基于能量比與FLS的UHVDC輸電線路故障處理方法*

汪 玉 湯漢松 李遠松 汪勛婷 何開元 張 峰

(1. 國網安徽省電力有限公司電力科學研究院 合肥 230061；2. 江蘇凌創電氣自動化股份有限公司 鎮江 212009)

1 引言

相較于傳統交流電網，特高壓直流(Ultra-high voltage direct current，UHVDC)傳輸系統具有傳輸效率高、線路損耗低，有利于大容量功率長距離輸送及分布式電源接入的優勢[1]。UHVDC 傳輸系統中的功率流不依賴于電源之間的相位角。因此，當功率快速變化時，UHVDC 依然可以保持網絡穩定。但直流系統發生故障時，故障電流上升速度快，電力電子器件承受過電流能力低，因此電網的保護性能有待提高[2]。例如在故障檢測、故障定位和故障分類方面都還有較大的提升空間[3-4]。

現有研究也提出了一些故障識別與分類方法，在一定程度上提升了UHVDC 系統的穩定性。文獻[5]提出了一種基于小波變換的直流系統故障識別方法，但該方法需要高采樣率的數據支撐，對傳感器和算力有較高要求，不便于推廣應用。文獻[6]提出了一種基于支持向量機的高壓直流輸電線路故障檢測、分類和位置估計方法，但是需要大量的數據進行訓練，需要更多的內存，使用復雜的算法，并且不識別故障部分。文獻[7]提出了一種基于行波的高壓直流輸電線路保護方案，但是不能檢測到超過200 Ω 的高故障電阻，需要兩端的信號。文獻[8]提出了一種非單位類型的UHVDC 系統保護，其故障清除時間在0.1～2.0 ms 之間，但其仍需要非常高的采樣頻率，難以大規模推廣應用。

針對以上不足，提出了基于能量比優化與模糊邏輯的UHVDC 輸電線路故障區段識別與分類方法。該方法對交流和直流兩段故障進行檢測，其中直流部分覆蓋了從整流側到逆變側的故障，并且可識別與區分內部故障和外部故障。與現有方法相比，所提方法的主要創新點總結如下。

(1) 僅使用單端信號易造成保護誤動，因此在整流器兩端各設置一組繼電器進行故障檢測，可提高故障檢測的準確率。

(2) 為避免UHVDC 輸電線路對故障暫態高頻分量衰減作用造成的誤動，利用全電流代替低頻分量優化故障信號的能量比，并將故障區段能量比變化特性用于故障特征提取，簡化了直流線路故障信息處理過程。

(3) 現有的故障區段識別方法范圍廣，因此所提方法提出了三個模糊邏輯系統(Fuzzy logic system，FLS)模塊以分別實現交直流段的故障檢測、故障區段的識別以及故障極點的識別與分類，減少故障檢測耗時，提高檢測準確率。

2 UHVDC 輸電線路故障分析

由于UHVDC 輸電線路常年暴露于空氣中，可能會出現不同類型的故障。所提方法基于1 200 MW 900 km 長的±800 kV 雙極直流輸電線路，如圖1 所示。每極0.5 H 的兩個平滑電抗器用于平滑直流電流中的波紋，并承受1 800 A 的連續電流，在AC截面濾波器中，用于抑制兩個截面中的電流諧波[9]。A 和B 處放置的兩個繼電器分別用于檢測極1 和極2 的內部電極故障e1 和e2。而故障e3 和e4 分別出現在整流端和逆變端，是內部故障，整流器交流側故障e5 和逆變器交流側故障e6、e7 為外部故障。繼電器位于整流器端，用于識別故障部分。在圖1 中，串聯電橋在換流站的兩極具有相同的觸發角延遲。逆變器端電壓Vdcj根據消光角定義，可表示為[10]

圖1 UHVDC 輸電線路圖

式中，Z是阻抗；Vdcr是整流器平均直流電壓。

判斷為區外故障后，保護直接復歸；而判斷為區內故障后，為確保故障極可靠動作，非故障極正常運行，正極和負極故障判據分別如式(4)和式(5)所示

式中，E1n、E2n分別為正、負極相應能量。M1大于1 時，判斷為發生本線路正極故障；M2大于1時，判斷為發生本線路負極故障；當兩者同時大于1 時，本線路正負極均發生故障，各線路保護各自動作，互不影響。

3 基于能量比優化與FLS 的UHVDC輸電線路處理方法

所提方法利用能量比優化和FLS 檢測故障，識別故障區段，并對故障進行分類，故障識別分類流程如圖2 所示。

圖2 所提方法流程圖

對圖1 所示的系統進行了仿真，并從整流側獲取電流信號，將所得信號利用能量比優化進行故障特征提取，獲得數據特征后作為FLS 的輸入。當UHVDC 輸電線路發生故障時，電壓幅值會減小，而電流幅值增大，能量比也會發生變化，利用這一特性可識別線路故障[11]。但該特性隨著系統運行條件的變化而變化，且有明顯的區域性。

模糊控制器可用于分析模擬輸入值的邏輯變量，采取連續值。在繼電保護故障檢測、故障區段識別和故障極點識別中，需要三個模糊控制器來完成三種不同的任務，因此設計了三個FLS。其中FLS-1 用于直流和交流段的故障檢測，FLS-2 用于區分直流段的故障和交流段的故障，FLS-3 用于故障極點的分類[12]。

3.1 信號特征提取

發生故障時，暫態電流信號高頻分量會有明顯的衰減。基于此特性，利用小波變換對暫態電流中的高頻分量進行多尺度變換，得到在移動時間窗內的高頻能量比，從而獲得電流信號的特征[13]。

由于傳統小波變換能量比算法中，選取低頻能量值的不確定性且過程復雜，因此采用全電流代替低頻分量。結合直流線路故障分析，均方根電流沿時間軸上的積分iP為

式中，W(k)為由高頻濾波器濾得的暫態電流高頻段小波變換系數。

從電路整流側的兩極獲得直流電流信號，將電流信號的能量比率作為模糊方法的輸入。其中比例系數kk值的選取過程簡單，最適合本系統的取值為0.2。該故障信息提取過程避免了小波變換方式過程中的尺度選擇、基函數選擇等過程，并且基于均方根電流提取故障信息方式更逼近于故障真實特征，提高了保護靈敏性[14]。

3.2 故障區段識別與分類

FLS-1 用于故障監測，其以處理后的直流電流信號為輸入，模糊控制器采用Mamdani 型，解模糊方法采用質心法[15]。通過試錯法將處理后的電流設定在不同的范圍內，設計了低、中、高三種電流能量比范圍的三角隸屬函數，用于故障檢測的電流信號的隸屬度函數如圖3 所示。

圖3 故障檢測電流信號的隸屬度函數

輸出隸屬度函數分為兩種：T(1)和TO(0)，其中T(1)表示跳閘，TO(0)表示不跳閘。則用于故障檢測的模糊規則：如果輸入M為MMID 和MHIGH，則跳閘為T(1)；如果輸入M為MLOW，則跳閘為TO(0)。

FLS-2 用于故障區段識別。將經過有效值處理的直流電流信號作為FLS-2 的輸入，使用三角隸屬度函數MLOW、MMID 和MHIGH 設置三個電流能量比范圍[16]，如圖4 所示。

圖4 故障區段識別的三角隸屬度函數

輸出隸屬函數分成三種：TE(1)用于外部故障，TR(1)用于內部故障，TO(0)用于無故障和跳閘。則識別故障區段的模糊規則為：如果兩個輸入M均為MHIGH，則跳閘為TE(1)；如果一個輸入M為MMID，其他輸入為MLOW，則跳閘為TO(0)；如果一個輸入M為MLOW，而其他輸入為MMID，則跳閘為TO(0)；如果一個輸入M為MHIGH，其他輸入為MMID 或MLOW，則跳閘為TR(1)；如果兩個輸入M均為MMID，則跳閘為TR(1)。

FLS-3 用于故障極點識別。將整流端的兩極均方根輸入電流作為FLS-3 的輸入，采用三角隸屬度函數，如圖5 所示。

圖5 故障極點識別的三角隸屬度函數

輸出隸屬度函數分成兩種：故障極點的TR(1)和非故障極點的TO(0)。則故障分類的模糊規則為：如果極點1 的輸入M為MHIGH，而極點2 的輸入M為MLOW，則極點1 的跳閘為TR(1)，極點2的跳閘為TO(0)；如果極點2 的輸入M為MHIGH，而其他極點1 為MLOW，則極點2 的跳閘為TR(1)，極1 的跳閘為TO(0)；如果極點1 的輸入M為MLOW，而極點2 的輸入M為MLOW，則極點1和極點2 的跳閘均為TO(0)。

4 試驗結果與分析

試驗基于Intel Core i7-8500 CPU 2.7GHz 8G RAM Windows 系統進行，利用Matlab 平臺搭建UHVDC 輸電線路模型，對所提方法性能進行評估，包括故障電阻、功率角、故障距離分析、故障識別時間、對地故障分析和故障識別準確率等方面，其中模擬的輸電線路全長是1 200 km。

4.1 故障電阻分析

故障電阻是影響直流輸電線路保護方案的重要因素之一。由于不同的故障情況，發生的接地故障可能存有不同的故障電阻值。當故障電阻變化時，電流信號的大小會發生變化，故障電流會隨著故障電阻的增大而減小。因此故障電阻較小時對系統運行的影響越大，則所提方法僅在0～500 Ω 之間進行試驗論證。

為驗證所提方法的有效性和可行性，對故障電阻進行了分析，如圖6 所示為在1 080 km 的P2G 故障區段，故障電阻500 Ω 的條件下的測試結果。圖6a 顯示了極點1 和極點2 的電流信號；圖6b 顯示了故障區段識別的結果，其中直流部分“S1”的輸出為高電平表明直流部分存在故障，交流部分“S2”的輸出為低電平表明沒有交流故障。

圖6 P2G 故障區段中故障電阻為500 Ω 的測試結果

所提方法中可變電阻的部分測試結果如表1 所示。由表1 可看出，所提方法可以正確識別出可變電阻的故障部分，并且不受故障電阻變化的影響。

表1 故障電阻測試結果

4.2 功率角測試結果

在整流器側不同功率角(5°～15°)下對所提方法進行測試，部分測試結果如圖7 所示。結果表明，負載角或電源角保持在5°～15°，可確保電源系統的穩定性，整流器側不同功率角下的識別時間均在7～8.5 ms。從圖7 中可以看出輸出為“-1”，則表示故障在交流部分，由此可推斷出所提方法能夠正確地識別出故障區域，而不受功率角的影響。

圖7 功率角的測試結果

4.3 故障距離測試結果

傳統的故障檢測方法不能準確地檢測遠端和近端故障。而所提方法在1 087～1 091 km 間進行了遠端故障的測試，在近端2～4 km 間進行故障測試，測試結果如表2 所示。

表2 遠端和近端故障

從表2 可看出，所提方法能夠正確識別遠端故障區段和近端故障區段，并且在5 km 以內的近端故障條件下，故障剖面識別均在3.7 ms 以內，即使在遠距離故障(1 000 km 以上)的條件下，故障斷面識別時間依然較短。

4.4 對地故障分析

對地故障包括整流器側和逆變器側的對地故障。由于線路接地或短路，直流側整流器端附近出現故障電路，此故障被認為是內部故障。并且傳統的行波保護或邊界保護方案無法識別逆變側故障，而所提方法能夠正確識別逆變器側的對地故障。對地故障的測試結果如圖8 所示。

圖8a 為極點1 和極點2 的電流。由于逆變器的線路接地故障，極點1 的電流信號上升，能量比也會上升。由于故障發生在直流部分，S1 部分的區段識別輸出較高，S2 部分較低，如圖8b 所示，由此可準確識別出對地故障類型。

圖8 對地故障的測試結果

此外，在故障最壞的情況下，變壓器中性點電流幾乎為零。考慮到UHVDC 輸電線路的鐵心不飽和，因此不出現直流偏置引起的異常情況。當變壓器在20 km 處發生故障時，其中性點電流為零，整流端和逆變端的電阻為零。因此，所提方法不受變壓器直流磁偏的影響。

4.5 與其他方法性能比較

為驗證在相同環境下相關方法的性能，將所提方法與現有的文獻[11]、文獻[6]、文獻[12]和文獻[8]所提方法進行比較，在2～1 091 km 間進行故障測試并取平均值，對比結果如圖9 所示。

圖9 所提方法與其他方法性能對比

從圖9 中可以看出，對于相同故障，文獻[11]所需識別時間為33 ms，文獻[12]與文獻[8]分別為24 ms 和15 ms，文獻[6]所需故障識別時間為14 ms，而本文方法為9 ms。因此可以看出，所提方法對于故障識別具有較強的時效性，能夠在第一時間對故障進行判斷和識別，保證故障恢復的順利進行。

從圖9 中可看出，所提方法在故障識別準確率上與文獻[11]和文獻[12]所提方法相同，均達到100%，能夠在保證故障識別速度的同時兼顧故障識別準確率，具有較好的故障識別綜合性能。因此，提出的基于能量比優化與FLS 的UHVDC 輸電線路故障區段識別和分類方法具有一定的有效性和實用性。

5 結論

為實現UHVDC 輸電線路故障區段的準確識別與分類，確保繼電保護無誤動作，提出了基于能量比優化與FLS 的UHVDC 輸電線路故障區段識別與分類方法。

(1) 所提方法采用全電流代替低頻分量優化電流信號的能量比，可避免故障暫態高頻分量衰減作用造成的誤動，并且設計了三個FLS 控制模塊實現了在一個周期內識別出故障區段并分類，提高了故障檢測的準確率，縮短了故障檢測時間。

(2) 故障電阻的增加可能會抑制繼電器對該故障的響應，但所提方法不受高故障電阻的影響。

(3) 現有大部分故障檢測技術仍需要傳輸線兩端的信號作為判定的基礎，而所提方法著眼于減少內部故障繼電器的數量，避免了跳閘延時。

由于高壓直流接地電極在深層土壤中占據著巨大的空間，接地或土壤參數的影響是非常重要的，并且在暫態故障或故障條件下，接地電流的大小會增加，因此在接下來的工作中將針對直流輸電接地方式作進一步的研究。此外，雷電干擾給電力系統帶來了大量高頻分量，這將直接影響繼電保護故障判斷過程，進行抗雷電干擾方面的研究也是必要的。