電力線路故障定位方法的研究

摘 要：針對配電線路發生單相接地故障，介紹了一種綜合定位方法，首先向故障線路和正常線路分別發射行波信號，比較兩個信號波形，使兩波形相減，進行小波包分解和重構，找到故障特征波時刻，利用測距公式計算故障距離。求取線路節點特征波能量，利用訓練好的神經網絡來識別故障區段，綜合故障距離和故障區段來確定故障點。

關鍵詞：配電線路；故障定位；C型行波法；神經網絡

1 概述

電力系統包括發電、輸電、變電、配電等幾大部分，配電系統作為重要環節直接面向終端用戶，其安全運行直接關系著廣大用戶的用電質量和可靠性。在整個配電系統中，發生單相接地故障幾率最高。而配電線路分支較多，所處環境復雜，故障定位困難。

配電線路故障定位主要包括三部分：（1）故障選線；（2）確定故障點距離；（3）判斷故障區段或分支。目前國內外故障選線技術比較成熟，而如何準確快速地確定故障點仍是一個急待解決的難題。

針對配電線路發生單相接地故障，文章提出采用C型行波法和神經網絡相結合來實現故障定位[1-4]。在線路故障后，人工向故障線路和正常線路分別發射一個行波信號，在線路檢測端采集反射回的信號，通過比較故障線路和正常線路波形，使兩波形相減，對所得的波形差信號進行小波包分解和重構，找到故障特征波對應的時刻，利用測距公式來確定故障距離。在故障距離確定的基礎上，計算節點特征波能量，并通過訓練好的神經網絡來判斷故障區段。最后對10kV配電線路單相接地故障進行仿真分析，驗證了該方法的可行性。

2 定位方法介紹

2.1 測距原理

線路發生故障后，在線路檢測點發射行波信號，行波信號遇到波阻抗不連續點（線路的節點、端點和故障點）就會發生反射和折射，利用行波信號在波阻抗不連續點產生的第一個反射波來進行故障定位，該波稱為特征波。而波阻抗不連續點所對應的波形面積，就是特征波能量。

圖1 C型行波法測距原理示意圖

C型行波法測距原理是根據行波信號在檢測點與故障點之間往返一次的時間和行波的波速來確定故障點的距離。如圖1所示，線路MN上f點發生接地故障，在檢測點M發射一個行波信號，由于故障點f為波阻抗不連續點，當行波信號到達故障點時會發生反射，在t時刻返回到檢測點M，那么故障距離為

l=■ （1）

其中，v是波速。

2.2 定位步驟

在實際線路正常時與接地故障后分別發射行波信號，通過檢測反射波，可以發現：故障點特征波之前的反射波形與正常線路的反射波形相同，而之后則發生了變化。由此可知，兩個波形的第一個差異點必然來自故障點的特征波。在網絡拓撲結構已知的情況下，節點特征波到來的時間也是可以知道的，那么根據預定的時間可以計算節點特征波能量。如果是金屬性接地故障，故障點下游的第一個節點的特征波能量將會消失，如果是經電阻接地故障，則此節點的特征波能量將會減少；而故障點上游的節點特征波能量幾乎不會發生改變。

使故障線路波形和正常線路波形相減，對波形差信號進行小波包分解和重構，分為多個頻帶，在選定的分頻帶上分別找到波形差的第一個畸變點，其對應的是故障點特征波時刻，然后求取平均值，按照公式（1）可求出故障距離。在故障距離確定的情況下，由上述波形差選定的頻帶，根據預定的節點特征波時刻，采集50個離散點（電壓或電流幅值）來計算節點特征波能量。

圖2 定位方法示例圖

如圖2所示，假如線路分支AC上f1點發生單相接地故障，通過故障距離可知，故障發生在分支AC或區段AB上，在第二、三、六、九、十一、十五每個頻帶上計算C、B兩節點的特征波能量，將C、B兩節點的能量分別除以兩者能量之和，即求取分頻帶兩節點所占的能量比例；以此方法對上述六個頻帶分別進行計算處理，然后將這些頻帶上的C、B的能量比例相加，之后再求取平均值；在此，C節點總的頻帶的能量比例就會大于B節點的能量比例，使B節點下游的所有節點能量值置為“0”，證明故障發生在AC分支上。如果AB區段發生故障，B節點總的頻帶的能量比例就會大于C節點的能量比例，則使B節點下游的所有節點能量值置為“1”，證明故障發生在AB區段上。將節點特征波能量數據處理后，與訓練好的神經網絡相結合來判斷故障區段。將圖2單分支配電線路可以推廣到多分支線路，定位方法如上。需要注意的是不需要計算第一個節點（在圖2中指A節點）的特征波能量，因為線路第一個區段發生故障，直接利用行波測距就可實現故障定位，不再需要判斷故障區段。

BP網絡是一種多層前饋型神經網絡，用于故障模式識別效果比較好。用預定的數據樣本對神經網絡進行訓練，使其具有識別節點特征波能量變化的能力，最后形成基于神經網絡模式識別功能的故障診斷系統來判斷故障區段。網絡設計為三層，如果配電線路有m個區段，則需要判斷的區段數為n=m-1，輸入層有n組數據，輸入層神經元個數為n，中間層為2n+1；設輸出狀態個數n，則輸出層神經元個數為n。

3 線路仿真分析

利用C型行波法和神經網絡相結合對10千伏故障線路進行定位，如圖3所示，10千伏配電線路分支AC、主干BE分別發生單相接地故障，假設接地電阻都為2000歐姆。其中，MN=18千米，MA=3千米，AB=6千米，BE=5千米，AC=1.5千米，BD=0.9千米，EF=4千米。故障點f1距離A節點0.6千米，故障點f2距離B節點3千米。

通過ATP軟件進行仿真，信號源選用幅值為10千伏，寬度為2微秒的高壓脈沖信號。其中，設行波的傳播速度為光速，即300米/微秒，線路波阻抗為500歐姆。在線路檢測點采用100兆赫茲的采樣率進行采樣，得到的正常線路波形、f1點故障波形、f2點故障波形分別如圖4中（a）、（b）、（c）所示。

使故障線路與正常線路波形相減，得到的f1點、f2點故障波形差如圖5所示。

當f1點發生故障時，對圖5（a）波形差進行四層小波包分解和重構，分為16個頻帶，利用第二、三、六、九、十一、十五頻帶上的第一個波形畸變點時刻，分別為23.94微秒、23.95微秒、24.13微秒、23.98微秒、24微秒、24.12微秒，將這六個數據相加求取平均值可得到故障點特征波時刻t=（23.94+23.95+24.13+23.98+24+24.12）/6=24.02微秒。利用測距公式（1），可求出故障距離3603米，與實際距離相差3米。同理，當f2點發生故障時，得到故障時刻t=80.03微秒，求出故障距離12004.5米，與實際距離相差4.5米。可見，測距精度滿足實際要求。

神經網絡訓練樣本采用預設的節點特征波能量數據，如下所示

訓練目標設置為t=[1 0 0 0 0 0；0 1 0 0 0 0；0 0 1 0 0 0；0 0 0 1 0 0；0 0 0 0 1 0；0 0 0 0 0 1 ]'，分別表示AC、AB、BD、BE、EF、EN區段發生故障，經過訓練，如圖6所示，神經網絡達到預定目標。

當f1點發生故障，處理得到的特征波數據p=[0.66 0.34 0 0 0 0]，通過神經網絡判斷為t=[0.9979 0.0001 0.0012 0.0001 0.0028 0.0064]，故障發生在AC分支上；當f2點故障時，特征波數據為p=[0 0 0.35 0.65 1 1]，通過神經網絡判斷為t=[0.0000 0.0000 0.0004 0.9671 0.0000 0.0015]，故障發生在BE區段上。可見，利用神經網絡判斷故障區段是準確的。

4 結論與展望

C型行波法具有測距速度快，精度高的優點，它屬于離線測距，當一次不能識別特征波反射信號時，可以重發一個信號進行再次測距。神經網絡在確定基本結構后，運用學習算法對預定樣本進行訓練，可以實現知識的自我組織和自我學習能力，在學習完成之后具有一定的泛化能力，容錯能力比較強，即使輸入信號帶有一定的干擾噪聲，仍能給出正確的輸出結果；神經元之間的對應具有相對獨立性，便于并行處理，因此神經網絡的執行速度較快，它的這些優點在配電線路故障定位和故障類型識別中具有重要的意義。同時，C型行波法和神經網絡相結合在配電自動化故障診斷研究中具有很好的研究價值和發展前景。

參考文獻

[1]嚴鳳，楊奇遜，齊鄭，等.基于行波理論的配電網故障定位方法的研究[J].中國電機工程學報，2004，24（9）：37-42.

[2]徐丙垠，李京，陳平.現代行波測距技術及其應用[J].電力系統自動化，2001，25（23）：62-65.

[3]季濤，孫同景，薛永端，等.配電網故障定位技術現狀與展望[J].繼電器，2005，33（24）：32-37.

[4]周開利，康耀紅.神經網絡模型及其MATLAB仿真程序設計[M].清華大學出版社，2006.

作者簡介：徐汝俊（1986-），男，河南周口人，工程師，河南檢修公司員工。

劉晨（1986-），女，河南安陽人，工程師，河南安陽供電公司員工。

宋嵐（1979-），女，河南安陽人，工程師，河南檢修公司員工。