Fault Line Selection Method Considering Grounding Fault Angle for Distribution Network

In the distribution network system with its neutral point grounding via arc suppression coil, when single-phase grounding fault occurred near zero-crossing point of the phase voltage, the inaccuracy of the line selection always existed in existing methods. According to the characteristics that transient current was different between the fault feeder and other faultless feeders, wavelet transformation was performed on data of the transient current within a power frequency cycle after the fault occurred. Based on different fault angles, wavelet energy in corresponding frequency band was chosen to compare. The result was that wavelet energy in fault feeder was the largest of all, and it was larger than sum of those in other faultless feeders, when the bus broke down, the disparity between each wavelet energy was not significant. Fault line could be selected out by the criterion above. The results of MATLAB/simulink simulation experiment indicated that this method had anti-interference capacity and was feasible.

基于有源消弧暂态衰减信息的配电网接地故障跟踪检测方法

现有配电网单相接地故障检测技术缺乏消弧过程的故障程度跟踪与选线能力。该文充分利用消弧过程中的暂态信息,建立考虑线路参数不对称的集总参数等效模型,论证消弧过程零序电压衰减直流特征的物理意义,提出考虑快速消弧的配电网故障检测新方法,对于低、高阻接地故障均有较高的检测灵敏度。实际应用中,仅需观测消弧全补偿电流投切过程中零序电压及零序电流波形,即可实现过渡电阻测量、故障程度跟踪与故障选线,具有瞬时性故障实时跟踪、故障检测与故障消弧同步进行的优势,操作简单、易于实现。仿真实验证实了方法的有效性,为配电网故障检测提供了新的理论依据。

YOLO网络配电网故障选线方法

针对现有的配电网故障选线困难的问题,提出一种基于YOLO网络的配电网故障选线方法。首先,使用三相电流构建极坐标二维图像,充分提取特征信息;之后,对各线路三相电流的极坐标图像进行像素级融合,并以不同颜色区分,在进一步加强图像特征的同时,降低原始图像的冗余度;最后,使用YOLO神经网络对融合图像进行特征提取,训练得到最优的模型文件,利用该模型实现故障选线。将该方法与现有的故障选线结果进行对比,结果表明,该方法选线准确率可以达到99.95%,选线时间12.9 ms,明显优于其他故障选线方案,且该方案不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网故障选线的准确度和可靠性需求。

基于信号图像化和CNN-ResNet的配电网单相接地故障选线方法

配电网发生单相接地故障时,零序电流呈现较强的非线性与非平稳性,故障选线较为困难,针对此问题,提出一种基于信号图像化和卷积神经网络-残差网络的配电网单相接地故障选线方法。首先,利用排列熵优化变分模态分解算法的参数,将零序电流信号分解成一系列固有模态函数;其次,引入新的数据预处理方式,将固有模态函数转成二维图像,获得零序电流信号的时频特征图;最后,利用一维卷积神经网络提取零序电流信号的相关性和特征,利用残差网络提取时频特征图的特征,将两个网络融合,构建混合卷积神经网络结构,实现故障选线。仿真与实验结果表明,该方法能够在高阻接地、采样时间不同步、强噪声等情况下准确地选择出故障线路,可满足配电网对故障选线准确性和可靠性的需求。

典型神经网络串联型电弧故障检测及选线方法研究

为解决传统特征分析加机器学习的电弧故障检测方法的准确率和实时性受到特征参数选取的主观性及特征分析过程的影响问题,搭建了三相多负载并联的串联型电弧故障实验系统,对不同支路、不同相发生电弧故障时的干路电流信号时间序列进行分析。将电流信号进行分类、分段、标准化处理并作为检测模型样本;对深度卷积神经网络模型、长短期记忆网络模型、普通神经网络模型进行架构及训练;通过差分处理对网络模型在线分类结果进行优化分析;以准确度和损失函数值、在线测试速度、优化后多分类识别准确率为评价指标,对比分析了3种模型故障检测及选线效果。研究结果表明:基于深度卷积神经网络的串联型电弧故障检测及选线模型对电机类负载故障检测及选线准确率可达96.77%,对变频器类负载故障检测及选线准确率可到98%,准确率高于近几年其他三相回路电弧故障检测模型。

基于IHHT‑RF的配电网单相接地故障选线方法

小电流系统发生单相接地故障时故障特征易受高接地过渡电阻、小初相角等弱故障条件影响而导致选线准确率低。为此,提出一种基于改进希尔伯特黄变换—随机森林(improved Hilbert⁃Huang transform⁃random forest,IHHT⁃RF)的配电网单相接地故障选线方法。首先,提取每条线路在故障发生时的电流暂态信号,通过IHHT提取纯净的暂态电气量,构造标准差、能量熵和幅值畸变度3类特征向量;然后,将特征向量输入RF分类器建立故障选线模型,把故障选线问题转化为二分类问题;最后,将测量数据输入RF分类器中得出分类结果,实现故障线路的自动识别。仿真结果表明,该选线方法综合利用暂态信号的幅值、频率和能量等特征信息,不受弱故障条件、馈线结构等因素的影响,能有效提高故障选线的准确率,具有较强的适应性和可靠性。

融合稳态和暂态特征量的接地故障选线方法研究

单相接地故障是配电网运行时发生概率最高的故障,但接地时存在电气故障特征弱、外界干扰大的情况,使得配电网存在接地选线困难的问题。对此,提出基于稳态和暂态故障特征量相融合的配电网接地选线方法,分析单相接地时接地故障线路与非故障线路对地电容电流突变量五次谐波分量在幅值和相位上的差异性,利用经验小波变换提取故障零序电流的低频分量综合相关系数和高频分量相对权重系数,并利用模糊神经网络实现融合特征量与故障的非线性映射诊断。建立配电网接地故障仿真模型,通过多重干扰下的选线对比分析,验证了本文方法的有效性和优越性。

基于变压器故障量的分布式小电流接地选线方法

提出并分析了一种基于变压器工频故障量的分布式选线方法和一种基于变压器暂态故障量的分布式选线方法。分析表明,工频故障量选线方法可用于中性点经消弧线圈接地系统欠补偿状态的一部分场景;暂态故障量选线方法比较的是变压器负荷侧暂态故障参考量与被保护线路暂态故障量,这两个暂态故障量具有近距离串行的电流关系,两者的幅值与波形变化都很小,因此具有受干扰小和可靠性高的优点。

并阻尼谐振接地系统对地参数测量与高阻故障选线新方法

针对谐振接地系统对地参数测量不准确以及高阻接地故障选线困难的问题,提出了并阻尼谐振接地系统对地参数测量与高阻故障选线新方法。基于消弧线圈并联阻尼电阻的投切特性,利用投切阻尼电阻前后零序电压幅值与相位的变化关系,测量系统对地电导与电容参数。在系统正常运行时,通过调整并联阻尼电阻值大小,测量各馈线零序导纳值。在发生接地故障后退出阻尼电阻,测量故障后各馈线零序导纳值,可消除系统参数不对称、互感器采样不同步的影响,主动构造故障前后各馈线的零序导纳相角差,实现故障线路的准确判别。在PSCAD仿真环境下对所提方法进行验证,结果表明:所提方法能够精确测量对地电导与电容参数,测量相对误差不高于0.6%;在不同馈线、不同过渡电阻下发生接地故障时,能准确判别故障线路,耐过渡电阻能力达10 kΩ。

基于GA优化BP神经网络的小电流接地故障选线方法

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验,通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法,将零序电流信号的各种特征量进行提取,经过故障测度函数计算得到故障测度数据,将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试,讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异,输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明,综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法,且其选线速度与精度优于单一BP神经网络,能够更快速、有效地进行故障选线,满足配电网故障选线要求。

纺织典型装备故障多特征自适应提取方法

化纤高速卷绕头故障特征提取是卷绕头故障诊断中的关键步骤。为解决化纤卷绕头故障诊断精度不高、可解释性差的难点,提出了数据驱动的化纤卷绕头故障多特征自适应提取方法。通过改进型基因表达式编程(GEP)的故障特征生成方法,设计了一种运算符与变量符随机组合编码、对位匹配与倒序运算解码方法,构建了突变、插串、重组的遗传算子,实现了多个故障特征构建与生成;提出了低冗余、高互补的多特征提取与分析方法,实现了特征间关系的可解释性分析与关键特征优选。实验结果表明:采用所提出的改进型GEP方法与传统特征提取方法、通用GEP方法所生成的故障特征进行对比,在线速度为1000、2000和3000 m/min状态下,卷绕头故障诊断精度分别提升了8.959%、3.87%、3.77%和2.601%、3.2%、2.018%,有效解决了卷绕头故障特征提取的难题;进一步的特征工程实验表明,所提方法对于多特征组合下的卷绕头故障关键特征提取具有较强的适应性能。

基于域自适应迁移学习的有源配电网故障选线方法

基于数据驱动的人工智能模型,特别是卷积神经网络在配电网故障诊断领域取得了优异的表现。然而卷积神经网络严重依赖海量数据,模型性能会因数据量的减少而严重下降。为此,提出了一种基于域自适应迁移学习的有源配电网故障选线方法。首先,构造了一种嵌套注意力机制的卷积神经网络,提取有源配电网暂态零序电流的故障特征。然后,采用域自适应迁移学习方法,利用最大均值差异函数降低源域和目标域数据之间的分布差异,有效解决少样本故障选线问题。最后,在Matlab/Simulink中搭建不同运行方式的有源配电网对所提方法进行测试验证。结果表明,所提方法可在少样本情况下实现高精度、鲁棒性的有源配电网故障馈线识别。

基于PCA和EEMD的柔性直流配电网故障选线算法

柔性直流故障选线技术的发展对直流配电网有着至关重要的作用。本文针对现有柔性直流故障存在的可利用的故障信息较少等问题,提出了一种新算法,该算法有效利用了集合经验模态分解EEMD(ensemble empirical mode decomposition)算法、主成分分析PCA(principal component analysis)和相关系数各自的优势。首先,提取暂态电流样本信号,采用EEMD得到以正交基函数表示的数据矩阵;接着,基于PCA进行该矩阵元素特征向量到主成分的转换,将样本信号投影到主元空间实现坐标变换,从而得到对样本数据的聚类和识别结果;最后,基于相关系数进行故障线路判别。本文算法的EEMD揭露了原始历史数据的内在变化规律,PCA能够有效选择故障有效特征。大量实验表明,该新算法准确有效,与现有其他方法相比,在故障信息不明显、不同过渡电阻方面具有优势。

基于柔性调控零序电压的不平衡配电网故障检测方法

在柔性消弧过程中实现故障选线、过渡电阻测量与故障性质判定对现有配电网单相接地故障检测具有重要意义。针对配电网三相对地参数不对称的柔性接地系统,首先分析不平衡零序电压对消弧效果的影响,提出柔性消弧全补偿电流的计算方法。然后分析正常运行状态下和单相接地故障状态下注入电流和母线零序电压之间的约束关系。结果表明:无论系统处于何种状态,均可通过改变注入电流来柔性调控母线零序电压,进而调控各线路零序电流。并根据柔性调控零序电压前后各线路零序电流的变化规律,提出一种可实现故障选线、过渡电阻测量和故障性质判定的故障检测方法。Matlab/Simulink仿真验证了该方法的有效性和准确性。

基于VMD和改进聚类算法的配电网故障选线方法

为提高小电流接地系统单相接地故障的选线准确率,设计了一种基于调幅调频函数的变分模态分解VMD(variational mode decomposition)与K-means++聚类算法相结合的故障选线方案。对故障发生后各条线路零序电流信号进行VMD分解,得到多个自适应频带特征的本征模态函数;构造以低频分量的波形相关系数为横坐标和以高频分量初始极性为纵坐标的二维平面,在该二维平面绘制代表各出线的散点分布图;最后通过K-means++聚类算法对所构造的散点点集进行聚类分析,利用代表故障线路的散点属于离群点的特点,筛选出故障线路。通过Pscad软件进行仿真验证,结果表明,该故障选线方法不受条件改变的影响,能够实现对故障线路的准确识别,具有较好的抗噪能力。

基于空间域图像生成和混合卷积神经网络的配电网故障选线方法

传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪光滑模型对零序电流信号进行降噪处理,减少外界环境的电磁干扰。其次,利用对称希尔伯特变换将一维时域信号转成二维空间域图像,图像的颜色、形状和纹理特征能够充分反映当前系统的运行状态。最后,将一维时域信号和二维空间域图像同步作为混合卷积神经网络的输入,充分挖掘系统的故障特征,利用Sigmoid函数实现故障选线。在辐射状配电网、IEEE-13节点模型、IEEE-34节点、StarSim仿真平台上模型上进行了实验验证。实验结果表明,该选线方法可以有效克服传统方法过度依赖主观特征选择、抗噪性能差等问题,能够在高阻接地、采样时间不同步、两点接地故障等极端情况下可靠地筛选出故障线路。

高阻型单相接地故障信号的暂态分量影响因素研究

高阻型单相接地故障信号的暂态分量,在故障过渡电阻这一主要影响因素之外,还受到以下影响因素的制约,进而影响暂态判据选线的准确度:配电网发生故障时所运用的系统接地方式、故障发生时的相角、故障发生点距母线的距离、故障发生出线的长度等。其中系统接地方式由于为配电网系统本身的设计所导致,不受故障本身随机性的影响,因而其影响对于研究高阻型单相接地故障特征的暂态分量具有基础意义。本文利用了Matlab-Simulink仿真平台,重点针对过渡电阻阻值、中性点接地方式对高阻型单相接地故障暂态分量的影响进行了仿真分析,着重探究了过渡电阻阻值以及几种中性点非有效接地方式,在接近真实情况的三相不平衡条件下对高阻型单相接地故障暂态分量的影响。结果表明高阻型单相接地故障的过渡电阻较小、系统消弧线圈补偿度较小或中性点不接地,将影响高阻型单相接地故障信号的暂态分量并使得其强度较大、信噪比较高。

超、特高压交流线路反时限零序过流后备保护的整定建议

针对国家电网“六统一”线路保护装置,提出了超、特高压交流线路反时限零序过流保护的整定原则。反时限零序过流保护在保证灵敏性方面并无困难,整定原则的核心问题是解决选择性和速动性的矛盾。根据该保护的原理和逻辑提出了转折电流的概念以及接地距离保护与反时限零序过流保护的配合原则;充分考虑配合时间定值和最小时间定值对保护动作特性的影响,综合超、特高压电网实际短路电流水平和接地距离保护的过渡电阻耐受能力,将反时限零序过流保护低电流区的选择性与接地距离保护高电流区的选择性进行结合,提升了对接地故障全域电流范围的选择性切除能力;提出了方向元件投退原则。通过对某省级电网进行算例分析,验证了整定原则的有效性,该整定原则已经在实际电网中进行了应用。

基于零序导纳幅值比的同母两回线异相接地复故障选线方法

消弧线圈接地系统发生同母两回线异相接地故障时,常规选线装置存在准确率不高的问题。针对消弧线圈接地系统发生的同母两回线异相接地复故障选线难的问题,文中通过线路首端的零序电流和母线零序电压信息获得线路的零序导纳,分析消弧线圈接地系统发生同母两回线异相接地故障特征,发现故障线路零序导纳的幅值大于非故障线路零序导纳的幅值,在高阻接地时仍呈现出此特征。在此基础上提出了基于零序导纳幅值比的消弧线圈接地系统同母两回线异相接地复故障选线方法,利用故障线路与非故障线路零序导纳幅值的差异建立故障选线判据,将所有故障线路全部选出。PSCAD仿真结果表明,该选线方法准确率高,不受故障位置、消弧线圈补偿度的影响,具有较强的耐受过渡电阻的能力。