基于電能表暫態擾動特征的停電類型快速研判方法

姚偉, 吳鈺, 李家睿, 王璐, 杜璇, 高新亭

(1.國網上海市電力公司松江供電公司, 上海 201699; 2.上海博英信息科技有限公司, 上海 200241)

0 引言

為了保證供電的經濟性和安全性,提高供電可靠性是電力企業追求的目標,需要通過電網可靠性管理來保障供電電能質量[1-3]。一旦發生停電事故,如果電網的可靠性管理不善,極易發生一系列連鎖反應,嚴重影響電網的供電,造成大面積停電,加大經濟損失。為了提高電力企業的可靠性管理水平,有必要進行停電類型的判斷研究。

電能表暫態擾動特征是指頻譜、持續時間與擾動的隨機性特征,存在短時電壓改變與不同瞬變現象,通過分析電能表暫態擾動特征能夠辨識出不同電能質量擾動類型,進而獲取電網故障類型[4]。丁芃等[5]提出基于模型辨識的配電線路永久性故障判定方法,通過分析各種故障停電線路的頻域特性,利用模型辨識原理辨識停電線路內部結構,判斷線路故障性質;呂小紅等[6]提出基于灰色經驗融合的電網故障研判模型,利用灰色信息融合方法融合專家經驗和現場數據,提取和現場數據非常接近的專家經驗,實現故障研判。

但以往的研究方法容易受到冗余信息的干擾,抗噪性能較差,且并未涉及停電類型研判,為此,提出基于電能表暫態擾動特征的停電類型快速研判方法。

1 基于電能表暫態擾動特征的停電類型快速研判方法

1.1 檢測電能表暫態擾動特征信號

基于希爾伯特變換和滑移奇異值分解方法,檢測電能表暫態擾動特征信號。具體步驟如下。

步驟1:在電能表暫態擾動特征采樣信號y(k)內提取基波信號l(k)并得到電能表暫態擾動特征采樣信號y(k)的FFT(Fast Fourier Transfor,快速傅立葉變換)序列Y(k)。

通過FFTSHIFT初始變換Y(k),獲取最終變換結果Ys(k)。經過變換后,Ys(k)內的暫態擾動特征高頻成分由100 Hz低通濾波器實施過濾G(k)。

Ys(k)×G(k)即頻域濾波結果,頻域濾波結果經由FFTSHIFT變換使頻率成分回到最初地點,同時利用IFFT(Invert Fast Fourier Transfor,反向快速傅里葉變換)獲取N點電能表暫態擾動特征基頻信號l(k),公式如下:

l(k)=IFFT(FFTSHIFT(Ys(k)·G(k)))

(1)

步驟2:通過希爾伯特變換獲取瞬時電能表暫態擾動特征基波幅值a(k),公式如下:

a(k)=abs(HT(l(k)))

(2)

步驟3:在采樣信號y(k)中篩選出基頻信號l(k),得到高頻信號h(k),公式如下:

h(k)=y(k)-l(k)

(3)

步驟4:通過基于滑移奇異值分解的噪聲抑制方法抑制h(k)內的噪聲獲取奇異值特征波形,設初始特征采樣點k=0;設k=k+1,在電能表暫態擾動特征高頻信號h內選取M個頻率點,通過M個數據點構建向量qk,通過向量組建Hankel矩陣Hk,矩陣Hk包含R行M-R+1列,公式如下:

(4)

其中,2≤R≤(M+1)/2,一般情況下R的取值為2。

奇異值分解矩陣Hk。公式如下:

(5)

其中,U與VT為正交矩陣。獲取對角矩陣Λk的公式如下:

(6)

獲取矩陣Hk內奇異值特征波形p(k),公式如下:

(7)

反復操作上述過程,至k與N一致為止。

步驟5:閾值濾波處理p(k),得到無噪聲的奇異值特征波形pd(k),公式如下:

(8)

其中,λ是自適應估算閾值。

步驟6:通過包絡極值算法,獲取變換后的采樣信號Y(k)內僅存在關鍵頻率點的頻譜Ym(k),令不同鄰近極大值點間存在M1、M2、…、Mj、…、ML-1個頻率點,極大值包絡計算公式如下:

(9)

其中,極大值序列是Y1(j)。

計算|Y2(k)|的極大值,選取符合以下公式的頻率點ki,公式如下:

|Y2(ki-2)|<|Y2(ki-1)|<|Y2(ki)|>

|Y2(ki+1)|>|Y2(ki+2)|

|Y2(ki)|>ε

(10)

其中,閾值是ε,一般情況下取值為0.009 pu。

通過初始化Ym(k)=0,得到全部符合式(10)的頻率點ki即關鍵頻率點,同時Ym(ki)=2|Y(ki)|/N,便可獲取僅存在關鍵頻率點的頻譜Xm(k)。

步驟7:輸出電能表暫態擾動特征波形a(k)、pd(k)與Ym(k)。

1.2 提取量

在特征波形a(k)、pd(k)與Ym(k)內提取量。

(1) 電能表暫態擾動特征F1即頻譜Ym(k)內不同頻率點的頻率值,用于初步判斷中有沒有諧波、振蕩暫態、電壓缺口、電壓尖峰與電壓閃變的擾動類型。

(2) 電能表暫態擾動特征F2即頻譜Ym(k)內的基頻幅值,用于判斷中有沒有電壓暫降、中斷與暫升的擾動類型。

(3) 電能表暫態擾動特征F3即總諧波畸變率,用于判斷中有沒有諧波的擾動類型,表達公式如下:

(11)

其中,高次諧波幅值較小,因此僅考慮到30次諧波,即H=30,第x次諧波的FFT頻譜是Yx,基頻的FFT頻譜是Y1。

(4) 電能表暫態擾動特征F4～F6分別是暫降、中斷與暫升持續時間,用于判斷電能表暫態擾動特征中有沒有電壓振蕩的擾動類型;特征F4是基波幅值a內幅值低于(1.0+ξ)pu的持續時間,參數ξ用于避免FFT低通濾波導致的基波幅值誤差,一般情況下ξ=0.01 pu;特征F5是基波幅值a內幅值低于(0.2+ξ)pu的持續時間;特征F6是基波幅值a內幅值超過(1.2-ξ)pu低于(1.9-ξ)pu的持續時間。

(5) 特征F7與F8分別是無噪聲存在的奇異值特征波形pdrms內脈沖數量與最大脈沖寬度,用于輔助判斷電能表暫態擾動特征中有沒有脈沖暫態、電壓缺口與電壓尖峰的擾動類型。

(6) 電能表暫態擾動特征F9即電能表暫態擾動特征高頻信號h內幅值超過0.2 pu且低于-0.2 pu的脈沖極性,用于判斷電能表暫態擾動特征中有沒有電壓缺口與電壓尖峰的擾動類型。

(7) 電能表暫態擾動特征F10與F11分別是無噪聲存在的奇異值特征波形pd1000內最大脈沖寬度與半個周期中最大脈沖數量,用于判斷電能表暫態擾動特征中有沒有振蕩暫態。pd1000的獲取方式是將低通濾波器的截止頻率100 Hz更換成1000 Hz,然后通過基于希爾伯特變換與滑移奇異值分解方法,二次處理電能表暫態擾動特征采樣信號,獲取瞬時基波幅值a1000與無噪聲存在的奇異值特征波形pd1000。

1.3 停電類型快速研判方法

計算這個頻帶內11個電能表暫態擾動特征量之和,歸一化處理11個電能表暫態擾動特征量之和,公式如下:

(12)

其中,小波分解的具體層數是o,零序電壓分量是bγo,第γ個電能表暫態擾動特征提取分量是Eγ,歸一化處理后的電能表暫態擾動特征量之和是eγ。

按照歸一化處理結果判斷停電類型,停電類型分別是單相接地故障、兩相接地故障、兩相短路與三相短路,當故障相電能表暫態擾動特征量大于非故障相的電能表暫態擾動特征量時,則停電類型為單相接地故障;當故障相電能表暫態擾動特征量較小,兩故障相的電能表暫態擾動特征量均較大時,則停電類型為兩相接地故障;當兩故障相的電能表暫態擾動特征量均較大并差距較小時,則停電類型為兩相短路;當三相的電能表暫態擾動特征量均較大,且電能表暫態擾動特征量的大小和故障時間有關時,則停電類型為三相短路。

2 實驗分析

2.1 構建仿真實驗環境

以某省配電網為原型,在MATLAB設計一個配電線路自動停電故障仿真平臺,其中包含停電故障數據存儲模塊、電路線路模塊與控制工況模塊,該平臺的結構圖如圖1所示。

圖1 配電線路自動停電故障仿真平臺結構圖

2.2 對比分析

2.2.2 停電類型研判準確率

利用本文方法、文獻[5]方法與文獻[6]方法研判該輸電線路的停電類型,比較分析3種方法停電類型的研判性能,研判性能按照停電類型研判的準確率判斷,停電類型研判準確率越高,則研判性能越好。

通過不同的停電故障距離,驗證3種方法停電類型研判性能,測試結果如表1所示。

表1 3種方法停電類型研判的準確率

根據表1可知,隨著停電故障距離的不斷增加,3種方法停電類型研判的準確率均有所下降,本文方法準確率下降幅度明顯低于其余2種方法,在不同停電故障距離時的停電類型研判準確率均顯著高于其余2種方法,研判準確率是99.1%,其余2種方法的準確率分別是84.8%與83.4%。實驗證明,隨著停電故障距離的不斷增加,本文方法停電類型研判的準確率較高,依舊具有較好的停電類型研判性能。

2.2.3 停電類型研判耗時

為檢驗設計方法的運算量,設置不同的信號的采樣長度,測試電能表暫態擾動特征的停電類型研判所耗費的運算時間,如表2所示。

表2 3種方法停電類型研判的運算時間

根據表2可知,在不同的信號的采樣長度下,本文方法的運算時間較其他2種方法均較短,且運算時間小于采樣時間,說明本文方法采用的希爾伯特變換方法和滑移奇異值分解方法能夠降低運算的復雜度和減少運算量,使電能表暫態特征的停電類型研判在具有較強的抗噪性的同時具有較短的運算時間,能夠為實現實時電能表電能質量監測提供支持。

3 總結

電能表暫態擾動特征能夠有效評估電能質量,不同停電類型會導致電能質量出現不同的變化,因此提出一種基于電能表暫態擾動特征的停電類型快速研判方法,提升停電類型研判的準確性,精準研判停電類型可有效節省維修人員的工作時間,提升電網管理的可靠性。