基于小波去噪和BA-SVM的小電流接地系統故障選線方法

柳巖妮，公茂法，王來河，姜 文，公 政

（1.山東科技大學，山東 青島 266590；2.國網山東省電力公司濰坊供電公司，山東 濰坊 261021）

基于小波去噪和BA-SVM的小電流接地系統故障選線方法

柳巖妮1，公茂法1，王來河1，姜 文2，公 政2

（1.山東科技大學，山東 青島 266590；2.國網山東省電力公司濰坊供電公司，山東 濰坊 261021）

針對小電流接地系統的故障選線問題，提出一種基于小波去噪和BA-SVM的診斷方法。該方法將系統零序電流經過小波去噪處理得到特征值，輸入SVM模型進行訓練和測試，最終得到故障選線結果。針對SVM算法的參數選取問題，使用蝙蝠算法進行優化，提高算法的準確率和效率。采用Matlab仿真35 kV算例，驗證該方法的有效性和實用性。

小電流接地系統；小波去噪；零序電流；BA-SVM

0 引言

中低壓配電網廣泛采用小電流接地方式，故障類型以單相接地為主，快速、準確地定位故障線路對電力系統正常運行具有重要意義。目前，小電流接地系統故障選線方法主要分為兩種：暫態類選線方法和穩態類選線方法。穩態分量數值太小，不利于檢測，而暫態分量法適應性較強且檢測靈敏性高，所以暫態選線方法被更廣泛應用。暫態類方法主要有首半波法、行波法和暫態能量法等，文獻［1］中使用的首半波法雖然不易受中心點接地方式的影響，但是受外界因素影響較大；文獻［2］中的行波法存在成本較高且波頭不易確定的缺點；文獻［3］中暫態能量法存在檢測的靈敏度較低，可靠性較差的缺點。

結合以往的選線方法，提出一種基于小波去噪和改進支持向量機（SVM）的小電流接地系統故障選線方法。該方法將暫態零序電流經過小波去噪后取其絕對值的最大值歸一化后作為特征量，輸入到SVM中進行訓練和診斷測試。針對SVM參數選擇的不足問題，使用蝙蝠算法（BA）對SVM的參數進行優化，從而提高故障選線的準確率和學習速度。利用Matlab建立算例仿真模型，仿真結果表明，該算法效果良好，準確率較高。

1 小波去噪原理

小波變換是對一維或者二維信號進行去噪、壓縮和編碼的數學方法，在小電流接地系統故障選線中應用較為廣泛。一般情況下，采集到的電流信號含有大量的噪聲，使得信號本身的特征不能很好展現，需要對其進行去噪處理。

小波去噪的基本原理是：確定合適的小波基函數和分解層數，將需要去噪的信號進行分解，然后采用閾值量化對高頻系數進行處理，最后根據小波分解的低頻系數和高頻系數進行小波重構，消除噪聲干擾［4］。小波基函數為

式中：a為函數的尺度伸縮因子；b為函數的時間平移因子。

采用db5小波進行5層分解，利用軟閾值量化對分解后的高頻系數進行處理，然后對最底層低頻系數與高頻系數進行一維小波重構。

2 BA-SVM算法

2.1 SVM算法

SVM是一種分類算法，能夠在較少樣本數量情況下，對模型進行較為準確地分類定位分析。其基本原理是將需要訓練的樣本數據通過非線性方法映射到高維特征空間，然后在此空間內尋找最優的分類超平面，將樣本分出類別并使其間隔最大，從而實現分類［5-6］。應用于小電流接地系統故障選線方面，就是構建SVM模型并輸入處理好的特征量，進行故障分類判別，從而得到故障選線定位結果。

給定樣本的訓練集，D＝｛（xi，yi）｜i=1，2， …，n｝，xi∈Rn，yi∈｛－n，n｝。其中，xi為輸入數據，yi為輸出數據，n為維數。

構造最優分類超平面為

將式（2）轉化為

式中：w為權值；b為閾值；C為懲罰程度參數；ζi為對錯誤誤差度量參數。

在解決非線性問題時，SVM引入了核函數K（xi，x）將非線性問題轉換為某高維空間線性問題，常見的核函數主要包括徑向基（RBF）核函數、雙曲正切核函數和多項式核函數等。由于RBF核函數的參數只有σ，有利于參數的優化，采用RBF核函數，如式（4）所示。

得到最優分類面的決策函數為

式中：αi為拉格朗日因子。

2.2 BA優化SVM參數

SVM參數的選擇大都是依靠經驗取值，而參數的準確與否直接關系到了SVM算法的學習和泛化水平。本文SVM算法中所涉及的參數主要有懲罰系數C和核參數σ，懲罰系數C的作用主要是對學習過程中置信范圍和經驗風險值進行調整，對SVM算法的泛化能力有重要影響；核參數σ則主要影響SVM算法的分類準確率。目前，許多研究采用群智能算法對SVM的參數進行優化，比如粒子群算法、蟻群算法和遺傳算法等，但由于這些算法都存在易陷入局部最優和收斂速度慢的缺陷，往往對SVM優化的結果并不理想［7-9］。

采用蝙蝠算法對SVM的兩個參數進行優化。蝙蝠算法是一種新型的仿生學算法，主要模仿蝙蝠捕食過程演變而來，具有很好地全局尋優能力和較快的收斂速度，能夠將局部搜索和全局尋優相結合，進而改善已有算法［10］。

應用蝙蝠算法對SVM參數優化，分為8個步驟。

1）初始化種群個體，設置懲罰系數C、核參數σ以及蝙蝠算法相關參數。

3）對種群個體的脈沖頻率、速度和位置進行更新，即

式中：d為蝙蝠群體的搜索空間維數；α為［0，1］均勻分布的隨機變量；fmin、fmax分別為脈沖頻率的最小值和最大值；fi為第i只蝙蝠搜索獵物時所發出的脈沖速率為當前蝙蝠群體的最優位置；Vid（t+1）為第i只蝙蝠在t+1的速度狀態值；Vid（t）為第i只蝙蝠在t時刻的速度狀態值；Xid（t+1）為第i只蝙蝠在t+1時刻的位置狀態值；Xid（t）為第i只蝙蝠在t時刻的位置狀態值。

4）生成均勻分布的隨機數rand，若rand

5）生成均勻分布的隨機數rand，若rand

式中：β和γ分別為脈沖音強衰減系數和脈沖速率增加系數；Ai（t+1）、Ai（t）分別為t＋1和t時刻的脈沖音強；ri（t+1）為蝙蝠在t＋1時刻的脈沖速率；ri0為最大脈沖速率。

6）對蝙蝠種群的所有適應度值進行排序，找出當前的最優解。

7）跳轉到步驟2）繼續尋優，當最大迭代次數或者適應度值出現次數大于設定值時，跳轉到步驟8）。

8）輸出最優參數值，結束算法。

3 算例分析

將某110 kV變電站35 kV母線段作為算例仿真模型，如圖1所示。

圖1 小電流接地系統仿真模型

系統共包括5條架空線路L1～L5，長度分別為55 km、25 km、35 km、45 km、30 km，零序參數為R0= 1.85 Ω／km，L0=4.98 mH／km，C0=6.82 nF／km；正序參數為R1=0.17 Ω／km，L1=1.2 mH／km，C1=9.12 nF／km。

以L5線路A相發生故障為例進行詳細分析，故障發生時間為0.04 s，仿真時長為0.2 s。當故障相接地電阻為0.001 Ω，相位角為90°時，各線路的暫態零序電流序列如圖2所示。

圖2 L1～L5各線路零序電流

通過改變接地故障相位角和接地電阻阻值，仿真得到多組不同的故障零序電流值，采用小波變換對零序電流序列進行去噪處理，取其最大絕對值歸一化處理后作為特征向量值，輸入到SVM網絡中進行訓練，具體故障選線流程如圖3所示。

圖3 BA-SVM故障選線流程

將5條線路零序電流處理后得到的特征量作為模型的輸入，組成五維輸入數據；輸出五維數據格式為（0，0，0，0，0），其中0表示對應的線路無故障，1表示發生故障。對仿真算例中線路L5的接地故障仿真，選線結果如表1所示，可以得出算法的準確率較高，且不受故障相位角和接地電阻的影響，具有一定的有效性和可行性。

表1 部分故障選線仿真結果

利用Matlab仿真軟件，分別對SVM、PSO-SVM和BA-SVM 3種算法進行仿真，在相同接地故障條件下的選線結果進行分析比較，具體分析數據如表2所示。從表中數據可以得出，與前兩種算法相比，BA-SVM算法用時較短，且準確率有所提高。

表2 3種算法仿真結果比較

4 結語

提出一種基于小波去噪和BA-SVM的小電流接地系統故障選線方法，將小波去噪處理過的零序電流信號特征值輸入到蝙蝠算法優化好的SVM模型進行訓練和測試，得到最終的故障選線結果。采用Matlab對某35 kV母線段進行仿真，通過算例仿真結果驗證了該算法收斂速度快、SVM訓練精度高、不受故障相位角和接地電阻阻值影響等優點，效果良好。

［1］殷培峰，劉石紅.基于諧波與首半波結合的單相接地選線分析與研究［J］.自動化與儀器儀表，2013（4）：19-21.

［2］劉穎異，譚博學.利用暫態行波的小電流接地故障檢測方法研究［J］.山東理工大學學報（自然科學版），2013，27（2）：43-49.

［3］朱丹，賈雅君，蔡旭，等.暫態能量法原理選線［J］.電力自動化設備，2004，24（3）：75-78.

［4］王曉衛，魏向向，侯雅曉，等.基于小波去噪與改進RBF神經網絡的小電流接地系統故障選線方法［J］.工礦自動化，2014，40（4）：46-50.

［5］董愛華，張小潔.基于PSO-SVM的小電流接地故障選線方法［J］.計算機工程與設計，2015，36（7）：1 886-1 890.

［6］薛浩然，張珂珩，李斌，等.基于布谷鳥算法和支持向量機的變壓器故障診斷［J］.電力系統保護與控制，2015，43（8）：8-13.

［7］陳治明.改進的粒子群算法及其SVM參數優化應用［J］.計算機工程與應用，2011，47（10）：38-40.

［8］高雷阜，張秀麗，王飛.改進蟻群算法在SVM參數優化研究中的應用［J］.計算機工程與應用，2015，51（13）：139-144.

［9］顏曉娟，龔仁喜，張千鋒.優化遺傳算法尋優的SVM在短期風速預測中的應用［J］.電力系統保護與控制，2016，44（9）：38-42.

［10］付家才，陸青松.基于蝙蝠算法的配電網故障區間定位［J］.電力系統保護與控制，2015，43（16）：100-105.

Fault Line Selection Method for Small Current Grounding System Based on Wavelet Denoising and BA-SVM

LIU Yanni1，GONG Maofa1，WANG Laihe1，JIANG Wen2，GONG Zheng2
（1.Shandong University of Science and Technology，Qingdao 266590，China；2.State Grid Weifang Power Supply Company，Weifang 261021，China）

Aiming at the fault line selection of small current grounding system，a new diagnosis method based on wavelet transform and improved SVM is proposed.In this method，the zero sequence current of the system is processed by wavelet denoising to get a series of characteristic values，and then it is input into the SVM model for training and testing.Finally，the result of fault line selection is obtained.In order to improve the accuracy and efficiency of the algorithm，the bat algorithm is used to optimize the parameters of the algorithm.The effectiveness and practicability of the method is verified by the Matlab simulation of 35 kV case.

small current grounding system；wavelet denoising；zero sequence current；BA-SVM

TM712

：A

：1007－9904（2017）04－0022－04

2016-12-14

柳巖妮（1991），女，碩士研究生，從事電力系統自動化的研究工作；

公茂法（1959），男，博士生導師，從事電力系統自動化、電力電子技術與應用等方面的研究工作。