利用模量傳輸時間差的特高壓直流線路故障測距

陳仕龍，李建平，謝佳偉，畢貴紅，羅　璐

（昆明理工大學電力工程學院，昆明 650500）

利用模量傳輸時間差的特高壓直流線路故障測距

陳仕龍，李建平，謝佳偉，畢貴紅，羅璐

（昆明理工大學電力工程學院，昆明 650500）

故障行波零模分量與線模分量到達線路端測距裝置處的時間差與故障距離之間呈非線性關系，反向傳播BP神經網絡具有良好的非線性逼近擬合能力，可以利用BP神經網絡對這種關系進行擬合以達到故障測距的目的。以小波分解各個頻帶下模量傳輸時間差為輸入特征量、故障距離作為輸出特征量，對神經網絡進行訓練，形成故障測距神經網絡模型。仿真表明該基于模量傳輸時間差的特高壓直流輸電線路單端故障測距神經網絡算法精度較高。

特高壓直流；行波；神經網絡；小波分解；故障測距

特高壓直流輸電系統因其輸送容量大、送電距離遠、線路走廊窄等優點，在遠距離電能傳輸方面具有明顯的優勢。直流輸電線路是特高壓直流系統故障率最高的元件［1］。由于直流輸電線路一般較長，而且沿線地形復雜，通過巡線方式查找故障點異常困難，因此研究精確的故障定位方法對快速切除故障和提高系統穩定性十分重要。

目前特高壓直流輸電線路故障后的測距主要依賴于行波故障定位技術［2］。行波故障定位分為單端法和雙端法，雙端行波測距由于需要兩端數據通信設備以及雙端同步采樣等要求而很難實現；相比于雙端行波測距，單端行波測距因其具有成本低、實時性強等優勢而成為故障測距領域的重要研究方向［3-5］。單端行波測距的關鍵在于第2個反射波性質的準確識別，受過渡電阻電弧特性以及系統運行方式等因素的影響，在某些情況下正確識別第2個發射波性質存在一定的困難，因此單端行波測距在實際應用中可靠性并不高［6-8］。

直流輸電線路發生故障時，故障點會產生線模行波分量和零模行波分量，兩者傳播速度不一致，因此到達線路端測距裝置處的時刻也不同。利用這一性質，文獻［9-10］提出了基于模量傳輸時間差的單端故障測距原理，該原理只需初始行波的相關信息，為提高單端行波測距的可靠性提供了一條新思路。但所提方法中使用的是固定波速，而實際中波速隨故障距離的不同而變化，其中零模波速變化尤為顯著，利用固定波速進行故障測距誤差較大。為此，文獻［11］針對特定的直流系統建立波速隨故障距離變化的曲線，通過數據擬合與插值估算出實際波速的大小，然后再進行故障測距；由于波頭李氏指數與波速之間存在對應關系，文獻［12］利用神經網絡對兩者之間的關系進行擬合，通過檢測到的波頭李氏指數確定波速，然后進行故障測距。

本文根據模量傳輸時間差與故障距離之間存在的非線性關系，基于神經網絡所具有的良好的非線性逼近擬合能力，利用神經網絡對兩者之間的關系進行擬合，進而利用檢測裝置處檢測到的模量行波傳輸時間差進行故障測距。不同故障類型下不同故障距離的大量仿真結果表明，該基于模量傳輸時間差的高壓直流輸電線路單端故障測距神經網絡法精度較高。

1　測距原理

直流輸電線路發生故障時，故障點會產生線模行波分量和零模行波分量，兩者傳播速度不一致，因此到達線路端測距裝置處的時刻也不同，利用這一特性可以進行故障測距，測距公式［9-10］為

式中：x為故障點至測距裝置處的距離；v1為線模行波傳播速度；v0為零模行波傳播速度；Δt為兩者到達測距裝置處的時間差。

在目前測距裝置的分辨率下，模量行波傳播速度主要受故障距離的影響，因此可近似認為行波波速是故障距離的一元函數［11］，即 v1≈v1（x），v0≈v0（x）。因此式（1）可簡化為

由式（2）可知，故障距離與時間差之間存在確定的非線性關系。參照云廣±800 kV特高壓直流輸電線路實際參數建立的仿真模型，線路發生金屬性接地故障時，零模電壓行波與線模電壓行波到達線路端測距裝置處的時間差與故障距離之間的關系曲線如圖1所示。

由圖1可見，隨著故障距離的增加，時間差Δt非線性遞增，這是因為受大地集膚效應的影響，零模參數頻變特性明顯，零模行波傳播速度隨著故障距離的增加而嚴重衰減，而線模行波在傳播過程中較為穩定，所以隨著故障距離的增大，零模行波與線模行波的速度差增大，兩者到達測距裝置處的時間差增大。

圖2和圖3分別為非金屬性接地故障下不同過渡電阻時模量傳輸時間差與故障距離之間的關系以及雷擊故障下不同過渡電阻時模量傳輸時間差與故障距離之間的關系。

圖1　金屬性接地故障下模量傳輸時間差與故障距離之間關系Fig.1　Relationship between propagation time gap and fault distances under earth fault condition

圖2　非金屬性接地故障下不同過渡電阻時模量傳輸時間差與故障距離之間關系Fig.2　Relationship between propagation time gap and fault distances under non-earth fault condition with different transition resistances

圖3　雷擊故障下不同過渡電阻時模量傳輸時間差與故障距離之間關系Fig.3　Relationship between propagation time gap and fault distances under lighting-induced fault condition with different transition resistances

由圖2和圖3可知，隨著故障距離的增大，模量傳輸時間差非線性增大。不同故障情況下，當故障距離相同時，線路端測距裝置處檢測到的模量傳輸時間差相同，即線路端測量裝置檢測到的模量傳輸時間差只與故障距離有關，與故障類型無關。因此，對于特定的高壓直流輸電系統，線路端測量裝置處檢測到的模量傳輸時間差與故障距離之間有確定的非線性關系，如果能對兩者之間的關系進行擬合，即可利用測量到的模量傳輸時間差計算出故障距離。人工神經網絡具有很強的非線性逼近擬合能力［13-14］，可用于擬合模量傳輸時間差與故障距離之間的非線性關系，進而實現故障測距。在訓練神經網絡時，輸入特征量選取各模量經過4層小波分解后得到的各尺度高頻部分d1、d2、d3、d4內的模量傳輸時間差。設仿真頻率fs=1 MHz，則d1、d2、d3、d4對應的頻帶分別為：250 kHz＜f1＜500 kHz、125 kHz＜f2＜250 kHz、62.5 kHz＜f3＜125 kHz、31.25 kHz＜f4＜62.5 kHz。不同頻帶內模量傳輸時間差與故障距離之間的關系如圖4所示。

圖4　不同頻帶下模量傳輸時間差與故障距離之間的關系Fig.4　Relationship between propagation time gap and fault distances in different frequency bands

由圖4可見，各頻帶下的模量傳輸時間差與故障距離均呈非線性關系，且高頻帶內的模量傳輸時間差值要大于低頻帶內的模量傳輸時間差值。

2　基于模量傳輸時間差的特高壓直流輸電線路神經網絡單端故障測距算法

2.1神經網絡

目前，在人工神經網絡的應用實際中，絕大部分的神經網絡模型都采用BP網絡及其變化形式，本文采用BP網絡模型。BP網絡的基本思想是對一定數量的樣本（輸入和期望輸出）進行學習，即將樣本的輸入送至網絡輸入層的各個神經元，經隱含層和輸出層計算后，輸出對應的預測值。如果預測值與期望輸出之間的誤差不滿足精度要求，則從輸出層反向傳播該誤差，調整權值和閾值，使得整個網絡的實際輸出和期望輸出間的誤差逐漸減小，直至滿足精度要求。BP神經網絡在非線性曲線擬合方面有其獨特優勢，理論證明，具有一個隱含層的3層網絡可以逼近任意非線性函數［15］。

項目合規。項目屬于公共服務領域，有一定經營性收益。項目已納入財政部PPP項目庫，信息公開符合相關要求。項目手續合規，如規劃、可研、土地、環評等齊全有效；資本金符合國家政策要求，非債務性資金?！皟稍u一案”符合規定，“兩評”須有論證證據，論證結果已經所屬政府財政部門審查同意并發文批復；“一案”已經所屬政府同意并發文批復。此外，還應關注本級全部 PPP 項目從一般公共預算列支的財政支出責任，不超過當年本級一般公共預算支出的 10%。

2.2基于模量傳輸時間差的神經網絡測距算法

樣本的選取和預處理是神經網絡模型建立的關鍵。對于特高壓直流輸電線路故障測距而言，訓練樣本集要盡可能全面反映不同故障類型和不同故障距離下線路端測距裝置處檢測到的模量傳輸時間差值，同時也要考慮神經網絡本身的泛化性能。本文測距神經網絡模型訓練集組織步驟如下。

步驟1取首波頭到達后5 ms時窗內的單端暫態電壓信號作為故障信號，對其進行解耦變換得到獨立的暫態電壓零模分量和線模分量。分別對零模分量和線模分量進行4層小波變換，得到各尺度高頻帶d1、d2、d3、d4內的零模分量與線模分量到達測距裝置處的傳輸時間差Δt1、Δt2、Δt3、Δt4，訓練樣本的輸入矢量。

步驟2仿真選用云廣±800 kV特高壓直流輸電系統實際參數仿真模型，根據實際參數建立的仿真模型能很好地模擬云廣特高壓直流輸電系統。為了使得訓練集能夠包含不同故障距離下故障特征，從距離整流側保護安裝處5 km的位置開始設置故障點，故障距離步長取為10 km，故障點設置一直到距離整流側保護安裝處1 415 km結束，共包含142組故障數據。

步驟3為了簡化研究問題的復雜程度，各類故障情況下的過渡阻抗統一簡化為純電阻。接地故障和雷擊致故障選取的過渡電阻均為0～100 Ω，過渡電阻步長為10 Ω。

步驟4對輸入矢量進行歸一化處理，使得輸入矢量變化范圍為（0，1），這樣在神經網絡訓練時，各個輸入矢量具有同等重要的地位。

構建的故障測距神經網絡模型如圖5所示。該網絡具有1個隱含層，4個輸入層神經元，對應4個頻帶內模量傳輸時間差值。隱含層神經元數目為12，輸出層神經元數目為1，對應的是故障距離，因此網絡的拓撲結構為4×12×1。圖中，ωml表示輸入層的第m個神經元到隱含層的第l個神經元之間的連接權值，ωl表示隱含層第l個神經元到輸出層神經元之間的權值。網絡隱含層采用S型傳遞函數tansig，輸出層采用純線性傳遞函數purelin。神經元傳遞函數特性如圖6所示。

圖5　故障測距BP神經網絡模型Fig.5　BP neural network model for fault location

神經網絡采用自適應學習速度算法，學習率為0.01，最大訓練次數取為10 000，收斂精度設置為10-5。訓練收斂曲線如圖7所示。由圖可見，經過678次訓練后，神經網絡的誤差收斂至預期要求，該神經網絡收斂速度較快。

圖6　神經元傳遞函數Fig.6　Transfer functions of neuron

圖7　BP神經網絡訓練收斂曲線Fig.7　Convergence curves of BP neural network

3　仿真驗證

參照云廣特高壓直流輸電系統換流站主接線及其參數，根據其系統元件模型，建立云廣±800 kV特高壓直流輸電系統仿真模型。云廣特高壓直流輸電系統線路全長1 418 km，沿線大地電阻率平均值為1 000 Ω·m，采用6×LGL-630/45導線和Fre?quency Dependent（Phase）Model Options模型。云廣±800 kV特高壓直流輸電控制系統基于國際大電網會議CIGRE（International Council on Large Elec?tric Systems）直流輸電標準測試系統建立，為滿足控制的需要，對CIGRE直流輸電標準測試系統的控制系統做了部分改動。測距裝置位于整流側母線處，采樣率為1 MHz［16］。仿真模型如圖8所示，測距結果如表1所示。

圖8　云廣特高壓直流輸電仿真模型Fig.8　Simulation model of Yunnan-Guangdong UHVDC

表1　測距結果Tab.1　Results of fault location

故障測距神經網絡模型形成后，將反映故障位置的特征數據輸入訓練后的網絡模型即可實現故障測距。故障測距神經網絡模型是否具有實用價值，測試集應通過各種因素變化并避開訓練集，以此綜合測試和評定神經測距模型的泛化能力。高壓直流輸電線路上常見故障為接地故障以及雷擊接地故障，本文以上述2種類型故障為例進行仿真驗證。用故障測距神經網絡模型對訓練集以外的故障距離進行測試，得到不同條件下的測距結果。

分析表1中仿真結果可知，在不同故障類型下不同故障距離處，利用故障測距神經網絡模型測得的結果誤差基本保持在3 km以內，而且隨著過渡電阻的變化，測距精度不受影響，可見本文提出的基于模量傳輸時間差的高壓直流輸電線路單端故障測距神經網絡法精度較高，而且不受故障類型的影響。

4　結語

基于模量傳輸時間差與故障距離之間存在確定的非線性關系，而人工神經網絡具有良好的非線性逼近擬合能力，本文提出一種利用模量傳輸時間差的高壓直流輸電線路單端故障測距神經網絡法。該測距算法只利用單端模量傳輸時間差即可實現故障測距，無需計算模量傳輸速度，精度較高。

［1］劉海峰，徐政，金麗成（Liu Haifeng，Xu Zheng，Jin Li?cheng）.世界遠距離大容量高壓直流輸電工程可靠性調查綜述（A review of the reliability survey of long dis?tance high power HVDC transmission project throughout the world）［J］.高壓電器（High Voltage Apparatus），2002，38（3）：1-4，6.

［2］ 宋國兵，蔡新雷，高淑萍，等（Song Guobing，Cai Xinlei，Gao Shuping，et al）.高壓直流輸電線路故障定位研究綜述（Survey of fault location research for HVDC trans?mission lines）［J］.電力系統保護與控制（Power System Protection and Control），2012，40（5）：133-137，147.

［3］李友軍，王俊生，鄭玉平，等（Li Youjun，Wang Junsheng，Zheng Yuping，et al）.幾種行波測距算法的比較（Com?parison of several algorithms of traveling wave based fault location）［J］.電力系統自動化（Automation of Electric Power Systems），2001，25（14）：36-39.

［4］覃劍，葛劍雄，邱金輝，等（Qin Jian，Ge Jianxiong，Qiu Ji?nhui，et al）.輸電線路單端行波測距法和雙端行波測距法的對比（Study on single terminal method and double terminal method of traveling wave fault location in trans?mission line）［J］.電力系統自動化（Automation of Elec?tric Power Systems），2006，30（6）：92-95.

［5］徐丙垠，李京，陳平，等（Xu Bingyin，Li Jing，Chen Ping，et al）.現代行波測距技術及其應用（Modern fault loca?tion techniques based on fault generated traveling waves and their applications）［J］.電力系統自動化（Automation of Electric Power Systems），2001，25（23）：62-65.

［6］哈恒旭，張保會，呂志來（Ha Hengxu，Zhang Baohui，Lü Zhilai）.高壓輸電線路單端測距新原理探討（A novel principle of single-ended line fault location technique for EHV transmission systems）［J］.中國電機工程學報（Pro?ceedings of the CSEE），2003，23（2）：42-49.

［7］鄔林勇，何正友，錢清泉（Wu Linyong，He Zhengyou，Qian Qingquan）.一種提取行波自然頻率的單端故障測距方法（A single ended fault location method using travel?ing wave natural frequency）［J］.中國電機工程學報（Pro?ceedings of the CSEE），2008，28（10）：69-75.

［8］ 張峰，梁軍，李建超，等（Zhang Feng，Liang Jun，Li Ji?anchao，et al）.基于初始反極性行波檢測的單端故障測距算法（Single ended fault location algorithm based on detection of initial reverse polarity traveling wave）［J］.電力系統自動化（Automation of Electric Power Systems），2013，37（4）：108-113.

［9］Navaneethan S，Soraghan J J，Siew W H，et al.Automatic fault location for underground low voltage distribution net?works［J］.IEEE Trans on Power Delivery，2001，16（2）：346-351.

［10］Abur A，Magnago F H.Use of time delays between modal components in wavelet based fault location［J］.Internation?al Journal of Electrical Power&Energy Systems，2000，22 （6）：397-403.

［11］劉永浩，蔡澤祥，徐敏，等（Liu Yonghao，Cai Zexiang，Xu Min，et al）.基于波速優化與模量傳輸時間差的直流線路單端行波測距新算法（Single ended fault location al?gorithm based on traveling wave speed optimization and modal propagation time difference for DC transmission line）［J］.電力自動化設備（Electric Power Automation Equipment），2012，32（10）：72-76.

［12］張帆，潘貞存，馬琳琳，等（Zhang Fan，Pan Zhencun，Ma Linlin，et al）.基于模量行波傳輸時間差的線路接地故障測距與保護（Transmission line fault location and pro?tection based on the gap between zero mode and aerial mode traveling wave propagation time）［J］.中國電機工程學報（Proceedings of the CSEE），2009，29（10）：78-83.

［13］束洪春，田鑫萃，張廣斌，等（Shu Hongchun，Tian Xin?cui，Zhang Guangbin，et al）.±800 kV直流輸電線路故障定位的單端電壓自然頻率方法（Fault location for±800 kv HVDC transmission lines using natural frequency of single terminal voltage data）［J］.中國電機工程學報（Pro?ceedings of the CSEE），2011，31（25）：104-111.

［14］束洪春，鄔乾晉，張廣斌，等（Shu Hongchun，Wu Qian?jin，Zhang Guangbin，et al）.基于神經網絡的單端行波故障測距方法（Single terminal traveling wave fault loca?tion method based on ANN）［J］.中國電機工程學報（Pro?ceedings of the CSEE），2011，31（4）：85-92.

［15］史峰，王輝，郁磊，等.MATLAB智能算法30個案例分析［M］.北京：北京航空航天大學出版社，2011.

［16］徐偉宗（Xu Weizong）.采樣頻率對行波測距影響的仿真分析（Simulation analysis of impacts of sampling frequen?cy on traveling wave ranging）［J］.電力系統及其自動化學報（Proceedings of the CSU-EPSA），2014，26（6）：76-80.

Single-ended Fault Location for UHVDC Transmission Line Based on Propagation Time Gap Between Zero and Aerial Mode

CHEN Shilong，LI Jianping，XIE Jiawei，BI Guihong，LUO Lu
（School of Electric Power Engineering，Kunming University of Science and Technology，Kunming 650500，China）

There is a nonlinear relationship between fault distance and the propagation time gap between zero mode and aerial mode，and back propagation（BP）neural network with the ability of nonlinear curve-fitting is selected to fit this re?lationship to realize fault location.The propagation time gap in different frequency bands of wavelet decomposition as inputs and the fault distance as outputs are used to train the neural network，and thus a faul location model using neural network is established.Simulation results indicate that the proposed single-ended fault location method useing neural network for ultra high voltage direct current（UHVDC）transmission line based on propagation time gap has higher accu?racies.

ultra high voltage direct current（UHVDC）；traveling wave；neural network；wavelet decomposition；fault location

TM755

A

1003-8930（2016）08-0020-05

10.3969/j.issn.1003-8930.2016.08.004

2014-10-29；

2016-01-04

國家自然科學基金資助項目（51267008）；昆明理工大學校人培基金資助項目（kkz3201304019）

陳仕龍（1973—），男，博士，副教授，研究方向為特高壓直流輸電。Email：chenshilong3@126.com

李建平（1991—），男，碩士研究生，研究方向為特高壓直流輸電。Email：ljp4023@163.com

謝佳偉（1987—），男，碩士研究生，研究方向為特高壓直流輸電。Email：18314543136@163.com