉化成永久性。例如，線路突然出現過電壓的問題，其中的部分線路絕緣體會被擊穿，由此出現電弧，電弧消失后，配電線路會恢復工作狀態。即使電網能夠自行恢復，但對線路造成傷害是在所難免的。長此以往，線路的絕緣性能會不斷降低，直至難以承擔常規電壓，造成永久性問題。

早期故障能夠完成自我修復，不會影響到配電網正常供電，具有較強的隱秘性，由此，相關技術人員以及線路中的保護裝置都未能給予足夠的重視。在早期故障階段中包含多項異常情況數據，均可判定為永久性的故障預兆。若可以及時獲取并深入研究該階段故障數據，并給出相應的信號，以實施有效的消除方案，排除線路中潛在的故障問題。有助于降低永久性故障出現的概率，避免出現大規模突然停電等問題。以能量的角度而言，該階段形成的信號與常規故障數據無明顯差異，由此可得，現有的故障辨識方式同樣也可以應用在該階段的故障識別。由于該階段故障的出現無任何規律可言，如相應的地點、電弧情況等。此外，電網本身的情況也存在較大的差異，如整體結構、各項參數等。因此，難以根據暫態波形確定早期故障發生的規律[1]。

運用數據驅動模型能夠有效針對此類具有較強隨機性的故障規律分析，但該模型為保證最終結果更為可靠，需借助大量的數據內容進行分析，但該階段故障的數據信息量極少。其本身的發生概率偏低，且通常在成為永久性后會提高出現的概率，且同一位置出現故障的間隔期不定。配電網中的故障錄波設備僅能收集所連線路的除此之外的其他故障內容，由此導致該階段擁有的信息量較少。

2配電線路早期故障的辨識方法

2.1整體框架

根據人類對于波性的理解規律，可將波性劃分成大致形狀以及殘差兩種。前者屬于其中的低頻分量，其表示相應的幅值波動和位移;而后者屬于其中的高頻分量，表示相應的畸變以及噪音。該過程能夠借助小波分解分析，具體將兩者判定成近似系數與細節系數的整合。另外，結合波形呈現的狀態和相應的物理定義，能夠將其細化分成基波、諧波等，在類人概念中，其則被稱之為基元。通過對相應波形地分析可得，應用分層概率的方式達到類人概念學習的目的。從基元轉化至波形的過程中，大致形狀中包含基波以及偏置，其他部分屬于殘差的范疇，二者相互疊加形成最終的波形。即使是同類型的波形也會存在細微的差別，由此，可用類型以及個例兩種層次表達。在早期故障識別中類型層次與其本身的引發因素有關，個例層次則是根據整個電網的狀況，包括整體結構、各項參數、傳感裝置、負載等。

電力系統中的故障或數據異常等情況的類型與引發此種狀況的因素有關。通常情況下，一個問題中涉及到七個波形，且不同類型的問題會被劃分至各自的波形范圍中。根據上文中提到的內容可得，某波形類型由多個基元和各基元之間在時間上的聯系決定的。當屬于同類型范疇內的故障問題，出現不完全一致的情況時，便可將其劃分至個例層次之中。與類型范疇中的故障問題相比，個例事件會會遭到整體架構、各類參數、傳感裝置等因素的干擾。而各個事件中的個例會被定義為波形個例。在計算其概率時，基波中包含幅值以及相角;諧波除基波中包含的內容外，還需考慮頻率;而脈沖中除基本的幅值外，還有脈寬;其他畸變由于其與該階段故障無直接聯系，因此，在計算概率時通常不會考慮其具體的素質。由此可得，個例問題從屬于某類型范疇的概率公式為：

具體的排列順序與各故障的影響效果有關。在該階段的故障問題中，其影響程度和相應的電流脈沖幅值有直接聯系，因此，在具體的排列問題上應將電流類放在首位，之后再細化處理排序[2]。

2.2實驗信息及過程

以某地區的配電網架空線為例，根據對其現有狀況的統計，其整個系統中包含一百多條線路，其電壓屬于10kV級別，并且整個電網都是應用小電流接地。對電網中連接設備的電流電壓監控是借助羅氏線圈和電容分壓裝置，抽取樣本的頻率超過四千赫茲。一旦出現異常情況會有一定程度的擾動問題，形成的電流電壓便會出現大幅度地波動，此時，相應的設備便可以及時捕捉，獲取的波形從故障出現前的四個周波到發生后八個周波的數據。根據對收集到的數據分析以及現場查看，將此類電網的故障類型劃分成四項，其中早期故障種包括單周波以及多周波兩種，其他還有永久性和暫時性兩種。該種配電網線路中的早期故障，其發生時通常會有電弧產生，根據此時形成的波形來看，呈現出電流波動和電壓降低的情況。而早期故障根據周波表現分成兩種的主要依據是電流波動的時長。若在同一數據中，電流波動發生次數較多，也可以將該故障事件劃分成多周波的范疇中。

在此類配電網中，若發生早期故障且未能技術發現并處理，會出現跳閘的問題，其中，單周波類型不會對線路中的絕緣裝置起到較大的影響，因此，若發生此類故障，引發跳閘問題的時間相對較長。多周波故障由于其電流脈沖時間長或短時間內發生次數多，會嚴重影響絕緣裝置使用性能，相較于單周波故障而言，出現跳閘的時間較短。部分早期故障可以不經任何檢修處理便可恢復至原本的工作狀態，而部分故障本身對配電網的破壞能力較強，需要借助相應的保護設備完成消除，此種故障便可劃分至永久性范疇內。近幾年，永久性故障主要有高阻接地以及單相接地。另外，專項裝置收集到的數據信息除上述不同故障原因外，還可能是遭到雷擊、技術人員作業不當等因素引起的，該種情況便是屬于暫時性的，如空載合閘。

2.3實驗結果及分析

在類人概念中，需要對獲取的信息實施降噪處理，以此為基礎構建相應的分解函數，之后將得到的數據細分成不同的基元，計算相應基元特征量和時間之間的聯系。借助分層概率獲取各類型故障的概率情況。總體而言是對各個故障問題從屬類型的概率進行計算，由此得出該故障問題的類型，達到辨識的目的。另外，運用類人概念借助基本的基元以及后續的概率計算，掌握故障波形，此種辨別方式可以借助較少的數據信息，實現較為準確的早期故障辨識。使用小波以及對應疊加分量的方式進行故障檢測屬于確定性模型，而早期故障卻無任何規律可言，因此，上述兩種方式無法達到較好的辨識效果[3]。

結束語：配電網中的早期故障中包含多項故障數據，通過分析其數據，能夠降低永久性故障出現的概率。借助類人概念方式，運用波形和分層概率可以辨識故障問題，且可以達到較為準確的分析結果。

參考文獻：

[1]汪穎，盧宏，楊曉梅，等.堆疊自動編碼器與S變換相結合的電纜早期故障識別方法[J].電力自動化設備，2018，v.38;No.292（08）：124-131.

[2]陳亞娟.基于故障行波特征的輸電線路故障原因辨識探討[J].廣西電力，2019，42（06）：59-63.

[3]楊申.配電線路故障辨識與診斷方法研究[D].貴州大學，2018.