一种结合μPMU量测数据的电网故障辨识方法

技术领域

本发明涉及电网的监测及维护技术，具体是一种结合μPMU量测数据的电网故障辨识方法。

背景技术

近年来，微型同步相量测量(μPMU)技术在电力系统中的应用得到快速发展，在配电网故障定位领域也多有研究。μPMU利用全球定位系统(Global Positioning System，GPS)提供同步时钟信号，给同步相量打上时间标签，为电网监测系统提供了高精度、带时标的电压电流同步相量。

随着现代电力系统规模日益扩大，配电线路故障对社会经济和人民生活造成的危害更加严重。快速、准确的故障定位是快速恢复电网供电的前提，而对发生故障的辨识又是快速、准确故障定位的前提，是故障分析的一个重要部分。配电网故障发生时，电气量发生突变，电气量信息作为最根本的故障表征，要比开关量信息更为可靠精确。随着计算机技术和通信技术的飞速发展，以μPMU为基础的WAMS(电力系统同步量测系统广域量测系统)将在广域性、同步性、实时性等方面都有长足的进步，基于WAMS对电气量优良的同步实时监测传输特性，μPMU量测数据也能更加准确的反映电网故障的性质，因此，开发一种结合μPMU量测数据的电网故障辨识方法是必要的。

发明内容

本发明的目的是提出一种结合μPMU量测数据的电网故障辨识方法，本方法以μPMU测量的电气量数据为基础，可以快速、准确的完成μPMU监测区域内部是否发生故障的识别和故障类型的识别，为故障检修与排除提供便利，对以μPMU为基础的WAMS的功能延伸提供了重要的技术保障。

为实现上述目的，本发明采用以下技术方案：

一种结合μPMU量测数据的电网故障辨识方法，包括以下步骤：

步骤S1：在配电网每个子区域的每个边界母线上分别设置一个监测节点，每个监测节点对应设置一个μPMU，用以测量该监测节点的电压相量和流进该子区域的电流相量，并获得对应时间的阻抗；

步骤S2：设定S1为正常运行时所观测阻抗，S2为故障后所观测阻抗，变量s

对于被监测子区域，由于其存在多个边界，当其所有边界的监测节点均监测到可能发生故障的条件时，则判定该被监测子区域发生了故障；

步骤S3：在确定被监测子区域发生故障后，在μPMU的故障暂态录波数据中调出故障发生后1/4个周期的三相电流I

步骤S4：通过小波变换，对调出的I

步骤S5：将四种电流的小波能量作为故障的特征，按照下式分别求取四种电流I

再按照下式分别求取每个高频能量对应的归一化值e

公式(1)和公式(2)中的δ表示A、B、C三相；

步骤S6：根据实际电网中发生不同类型故障时的三相电流和零序电流数据，建立归一化值e

步骤S7：将小波电流高频能量e

所述步骤S7中，具体故障类型包括单相接地故障、两相相间短路故障、两相接地短路故障和三相短路故障。

本发明的有益效果是：本发明可快速、准确的完成监测区域内部是否发生故障的识别和故障类型的识别，为故障检修与排除提供便利，为以μPMU为基础的WAMS的功能延伸提供了重要的技术保障。

附图说明

图1为本发明的整体结构流程图。

图2为本发明的一个实施例中8层小波分解波形图。

图3为本发明一个实施例中的线性功能函数。

图4为μPMU装置的结构示意图。

图5为故障类型识别的网络模型图。

图6为仿真网络示意图。

图7为A相接地故障时小波分解d1、d8波形。

图8为AB两相接地短路时小波分解d1、d8波形。

图9为AB两相相间短路时小波分解d1、d8波形。

图10为ABC三相短路时小波分解d1、d8波形。

具体实施方式

下面结合说明书附图对本发明进一步的详细说明。

μPMU利用全球定位系统GPS提供的同步信号进行测量，一种典型的μPMU装置结构如图4所示，GPS接收机接受GPS的同步时间信号，为全球同步脉冲发生器提供一个秒脉冲信号(1PPS)，为微处理器提供一个时间戳，这里的时间既可以是国际标准时间也可以是当地时间。电网中的三相电压电流信号通过比较器转化为等比例较小的信号后，通过A/D转换器将模拟信号转化为数字信号，其中A/D转换器的同步采样频率由全球同步脉冲器提供，再将得到的数字信号经过微处理器处理加工并打上时间戳得到满足国际标准格式的同步相量数据，通过通信网络传输到位于调度中心的中央控制中心；电力系统中各个μPMU在时间上保持同步，能够获得各母线电压相量，使各个状态量之间的相量关系能更加直观的表现出来，这是跟传统的远动终端装置(Remote Terminal Unit，RTU)最大的区别。

一种结合μPMU量测数据的电网故障辨识方法，如图1所示，包括以下步骤：

步骤S1：在配电网每个子区域的每个边界母线上分别设置一个监测节点，每个监测节点对应设置一个μPMU，用以测量该监测节点的电压相量和流进该子区域的电流相量，并获得对应时间的阻抗；

步骤S2：设定S1为正常运行时所观测阻抗，S2为故障后所观测阻抗，变量s

对于被监测子区域，由于其存在多个边界，当其所有边界的监测节点均监测到可能发生故障的条件时，则判定该被监测子区域发生了故障；例如，在本发明的一个实施例中，一个被监测子区域存在三个边界，每个边界均设有一个监测节点，当三个监测节点均检测到存在

步骤S3：在确定被监测子区域发生故障后，在μPMU的故障暂态录波数据中调出故障发生后1/4个周期的三相电流I

这一步主要是以电气量的测量数据为基准，并根据电网频率以及小波变换的原理选取数据周期；

步骤S4：通过小波变换，对调出的I

小波变换是一种信号的时频分析方法，具有良好的信号自适应能力和时频定位特性，其把一系列尺度可变的函数作为基函数，可对各种时变信号进行分解；基于小波变换的小波包技术可以将任意信号映射到一组基函数上，这组基函数可由一个小波伸缩构成，可以得到不同频率频道内的分解序列，且分解后的信息完整并不丢失，对暂态信号的局部化分系能力强；

对时变信号f(t)进行小波变换，主要在于寻找一组能够衡量f(t)和函数族Ψ

其中：p为伸缩因子；q为平移因子；

其中：

函数f(t)∈L

其中：p，q∈R，p≠0；

小波函数Ψ对信号不同频率的限制表现在伸缩上，而对不同时间位置的限制则表现在平移上；Ψ和

式(5)展示的为连续小波变换，如果将小波变换应用到实际工程当中，就需要对小波变换进行离散化；令

其中：p

所以，离散小波变换为

选择适当的参数p

在本发明的一个实施例中，系统在0.35秒发生A相单相接地故障时，零序电流的8层小波分解波形如图2所示；

由于PMU记录的电压电流暂态录波数据均为连续量，因此不能直接应用模糊推理Petri网进行推理，这一步及下一步的目的都是将连续信号变为可应用于Petri网的离散信号，并提取为特征量；

步骤S5：将四种电流的小波能量作为故障的特征，按照下式分别求取四种电流I

再按照下式分别求取每个高频能量对应的归一化值e

公式(1)和公式(2)中的δ表示A、B、C三相；

步骤S6：根据实际电网中发生不同类型故障时的三相电流和零序电流数据，建立归一化值e

在本发明的一个实施例中，e

步骤S7：将小波电流高频能量e

在本发明的一个实施例中，根据上述步骤得到的Petri网模型如图5所示。

所述步骤S7中，具体故障类型包括单相接地故障、两相相间短路故障、两相接地短路故障和三相短路故障。

本发明的原理：

在故障发生时，系统里面的各种暂态数据包含着大量的故障信息；在故障发生后的四分之一个周期内，对于三相电流，发生故障的线路小波能量会比非故障线路的小波能量大很多；而对于零序电流，接地故障的小波能量会明显高于非接地故障的小波能量；因此，可以利用这些故障各自的小波能量特征来区分各种故障类型；假设发生了AB两相相间短路，可以看出发生故障的AB两相特征量明显高于未发生故障的C相特征值，而零序特征量比接地故障时明显偏小；同理，发生其他类型故障时四种特征量也会体现出各自不同的特点；应用模糊逻辑将这些模糊规则进行量化，最终通过模糊Petri网进行推理，便可以分辨出各种故障类型。

下面通过仿真分析对本方法进行验证：

当μPMU检测到监测区域的测量阻抗发生突变时，判断监测区域发生故障，提取故障前后的故障录波数据进行故障类型识别；

为了对配电网中四类短路故障进行分析，从每一种类型中选择一种故障来完成验证；

在PSCAD中建立如图6所示的10kV局部配电网模型来产生A相接地短路故障(AG)、AB两相接地短路故障(ABG)、AB相间短路(AB)以及ABC三相短路故障(ABC)的暂态波形；两台，MU装置在1、4节点进行故障监测；其中在工频50HZ的条件下，线路主要参数为：线路正序电阻r

让系统在0.35秒时发生各种类型故障，其中过渡电阻设置为10Ω，故障位置为线路2-3中点；将节点1处安装μPMU测量到的三相电流和零序电流波形暂态数据导入MATLAB中进行8层小波分解，计算故障特征值；各种暂态信号数据经8层小波变换分解后的波形如图7～图10所示；鉴于篇幅原因，此处仅对d1和d8进行体现；

提取故障后四分之一周期内的小波分解数据，应用式(1)求取四种电流I

表一：

4种信号的故障特征值

将表一中的故障特征值通过模糊逻辑进行模糊处理，求取FPN的初始状态，并存储到输入库所，其初始状态如表二所示：

表二：

FPN初始状态

根据模糊推理Petri网(fuzzy reasoning Petrinet，FRPN)定义及特点，可将FRPN定义为一个6元组：

FRPN＝{P，T，I，O，θ

其中：P＝{p

T＝{t

I为输入矩阵，I＝[δ

O为输出矩阵，O＝[γ

θ

U为规则置信度矩阵，U＝diag(μ

模糊Petri网推理过程如下：

引入两个算子

再引入″neg″算子和中间变量v

其中：1

其中：v

其中：ρ

通过上述公式进行推理，最终得到库所P

综上所述，可以得到推理算法：第一步读入数据j＝1，2，...，n；第二步令推理步骤k＝0；第三步计算公式(9)～式(11)的算子及中间变量；第四步根据公式(12)，由θ

根据上述推理过程进行推理，得到HFPN的最终状态以及对应的诊断结果，如表三所示，

表三：

表三HFPN的最终状态

由表三可知，本方法可以准确的辨识出四种不同类型故障，并能得到各种故障类型发生的概率。在辨识的过程中，可能会出现识别出发生两种情况的故障，以故障概率比较大的那种类型为最终辨识结果。例如当发生ABG类型故障时，HFPN会推断出发生AG类型故障的概率为0.2454，而发生ABG类型故障的概率为0.7546，明显发生ABG类型故障的概率更高，因此最终判定发生了ABG故障。同理对于发生ABC类型故障时，HFPN会推断出发生CA类型故障的概率为0.1759，发生ABC类型故障的概率为0.8241，最终判定发生了ABC类型故障。而对于单相接地故障和两相相间接地故障可以准确的辨识。

为了检验所提故障类型识别方法的适用性问题，分别对故障发生在不同位置和不同过渡电阻情况进行验证。

首先分析不同故障位置对故障辨识的影响，在线路1-4之间不同位置发生过渡电阻为10Ω的A相单相接地故障，其故障特征值和识别结果如表四所示，其中故障位置为距节点1的距离。

表四：不同故障位置时故障辨识结果

再分析不同过渡电阻对故障辨识的影响，在线路3-4中点位置发生AB两相相间接地故障，其故障特征值和识别结果如表五所示。

表五：不同过渡电阻时故障辨识结果

从表四和表五中可以看出，在不同位置发生A相单相接地故障时，A相的能量特征值明显大于B、C两相，零序能量特征值明显偏高，所以可以准确判断出故障类型。经不同过渡电阻发生AB两相相间短路时，A、B两相能量特征值明显大于C相能量特征值，并且零序能量特征值基本为零，所以可以准确判断出故障类型。综上所述，所提方法在不同的工作情况下均能准确的判断故障类型，并能给出该故障发生的概率。

本发明未详述部分为现有技术。