一种改进型经验模态分解的故障定位方法

技术领域

本发明涉及电力系统故障定位技术领域，特别是一种改进型经验模态分解的故障定位方法。

背景技术

电网规模随着人们用电需求的增加而在扩大并逐步深化改革。在输电环节电力系统电容电流和电压伴随着线路的不断增长而变的越来越大，电流电压过载容易导致线路发生故障造成电力设备以及电力系统的安全运行的损伤。当发生故障时，传统的人工定位效率低难以做到精准故障定位。快速的故障定位有利于提高电力系统的稳定性，减少重大经济损失。

高压输电线路故障定位方法主要分为四种：端点测量法、信号注入法、区段定位法、智能算法。端点测量法一般采用双端行波法进行故障定位，通过检测故障信号得到故障时间进而计算故障距离。该方法不受故障类型、过渡电阻等因素影响。双端行波法需要在两端母线处安装故障定位装置和通信装置，获取的信息量相对于单端行波法增大了一倍。因此，由于双端行波法的定位精度更高，且不受多种线路因素影响，被广泛应用于输电线路故障定位。然而传统的双端行波法所应用的经验模态分解抗干扰信号能力弱，一旦受到外来干扰信号，分解结果将出现混叠现象。其次经验模态分解效率低，时间长，分解结果容易出现错误。针对当前技术的不足，本专利提出一种改进型经验模态分解的故障定位方法。原信号在加入噪声后，EMD对于极值点少的信号变的可以分解了。该改进算法利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终结果。利用Teager能量算子对能量突变的敏感性，对改进经验模态模态分解算法获得的模态能量瞬时突变时刻进行识别，确定行波第一次及第二次折反射时间，最后利用不受波速影响的双端行波法算式进行计算，得到故障距离。该方法能够提高定位效率、定位精度。

发明内容

本发明所要解决的技术问题是提供一种改进型经验模态分解的故障定位方法，解决双端行波故障测距过程中出现的问题：经验模态分解抗干扰信号能力弱，一旦受到外来干扰信号，分解结果将出现混叠现象；其次经验模态分解效率低，时间长，分解结果容易出现错误。

为解决上述技术问题，本发明所采用的技术方案是：一种改进型经验模态分解的故障定位方法，包括以下步骤：

步骤一、通过线路两端的录波装置获取行波信息，利用采集信息判断该段线路是否发生故障，若发生故障，故障点将产生向线路两端传播的行波，获取行波暂态信号进行EEMD分解；

步骤二、利用EEMD及Teager能量算子，即EEMD-TEO，识别具体行波到达时刻；

步骤三、采用双端行波法算式获得定位结果。

优选的，所述步骤二，通过集合经验模态分解算法得到主导特征值和主要模态，集合经验模态算法利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终结果。算法流程图如图1所示。通过Teager能量算子对能量大小的分析可以获取故障发生时刻的具体时间，通过集合经验模态分解获取故障行波含有故障信息的模态，再通过能量算子获取具体行波到达时刻。

优选的，所述集合经验模态算法具体包括以下步骤：

(一)、设定总体平均次数M；

(二)、将一个具有标准正态分布的白噪声n

(三)、对所得含噪声的信号x

其中，c为含特征模信号，r为剩余量信号；

(四)、i＝i+1,若i≤M,重复(3)和(4)得到特征模态集合；

(五)、将上述特征模态集合进行集合平均运算，得到EEMD分解后的最终模态；即：

优选的，所述步骤三，利用EEMD-Teager算法获得故障行波突变的时刻，将突变时间带入双端行波法故障距离算式中得到最后结果。

优选的，M和N是安装在线路两端总线上的高频传感器，F为故障点位置，MN两端高频传感器的距离为L；假设故障发生时间为t0，tm1与tn1是故障行波到达采样点的时间；tm3与tn3是故障行波经过故障点与母线端两次反射后的反射时间；tm2与tn2为故障行波在故障点经过一次折射后的时间；

故障距离与行波到达时刻之间的关系为：

当故障距离0≤Xm≤L/2时，消去波速后可得：

当故障距离L/2≤Xm≤L时，消去波速后可得：

其中，X

本发明提供一种改进型经验模态分解的故障定位方法，具有以下优点：

1、本专利提供一种改进型经验模态分解的故障定位方法，解决双端行波故障测距过程中传统经验模态分解出现的问题：经验模态分解抗干扰信号能力弱，一旦受到外来干扰信号，分解结果将出现混叠现象。其次经验模态分解效率低，时间长，分解结果容易出现错误。改进算法利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终模态量。对原信号添加高斯白噪音，利用EMD滤波器组和白噪声频谱分布均匀的特性，使得信号分解过程中极值点的分布更加均匀，有效的抑制了由间歇性现象引起的模态混叠现象。

2、利用Teager能量算子对能量突变的敏感性，对改进经验模态分解算法获得的模态能量瞬时突变时刻进行识别，确定行波第一次及第二次折反射时间。EEMD-Teager能够使得时间获取的更加精确，提高定位精度。

3、最后利用不受波速影响的双端行波法算式进行计算，将Teager能量算子获取的行波折反射时间带入算式得到故障距离。该算式能够提高避免行波波速衰减的影响，降低误差，提高精度。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明的EEMD流程图；

图2为本发明行波反射原理图；

图3为本发明故障行波图；

图4为本发明故障行波能量分布图；

图5为本发明双端行波法流程图。

具体实施方式

一种改进型经验模态分解的故障定位方法，包括以下步骤：

步骤一、通过线路两端的录波装置获取行波信息，利用采集信息判断该段线路是否发生故障，若发生故障，故障点将产生向线路两端传播的行波，获取行波暂态信号进行EEMD分解；

步骤二、利用EEMD及Teager能量算子，即EEMD-TEO，识别具体行波到达时刻；

步骤三、采用双端行波法算式获得定位结果。

优选的，所述步骤二，通过集合经验模态分解算法得到主导特征值和主要模态，集合经验模态算法利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终结果。算法流程图如图1所示。通过Teager能量算子对能量大小的分析可以获取故障发生时刻的具体时间，通过集合经验模态分解获取故障行波含有故障信息的模态，再通过能量算子获取具体行波到达时刻。

优选的，所述集合经验模态算法具体包括以下步骤：

(一)、设定总体平均次数M；

(二)、将一个具有标准正态分布的白噪声n

(三)、对所得含噪声的信号x

其中，c为含特征模信号，r为剩余量信号；

(四)、i＝i+1,若i≤M,重复(3)和(4)得到特征模态集合；

(五)、将上述特征模态集合进行集合平均运算，得到EEMD分解后的最终模态；即：

优选的，所述步骤三，利用EEMD-Teager算法获得故障行波突变的时刻，将突变时间带入双端行波法故障距离算式中得到最后结果。

优选的，如图2所示，M和N是安装在线路两端总线上的高频传感器，F为故障点位置，MN两端高频传感器的距离为L；假设故障发生时间为t0，tm1与tn1是故障行波到达采样点的时间；tm3与tn3是故障行波经过故障点与母线端两次反射后的反射时间；tm2与tn2为故障行波在故障点经过一次折射后的时间；

故障距离与行波到达时刻之间的关系为：

当故障距离0≤Xm≤L/2时，消去波速后可得：

当故障距离L/2≤Xm≤L时，消去波速后可得：

其中，X

EMD算法的改进，经验模态分解(EMD)方法的实质是通过特征时间尺度来识别信号中所内含的所有振动模态。在这一过程中，特征时间尺度及IMF的定义都具有一定的经验性和近似性。与其他信号处理方法相比，EMD方法是直观的、间接的、后验的、自适应的，其分解所用的特征时间尺度是源自于原始信号的。然而EMD仍存在一些缺点：当信号中存在由异常事件(如间断信号、脉冲干扰和噪声等)引起的间歇现象时EMD的分解结果就会出现模态混叠。模态混叠的出现不仅仅会导致错假的时频分布，还会导致本征模函数(IMF)失去物理意义。针对当前技术的不足，提出一种改进型经验模态分解的故障定位方法。原信号在加入噪声后，EMD对于极值点少的信号变的可以分解了。该改进算法利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终结果。利用Teager能量算子对能量突变的敏感性，对改进经验模态分解算法获得的模态能量瞬时突变时刻进行识别。Teager能量算子能够反映信号的能量变化，通过差分运算获取变化时刻的瞬时能量，即：

如图3、图4所示。图3显示故障时刻发生在0.01s。图4为EEMD-Teager获取的能量突变点，采样数与采样频率的乘积作为此时的能量突变时刻。

本专利改进的经验模态分解利用了白噪声的频谱均匀分布特性，这样不同时间尺度的信号可以自动分离到与其相适应的参考尺度上去，由于零均值噪声的特性，经过多次平均后，噪声将相互抵消，集成均值的结果就可作为最终模态量。对原信号添加高斯白噪音，利用EMD滤波器组和白噪声频谱分布均匀的特性，使得信号分解过程中极值点的分布更加均匀，有效的抑制了由间歇性现象引起的模态混叠现象。

EEMD-TEO算法能够有效提高定位精度，利用Teager能量算子对能量突变的敏感性，对改进经验模态分解算法获得的模态能量瞬时突变时刻进行识别，确定行波第一次及第二次折反射时间。EEMD-TEO能够使得时间获取的更加精确，提高定位精度。

方案中双端行波法算式仅包含行波折反射时刻作为变量，不包含行波波速。排除传统定位算式中行波波速衰减对定位结果造成的误差，进一步提高定位精度。

上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。