基于小波分析的輸電線路故障識別檢測

湯同峰，王 峰，蔡德勝

（1.國網淮安供電公司，江蘇淮安 223002；2.南京豐道電力科技有限公司，江蘇南京 210032）

輸電線路作為電力系統中的一個重要步驟，直接關系到供電公司與客戶之間的關系。由于輸電線路具有空間大、距離遠、長期處于大風、暴雨、雷電等惡劣環境下，非常容易出現各種故障問題。尤其在近幾年，人們對電力需求的快速增長，超高壓輸電線路也隨之增多。在電力系統中，對電力系統進行故障診斷是確保電力系統正常運轉的關鍵。因此，精準識別輸電線路故障，對于電力系統安全使用具有重要作用。

有研究學者提出基于深度卷積神經網絡的識別檢測方法，通過使用濾波器銳化處理巡檢圖像，經過多尺度訓練后，截取故障區域圖像，進行輸電線路故障識別檢測[1]；還有學者提出基于空間電場探針的識別檢測方法，利用鏡像法分析線路附近電場分布情況，使用探針檢測電場大小，實現輸電線路故障識別檢測[2]。但是由于輸電線路故障中最常遇見的問題就是雷擊故障，由于雷擊產生的行波會在輸電線路兩端傳播，而且會出現反射，造成高頻干擾。上述兩種方法都容易受到高頻干擾信號的影響，從而降低檢測精度。

為此，該文基于小波分析技術，對輸電線路故障識別檢測方法展開研究。

1 輸電線路故障信號奇異性分析

在輸電線路中出現故障的位置一定存在一種突變信號，并表現出奇異性。傳統的檢測技術主要是針對信號在某些地方存在非連續或奇異現象進行檢測，僅能反映出其總體特征，無法判斷其空間分布[3-4]。而使用小波分析方法能夠檢測出突變信號，并依據該信號奇異性特征分析信號時頻變化情況。

當輸電線路出現故障時，該部分的故障信號組成成分十分復雜。因此，通過如下公式來描述故障暫態信號：

式中，ω表示基礎頻率；μ表示高次頻率；Re-λt表示衰減直流分量；λ表示奇異性指數；N表示計算次數；i表示計算衰減次數。

從等值原理角度來看，大多數電網均為感性負荷，從等值原理的角度來看，大多數電網都是感性負荷，故障電流的瞬時信號因為具有電感等能量而持續存在[5]。然而，在失效狀態下故障信號是連續的，但在一定的導數下，它是斷續的。因此，這種信號可以被視為一個奇異信號[6-8]。

從上述結果可以看出，經過小包變換的模極大值代表了信號波動最大范圍，以此反映信號變化率，為輸電線路故障識別檢測提供數據支持。

2 輸電線路故障識別檢測

由于小波分析法能夠在時頻中反映出信號局部特征，所以使用小波基函數對故障信號解析與識別。

基于小波分析的輸電線路故障識別檢測流程，如圖1 所示。

圖1 輸電線路故障識別檢測流程

由圖1 可知，在采集信號時，受外界和自身因素的影響，會產生一定的噪聲干擾。

2.1 故障暫態信號的小波包能量計算

單純地使用小波分析方法雖然能夠對信號進行時頻分析，但在高、低頻方面，其頻域分辨能力較差[9]。因此，通過使用小波包處理方法能夠對時頻區域的故障信號進行分類處理，使其在頻域中的識別精度得到提高。該方法能夠將被分析的頻帶按不同的特性進行多級分割，并能自適應地調節分析波形[10-11]。

小波包分解如圖2 所示。

圖2 小波包分解

由圖2 可知，小波包變換后，每個小波系數的平方和可以代表該波段中的信號能量[12]。對于任意頻率內的信號，小波變換后頻帶信號序列長度的能量可表示為：

式中，l表示頻帶信號長度；α(k)表示小波k次變換結果。

小波變換多分辨率分析是將取樣信號的二進制頻段分解成高頻和低頻，使其具有任意比例的細節[13]。

2.2 輸電線路故障識別檢測

由于雷擊一般為單極性脈沖，其上升和下降的時間較短，是一種高頻干擾。隨著雷電流幅的增大，高頻分量增加，部分能量變大[14]。短路故障中的高頻成分最少，而低頻含量最高，其主要由于短路時工作頻率的增加，以及系統的工頻分量為低頻故障；而無故障雷擊的高頻分量也較高，但由于振幅小于故障雷擊，所以其頻率分量較低。

基于該原理，使用一個趨近于零的函數與故障暫態信號d(t)，可以把信號看成是一個小窗口，以便定量地描述窗口的位置和尺寸[15]。設函數z(t)為窗函數，故障暫態信號局部特性由該函數決定，因此，小波分析方法能夠對輸電線路的故障信號進行時能局部化處理[16]。

時間-能量平面上的小波窗函數如圖3 所示。

圖3 時間-能量平面上的小波窗函數

從圖3 可以看出，針對該平面上的高頻信號，由于時間域短，在小范圍內時窗狹窄，方便對信號進行描述；針對該平面上的低頻信號，其存在時間更長，而且在大范圍內的時窗也更大。

圖3 中，E1表示目標故障高頻帶能量，通過該能量可以構成區別不同故障過電流的有效識別判據。設兩個分界值分別為E0、E2，當E1＜E0時，判定輸電線路為單相接地故障；當E1＞E2時，判定輸電線路為故障性雷擊故障；當E0＜E1＜E2時，判定輸電線路為非故障性雷擊故障。

2.3 基于奇異性檢測的冗余信號識別檢測

信號冗余檢測是一種用小波變換模極大值來表達的方法，設fd(t)為故障暫態信號d(t)小波變換的結果，在不同變換尺度下，針對小波變換模極大值發生的時間點的某一鄰域，存在如下變換時間關系：

由式（4）可知，根據小波變換處理的模極大值能夠判斷信號是否為奇異性信號。其中，冗余信號變化特征隨著模極大值變大，波動幅度隨之變大；噪聲信號變化特征隨著模極大值變大，波動幅度隨之變小；故障信號不因模極大值變化而發生改變。

3 實驗分析

3.1 實驗環境

該實驗以郊區某110 kV 的高壓輸電線路為例，如圖4 所示。

圖4 輸電線路示意圖

圖4 所示輸電線路是將架空線改為敷設形式，電纜終端設置在電纜固定平臺處。

3.2 實驗數據

通常情況下，輸電線路主要存在單相接地故障、故障性雷擊故障和非故障性雷擊故障三種故障形式，其中單相接地故障是因絕緣子被擊穿所引起的；故障性雷擊故障是由絕緣子閃絡引起的；非故障性雷擊故障是雷電干擾，因電力系統保護動作不正確行為引起的。根據實驗輸電線路歷史數據來看，對于這三種故障形式，通過輸電線路的實際電流波動范圍如圖5 所示。

圖5 三種故障形式下輸電線路實際電流波動范圍

由圖5 可知，實際情況下的單相接地故障的輸出電流波動范圍為-100～0 A；故障性雷擊故障輸出電流波動范圍為-2 800～2 800 A；非故障性雷擊故障輸出電流波動范圍為-300～1 400 A。

3.3 實驗結果與分析

為了驗證該文設計方法的有效性，將基于深度卷積神經網絡的識別檢測方法和基于空間電場探針的識別檢測方法作為實驗對比方法，與該文提出方法共同對比分析輸電線路在不同故障情況下的輸出電流。對比結果如圖6 所示。

圖6 三種方法不同故障情況下輸出電流

由圖6 可知，使用基于深度卷積神經網絡檢測方法與空間電場探針檢測方法對輸出電流進行檢測的結果，與實際電流波動相差較大；而使用基于小波分析的檢測方法單相接地故障的輸出電流波動范圍為-100～0 A；故障性雷擊故障輸出電流波動范圍為-2 800～2 800 A；非故障性雷擊故障輸出電流波動范圍為-300～1 400 A，與實際電流波動一致，說明該文方法可以大大提高線路故障識別準確率，識別檢測精準度較高。

4 結束語

為了解決輸電線路故障識別工作中容易受到高頻干擾信號影響而導致的識別檢測結果不精準的問題，提出了基于小波分析的輸電線路故障識別檢測。能夠根據小波變換模極大值與尺度關系，識別冗余信號，避免檢測結果受到高頻干擾信號影響。并通過實驗證明該文方法檢測結果與實際電流波動范圍一致，識別檢測精準度較高。

但是對于非故障的電擊率和短路電流的識別還有待完善，需要在接下來的研究中繼續加以分析。