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.

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。

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。

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。

10kV配电线路单相树线故障选相研究

针对配电网三相电压不平衡发生树-线故障难以准确判别故障相而引发山火的问题,提出了一种基于电压信号突变值和变化趋势相结合的选相方法。在传统三相电压平衡配电网单相接地故障选相理论基础上,搭建了10 kV单相树-线故障试验平台。首先,在中性点不接地、消弧线圈接地欠补偿和过补偿3种情况下进行了多种树木、不同残余电流单相树-线故障试验研究。然后,根据树-线故障时零序电压和各相电压幅值变化特征,定义了故障时刻及故障相识别码,建立了某一相电压有效值的幅值增加最大则其滞后相为故障相的判据。通过故障时刻前后0.1 s内的各相电压平均有效值改变大小对比及相应判据,将生成对应的识别码进行匹配,实现精确快速判别故障相。最后,通过试验验证该方法能够有效解决单相树-线故障相识别问题且不受电压不平衡影响,具有较好的工程应用价值。

混合数据驱动的轻量化YOLOv5故障选线方法

针对传统选线方法精度低、实时性差、易受噪声干扰的问题,提出一种混合数据驱动的轻量化YOLOv5选线方法,简记为MSE-YOLOv5。首先,以零序电流作为区分故障线路与非故障线路的判断依据,为了增强二者间数据对比差异性,利用小波变换将零序电流信号映射为二维时频图;其次,为了扩充样本数量,利用搭建的小电流接地系统仿真模型,通过改变故障点位置、初相位以及接地电阻等参数生成仿真数据,与真实数据构成混合数据集;然后,为了减少选线时背景噪声对微弱故障信号特征的影响,在所搭建检测网络的颈部网络中引入通道注意力模块,从而增强故障特征的表达能力;最后,为了提高选线实时性,在网络中引入轻量化网络以减少其参数量与运算量。为了验证所提出方法的优势,利用某变电站真实故障数据进行测试,并与4种经典算法进行比较。结果表明:所提混合数据驱动的轻量化YOLOv5故障选线方法具有较高精度,其选线精度可达95.2%,即使在噪声干扰条件下,选线精度依然可以保持在90%以上;具有更轻的体量及更快的选线速度,参数量下降至原网络的1/5,计算量下降至1/7,检测速度可达7.7 ms。因此,混合数据驱动的轻量化YOLOv5故障选线方法具有体量小、速度快、精度高的优点,有利于后期将其部署到现场设备中。

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。

基于改进Hough变换的消弧线圈接地配电网故障选线新方法

针对配电网在电压过零点和高阻故障时刻选线不准确的问题,提出一种适用于谐振接地系统单相接地故障的选线新方法,利用优化后的变分模态分解对各馈线零序功率进行处理,遴选出与原始零序功率相关强度最高的本征模态函数IMF(k),将IMF(k)转换为JPG格式的二维图像,再利用Hough变换检测技术,得到故障起始阶段IMF(k)的拟合直线及夹角;对各支路模态量拟合直线夹角进行比对处理,将最小综合相关系数值对应的馈线确定为故障馈线;仿真结果表明:该方法不受接地电阻、故障相角、噪声干扰、数据缺失等因素的影响,验证了所提方法的有效性。

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。

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。

考虑储能系统控保协同体系的光伏场站送出线路突变量选相能力恢复策略

针对新能源接入电网后,突变量选相元件动作性能显著劣化,尤其在弱电源侧难以保证选相正确性的问题,提出考虑储能系统控保协同体系的突变量选相能力恢复策略。通过理论分析,得出逆变电源侧负序阻抗基本恒定这一实施选相能力恢复举措的前提条件。在此基础上,提出将光伏场站中储能侧逆变电源控制策略中的负序抑制短时屏蔽,并将故障线路两侧的正序分配系数控制到与负序分配系数相等,以此营造令传统突变量选相元件实现动作的最理想条件。该控制可以通过控制储能设备电流内环中的d轴和q轴电流实现。基于PSCAD/EMTDC的仿真结果表明,在该控制策略作用下,线路两侧正序分配系数与负序分配系数几乎相等,极大程度恢复了弱电源侧的选相特征,在不同故障工况下均有较好的适应性,且不会干扰系统侧选相元件的正常动作,具有很高的可靠性。

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。

灵活接地系统小电阻退出暂态特征及对暂态故障选线方法影响

灵活接地系统发生高阻接地故障时,中性点小电阻并联阶段保护往往拒动,仍需考虑小电阻退出时的暂态特征对已有暂态故障选线方法的影响。并联小电阻退出时伴随一定的暂态过渡过程,文中针对此过程建立灵活接地系统单相接地故障暂态等值电路。分析了并联小电阻退出时系统各暂态电气量特征、不同故障情况对暂态电气量幅值的影响、暂态零序电流与暂态零序电压的约束关系,明确并联小电阻退出后暂态量对暂态故障选线方法稳定性的影响。当灵活接地系统高阻接地故障小电阻退出时,产生的暂态电气量将导致暂态幅值比较法、暂态极性选线法、暂态功率方向法误动,但暂态零序电流投影法选线正确,仿真验证了分析结果的正确性。

变频器负载回路串联故障电弧检测及选线方法

串联故障电弧的高温是引发电气火灾的主要原因之一,针对工业变频器负载回路中串联故障电弧尚无有效保护手段的问题,提出了一种新的串联故障电弧检测及选线方法。首先,针对工业领域常用的三相变频器负载回路开展了不同线路中发生串联故障电弧的实验;其次,利用基于能量收敛原则改进的变分模态分解将变频器前端A相电流信号自适应分解为多个模态分量,依次将单个模态分量乘以能量系数并重构,得到多个电流信号的特征增强信号,并建立特征矩阵;再次,对特征矩阵进行分块,利用核主成分分析对每块矩阵进行降维,并对降维信号组成的矩阵进行二次降维构建故障特征向量;最后,利用鹈鹕算法优化的支持向量机对串联故障电弧进行检测及选线。结果表明:该方法仅通过分析变频器前端A相电流可以实现变频器整个回路中6条线路的串联故障电弧检测及选线,检测及选线准确率均达到98%以上。

适应于逆变型风电接入系统的改进故障序分量选相方法

针对传统故障序分量选相元件在逆变型风电接入系统中可靠性较低的问题,提出了一种改进的故障序分量选相方法。首先,分析在最新风电场低电压穿越策略下,风电侧的故障序阻抗特性及传统故障序分量选相元件的适应性。然后,利用负正序、负零序阻抗相位差等效正负序、零负序电流分支系数相位差,以补偿传统序分量选相判据的相角误差。最后,采用补偿后的故障序电流相位差作为选相判据,实现了故障相的判别。同时通过调整零负序选相分区,使其具有较好的耐过渡电阻能力。仿真实验表明,在不同故障类型、故障位置和过渡电阻下改进选相方法均能可靠地选出故障相。