基于神經網絡的高壓輸電線路故障診斷研究

黃海生

【摘 ?要】輸電線路建設為推動社會經濟發展發揮著重要作用，對輸電線路的故障檢測也是工作的重中之重。如今，在原有的高壓輸電線路檢測的基礎上，又提出一種全新的檢測方法，就是基于神經網絡的高壓輸電線路故障檢測。這種檢測系統的研究目標是10KV的架空輸電線路。本文在電力系統故障檢測的現狀基礎上，分析和探討基于神經網絡的故障檢測系統。

【關鍵詞】輸電線路;檢測方法;神經網絡

診斷高壓輸電線路故障的系統在實際的運行過程中，可以完全當作一種實時信息處理系統。它的工作原理就是以故障發生的環境作為基礎，進行數據信息分析，對出現故障的各種原因和設備部件進行判斷。高壓線路時輸電設備的重要組成部分，對其進行準確科學檢測有著十分重要的意義。現有的線路故障檢測技術在實際的使用中不能夠適應于35千瓦以下的復雜輸電線路結構，于是基于神經網絡的輸電線路檢測系統應運而生。

1.輸電線路故障檢測的現狀

目前，對高壓線路進行故障檢測方法還是比較多的，最常用的就是距離保護法、電流監測法故障錄波器法和行波數據分析方法。

1.1 輸電線路檢測的距離保護法

距離保護法在這幾個方法中是最比較簡單的，所需要的設備成本投入也不高。可是當輸電線路出現故障的時候，過渡電阻不能夠實現Rx=0Ω，并且還會被輸電線路的施工工藝和到點電阻率p的均勻程度等多種干擾因素影響，最后導致了在故障距離之間的計算數值差距過大。除此以外，如果高壓輸電線路中出現比較多的線路分支和用電設施的時候，對于故障位置的計算更會增加難度。

1.2 輸電線路檢測的電流監測法

電流監測法是對在相線中出現的電流總和和不同相線的電流最高峰值進行監測，從而確定監測的設備是夠出現了故障。電流監測法在使用過程中也是擁有比較小的投資，并且在安裝的時候也是很方便簡單。可是，輸電線路在運行當中若是出現較小的接地電流或者是短路電流，是不會被檢測出來的，更不會有任何的故障提醒，設備檢測則失效。檢測設備失效不止這一種原因，還可能會因為線路的負荷波動比較大，這樣也會增加失效的概率。監測設備對于監測出來的故障只是停留在大概的區域，并不能夠完全的定位故障位置。

1.3 輸電線路檢測的故障錄波器法和行波數據分析法

這兩種方法的使用主要是通過將數據監測設備安裝在高壓輸電線路的開始一端，原理便是對輸電線路的正常運行與否進行判斷，比對輸電線路中出現的各項數據是否與標準數據一致，再通過相關的算法分析和判斷，找出故障發生的具體位置，并給予及時的通知。這個方案所適用的輸電線路一般的在220KV及以上的高壓線路或者是超高壓線路當中。當有分支或者是有用電設備接入到輸電線路當中，各項電氣參數就會呈現出動態變化，在數據分析和處理的時候就會增加困難度，導致監測出來的誤差變大。

一言以蔽之，這些方法都適合在高壓或者是超高壓輸電線路中使用，而且具有嚴格的要求，如不能夠線路分支接入，也不能有用電設備接入，保持輸電線路的簡易結構。對35千瓦以下的輸電線路監測并沒有一種科學有效的故障監測方法。

2.基于神經網絡的輸電線路故障監測系統分析

2.1 基于神經網絡的輸電線路故障監測系統的組成

基于神經網絡的輸電線路故障監測硬件系統組成較為簡易，大體上分為三個部分。輸電線路故障監測系統的中樞就是控制中心，它對于監測系統相當于大腦對于人體，主要功能就是負責對輸電線路中的各項數據信息進行分析處理，并且保存好各項數據結果。數據采集設備的安裝位置一般是在輸電線路的開頭一端或者是末尾一端，以及輸電設備中的分支線路和用電設備的接入處，在故障多發位置等地方也可以安裝，安裝位置比較靈活。數據采集設備的線路參數采集頻率一般維持在10ms，它會將采集到的電流信息、電阻信息、電壓信息以及電感信息和電容信息及時保存到存儲器中。通信設備的作用是完成指令和數據信息交換，主要信息載體就是控制中心和數據采集設備，通信設備利用的方式就是載波通信。

控制中心會受到數據采集設備三種方式的數據傳輸，第一種就是指令方式，數據采集設備會依據控制中心的指令要求向控制中心提供輸電線路中的各項數據參數。第二種就是定時方式，設定好一定的時間，控制中心就會接受到來自數據采集設備的數據參數。第三種就是報告的方式，在輸電線路中會是不是的出現一些超出預設的參數數據波動值，當監測設備監測到這種問題的時候，就會將數據通過通信設備儲存到數據采集設備中，再由數據采集設備將這些數據參數傳輸給控制中心。

2.2 基于神經網絡的輸電線路故障監測系統的工作原理

在基于神經網絡的輸電線路故障監測系統中，采集數據信息的設備是根據實際情況進行安裝設計的，它的區域分布特點比較隨意。不同參數在輸電線路上的實際分布而繪制的曲線可以通過數據插值來進行恢復。與此同時，輸電線路所涉及到的電流信息、電阻信息、電壓信息以及電感信息和電容信息所呈現出來的是光滑連續的曲線，由此可以通過B樣條為基礎的插值函數來近似性的取代電流信息、電阻信息、電壓信息以及電感信息和電容信息參數的分布函數。

分析小波變換信號可以從頻域和時域兩個角度進行，并且分析局部性信號相對比較準確。通過連續二進小波變換，充分利用周期延拓的方式將輸電線路的電流信息、電阻信息、電壓信息以及電感信息和電容信息分離出高頻部分和低頻部分，即分別對應不同參數的負荷波動狀況分布函數、基本分布函數、環境因素干擾分布函數和脈沖類故障影響分布函數。

神經網絡可以分為三層，數據信息的準確率會隨著層數的降低而降低，即使是對訓練的樣本進行增加，也不能夠將準確率提升。反之，當層數增加的時候，數據信息的準確率也會隨之升高，但這時候就需要提供大量的訓練樣本以維持較高的準確率。在神經網絡中，第一層的神經元有150個，這150個神經元的輸入向量是256維，傳輸函數既線性函數。在第二層中，神經元已經達到了256個，這層的256個神經元的輸入向量是150維，傳輸函數是對數-S型函數。在第三層中，神經元僅有2個，這2個神經元的輸入向量為256維，傳輸函數一個是線性函數，另一個則是取整函數。

結束語

現如今的輸電線路故障檢測方法雖然比較多，但是在應用的過程中也同時出現了很多不適應性，特別是出現的誤差相對比較高，對研究結果產生了很大影響。本文分析了現如今輸電線路存在的方法問題，并同時研究了基于神經網絡的高壓輸電線路故障診斷方法，通過對這種方法的初步認識，可以清晰的了解到是優于其他故障檢測系統的。

參考文獻：

[1]馬立新，林家雋，肖川.電流突變抑制與智能化諧波檢測系統[J].電力系統及其自動化學報，2017，（01）：53-57.

[2]李向新.基于神經網絡和數學形態學的諧波檢測方法研究[J].長沙理工大學，2016，（13）：51-52.

[3]陳珊珊.光伏系統ANN-LDWPSO諧波檢測算法的研究[J].河南科技大學學報，2014，（06）：14-15.

[4]韓學軍，焦子洋，李卓軍.基于反饋型神經網絡和MUSIC法的諧波檢測研究[J].電測與儀表，2016，（10）：9-13.

[5]柴旭崢，文習山，關根志.一種高精度的電力系統諧波分析算法[J].中國電機工程學報，2016，（09）：67-70.

（作者單位：廣州供電局有限公司輸電管理二所）