大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別方法

高森

（國網(wǎng)山東省電力公司檢修公司，濟(jì)南 250118）

引言

電力系統(tǒng)是目前國家的能源以及經(jīng)濟(jì)命脈，隨著我國社會水平的不斷提升，為用戶提供安全穩(wěn)定的供電環(huán)境成為當(dāng)前社會發(fā)展的迫切需求[1,2]。由于當(dāng)前各種高壓輸電線路分布范圍十分廣泛，途徑各種錯綜復(fù)雜的地形，經(jīng)常發(fā)生各種類型的故障且無任何明顯的痕跡[3]，為故障識別帶來了很大的難度。為此，需要對高壓電網(wǎng)輸電線路故障進(jìn)行檢測進(jìn)行深入研究。國內(nèi)外相關(guān)專家針對此方面的內(nèi)容進(jìn)行了大量的研究，例如李斌等人[4]在研究的過程中引入健全相電壓向量作為極化電壓，將極化電壓作為判定電力系統(tǒng)是否發(fā)生的依據(jù)，進(jìn)而實現(xiàn)故障識別。程宏波等人[5]通過時域的差值方根描述故障后電量的畸變程度，利用熵權(quán)法對不同的指標(biāo)特征進(jìn)行融合，通過融合向量完成故障識別。雖然上述兩種方法能夠最大程度降低故障阻抗對測距結(jié)果產(chǎn)生的影響，但是由于未能對信號進(jìn)行去噪，導(dǎo)致無法精準(zhǔn)識別各個類型的線路故障。為此，提出一種大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別方法。仿真實驗結(jié)果表明，所提方法能夠以較高的精度完成高壓電網(wǎng)輸電線路故障識別。

1 方法

1.1 高壓電網(wǎng)輸電線路信號去噪

采用中值濾波對高壓電網(wǎng)輸電線路信號進(jìn)行去噪處理，其中在一維信號中，主要含有脈沖噪聲，采用中值錄波器進(jìn)行去噪能夠獲取良好的去噪效果[6]，同時整個方法操作簡單且容易實現(xiàn)。

在任意時刻，設(shè)定窗口內(nèi)的信號表示為yn-a,…,yn,… ,yn+a，信號樣本為yn。將yn按照從大到小的順序排列，則對應(yīng)的中值nY可以表示為：

提升小波不僅依賴于Fourier變換，還能夠?qū)崿F(xiàn)對正交小波的建立，對于高壓電網(wǎng)輸電信號具有較好的去噪效果，具體的操作步驟如下所示：

1）采用提升小波對實測高壓電網(wǎng)輸電信號yn進(jìn)行去噪處理，經(jīng)過初始分解獲取的小波為(s j-n,dj-n,dj-n+1,… ,dj-1)。其中，sj-n代表信號的低頻部分，而(d j-n,dj-n+1,… ,dj-1)則為信號的高頻部分[7,8]。高壓電網(wǎng)輸電信號分解需要進(jìn)行分裂和預(yù)測等相關(guān)操作，如圖1所示。

圖1 提升小波變換分解示意圖

①分裂：

將初始信號劃分為兩個不存在關(guān)聯(lián)的子集和，即基數(shù)序列和偶數(shù)序列。

②預(yù)測：

分析兩個序列之間的相關(guān)性，通過其中一個預(yù)測能夠?qū)崿F(xiàn)另外一個序列的預(yù)測。

③分裂：

經(jīng)過分裂之后所獲取的子集和初始數(shù)據(jù)之間存在十分明顯的差異，需要通過更新過程確保初始數(shù)據(jù)的整體特征。

2）采用小波系數(shù)對閾值λ進(jìn)行處理。

3）采用提升小波完成初步處理的小波系數(shù)進(jìn)行重構(gòu)，去噪完成去噪的信號。

提升小波變換去噪過程中主要的操作環(huán)節(jié)即閾值選擇，如果閾值的選擇不理想，會造成最終的去噪結(jié)果不理想，同時信號也容易失真[9]。為了更好地解決上述問題，以下采用雞群優(yōu)化算法尋找最優(yōu)閾值λ。

公雞的位置更新[10]式如下所示：

式中：

Yi,j—第i只公雞在第j維時的取值；

randn( 0,σ2)—平均取值為0；

σ代表標(biāo)準(zhǔn)差；

fi—第只i公雞的適應(yīng)度值；

fr—隨機(jī)選取除了第i只公雞之外的公雞。

母雞的位置更新式為：

式中：

R1和R2—[0,1]之間的隨機(jī)數(shù)；

C1和C2—影響因子。

小雞的位置更新式為：

雞群優(yōu)化算法的具體操作步驟如下所示：

1）將算法中的各個參數(shù)進(jìn)行初始化處理，設(shè)定雞群的規(guī)模以及運動空間等信息，分別計算雞群的初始適應(yīng)度，同時更新個體的最優(yōu)位置。

2）判斷算法是否滿足雞群更新條件，假設(shè)滿足，則更新雞群等級，同時更新雞種的位置；反之，直接更新雞種位置，同時計算不同的適應(yīng)度值，獲取最優(yōu)位置。

3）當(dāng)完成上述操作步驟后，如果達(dá)到收斂的停止條件，則輸出最優(yōu)值；反之，則返回至步驟2）重新進(jìn)行上述操作。

4）通過上述操作步驟能夠獲取最優(yōu)小波閾值，設(shè)定適應(yīng)度取值最小的個體為最優(yōu)個體。

1.2 大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別

大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別是當(dāng)前研究的熱點話題。在識別到故障后[11,12]，通過HHT對故障發(fā)生一個周期內(nèi)的零序電壓信號0V和有序電流信號I0進(jìn)行分析，具體的故障初步分類步驟如圖2所示。

圖2 高壓電網(wǎng)輸電線路故障初步分類流程圖

根據(jù)故障類型的初步分類，當(dāng)確定線路故障為低阻故障時，針對故障電壓和數(shù)據(jù)進(jìn)行分析處理，判定故障的類型以及相別。采用HHT對故障后一個周期內(nèi)的三相電壓Vabc={Va,Vb,Vc}和三相電流信號Iabc={Ia,I b,Ic}進(jìn)行處理，獲取信號對應(yīng)的Hilbert譜。由于Hilbert譜中含有各個類型的暫態(tài)信息，進(jìn)行故障信息提取。通過IMF1和IMF2的瞬時幅值組建故障特征向量，同時采用PCA方法針對不同的特征向量進(jìn)行降維得到對應(yīng)的主成分[13]。將主成分設(shè)定為LS-SVM分類器的輸入，以完成高精度的故障分類，具體如圖3所示。

圖3 高壓電網(wǎng)輸電線路故障分類流程圖

由于高壓電網(wǎng)輸電線路發(fā)生故障時會產(chǎn)生豐富的暫態(tài)分量，HHT是專家提出一種全新的非線性分析，主要用于模態(tài)向量的劃分和Hilbert變換，進(jìn)而獲取信號的時頻譜圖，能夠精準(zhǔn)描述信號的原始特征，分辨率更高一些。在檢測突變信號的過程中，采用HHT方法組建配電線路故障特征向量。

高壓電網(wǎng)輸電線路故障信號即非平穩(wěn)信號，在非平穩(wěn)信號中提取特征信息是進(jìn)行故障檢測的關(guān)鍵。由于高頻分量能夠清晰描述信號的變化規(guī)律。所以，采用EMD進(jìn)行IMF分量分解，其中在后面的信號發(fā)生突變的概率明顯較低一些。通常情況下，選取1~2個IMF分量即能夠提取原始故障信息。

PCA是一個十分典型的統(tǒng)計學(xué)分析方法，主要操作步驟如下：

1）組建原始信息矩陣：

原始數(shù)據(jù)信息矩陣為：

2）對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，同時在前期還需要對全部數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將指標(biāo)統(tǒng)一轉(zhuǎn)換到區(qū)間(0,1)內(nèi)，結(jié)合標(biāo)準(zhǔn)化完成計算：

對公式（6）進(jìn)行標(biāo)準(zhǔn)化處理，則能夠獲取以下的矩陣：

3）組建相關(guān)矩陣：

4）計算R對應(yīng)的特征值和向量。

5）確定主成分?jǐn)?shù)量，計算累積方差貢獻(xiàn)率。

6）通過累積方差貢獻(xiàn)率確定主成分?jǐn)?shù)量，其中N個主成分組建的矩陣能夠表示為：

在上述分析的基礎(chǔ)上，以下采用PCA方法對提取到的不同特征向量分別進(jìn)行降維操作，則有：

經(jīng)過公式（10）進(jìn)行降維處理之后，能夠獲取故障特征向量的主成分。進(jìn)而采用最小二乘支持向量機(jī)針對不同類型的故障進(jìn)行識別，具體操作流程如圖4所示：

圖4 基于最小二乘支持向量機(jī)的

1）訓(xùn)練階段：

通過采集到的數(shù)據(jù)進(jìn)行特征抽取以及降維等操作，獲取訓(xùn)練樣本集，同時選取合適的核函數(shù)進(jìn)行模型訓(xùn)練。

2）故障識別階段：

通過訓(xùn)練階段的有關(guān)數(shù)據(jù)，計算獲取測試樣本的決策輸出值，通過函數(shù)的輸出值進(jìn)行分類決策。

2 仿真實驗

為了驗證所提大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別方法的有效性，在Intel i3CPU，GTX1080Ti顯卡，16GB內(nèi)存下進(jìn)行實驗測試。

在不同的串補(bǔ)度下，分別采用三種不同的識別方法進(jìn)行故障識別，其中f1、f2以及f3分別代表三條不同的譜線，具體的實驗結(jié)果如表1~表3所示。

表1 不同串補(bǔ)度下所提方法的仿真結(jié)果

表3 不同串補(bǔ)度下文獻(xiàn)[5]方法的仿真結(jié)果

表2 不同串補(bǔ)度下文獻(xiàn)[4]方法的仿真結(jié)果

分析表1~表3中的實驗數(shù)據(jù)可知，所提方法能夠精準(zhǔn)識別各個類型的故障，由于另外兩種方法并沒有對信號進(jìn)行去噪處理，導(dǎo)致最終獲取的識別結(jié)果并不理想。

3 結(jié)束語

針對傳統(tǒng)故障識別方法存在的弊端，提出一種大氣環(huán)境下高壓電網(wǎng)輸電線路故障識別方法。測試結(jié)果表明，所提方法能夠精準(zhǔn)識別不同類型的故障。雖然當(dāng)前所提方法取得了一定的成果，但是仍有地方需要進(jìn)行一步完善，后續(xù)將加強(qiáng)各個方面的研究，促使整個方法的綜合得到加強(qiáng)。