配电网接地故障选线方法技术

本发明专利技术公布了配电网接地故障选线方法。该方法分别采用5次谐波法、有功分量法和暂态能量法从零序电流信号中提取5次谐波分量、有功分量、暂态能量作为故障特征，并定义其故障测度，然后将这些故障测度作为模型的输入，利用故障稳态与暂态信息对接地故障不同的判别能力，并借助遗传算法强大的宏观搜索能力和良好的全局优化性能，训练时，先用遗传算法对神经网络的权值进行寻找，将搜索范围缩小后，再利用LM改进的BP网络相结合，进而形成一种基于遗传算法的改进LM—BP算法模型的四层神经网络来进行精确求解，以达到全局寻找的目的，还可以避免陷入局部极小，使得选线模型达到较高的精度，以提高选线的稳定性和准确性。以提高选线的稳定性和准确性。以提高选线的稳定性和准确性。

【技术实现步骤摘要】
配电网接地故障选线方法


[0001]本专利技术属于配电网故障判别
，特别是涉及一种配电网接地故障选线方法。

技术介绍

[0002]配电系统运行中最常见的故障形式是单相接地故障。中性点非有效接地的小电流接地系统发生单相接地故障后，由于故障点与中性点之间只能构成一个高阻抗电流回路，使得系统的接地点电流很小，信号难以捕捉，从而造成故障线路很难被发现。然而小电流接地系统发生单相接地时，系统的线电压依然三相对称，为避免生产的突然断线，无需立即跳闸，电力部门规定此情况下的系统仍可持续运行1
‑
2个小时。此时，健全相电压升高至正常时的倍，若长时间带故障运行，系统过电压可能对电力设备造成损害，甚至使故障发展为多点接地短路，影响系统的安全运行。通常采用拉路法来确定单相接地故障线路后人工巡线査找故障点,即使安装有小电流接地选线装置的变电站,由于装置的可靠性较差,运行人员对选线结果不完全相信,大部分时间依然采用人工拉路的方法来识别故障线路。这样就造成了健全线路不必要的短时停电,同时选岀故障线路后人工巡线査找故障点的工作量也非常繁重,不利于故障的快速清除,增加了停电时间,降低了供电可靠性。
[0003]当接地发生在相电压相位为零时暂态过程将非常不明显特别是当故障接地电阻较高时，暂态故障特征几乎看不到，从而会造成不能正确选线。而稳态线方法又常常因为忽略了故障特征丰富的暂态信息而造成选线准确率不高。，

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种配电网接地故障选线方法，该方法是选取故障时零序电流的小波能量，五次谐波、线路的有功功率三个特征量作为故障选线的输入参数，并定义了各自的故障测度函数，然后将这些故障程度作为模型输入，利用故障稳态与暂态信息对接地故障不同的判别能力，借助遗传算法，提高选线的稳定性和准确性。
[0005]为了解决现有技术存在的问题，本专利技术采用的技术方案是：
[0006]配电网接地故障选线方法，包括以下步骤：
[0007](一)获取五次谐波的故障测度函数、小波能量的故障测度函数和有功功率的故障测度函数：
[0008]分别利用快速傅里叶变换和小波包变换从线路K零序电流信号和母线零序电压信号中提取稳态特征分量和暂态特征分量，暂态特征分量进行信号小波包分解，稳态特征分量分别进行信号谐波分解和信号有功分量分解；对频区能量特征进行提取，得到小波能量的故障测度函数，对五波谐波特征进行提取，得到五次谐波故障测度函数，对有功功率特征进行提取，得到有功功率故障测度函数；
[0009](二)GA
‑
LM改进BP选线模型的构建：
[0010]将计算出来的暂态分量故障程度值、5次谐波故障程度值、有功分量故障程度值作
为BP神经网络的输入矢量；执行遗传算法的步骤训练神经网络得到网络的初始权值和阈值；
[0011](三)基于遗传算法对BP神经网络的初始权值和阈值进行优化：训练时，先用遗传算法对神经网络的权值进行寻找，将搜索范围缩小后，再利用LM改进的BP网络进行精确求解，选线结果即是神经网络的输出，输出结果为1表示线路发生故障，为
‑
1表示非故障线路。
[0012]进一步地，所述五次谐波的故障测度函数的获取包括以下步骤：
[0013]发生单相接地故障时，过渡电阻呈现的非线性使得故障点处产生了非正弦电流，分解为一个基波和许多谐波，根据谐波在整个系统内的分布和保护的要求，选用五次谐波分量；设I
05
(K)为第K条线路零序电流的五次谐波分量，I
05
为所有线路零序电流五次谐波分量的总和；
[0014]当一条线路的I
05
(K)的方向与其它剩余支路同向时，构建同向时五次谐波的相对故障测度函数，其中令I
05
(K)/I
05
＝x1，y1为同向时五次谐波的相对故障测度：
[0015][0016]当I
05
(K)的方向与其它线路的方向不相同时，构建方向不同时五次谐波的相对故障测度函数，其中令I
05
(K)/I
05
＝x1，y2为方向不同时五次谐波的相对故障测度；
[0017][0018]当I
05
(K)在线路K的零序电流基波I
01
(K)中占的比重越大，利用该方法判断的可信度越高，因此五次谐波可确定故障测度函数为：其中：令I
05
(K)/I
01
(K)＝x2，I
01
(K)是线路K的零序电流基波，y3为五次谐波的可确定故障测度函数值：
[0019][0020]进一步地，所述小波能量的故障测度函数的获取包括以下步骤：
[0021]设e
∑
(K)为线路K在线路各特征频段的总能量，e
∑
(K)
’
为所有线路在各自特征频段的总能量；当线路K与其它大多数线路的小波包分解结果极性相同时，小波能量的相对故障测度函数为：其中令e
∑
(K)/e
∑
(K)
’
＝x3，y4为极性相同时小波能量的相对故障测度：
[0022][0023]当线路K与其它大多数线路的小波包分解结果极性相反时，小波能量的相对故障测度函数为：其中令e
∑
(K)/e
∑
(K)
’
＝z3，y5为极性相反时小波能量的相对故障测度：
[0024][0025]由于e
∑
(K)/e
∑
(K)
’
的值越大，该方法的可信度越高，可确定故障测度越接近1，因此，小波能量的可确定故障测度函数为，其中令e
∑
(K)/e
∑
(K)
’
＝x3，y6为小波能量的可确定故障测度：
[0026][0027]进一步地，所述有功功率的故障测度函数的获取包括以下步骤：
[0028]设P
∑
为所有线路零序有功功率的总和，P(K)为第K条线路的零序有功功率，Q(K)为第K条线路的零序无功功率；当线路的P(K)与其它线路的P(K)方向相同时，构建有功功率的相对故障测度函数如下：其中令P(K)/P
Σ
＝x4，y7为同向时有功功率的相对故障测度，n为线路的条数；
[0029][0030]当线路K的P(K)与其它多数线路的P(K)方向不一致时，构建有功功率的相对故障测度函数，其中令P(K)/P
∑
＝x4，y8为方向不一致时有功功率的相对故障测度，n为线路的条数；
[0031][0032]当线路K的零序有功功率P(K)在视在功率(P(K)+Q(K))中占的比重越大，用该方法准确判断的可靠性越高，则可确定故障测度越接近于1，因此，构建有功功率的可确定故障测度函数如式所示：其中(P(K)+Q(K))为视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.配电网接地故障选线方法，其特征在于包括以下步骤：(一)获取五次谐波的故障测度函数、小波能量的故障测度函数和有功功率的故障测度函数：分别利用快速傅里叶变换和小波包变换从线路K零序电流信号和母线零序电压信号中提取稳态特征分量和暂态特征分量，暂态特征分量进行信号小波包分解，稳态特征分量分别进行信号谐波分解和信号有功分量分解；对频区能量特征进行提取，得到小波能量的故障测度函数，对五波谐波特征进行提取，得到五次谐波故障测度函数，对有功功率特征进行提取，得到有功功率故障测度函数；(二)GA
‑
LM改进BP选线模型的构建：将计算出来的暂态分量故障程度值、5次谐波故障程度值、有功分量故障程度值作为BP神经网络的输入矢量；执行遗传算法的步骤训练神经网络得到网络的初始权值和阈值；(三)基于遗传算法对BP神经网络的初始权值和阈值进行优化：训练时，先用遗传算法对神经网络的权值进行寻找，将搜索范围缩小后，再利用LM改进的BP网络进行精确求解，选线结果即是神经网络的输出，输出结果为1表示线路发生故障，为
‑
1表示非故障线路。2.根据权利要求1所述的配电网接地故障选线方法，其特征在于所述五次谐波的故障测度函数的获取包括以下步骤：发生单相接地故障时，过渡电阻呈现的非线性使得故障点处产生了非正弦电流，分解为一个基波和许多谐波，根据谐波在整个系统内的分布和保护的要求，选用五次谐波分量；设I
05
(K)为第K条线路零序电流的五次谐波分量，I
05
为所有线路零序电流五次谐波分量的总和；当一条线路的I
05
(K)的方向与其它剩余支路同向时，构建同向时五次谐波的相对故障测度函数，其中令I
05
(K)/I
05
＝x1，y1为同向时五次谐波的相对故障测度：当I
05
(K)的方向与其它线路的方向不相同时，构建方向不同时五次谐波的相对故障测度函数，其中令I
05
(K)/I
05
＝x1,y2为方向不同时五次谐波的相对故障测度；五次谐波可确定故障测度函数为：其中：令I
05
(K)/I
01
(K)＝x2,I
01
(K)是线路K的零序电流基波，y3为五次谐波的可确定故障测度函数值：3.根据权利要求1所述的配电网接地故障选线方法，其特征在于所述小波能量的故障测度函数的获取包括以下步骤：
设e
∑
(K)为线路K在线路各特征频段的总能量，e
∑
(K)
’
为所有线路在各自特征频段的总能量；当线路K与其它大多数线路的小波包分解结果极性相同时，小波能量的相对故障测度函数为：其中令e
∑
(K)/e
∑
(K)
’
＝x3，y4为极性相同时小波能量的相对故障测度：当线路K与其它大多数线路的小波包分解结果极性相反时，小波能量的相对故障测度函数为:其中令e
∑
(K)/e
∑
(K)
’
＝x3，y5为极性相反时小波能量的相对故障测度：小波能量的可确定故障测度函数为:其中令e
∑
...

【专利技术属性】
技术研发人员：高庆忠，齐建明，马艳娟，赵琰，王健，李昱材，姜河，王东来，林盛，罗金鸣，宋世巍，
申请(专利权)人：沈阳工程学院，
类型：发明
国别省市：