配電線路在線故障識別與診斷方法研究

鄧文強

(福建宏瑞建設工程有限公司，福建 福州 350000)

0 引 言

輸配電工程是一個復雜的系統(tǒng)工程，包含輸電工程和配電工程，兩者都是連接電源(電廠、光伏基底等)與用戶之間的很重要的通道，具有線路長、網(wǎng)絡復雜、長期曝露于野外等特點，導致輸配電線路在長期的自然作用下產生故障，故障識別和診斷難度大[1]。以往的研究多集中于對輸電線路的監(jiān)測、識別和診斷，并發(fā)展了出了一定的裝備，監(jiān)測理論日趨成熟，但對于配電線路的研究較少，這與配電線路處于網(wǎng)絡末端，故障具有隱蔽特性，故障診斷工作量大等因素有關，因此目前主要依靠人工巡查和檢測，需要依賴于人工經(jīng)驗，自動化程度低，效率低下且浪費大量的人力，對于故障的診斷時效存在明顯不足[2]。因此，有必要研究以智能化的監(jiān)測方法或手段診斷出故障位置，以預防配電線路由于超負荷運轉導致的短路、斷電、電氣火災等事故，保證配電線路能夠安全運行，保證供電品質，達到高效和經(jīng)濟的目的。為了使故障得到及時維護，以保證配線線路功能的實現(xiàn)和使用者的安全，本文提供一個自動化的配電線路在線故障診斷方法，并通過實例證明本方法可以提高供電用電的可靠性。

1 配電線路在線故障的特征分析及故障識別

配電線路的在線故障識別主要依賴于安裝于線路設備上的傳感器，對設備運行狀態(tài)數(shù)據(jù)進行動態(tài)實時監(jiān)測、采集，并以數(shù)字化的方式傳遞至監(jiān)測終端，判斷設備的運轉狀態(tài)。當監(jiān)測得到的設備運轉狀態(tài)特征量出現(xiàn)異常時，進行故障識別、歸類，以快速定位故障位置，提出適宜的診斷方法，同時達到在短時間內診斷故障的目的。近年來，隨著數(shù)字信號處理技術的發(fā)展，各種配電線路故障的識別技術、分類技術也得到了大量的研究，比如BP視神經(jīng)網(wǎng)絡、小波變換、HHT變換等，對故障的識別能力和可靠性也有大幅度的提升[3]。在現(xiàn)有的配電線路故障診斷中，針對離線故障、低阻故障等的研究較為成熟，這些故障對于診斷、定位、處理的時效性要求較低，而對于配電線路中由于高壓線路與地面高阻相互接觸導致的高阻故障、單相接地故障等問題則研究較少，在研究中需要對這些故障的特征進行總結，以便有效地識別[4]。

配電線路的故障分析受到多種因素的影響，目前尚未有一個適用于全面故障診斷的理論方法，但是對于一般的配電線路故障可以根據(jù)以往的配電線路監(jiān)測檢測中進行總結，并作為機器學習的樣本。經(jīng)過大量的工程總結，對配電線路系統(tǒng)出現(xiàn)的故障進行監(jiān)測，監(jiān)測異常現(xiàn)象主要可以分為以下5類，如圖1所示。

從圖1(a)、圖1(b)可以看出，A相發(fā)生單線接地故障時，其電壓出現(xiàn)明顯的下降，B相和C相的電壓則相反，其電壓幅值上升，但B相和C相的電流保持不變，而A相的電流激增。

從圖1(c)、圖1(d)可以看出，A相和B相發(fā)生短路接地故障時，A相、B相和C相的電壓出現(xiàn)畸變和激增，在電流上，A相、B相的電流明顯增加而C相電流保持不變。

從圖1(e)、圖1(f)可以看出，A相和B相發(fā)生短路故障時，兩者的電壓相位發(fā)生變化，電壓曲線線型發(fā)生畸變，在電流曲線上表現(xiàn)出激增，而C相的電流保持不變。

從圖1(g)、圖1(h)可以看出，A相、B相和C相均發(fā)生短路故障時，電壓幅值明顯下降，而電路則激增十幾倍，出現(xiàn)此現(xiàn)象時，應立即斷電否則會對電氣設備產生不可逆的嚴重損害。

從圖1(i)、圖1(j)可以看出，A相、B相和C相均發(fā)生短路故障時，三者的電流均電路則激增十幾倍，而電壓仍維持在原先的水平。

圖1 配電線路系統(tǒng)故障的電流、電壓特征

2 基于HHT方法的配電線路在線故障診斷及實現(xiàn)

HHT方法是數(shù)字信號處理的重要內容，屬于在時頻分析領域具有自適應能力和快速識別診斷的全新方法，使得瞬間頻率的信號都賦予物理意義，針對非平穩(wěn)的信號具有很好的處理能力，使得信號的頻率具有時變性。對于配電線路在線傳感器采集的實測信號，在利用HHT方法分析時，需要進行兩個方面的信號轉變，即EMD方法和Hilbert變換。一般而言，自然信號可以與具體的物理現(xiàn)象對應，并采用Hilbert變換處理求解信號的瞬時頻率；而對于一些復雜信號，沒有相應的合理的物理解釋與其對應，因此需要通過EMD方法分解信號后再進行Hilbert變換。

在采用EMD方法進行處理時，對于任意的配電線路在線設備采集的信號x(t)，確定信號極值并連線，繪制上下包絡線，當滿足IMF條件時，即將其分離出來，分離信號如公式(1)所示：

r1=x(t)c1

(1)

依次循環(huán)判斷，得到所有滿足條件的信號分量如公式(2)所示：

(2)

分解結果的信號集合如下：

(3)

EMD的處理流程如圖2所示。

圖2 基于HHT方法的配電線路在線故障信號EMD處理流程

對EMD的處理后的信號進行Hilbert變換，如方程(4)所示：

(4)

形成信號的解析解：

(5)

信號的瞬時頻率可表達為：

(6)

由此，將公式(3)中信號x(t)表達為：

其中，公式(7)中的實部即為Hilbert變換的幅值譜，如公式(8)所示

在Hilbert幅值譜內，表達了信號的全部頻率在所有時間段內的變化特征，因此對于配電線路的采集信號，以將信號進行時頻轉換后，對于異常的故障信號能夠更快和更加準確地識別。圖3即為典型的配電線路間歇性故障信號基于HHT變換后的瞬時頻率圖。

圖3 配電線路間歇性故障信號基于HHT變換后的瞬時頻率圖

3 基于PCA法的配電線路在線故障診斷及實現(xiàn)

PCA法是一種基于統(tǒng)計分析理論的數(shù)學處理方法，它通過對現(xiàn)場采集的電壓和電流初始信號的標準化，經(jīng)過數(shù)學運算求得到信號的特征矩陣，確定有效信號的成分并抽取，提高信號的信噪比，降低樣本空間的維度，以克服電壓或電流初始信號中的噪聲，并處理由于輸入信號中受到故障高頻信號的相關性引起的疊加和混合，使反映故障的有效信號得到突出[8]。

PCA法的基本計算原理是，對于任意一個輸入信號矩陣：

(9)

對信號中的每個分量進行歸一化處理，歸一化方程如公式(10)所示：

(10)

得到輸入信號的標準化矩陣，如公式(11)所示：

(11)

由此建立輸入信號歸一化矩陣與轉置輸入信號歸一化矩陣的相關矩陣，如公式(12)所示

(12)

解出W的特征向量和特征值，W特征值就是描述有效信號的反差，計算特征值的貢獻率，并劃定一定的貢獻率閾值(比如貢獻率為90%)，以確定有效信號的個數(shù)q，按照q個有效信號的特征向量U，得到反映故障的有效信號矩陣，如方程(13)所示

ZN×q=X′N×qUm×q

(13)

基于PCA法建立配電線路故障診斷模型，對不同故障信號的特征向量進行求解，得到分析結果見表1。

表1 基于PCA法的配電線路故障特征向量

4 HHT法與PCA法的對比分析

以某安置房小區(qū)一期10 kV配電網(wǎng)為研究對象，小區(qū)位于城區(qū)東北角區(qū)域核心商圈范圍，附近已有配套公用設施，交通便利。項目包含4棟住宅樓，均為混凝土框架結構，樓棟地上建設15層，地下建設1層地下車庫，小區(qū)現(xiàn)有住戶130戶，每戶建筑面積約98 m2，根據(jù)設計規(guī)范，每個樓棟內的電力設計負荷為15 kW，使用三相線路進行供電，電壓源為理想電源，小區(qū)共配備了5臺總配電箱，變壓器為BY連接。

分別基于HHT法和PCA法對工程實例的配電線在線故障建立仿真模型進行分析，得到仿真計算結果見表2。

表2 不同算法的配電線路在線故障仿真計算結果

從表2可以看出，基于HHT法在單相接地、兩相短路預測上存在較大的誤差，平均預測準確率為70.5%，而PCA法則在單相接地、三相短路接地的預測上準確率相對較小，平均預測準確率為89.5%；基于HHT法的故障平均預測準確率明顯低于PCA法的故障平均預測準確率，HHT法的故障預測時間耗費0.534 s，而PCA法的故障預測時間僅耗費0.302 s，后者比前者的計算效率提高約1倍，因此在配電線路在線故障診斷中，可以優(yōu)先選用PCA法。

5 結 論

本文以某安置房小區(qū)一期10 kV配電網(wǎng)為研究對象，在研究配電線路故障事故的監(jiān)測基礎上，以此為機器學習樣本，基于HHT法和PCA法對配電線路故障進行診斷，得出以下幾個結論：

(1) 對配電線路出現(xiàn)的故障進行監(jiān)測，監(jiān)測到的異常現(xiàn)象主要可以分為5類，即單相接地、兩相短路接地、三相短路、兩相短路、三相短路接地。

(2) 基于HHT法建立配電線路故障診斷模型，計算表明，在110個樣本中，12個樣本點的誤差偏離為0，但誤差范圍在-1%～2%，得到的輸出結果與預期符合程度較好。

(3) 基于HHT法在單相接地、兩相短路預測上存在較大的誤差，而PCA法則在單相接地、三相短路接地的預測上準確率相對較小；基于HHT法的故障平均預測準確率明顯低于PCA法的故障平均預測準確率，后者比前者的計算效率提高約1倍，因此在配電線路在線故障診斷中，可以優(yōu)先選用PCA法。