基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的小電流接地系統(tǒng)故障選線研究

【關(guān)鍵詞】改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)；小電流接地系統(tǒng)；接地系統(tǒng)故障；故障選線

引言

在小電流接地系統(tǒng)中，小電流小且故障特征不明顯，使得常規(guī)故障選線技術(shù)很難實(shí)現(xiàn)對(duì)故障線路的準(zhǔn)確、快速定位。何龍等提出了一種基于優(yōu)化變分模態(tài)分解（Variational Mode Decomposition，VMD）的小電流接地系統(tǒng)接地故障選線方法，通過(guò)優(yōu)化VMD算法，提高對(duì)故障信號(hào)的分解精度，從而有效提取出故障特征信息[1]。劉天宇等提出基于復(fù)合經(jīng)驗(yàn)?zāi)B(tài)分解（Complete Ensemble Empirical Mode Decomposition，CEEMD）和模糊熵的小電流接地系統(tǒng)單相接地故障選線方法，利用CEEMD算法對(duì)故障信號(hào)進(jìn)行分解，并結(jié)合模糊熵理論對(duì)分解后的信號(hào)進(jìn)行特征提取和分類[2]。但由于VMD和CEEMD等算法需要對(duì)信號(hào)進(jìn)行多次迭代和分解，計(jì)算過(guò)程相對(duì)復(fù)雜，因此可能導(dǎo)致選線響應(yīng)速度較慢。

模糊神經(jīng)網(wǎng)絡(luò)能夠融合模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，不僅能夠有效處理模糊、不確定的信息，還具備強(qiáng)大的自學(xué)習(xí)和自適應(yīng)能力，為解決小電流接地系統(tǒng)故障選線問(wèn)題提供了新的思路。因此，本文基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)，對(duì)小電流接地系統(tǒng)故障選線展開(kāi)研究。

一、分析小電流接地系統(tǒng)暫穩(wěn)態(tài)故障特征

（一）穩(wěn)態(tài)故障特征

在故障線路中，當(dāng)沒(méi)有發(fā)生故障時(shí)，該線路的零序電流總和會(huì)以顯著的幅度流回母線。因此，本文提出一種中性點(diǎn)消弧線圈接地方式。由于整個(gè)電網(wǎng)對(duì)地電容電流及電容電壓的分布及幅值并未發(fā)生變化，當(dāng)有感應(yīng)電流通過(guò)故障點(diǎn)時(shí)，消弧繞組從欠壓到完全補(bǔ)償，會(huì)引起很大的諧振電流，因此在過(guò)補(bǔ)償情況下，不發(fā)生故障的線路對(duì)地電容和中性點(diǎn)上的消弧圈組成一個(gè)回路[3]。這時(shí)，感性電流IL值的計(jì)算如式（1）所示：

式中，EA是接地故障產(chǎn)生的零序電壓值；L是消弧線圈的電感；ω是角頻率，它的值是2πf，其中f是交流電的頻率；j是復(fù)數(shù)單位。此時(shí)在消弧線圈中，由于中性點(diǎn)電壓影響，總的感應(yīng)電流值Ik如式（2）所示：

式中，IC是所有非故障線路的對(duì)地電容電流。由故障發(fā)生前后電氣量的穩(wěn)態(tài)變化分析可知，當(dāng)系統(tǒng)發(fā)生單相接地故障時(shí)，故障相的電壓會(huì)降低，而非故障相的電壓會(huì)升高。

（二）暫態(tài)故障特征

在配電網(wǎng)絡(luò)中，小電流接地故障將產(chǎn)生大量的瞬態(tài)信號(hào)：在穩(wěn)定的接地故障中，只有在發(fā)生故障的瞬間才會(huì)有瞬態(tài)信號(hào)出現(xiàn)，整個(gè)過(guò)程通常為2～3毫秒；在不穩(wěn)定的接地系統(tǒng)中，瞬態(tài)信號(hào)會(huì)不斷地在電弧接地、間歇接地等故障中產(chǎn)生，穩(wěn)態(tài)信號(hào)也會(huì)被破壞。

短路瞬態(tài)電流與工頻穩(wěn)態(tài)電流的比值，大致相當(dāng)于兩者之間的頻率之比。暫態(tài)振蕩電流與工頻穩(wěn)態(tài)感性電流IL組成暫態(tài)電容電流If，如式（3）所示：

式中，α是暫態(tài)振蕩過(guò)程中的衰減因子，ωf是暫態(tài)過(guò)程中的角頻率，φ是對(duì)應(yīng)的電壓初相角[4]。

綜上所述，供電企業(yè)應(yīng)綜合分析穩(wěn)態(tài)和暫態(tài)故障特征，實(shí)時(shí)監(jiān)測(cè)電網(wǎng)中的電氣量變化，利用穩(wěn)態(tài)和暫態(tài)特征的綜合信息，實(shí)現(xiàn)故障線路的快速、準(zhǔn)確識(shí)別，提高電網(wǎng)的故障處理效率和運(yùn)行安全性。

二、利用改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)提取故障特征

在數(shù)據(jù)樣本收集后，本研究將其逐一輸入到改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的輸入層。這些輸入數(shù)據(jù)會(huì)經(jīng)過(guò)網(wǎng)絡(luò)內(nèi)部的連續(xù)傳輸，直至模糊層；然后，模糊層對(duì)這些輸入數(shù)據(jù)進(jìn)行集中的歸一化操作，以消除不同特征之間的量綱差異。改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)歸一化操作計(jì)算如式（4）所示：

式中，x是數(shù)據(jù)的集中歸一處理，k是數(shù)據(jù)維度，E為輸入輸出函數(shù)，Var是平均差計(jì)算公式。完成上述處理后，研究在改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的中間層進(jìn)行特征提取，提取過(guò)程中，將樣本數(shù)據(jù)輸入改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)，輸出特征如式（5）所示：

式中，β是樣本數(shù)據(jù)的訓(xùn)練條件，m是訓(xùn)練次數(shù)，π是網(wǎng)絡(luò)狀態(tài)參數(shù)。網(wǎng)絡(luò)的每層推導(dǎo)均具有明顯的物理意義。完成訓(xùn)練后，研究對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行聚類，將具有相同特征的數(shù)據(jù)進(jìn)行空間匯聚，提取出暫穩(wěn)態(tài)特征[5]，從而完成基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的故障信息特征提取。

三、建立故障判據(jù)以實(shí)現(xiàn)小電流接地故障選線

研究在準(zhǔn)確提取故障特征的基礎(chǔ)上，建立相應(yīng)的故障判據(jù)，來(lái)實(shí)現(xiàn)小電流接地故障選線。故障判據(jù)是根據(jù)故障特征對(duì)故障類型和位置進(jìn)行判斷的準(zhǔn)則。小電流接地系統(tǒng)由于接地電阻較大，故障電流較小，需要通過(guò)綜合分析多個(gè)故障特征來(lái)準(zhǔn)確判斷故障類型和位置。為實(shí)現(xiàn)小電流接地故障的快速準(zhǔn)確選線，研究按照以下判據(jù)進(jìn)行選線。

（一）初始判斷

當(dāng)母線零序電壓瞬時(shí)值超過(guò)其額定電壓的某一設(shè)定閾值（如15%）時(shí)，研究初步判斷系統(tǒng)發(fā)生了小電流接地故障；并在故障發(fā)生之后的某個(gè)時(shí)段（如半工頻區(qū)），記錄零序電流數(shù)據(jù)，同時(shí)把取樣頻率設(shè)置成合適的值，以確保數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性。

（二）零序電流波動(dòng)率計(jì)算

波動(dòng)率反映了電流在故障發(fā)生后的變化程度，可以用于評(píng)估故障對(duì)各出線的影響程度。零序電流波動(dòng)率V的具體計(jì)算公式如式（6）所示：

式中，In是故障發(fā)生前的零序電流值（可以是故障前一段時(shí)間內(nèi)的平均值或某個(gè)參考點(diǎn)的值）。

（三）節(jié)點(diǎn)綜合重要度評(píng)估

研究基于配電網(wǎng)的結(jié)構(gòu)和零序電流數(shù)據(jù)，評(píng)估各節(jié)點(diǎn)的綜合重要度，如式（7）所示。

式中，Ei、Pi、Ci分別是第i個(gè)元素或節(jié)點(diǎn)的電氣重要度、位置重要度和連接重要度的具體數(shù)值。權(quán)重系數(shù)a、b、c滿足1abc++=。綜合考慮這些因素，可以更準(zhǔn)確地反映節(jié)點(diǎn)在故障發(fā)生后的影響程度和重要性[6]。

（四）故障線路篩選

研究根據(jù)節(jié)點(diǎn)綜合重要度的排序結(jié)果，篩選出故障線路，可選擇綜合重要度排名前幾位的節(jié)點(diǎn)所對(duì)應(yīng)的線路作為故障線路候選，并結(jié)合其他故障特征作進(jìn)一步判斷和確認(rèn)。選線策略可以基于故障電氣量的空間分布特征、故障信號(hào)的傳播特性等因素，通過(guò)比較不同線路上的電氣量數(shù)據(jù)，確定故障線路。

四、仿真實(shí)驗(yàn)

（一）實(shí)驗(yàn)準(zhǔn)備

研究在Simulink仿真平臺(tái)上，模擬某110/10 kV變電站的四條10 kV出線，用以評(píng)估小電流接地系統(tǒng)在不同模擬線路（L1、L2、L3）配置下的性能。

仿真模型如圖1所示，L1為一條純架空線，長(zhǎng)度為6 km；L2是一條長(zhǎng)5 km的純電纜線；L3則是一種混合線路，前半段為2 km的架空線，后半段為7 km的電纜線。

為了模擬實(shí)際電網(wǎng)的中性點(diǎn)接地情況，本文在此仿真模型中采用帶有消弧線圈的中性點(diǎn)接地方式。消弧線圈采用過(guò)補(bǔ)償方式，過(guò)補(bǔ)償度設(shè)為10%，防止故障擴(kuò)大。消弧線圈的電阻值R=12 Ω。

為了準(zhǔn)確模擬系統(tǒng)的動(dòng)態(tài)響應(yīng)和故障特性，模型設(shè)置仿真采樣頻率為10 kHz。這一高采樣頻率能夠確保仿真過(guò)程捕捉系統(tǒng)的微小變化，為后續(xù)的故障分析提供更為精確的數(shù)據(jù)支持。

本實(shí)驗(yàn)的軟硬件環(huán)境設(shè)置如表1所示。在實(shí)際應(yīng)用中，技術(shù)人員應(yīng)根據(jù)具體需求進(jìn)行參數(shù)選擇并調(diào)整實(shí)驗(yàn)軟硬件環(huán)境。

（二）實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文方法的有效性，研究將其與何龍等[1]和劉天宇等[2]提出的方法進(jìn)行比較，以各線路檢測(cè)樣本響應(yīng)速度作為實(shí)驗(yàn)評(píng)估指標(biāo)。在實(shí)驗(yàn)中，線路L1、L2、L3出現(xiàn)的故障類型分別為單相接地、兩相接地和三相不平衡故障。各線路檢測(cè)樣本響應(yīng)速度如表2所示。

經(jīng)過(guò)一系列對(duì)比實(shí)驗(yàn)，本文提出的小電流接地系統(tǒng)故障選線方法展現(xiàn)出了顯著的響應(yīng)速度優(yōu)勢(shì)。從表格數(shù)據(jù)可見(jiàn)，無(wú)論是在單相接地、兩相接地還是三相不平衡的故障類型下，本文方法的故障檢測(cè)時(shí)間和選線決策時(shí)間都遠(yuǎn)低于何龍等[1]和劉天宇等[2]中的方法。特別是在總響應(yīng)時(shí)間方面，本文方法平均僅需0.7～0.8秒左右，而何龍等[1]和劉天宇等[2]的方法則分別需要1.4～1.5秒和1.1～1.2秒。如此顯著提升的速度，意味著在電網(wǎng)發(fā)生故障時(shí)，本文方法能夠更快地識(shí)別故障并做出選線決策，從而提高了電網(wǎng)的穩(wěn)定性和可靠性。換言之，本文方法在小電流接地系統(tǒng)故障選線領(lǐng)域表現(xiàn)出優(yōu)越的實(shí)時(shí)性和響應(yīng)速度，為電力系統(tǒng)故障的快速處理提供了有效手段。

結(jié)語(yǔ)

本文通過(guò)對(duì)基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的小電流接地系統(tǒng)故障選線進(jìn)行深入探討與實(shí)踐，取得了顯著的效果。改進(jìn)后的模糊神經(jīng)網(wǎng)絡(luò)模型在故障選線方面展現(xiàn)出更高的準(zhǔn)確性和快速性，有效解決了傳統(tǒng)方法在面對(duì)小電流接地系統(tǒng)故障時(shí)難以準(zhǔn)確識(shí)別故障線路的問(wèn)題。然而，由于電力系統(tǒng)中故障類型的多樣性和復(fù)雜性，改進(jìn)后的模糊神經(jīng)網(wǎng)絡(luò)模型在某些特殊情況下可能仍然無(wú)法完全準(zhǔn)確地識(shí)別故障線路。未來(lái)的研究需要繼續(xù)深化對(duì)基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的小電流接地系統(tǒng)故障選線研究的探索與實(shí)踐：一方面，不斷優(yōu)化和完善模型的結(jié)構(gòu)和算法，以提高其在復(fù)雜故障場(chǎng)景下的表現(xiàn)能力；另一方面，積極尋求與其他技術(shù)的融合創(chuàng)新，如引入深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等先進(jìn)技術(shù)，以進(jìn)一步提升故障選線的智能化和自動(dòng)化水平。