配电系统的快速故障检测与识别方法

配电系统的快速故障检测与识别方法

徐祥庭

国网山东省电力公司青岛市黄岛区供电公司 山东省青岛市 266400

摘要：由于电力负载的逐年增加，承载大量电能配送的配电系统已成为电力系统的主要故障来源，因此需要保证配电系统的运行可靠性。针对输电线路故障分类提出了很多基于监督训练的分类算法，如神经网络、模糊逻辑和模糊神经网络等。但是这些算法都需要解决神经网络训练复杂性较高的问题。数字保护继电器(DPR)用于测量线路电压和电流，快速发送跳闸指令，断开故障线路。为了进行故障分类，可利用DPR和数字故障记录器(DVR)采集信息进行特征提取。数据分析则可采用人工神经网络(ANN)、模糊逻辑(FL)、决策树(DT)和支持向量机(SVM)等算法。

关键词：配电系统；快速故障检测；识别方法

本文将一种改进的多分类支持向量机用于配电网开路故障的检测与识别。该方法以配电网节点电压的有效值作为故障诊断的原始数据。为了提取最佳特征集，对原始数据进行冗余删除，对异常数据进行约简。利用最佳特征集对所提出的分类支持向量机模型进行训练，并基于不同的训练数据集对训练后的模型进行测试。在ieee13总线测试系统上进行了测试，并用MATLAB进行了仿真和编程。仿真结果表明，多分类支持向量机不仅能够快速有效地检测和识别断路故障，而且提高了故障检测和识别的精度。

1故障诊断方法

本文提出了一种多类支持向量机方法来检测和识别配电系统中的开路故障。该方法以电网中每个节点的实时均方根电压作为原始数据。将原始数据分为两个主要的数据矩阵：不含故障条件的数据集矩阵；包含与故障状态相关的数据矩阵。在预处理阶段，从原始数据中删除不必要的数据，然后提取特征，形成特征集。特征集往往不包含一些难以预测故障类型的冗余数据特征，这将导致故障检测和识别精度的降低。因此，为了提高检测和识别的准确率，在数据预处理阶段需要从数据集中删除这些冗余特征。然后，对特征集进行归一化，生成训练和测试数据集。最后利用最佳特征集训练基于径向基函数（RBF）核函数的多分类支持向量机模型。

为了对非线性可分离数据进行分类，将RBF核函数应用到多分类支持向量机模型中。

在训练了多分类支持向量机模型之后，在各种仿真条件(故障场景)下对模型进行测试，以评估其有效性，同时预测对应的故障检测和识别标签。最后，分别对故障检测与识别方法的准确性进行检验，具体如下：

准确性=准确分类数量数据样本总数量×100%=准确分类数量数据样本总数量×100%(3)

准确性测试是在无噪声和不同强度白噪声的条件分别进行的。在配备有IntelCorei7-8550U处理器和12GBRAM的笔记本电脑上以1.80GHz时钟速度在MATLAB2018a软件中完成仿真测试。

2仿真结果和讨论

为了评估所提出的故障检测和识别方法的性能，在MATLAB软件中对IEEE13节点测试系统进行了建模，并在系统的不同位置上设置了三种类型的开路故障：变电站节点的开路故障、负载节点的开路故障和输电线路的开路故障。在试验过程中实时记录整个系统开路故障前后的所有节点电压有效值。为了测试所提出的故障检测和识别方法的鲁棒性，仿真试验设置了不同类型和不同位置的开路故障。故障具体为：节点650的变电站开路故障；节点611、652、645、646、634、680和675的负载开路故障；节点632-633、632-645、632-671、645-646、671-680、671-684、684-611、684-652和692-675之间的输电线路开路故障。断开连接到每个节点(线路之间)的相应断路器模拟开路故障，在t=0.5s时施加在不同的节点上。通过重新连接相应的断路器，在0.05s内清除故障。仿真过程持续1s。

通过对测试系统的实时监测，获得了三种故障前、后的电压有效值信号。采样频率与电网的实际频率一致，为50Hz。经过分析发现，选择50Hz作为采样频率，响应效果更好，结果也更准确。经过去除冗余特征和提取出最佳特征，得出的完整的特征矩阵有15个特征。

训练和测试数据矩阵是在考虑各种模拟条件的情况下开发的，包含所有可能的开路故障。为了减少所提出方法对参数变化的依赖性和敏感性，训练矩阵和测试矩阵彼此不同。整个训练数据集包含756个数据样本(包括20类故障)。测试矩阵包括504个数据样本(具有不同的故障组合)。

针对故障检测和识别执行了不同的测试。通过将白噪声应用于原始数据集，所提出的方法仍然可以有效地检测和识别不同的故障。但是，通过增加原始数据集中的白噪声(SNR)强度，所提出的故障检测和识别方法的准确性有所降低。

3电力系统配电线路运行故障的常用检测技术

3.1短路故障检测技术

当线路发生故障时，导线的温度会升高，导致绝缘子损坏，导线发红熔化，最后导致设备损坏。高压电网故障非常危险，甚至会导致电网崩溃，引发各种安全事故，因此维修人员必须有效地检测短路故障的原因，从而有效地区分短路故障的类型并采取相应的维修措施。正常情况下，维修人员将采用万用表法和灯泡法对短路故障进行全面检测。当电路中存在短路故障时，电路中的电阻将变得非常低。此时，维修人员可以通过观察绝缘电阻表测得的实际配电线路电阻来判断短路故障。灯泡法的主要内容是将短路故障线路中的灯泡与电压连接起来，并根据灯泡亮度的变化来识别故障点。该方法更适合于确定短路故障点的具体位置；万用表法的主要内容是测量线路的电阻，从而判断线路是否存在短路故障。这种方法更适合于找出哪条线路有故障。

3.2地线故障检测技术

在接地故障检测工作中，一般需要使用一些仪器设备，如测试笔、万用表等。首先，维护人员需要详细检查干线和支线断路器，以确定是否有跳闸。对于跳闸的线路，检测人员需要通过全面检查确定故障点。如果维修人员了解到维修线路对地电阻较小，则可用绝缘电阻表测量电路对地绝缘电阻，判断是否存在接地故障。如果维修人员不能确定电路对地的绝缘电阻，则必须先切断电源，然后检查该区域，找出接地故障。

3.3过载检测技术

在超负荷检测工作中，检测人员首先需要全面了解配电线路电流的最大负荷和运行线路的实际电流值，从而避免线路过载现象的发生，有效降低电力线路过载故障的发生概率。电力企业在敷设配电线路时，必须选择质量高、寿命长、性能好的电器设备和输电线路，以减少因导线质量低而引起的过载故障。供电单位在选择输电线路时，必须严格遵守导线的安全载流规范，有效控制导线的发电量和电流，按线路设计进行施工。此外，维修人员还需要加强对日常线路的检查。如发现配电线路发热异常，需及时修复。

结论

本文提出并开发了一种改进的多分类支持向量机方法，以同时检测和识别配电系统中的不同开路故障。对于各种类型的故障场景，所提出的方法可以提供快速和准确的故障检测和识别。所提出方法进行故障诊断的唯一依据是整个配电网络的实时电压信号有效值。所提出方法的另一个重要特征是需要收集大量信号特征，因此需要应用特征提取方法去除不必要和多余的特征，从而提高预测精度。需要针对不同的故障情况开发训练和测试数据矩阵，以提高故障分类的准确性。在模拟暂态开路故障的IEEE13节点测试系统上，用MATLAB软件对该方法进行了仿真测试。结果表明了该方法的准确性、有效性、鲁棒性和实时性。

参考文献：

[1]刘杰荣，张耀宇，关家华，等.基于量测大数据和数学形态学的配电网故障检测及定位方法研究[J].智慧电力，2020,48(1):97-104.

[2]鲍玉川，张萌，张巧霞，等.考虑多类故障假说变量的配电系统故障诊断方法研究[J].智慧电力，2019,47(2):63-67;100.