基于MRSVD-VMD的多分支配電網(wǎng)故障定位

吳佳享，孫云蓮，陳楚昭

（武漢大學(xué)電氣與自動化學(xué)院，武漢 430072）

隨著新型電力系統(tǒng)的發(fā)展，配電系統(tǒng)的供電連續(xù)穩(wěn)定將得到更多的重視，同時(shí)也將面臨更多的挑戰(zhàn)。作為連接電網(wǎng)與電力用戶的關(guān)鍵紐帶[1]，在其發(fā)生故障后，快速準(zhǔn)確的故障定位是電網(wǎng)快速恢復(fù)供電的基礎(chǔ)，對于保障供電連續(xù)具有重要的意義[2]。

行波定位方法[3-4]通過采集線路故障行波結(jié)合波速實(shí)現(xiàn)測距定位，具有不受網(wǎng)絡(luò)參數(shù)誤差和過渡電阻影響的優(yōu)點(diǎn)。但由于行波測距最初是針對雙端輸電線路提出，而配電網(wǎng)分支眾多、結(jié)構(gòu)復(fù)雜，配電網(wǎng)的行波定位只能在確定故障區(qū)段的前提下實(shí)現(xiàn)測距。此外，行波定位方法還依賴準(zhǔn)確的波速和行波到達(dá)時(shí)間。

針對行波波頭的提取，無噪聲或弱噪聲情況下初始波頭標(biāo)定的算法已經(jīng)很成熟，如經(jīng)典的小波模極大值理論[5]、希爾伯特-黃變換HHT（Hilbert-Huang transform）[6]、經(jīng)驗(yàn)?zāi)B(tài)分解-能量算子EMDTEO（empirical mode decomposition-energy operator）算法[7]等都能實(shí)現(xiàn)行波到達(dá)時(shí)間的準(zhǔn)確提取，但在強(qiáng)噪聲情況下，而行波信號又較弱時(shí)，行波信號將受到噪聲的嚴(yán)重干擾，給波頭標(biāo)定帶來困難。文獻(xiàn)[8]提出利用級聯(lián)多分辨形態(tài)梯度SMMG（series multiresolution morphological gradient）技術(shù)對微弱行波逐級變換，累積放大行波信號突變特征，但沒有考慮噪聲的影響；文獻(xiàn)[9-10]利用隨機(jī)共振SR（stochastic resonance）理論，通過建立非線性系統(tǒng)，實(shí)現(xiàn)降噪和放大行波特征信號能量，但其效果受勢函數(shù)參數(shù)影響，需要對勢函數(shù)參數(shù)進(jìn)行尋優(yōu)。

針對多分支配電網(wǎng)的故障行波定位，文獻(xiàn)[11]提出基于雙端行波法的多端行波定位法，利用多端初始行波到達(dá)時(shí)間，搭建故障支路搜索矩陣，通過矩陣元素變化特征來實(shí)現(xiàn)故障區(qū)段判定和精確測距，但受波速不確定性影響較大；文獻(xiàn)[12-13]則提出利用多端行波到達(dá)時(shí)間和線路長度構(gòu)建時(shí)差矩陣或特征值來確定故障區(qū)段，消除波速帶來的影響，但需要設(shè)置故障參考點(diǎn)，測距精度與參考點(diǎn)的設(shè)置間距相關(guān)，參考點(diǎn)越多時(shí)，計(jì)算量也越大。

本文針對上述問題，提出一種基于多分辨率奇異值分解-變分模態(tài)分解MRSVD-VMD（multi-resolution singular value decomposition variational mode decomposition）的自適應(yīng)行波波頭標(biāo)定算法，利用MRSVD逐層分解的特點(diǎn)和VMD的模態(tài)分解能力，根據(jù)峭度值和峭熵比準(zhǔn)則從含噪信號中提取含豐富行波波頭信息的有效信號分量，然后通過對稱差分能量算子SDEO（symmetrical differencing energy operator）提取行波到達(dá)時(shí)間；提出一種基于初始行波到達(dá)時(shí)間的故障T域定位方法，通過行波到達(dá)時(shí)間篩選故障T域，根據(jù)T域內(nèi)的故障時(shí)差FTD（fault time difference）特征值確定故障區(qū)段，最后利用T域內(nèi)所有的行波到達(dá)時(shí)間進(jìn)行精準(zhǔn)測距，在消除波速不確定性影響的基礎(chǔ)上實(shí)現(xiàn)了多分支配電網(wǎng)故障的區(qū)段定位和精準(zhǔn)測距。

1 基于MRSVD-VMD的自適應(yīng)行波波頭標(biāo)定

1.1 MRSVD原理

MRSVD是建立在SVD基礎(chǔ)上的分解算法[14-15]，繼承了SVD信噪比高、奇異點(diǎn)零飄移等優(yōu)點(diǎn)，在奇異性檢測、提取微弱特征信息和降噪方面有較好的應(yīng)用。

SVD處理信號的關(guān)鍵是構(gòu)造合適的Hankel矩陣，而MRSVD采用二分遞推思想構(gòu)造Hankel矩陣進(jìn)行分解，對于長度為N的信號X=[x1,x2,…,xN]，xi（i=1，2，…，N）為不同時(shí)刻信號，構(gòu)造二維Hankel矩陣為

對矩陣H0進(jìn)行奇異值分解，得

式中：σ11和σ12分別為1層分解對應(yīng)的2個(gè)奇異值（σ11＞σ12）；p和q為奇異值對應(yīng)的特征向量；A1和D1為1層分解后得到的近似分量和細(xì)節(jié)分量，重構(gòu)后可得到信號的近似分量a1和細(xì)節(jié)分量d1。同理，取1層分解后的近似分量，構(gòu)造二維Hankel矩陣分解，可得到2層分解后的近似分量和細(xì)節(jié)分量，如此循環(huán)，可以一直對近似分量進(jìn)行再分解，將原始信號剝離成一系列細(xì)節(jié)分量和一個(gè)近似分量，如圖1所示。

圖1 MRSVD分解過程Fig.1 MRSVD decomposition process

1.2 VMD分解原理

VMD采用非遞歸的分解模式，通過構(gòu)造變分問題，將信號分解為若干個(gè)頻帶獨(dú)立的分量[16-18]。與EMD分解的IMF不同，VMD的IMF定義為一個(gè)調(diào)頻調(diào)幅信號，每個(gè)IMF具有各自稀疏性、中心頻率ωk和有限帶寬。

VMD分解的關(guān)鍵在于變分約束問題的構(gòu)建和求解。變分問題的構(gòu)造主要是基于VMD的2點(diǎn)約束：①要求每個(gè)模態(tài)分量中心頻率的帶寬之和最??；②所有的模態(tài)之和等于原始信號。將輸入信號f進(jìn)行分解成k個(gè)模態(tài)分量，然后通過維納濾波、希爾伯特變換和頻譜遷移，可得到相應(yīng)的變分約束模型，即

式中：K為需要分解的模態(tài)個(gè)數(shù)；δ(t)為狄拉克函數(shù)；{uk}為分解后的k個(gè)模態(tài)分量函數(shù)；{ωk}為對應(yīng)的模態(tài)中心頻率。對該變分問題進(jìn)行求解時(shí)，先引入二次懲罰因子α和拉格朗日乘法算子λ(t)將其變?yōu)榉羌s束性問題，得到增廣拉格朗日表達(dá)式為

變換后，求解變分約束問題的最小值變成求解增廣表達(dá)式的鞍點(diǎn)，利用ADMM算法迭代計(jì)算，最終得到最優(yōu)解。

經(jīng)過VMD分解后，將得到若干個(gè)中心頻率從大到小排列的窄帶IMF分量。

1.3 行波波頭標(biāo)定

根據(jù)上文，MRSVD可將輸入信號分解為一系列細(xì)節(jié)分量和一個(gè)近似分量。當(dāng)行波信號不含噪聲或被弱噪聲干擾時(shí)，MRSVD一層分解出的細(xì)節(jié)分量中包含明顯的波頭信息，可以直接進(jìn)行波頭標(biāo)定；而當(dāng)噪聲增強(qiáng)時(shí)，細(xì)節(jié)分量中的波頭信息被噪聲淹沒，無法進(jìn)行波頭標(biāo)定，但近似分量中的噪聲含量被有效降低，其中同樣包含豐富的行波波頭信息，因此可以對近似分量進(jìn)行波頭提取。

含有強(qiáng)噪聲的信號經(jīng)MRSVD分解后，近似分量的噪聲得到抑制，但該分量仍是一個(gè)多分量信號，無法直接獲取行波波頭。利用VMD算法將降噪后的主體分量分解成若干個(gè)有限帶寬的模態(tài)分量IMF（intrinsic mode function），取其中波頭最明顯的分量進(jìn)行波頭提取。如果VMD分解后的各分量仍受到噪聲的干擾而無法標(biāo)定波頭，則對該近似分量進(jìn)行MRSVD 2層分解，得到2層細(xì)節(jié)分量和近似分量，并重復(fù)上述提取步驟。逐層分解標(biāo)定，直到得到波頭到達(dá)時(shí)間或達(dá)到最大分解層數(shù)。

為實(shí)現(xiàn)算法的自適應(yīng)標(biāo)定，靈活應(yīng)對弱噪聲和強(qiáng)噪聲的情況，分別采用峭度值Ku和峭熵比KP來衡量細(xì)節(jié)分量和IMF分量中行波波頭的品質(zhì)。

峭度值[19]是用來描述波形尖峰度的一個(gè)無量綱參數(shù)，對信號中的沖擊特性較敏感，其定義為歸一化的4階中心矩，即

式中，xˉ為信號均值。在無噪聲情況下，MRSVD分解后的細(xì)節(jié)分量沖擊特性較明顯，其峭度值較大；隨著噪聲的增強(qiáng)，細(xì)節(jié)分量噪聲愈加明顯，其峭度值降低；當(dāng)噪聲達(dá)到一定強(qiáng)度時(shí)，細(xì)節(jié)分量行波沖擊特性將被完全淹沒，表現(xiàn)為一個(gè)噪聲形式，此時(shí)無法用細(xì)節(jié)分量進(jìn)行波頭標(biāo)定。通常，高斯白噪聲的峭度值在[2.7，3.5]之間。因此，當(dāng)細(xì)節(jié)分量峭度值小于3.5時(shí)，對近似分量進(jìn)行處理。

由于VMD分解的IMF分量為調(diào)幅調(diào)頻函數(shù)，在一定范圍之間波動，當(dāng)噪聲強(qiáng)度大時(shí)，其分量的沖擊特性不突出，僅靠峭度值無法有效篩選合適的IMF分量進(jìn)行波頭標(biāo)定。排列熵PE（permutation entropy）常用來衡量一個(gè)信號的復(fù)雜程度，當(dāng)信號越復(fù)雜、隨機(jī)性越大，其排列熵越大，代表信號含噪聲越多，詳細(xì)計(jì)算過程見文獻(xiàn)[20]。因此構(gòu)造信號特征值峭熵比KP=Ku/PE。當(dāng)信號的峭熵比大于閾值時(shí)，表明其波頭信息明顯，可以用來標(biāo)定波頭，且該值越大，表示信號波頭品質(zhì)越好，越容易進(jìn)行標(biāo)定。對VMD分解的IMF分量，選取KP最大的分量進(jìn)行標(biāo)定。經(jīng)過仿真分析，本文選擇峭熵比閾值為10。

為了使行波提取分量中波頭幅值突變特征更加明顯，選用SDEO跟蹤信號能量的瞬時(shí)突變，從而進(jìn)行波頭標(biāo)定。

2 故障T域定位方法

在配電網(wǎng)絡(luò)的末端節(jié)點(diǎn)和分支節(jié)點(diǎn)處安裝行波采集裝置，合并相鄰兩臺裝置間的線路為一個(gè)區(qū)段，既可對網(wǎng)絡(luò)進(jìn)行簡化，也能在減少裝置數(shù)量的原則上實(shí)現(xiàn)網(wǎng)絡(luò)的完全監(jiān)測。

2.1 篩選故障T域

當(dāng)配電網(wǎng)絡(luò)中某一點(diǎn)發(fā)生故障時(shí)，離故障最近的行波采集裝置將最先采集到故障行波，因此距離故障點(diǎn)最近的監(jiān)測節(jié)點(diǎn)對應(yīng)的行波到達(dá)時(shí)間最小，將該點(diǎn)定義為故障關(guān)聯(lián)節(jié)點(diǎn)。以故障關(guān)聯(lián)節(jié)點(diǎn)為中心，以其所有相鄰節(jié)點(diǎn)為邊界，可延展出一個(gè)包含3條區(qū)段的T型區(qū)域，將該T型區(qū)域定義為故障T域，則故障點(diǎn)必在此故障T域中。

圖2為末端節(jié)點(diǎn)和分支節(jié)點(diǎn)安裝行波采集裝置的IEEE33節(jié)點(diǎn)網(wǎng)絡(luò)，圖3為合并線路簡化后的網(wǎng)絡(luò)，共有8個(gè)節(jié)點(diǎn)D1～D8，7條區(qū)段線路S1～S7。如圖3所示，當(dāng)網(wǎng)絡(luò)發(fā)生故障時(shí)，采集故障行波，得到故障行波傳輸?shù)礁鞴?jié)點(diǎn)的時(shí)間T1～T8，利用該時(shí)間先進(jìn)行故障T域的篩選，縮小故障范圍。

圖2 IEEE33節(jié)點(diǎn)網(wǎng)絡(luò)Fig.2 IEEE33-node network

圖3 簡化IEEE33節(jié)點(diǎn)網(wǎng)絡(luò)Fig.3 Simplified IEEE33-node network

1）故障發(fā)生在末端分支（圖3的S1，S4～S7）

假設(shè)故障發(fā)生在區(qū)段S4上。若故障靠近D4，則t4最小，此時(shí)最小的行波到達(dá)時(shí)間對應(yīng)節(jié)點(diǎn)為故障關(guān)聯(lián)節(jié)點(diǎn)，即D4；若故障在S4中點(diǎn)，可得到2個(gè)最小的到達(dá)時(shí)間，即T4=T5，因D4和D5為相鄰節(jié)點(diǎn)，可直接確定故障發(fā)生在區(qū)段S4，但為了測距計(jì)算的統(tǒng)一，選取非末端節(jié)點(diǎn)為故障關(guān)聯(lián)節(jié)點(diǎn)，即D4；若故障靠近D5，得到T5最小，由于D5是網(wǎng)絡(luò)末端，可以確定故障發(fā)生在區(qū)段S4上，但為了統(tǒng)一測距，選取與其相連的節(jié)點(diǎn)為故障關(guān)聯(lián)節(jié)點(diǎn)，即D4。確定D4為故障關(guān)聯(lián)節(jié)點(diǎn)后，取其相鄰節(jié)點(diǎn)（D3，D5，D8）及連接的區(qū)段（S3，S4，S7），構(gòu)成故障T域。

2）故障發(fā)生在非末端分支（圖3的S2，S3）

假設(shè)故障發(fā)生在區(qū)段S2上。若故障發(fā)生在非中點(diǎn)處，則T2和T3必有一個(gè)是最小到達(dá)時(shí)間，可得到對應(yīng)的故障關(guān)聯(lián)節(jié)點(diǎn)和故障T域；若故障發(fā)生在中點(diǎn)處，可得到2個(gè)最小時(shí)間，即T2=T3，由于D2和D3為相鄰節(jié)點(diǎn)，可確定故障發(fā)生在區(qū)段S2，但為了統(tǒng)一測距，任選其中一個(gè)非末端節(jié)點(diǎn)為故障關(guān)聯(lián)節(jié)點(diǎn)，并確定相應(yīng)T域。

2.2 確定故障區(qū)段

由第2.1節(jié)可知，有的情況下無法直接根據(jù)最小行波到達(dá)時(shí)間確定故障區(qū)段，只能確定一個(gè)故障T域，如圖4所示。對T域內(nèi)的行波到達(dá)時(shí)間構(gòu)造特征值，從而確定故障所在區(qū)段。定義故障時(shí)差特征值FTDij(i,j=1,2,3)，其計(jì)算公式為

式中：li、lj為區(qū)段i、j的長度；ti、tj分別為行波到達(dá)節(jié)點(diǎn)i、j的時(shí)間；t4為行波到達(dá)圖4故障關(guān)聯(lián)節(jié)點(diǎn)的時(shí)間。由第2.1節(jié)可知，T域必存在故障，利用邊界節(jié)點(diǎn)計(jì)算時(shí)差特征值[FTD12,FTD13,FTD23]，則必存在一個(gè)FTDab=0，而另兩個(gè)不等于0，則可確定與故障所在區(qū)段連接的另一節(jié)點(diǎn)為c,c?{a,b}，于是確定故障區(qū)段。

如圖4故障發(fā)生在區(qū)段1，此時(shí)FTD23=0，而另外兩個(gè)不等于0，由此可以確定故障發(fā)生在區(qū)段1上。但由于實(shí)際線路長度和到達(dá)時(shí)間存在誤差，F(xiàn)TD23并不嚴(yán)格等于0，但仍約等于0。

2.3 故障測距

通過上述步驟，可確定故障T域及故障區(qū)段?；趩味藴y距原理，提出一個(gè)綜合利用T域4個(gè)節(jié)點(diǎn)信息的與波速無關(guān)的測距公式。

對圖4的T域，由單端測距原理可得

式中：x為故障到中心節(jié)點(diǎn)的距離；t0為故障發(fā)生時(shí)刻；v為波速。合并式（7），消去速度v和故障發(fā)生時(shí)刻t0，得到T型測距公式為

由式（8）可知，行波定位結(jié)果與行波傳輸速度變化無關(guān)，無需知道故障發(fā)生時(shí)刻，只需標(biāo)定初始波頭，并且綜合利用T域4個(gè)故障到達(dá)時(shí)間進(jìn)行測距，對到達(dá)時(shí)間誤差具有一定的魯棒性，有效提高定位精度。

3 仿真分析

3.1 行波波頭標(biāo)定算法有效性檢驗(yàn)

在Simulink中搭建圖2的10 kV標(biāo)準(zhǔn)IEEE33節(jié)點(diǎn)配電網(wǎng)，并在分支節(jié)點(diǎn)和末端節(jié)點(diǎn)設(shè)置行波采集，采樣頻率為1 MHz。線路參數(shù)設(shè)置如表1所示。

表1 線路參數(shù)Tab.1 Line parameters

在圖3區(qū)段S3中點(diǎn)設(shè)置A相金屬性接地故障，對D5采集到的電壓行波進(jìn)行凱倫布爾變換解耦，選取解耦后的線模1模進(jìn)行分析。

截取D5采集到的故障后1 500 μs內(nèi)的行波信號，如圖5所示。圖6為MRSVD一層分解后的細(xì)節(jié)分量，圖7為VMD-TEO（VMD分解K=5，α=2 000）處理后的IMF1分量。由圖6和圖7可見，在無噪聲情況下，MRSVD和VMD-TEO算法均能有效標(biāo)定波頭，提取行波到達(dá)時(shí)間。

圖5 原始行波線模信號Fig.5 Original travelling wave signal in aerial mode

圖6 MRSVD一層分解細(xì)節(jié)分量Fig.6 Detail component of MRSVD(1)

圖7 VMD-TEO（IMF1）Fig.7VMD-TEO（IMF1）

考慮強(qiáng)噪聲對行波波頭檢測的影響，對圖5行波信號添加高斯白噪聲，使信號信噪比降到20 dB，得到含噪信號如圖8所示，分別用MRSVD和VMDTEO進(jìn)行分析，結(jié)果如圖9和圖10所示?？梢?，在強(qiáng)噪聲干擾下，MRSVD分解得到的細(xì)節(jié)分量中行波波頭信息被噪聲所淹沒，無法標(biāo)定行波波頭。而VMD分解得到各個(gè)IMF分量同樣受噪聲干擾嚴(yán)重，無法準(zhǔn)確辨識行波波頭。

圖8 信噪比20 dB的加噪信號Fig.8 Signal with noise（SNR=20 dB）

圖9 20 dB下MRSVD一層分解細(xì)節(jié)分量Fig.9 Detail component of MRSVD（1）（SNR=20 dB）

圖10 20 dB信號VMD-TEOFig.10 VMD-TEO(SNR=20 dB)

采用本文方法對20 dB信號進(jìn)行波頭標(biāo)定。計(jì)算圖9所示細(xì)節(jié)分量的峭度值為3.174，小于3.5，受噪聲干擾嚴(yán)重。圖11為分解后的近似分量，可見，20 dB含強(qiáng)噪聲信號經(jīng)MRSVD分解后，噪聲得到一定程度抑制，對其進(jìn)行VMD分解，得到的各IMF分量如圖12所示。計(jì)算各分量的峭熵比，得KP=[4.80,4.38,4.84,14.17,4.44]，其中IMF4的峭熵比最大，且大于閾值10，因此選取IMF4進(jìn)行波頭標(biāo)定，計(jì)算其SDEO算子，結(jié)果如圖13所示，標(biāo)定波頭到達(dá)時(shí)間為337 μs，與不加噪的情況下相近。

圖11 20 dB下MRSVD一層分解近似分量Fig.11 Similar component of MRSVD（1）（SNR=20 dB）

圖12 近似分量VMD分解Fig.12 VMD decomposition results of similar component

圖13 IMF4-SDEO結(jié)果Fig.13 SDEO result of IMF4

給圖5的信號疊加不同強(qiáng)度的高斯白噪聲，得到不同信噪比的信號，對MRSVD-TEO[14]、VMD-TEO[16]和本文方法的波頭標(biāo)定效果進(jìn)行對比，結(jié)果如表2所示。

表2 不同算法標(biāo)定波頭效果對比Tab.2 Comparison of wave head calibration effect among different algorithms

根據(jù)標(biāo)定結(jié)果可知，MRSVD和VMD算法對噪聲較為敏感，在強(qiáng)噪聲下存在無法標(biāo)定波頭的可能，而本文所述方法對噪聲具有一定的魯棒性，在低信噪比下仍能實(shí)現(xiàn)波頭到達(dá)時(shí)間的提取，對噪聲的適應(yīng)性較強(qiáng)。

3.2 故障定位算法有效性檢驗(yàn)

為了驗(yàn)證本文故障定位算法在多分支配電網(wǎng)中的應(yīng)用可行性，選取南方電網(wǎng)某實(shí)際配網(wǎng)干線為例，圖14所示為該配網(wǎng)系統(tǒng)拓?fù)?，在Simulink中搭建該系統(tǒng)仿真模型，線路參數(shù)同表1，并在各分支節(jié)點(diǎn)和末端節(jié)點(diǎn)設(shè)置采集故障行波，采樣頻率為1 MHz。

假設(shè)故障發(fā)生在區(qū)段S6。距離D6有5.4 km時(shí)，提取各個(gè)裝置的初始行波到達(dá)時(shí)間，T=[179，136，106，64，41，20，39，73，90，73，68，163，138，127，95，93，95，111，115，95]μs。根據(jù)行波到達(dá)時(shí)間，可知t6最小，選擇D6為故障關(guān)聯(lián)節(jié)點(diǎn)，于是確定以D6為中點(diǎn)的故障T域，如圖15所示。計(jì)算故障時(shí)差特征值，F(xiàn)TD57=-0.716 4,FTD511=0.007 4,FTD711=0.748 2。由最接近0可知，與故障區(qū)段連接的另一節(jié)點(diǎn)為D7，于是確定故障發(fā)生在區(qū)段S6。將T域區(qū)段線路長度和行波到達(dá)時(shí)間代入式（8），得到故障點(diǎn)距離D6節(jié)點(diǎn)為5.427 8 km，與實(shí)際距離相比，絕對誤差為0.027 8 km，相對誤差為0.514 8%。

圖14 某實(shí)際配網(wǎng)拓?fù)銯ig.14 Topology of an actual distribution network

圖15 故障T域Fig.15 T-domain under fault

在網(wǎng)絡(luò)中不同位置分別模擬A相金屬性接地故障，通過MRSVD-VMD算法檢測行波到達(dá)時(shí)間，用本文所提方法進(jìn)行故障點(diǎn)定位，定位結(jié)果如表3所示。表4為相同故障設(shè)置下，分別通過文獻(xiàn)[11]和文獻(xiàn)[12]所提故障定位算法的定位結(jié)果。

表3 不同故障位置定位結(jié)果Tab.3 Location results of different fault positions

表4 不同算法定位結(jié)果Tab.4 Location results obtained using different algorithms

根據(jù)表3和表4可知，本文所提T域定位方法能夠在不同位置故障時(shí)準(zhǔn)確確定故障區(qū)段。與文獻(xiàn)[11-12]的定位算法相比，本文算法同樣能實(shí)現(xiàn)精確測距定位，定位絕對誤差在100 m內(nèi)，滿足實(shí)際工作需求。

4 結(jié)論

（1）本文提出一種基于MRSVD和VMD的自適應(yīng)行波波頭檢測方法，根據(jù)峭度值和峭熵比挑選合適分量進(jìn)行波頭標(biāo)定，仿真結(jié)果表明，該方法在低噪聲和強(qiáng)噪聲情況下均具有較好的適用性。提出一種與波速無關(guān)的故障T域定位算法，先后實(shí)現(xiàn)故障T域篩選、區(qū)段定位和故障測距，經(jīng)仿真驗(yàn)證，該方法能實(shí)現(xiàn)多分支配電網(wǎng)的故障精確定位。

（2）由于本文所加噪聲為高斯白噪聲，不能準(zhǔn)確地代表實(shí)際工作環(huán)境中的噪聲，存在一定局限性，后續(xù)需通過分析配網(wǎng)工作環(huán)境下的實(shí)際噪聲，對算法加以改進(jìn)完善。

（3）本文故障定位算法在某些配電網(wǎng)絡(luò)下所需行波采集裝置數(shù)量較多，對于配電網(wǎng)的實(shí)際應(yīng)用會導(dǎo)致成本偏高的問題，后續(xù)將對裝置的配置和算法加以改進(jìn)，進(jìn)一步降低應(yīng)用成本。