電力系統(tǒng)故障類型識別范文
本站小編為你精心準(zhǔn)備了電力系統(tǒng)故障類型識別參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
一、故障類型識別的研究現(xiàn)狀
傳統(tǒng)的故障選相元件主要采用突變量與穩(wěn)態(tài)量相結(jié)合，以工頻量為基礎(chǔ)。在多數(shù)情況下這些選相元件對于簡單故障能正確地選擇故障相，但其選相速度不夠快，且易受系統(tǒng)的運行方式及故障接地電阻的影響，結(jié)果往往不理想。因此，新型快速的故障選相方法成為眾多學(xué)者研究的方向。新型的故障選相方法主要有：基于行波故障的選相元件和基于故障暫態(tài)量的選相元件。基于行波的選相元件主要是利用故障時信號的行波波頭所包含的信息進(jìn)行故障選相。雖然基于行波的選相元件能在故障發(fā)生的第一時間捕獲故障信息，與傳統(tǒng)的選相方法相比具有靈敏度高、識別率好等優(yōu)點，且對波頭進(jìn)行處理的方法也有很多。但基于行波的故障選相方法存在一些缺點，如初始行波受初始角、反射波、故障電弧等因素的影響。基于行波的選相元件由于計算量大，對處理器的運算能力要求也比較高，費用相對也就比較高，在嵌入式系統(tǒng)中難以做到實時性，這使得基于行波的故障選相方法具有很大局限性。基于故障暫態(tài)量的選相是利用輸電線路發(fā)生故障時所產(chǎn)生的故障暫態(tài)信號實現(xiàn)故障選相，故障暫態(tài)信號與線路參數(shù)、故障情況等有關(guān)，不受系統(tǒng)運行方式、過渡電阻、電流互感器飽和、系統(tǒng)振蕩、長線分布電容等的影響。近年來又隨著硬件條件的實現(xiàn)和小波變換等信號處理工具的發(fā)展，使得大量、準(zhǔn)確、實時地獲取故障時產(chǎn)生的暫態(tài)電壓和電流信號，并使對其作進(jìn)一步的處理成為現(xiàn)實。這些豐富的故障暫態(tài)信號蘊(yùn)涵了大量的故障特征信息，其頻率成分貫穿于整個頻譜中，如果能充分利用這些信息就能快速地對故障相作出判斷。因此，基于故障暫態(tài)量的選相方法具有很大的發(fā)展前景，使得越來越多的學(xué)者從事電力系統(tǒng)暫態(tài)信號的研究。目前用于電力系統(tǒng)故障類型識別的方法有很多，如小波分析、神經(jīng)網(wǎng)絡(luò)和模糊理論等智能算法、數(shù)學(xué)形態(tài)學(xué)等。1.小波分析文獻(xiàn)利用小波對暫態(tài)電流的模分量進(jìn)行分析，并通過比較各相暫態(tài)電流的能量和各模分量的大小進(jìn)行故障相判斷。文獻(xiàn)[16]利用小波提取故障暫態(tài)電流信號的特征，通過計算提取的信號特征沿尺度分布的權(quán)重得到暫態(tài)電流信號的小波熵權(quán)，進(jìn)而構(gòu)造故障選相判據(jù)。文獻(xiàn)[17]對線路兩端模量方向行波之差進(jìn)行小波變換，通過比較其幅值大小來判別故障類型，但對兩相接地故障的具體類型區(qū)分不明確。文獻(xiàn)通過比較（零、線）模量電流行波的幅值之間的大小關(guān)系從不同角度進(jìn)行故障選相。但是，由于零模量的嚴(yán)重衰減導(dǎo)致保護(hù)裝置不能正確反映故障點處零模與線模的大小關(guān)系，當(dāng)輸電線路遠(yuǎn)端發(fā)生單相接地或兩相接地故障時可能出現(xiàn)誤判。文獻(xiàn)將小波奇異熵應(yīng)用于識別高壓輸電線路的故障相，提出了一種基于暫態(tài)電壓的選相方案。通過取各相的小波奇異熵相對比值反映故障相和非故障相間的相對差異，構(gòu)成高壓輸電線路故障選相的依據(jù)。2.神經(jīng)網(wǎng)絡(luò)和模糊理論等智能算法文獻(xiàn)[20-21]利用提升小波變換對故障信號進(jìn)行處理，并作為神經(jīng)網(wǎng)絡(luò)的輸入構(gòu)造了一種新型的小波神經(jīng)網(wǎng)絡(luò)模型來識別輸電線路故障。文獻(xiàn)通過小波包將故障電壓和故障電流分解后分別獲得分解后的故障暫態(tài)量的能量值和熵值，并將能量值與熵值分別對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對輸電線路進(jìn)行故障分類和定位。文獻(xiàn)在暫態(tài)信號多尺度的基礎(chǔ)上定義了小波能量熵，并與模糊邏輯系統(tǒng)相結(jié)合形成故障類型識別方法。3.數(shù)學(xué)形態(tài)學(xué)文獻(xiàn)[25]在分析EHV線路發(fā)生故障后電流模分量的基礎(chǔ)上，利用數(shù)學(xué)形態(tài)學(xué)梯度提取暫態(tài)信號波頭能量，構(gòu)成故障選相方案。文獻(xiàn)提出了一種基于數(shù)學(xué)形態(tài)譜和神經(jīng)網(wǎng)絡(luò)相結(jié)合的識別接地短路故障類型的新方案。該方法對三相電流進(jìn)行相模變換后，用數(shù)學(xué)形態(tài)學(xué)顆粒對電流各模量分析并提取模電流的形態(tài)譜，將各形態(tài)譜作為神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)而判斷出接地故障的類型。
二、小波分析在電力系統(tǒng)暫態(tài)處理中的應(yīng)用
20世紀(jì)80年代初Morlet等人第一次提出了小波變換的概念。它可以根據(jù)處理信號頻率的高低自行調(diào)整窗口的大小，確保捕捉到有用的信息，可以對信號奇異點作多尺度分析。小波變換有以下特點：在高頻范圍內(nèi)時間分辨率高；在低頻范圍內(nèi)頻率分辨率高；既適合于分析平穩(wěn)信號及非平穩(wěn)信號；有快速算法——Matlab算法；利用離散小波變換可以將信號分解到各個尺度（頻帶）上。由于小波變換有以上優(yōu)點，所以它在各個應(yīng)用領(lǐng)域中都得到了廣泛應(yīng)用，比如生物醫(yī)學(xué)工程、機(jī)械故障診斷、非線性動力系統(tǒng)、量子物理、模式識別、參數(shù)辨識、CT成像、數(shù)據(jù)壓縮等。近幾年小波變換技術(shù)在分析和處理電力系統(tǒng)暫態(tài)信號方面也顯示了其優(yōu)越性和良好的應(yīng)用前景，主要應(yīng)用領(lǐng)域包括電力信號去噪、數(shù)據(jù)壓縮、電力設(shè)備故障診斷、電能質(zhì)量信號分析、故障定位等。文獻(xiàn)[28]指出db6小波對電壓暫升、暫降、閃變信號均能獲得較好的去噪效果。文獻(xiàn)[29]提出了一種小波包去噪算法，用以消除暫態(tài)擾動檢測中噪聲的影響，為在噪聲環(huán)境中檢測和定位暫態(tài)擾動提供了依據(jù)。電能質(zhì)量信號分析方面：文獻(xiàn)[31]將小波包用于對諧波的檢測，并與IEC推薦的諧波檢測方法進(jìn)行了對比，仿真結(jié)果證明了基于小波包的檢測方法對非整次諧波與間小波的檢測要優(yōu)于IEC推薦的方法。電力設(shè)備診斷方面：文獻(xiàn)[30]通過對基于Shannon熵的最優(yōu)小波包基的快速搜索算法的探討，提出了基于最優(yōu)小波包基小波包方法。在輸電線路故障定位方面：（1）故障選線。文獻(xiàn)[31]提出了基于單相電流行波的故障選線原理。文獻(xiàn)[32]利用小波變換與電弧故障產(chǎn)生的突變相結(jié)合而進(jìn)行故障選相。文獻(xiàn)[33]提出用小波變換提取電流故障分量的暫態(tài)能量，并且以三相間暫態(tài)能量的大小及其相對關(guān)系來識別故障類型和判斷故障相的新方案。文獻(xiàn)[34]利用小波變換提取故障后電流行波的線、零模量，根據(jù)提取出的電流行波波前1/8周期的能量進(jìn)行故障選相。文獻(xiàn)[35]通過小波變換利用故障電流行波幅值及極性邏輯關(guān)系相結(jié)合的故障類型識別方法，并設(shè)計出了故障類型識別的實用算法。該方法可以提高以往行波故障選相方案中利用零、線模量之間幅值關(guān)系判別單相接地或兩相接地故障時的可靠性。總的來說，目前基于暫態(tài)信號，利用小波變換工具進(jìn)行選相的方法得到了很好的研究，但在實際應(yīng)用時仍需進(jìn)行相應(yīng)的分析論證。文獻(xiàn)[36]對電力系統(tǒng)暫態(tài)信號提取小波能量熵及能量熵權(quán)，并將其分別對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提出了小波能量熵與神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障分類方法。（2）故障測距。電力系統(tǒng)要求及時、準(zhǔn)確地得知線路故障位置，以便用最短的時間清楚故障，盡快恢復(fù)供電，現(xiàn)已有可用于解決實際問題的各種故障測距方法。小波變換可以很好地表征輸電線路故障行波信號的突變點，故很多文獻(xiàn)提出用小波變換來進(jìn)行行波故障測距。主體思路是：運用小波變換對故障信號進(jìn)行分解，并用小波變換模極大值表示故障信息，揭示了行波信號奇異、瞬時信號與小波變換模極大值的關(guān)系，運用小波對奇異點檢測的原理，確定兩次行波波頭達(dá)到檢測點的時間間隔及故障發(fā)生的時刻，推算出故障位置，以達(dá)到故障定位的目的。
三、熵理論的應(yīng)用現(xiàn)狀
1948年Shannon把通信過程中信源訊號的平均信息量定義成為熵，這就是信息熵。小波熵是小波變換和信息熵的結(jié)合，它具有小波變換和信息熵的特點，對動態(tài)系統(tǒng)參數(shù)的微小變化具有獨特的敏感性，反映了暫態(tài)信號在時-頻域空間的能量分布情況，隨著小波熵理論的不斷發(fā)展與完善，它被應(yīng)用機(jī)械、生物、電力系統(tǒng)等眾多領(lǐng)域。生物領(lǐng)域中，文獻(xiàn)[42]運用小波熵分析心跳信號，并識別其變化規(guī)律；文獻(xiàn)[43-44]將小波熵應(yīng)用于EEG等非平穩(wěn)信號的分析，體現(xiàn)出小波熵區(qū)別非平穩(wěn)信號復(fù)雜度的特點，又有其反映微狀態(tài)信號快速變化的優(yōu)點。在機(jī)械故障診斷領(lǐng)域里，文獻(xiàn)[45]將小波包與特征熵結(jié)合提出了一種診斷高壓斷路器機(jī)械故障的新方法，并給出了切實可行的診斷步驟和分析。這幾年小波熵理論在電力系統(tǒng)中的應(yīng)用才剛剛開始，所以這方面的文獻(xiàn)較少。文獻(xiàn)[46]提出采用離散小波變換和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對輸電線路故障進(jìn)行分類和定位，雖然訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地對故障進(jìn)行分類和定位，但存在計算量大、運算費用高的缺點。文獻(xiàn)[47]提出一種基于小波熵權(quán)和支持向量機(jī)相結(jié)合的故障識別方法。該方法識別速度快，有較好的通用和實用價值。文獻(xiàn)[48]雖采用了小波分析理論與信息熵理論，但并沒有對小波熵進(jìn)行一個完整的、系統(tǒng)的定義。文獻(xiàn)[49]綜合闡述了小波熵在電力系統(tǒng)中各方面應(yīng)用的可行性，表明了其在電力系統(tǒng)中具有良好的發(fā)展空間。文獻(xiàn)探討了小波熵在電力系統(tǒng)故障檢測中特征提取的應(yīng)用機(jī)理，通過仿真一些輸電線路故障檢測對文中給出的幾種小波熵進(jìn)行了驗證，仿真分析結(jié)果表明小波熵測度在暫態(tài)信號檢測與分類中有望得到較好的發(fā)展。小波熵作為近年來才發(fā)展的一種新理論在電力系統(tǒng)故障檢測中的應(yīng)用具有廣闊前景。所以，在電力系統(tǒng)暫態(tài)信號的檢測和分類中運用小波熵理論具有重要的研究意義。
四、結(jié)束語
電力系統(tǒng)故障類型識別的研究為暫態(tài)信號檢測分析開辟了新的道路，為暫態(tài)信號特征提取理論奠定了新的基礎(chǔ)，進(jìn)行了不同變換空間內(nèi)信號特征和復(fù)雜程度的定量描述方法，建立了適合于電力系統(tǒng)暫態(tài)信號分析的小波熵理論。
作者：楊朝兵付學(xué)文單位：國網(wǎng)河北省電力公司邢臺供電分公司
