CN102401870A - 基于Hilbert-huang变换和遗传算法的配电网单相接地故障测距方法 - Google Patents

Abstract

本发明公开了一种在准确选择故障线路基础上，应用Hilbert-huang变换(HHT)提取故障零序电流在不同频率段内不同时刻的能量分布特征，然后应用遗传算法以故障距离、接地电阻和故障时刻为变量，以不同频率段内能量分布匹配程度为适应度函数，对Matlab/Simulink仿真所得各种不同故障条件下故障零序电流特征与原始故障信号进行特征匹配，利用遗传算法对故障条件进行自动搜索，以能量分布最为匹配的故障点作为输出，故障特征最为匹配的故障条件下的故障点到母线的距离即为输出的故障距离。最终形成一套利用HHT提取故障特征，应用遗传算法进行故障特征匹配，最终实现配电网单相接地故障测距的新方法，这种测距方法较大程度上提高了配电网单相接地故障测距的准确性。

Description

基于Hilbert-huang变换和遗传算法的配电网单相接地故障测距方法

技术领域

本发明涉及一种配电网单相接地故障测距方法，特别是应用Hilbert-huang变换(HHT)对暂态故障特征提取和应用遗传算法进行故障匹配的单相接地故障测距方法。

背景技术

配电网故障测距的研究一直都是电力系统重要的课题之一，也是难题。尤其是对发生概率最高的单相短路接地故障，更是引起了国内外广大学者的广泛关注。

目前配电网的故障测距方法主要有阻抗分析法、行波法、注入法和基于配网自动化系统信息的定位方法。阻抗法易受路径阻抗、负荷电流和电源参数影响，可能得到多个故障点；行波测距法由于波阻抗在不连续点的折射和反射造成线路一端测得的行波特别复杂，很难正确识别出故障点的反射波；注入法需要考虑铁磁谐振的干扰，由于铁磁谐振，产生系统内部的过电压及过电流，从而使测距错误；基于配网自动化系统信息的定位方法不仅实现成本太高，并且此类算法只能定位出配电网线路相应的故障区段，不能确定出具体的线路故障位置。

发明内容

本发明的目的旨在克服上述现有配电网故障测距方法的不足，提出一种利用HHT提取故障零序电流的能量分布特征，应用遗传算法对不同故障条件下故障零序电流能量分布特征进行匹配搜索，最终形成一种配电网单相接地故障准确测距方法，该测距方法不受消弧线圈影响，可适用于不接地、经消弧线圈接地和经高阻接地系统；可适用架空线路，也可适用电缆架空线混合系统。

本发明为实现其目的所采取的技术方案是：应用Hilbert-huang变换提取故障零序电流在不同频率段内不同时刻的能量分布特征。最后应用遗传算法以故障距离、接地电阻和故障时刻为变量，以不同频率段内能量分布匹配程度为适应度函数，对Matlab/Simulink仿真所得各种不同故障条件下故障零序电流特征与原始故障信号进行特征匹配，利用遗传算法对故障条件进行自动搜索，以能量分布最为匹配的故障点作为输出，故障特征最为匹配的故障条件下的故障点到母线的距离即为输出的故障距离，按如下步骤实现：

(1)当母线零序电压瞬时值u(t)大于KU，故障测距装置立即启动，记录故障后1个周期波形各馈线零序电流x(t)，其中K取值0.15，U表示母线额定电压；

(2)应用HHT对各个馈线故障后1/10周波内零序电流x(t)进行经验模态分解(Empirical Mode Decomposition，简称EMD)，分解出本征模态函数(Intrinsic ModeFunction，简称IMF)；

(3)对故障零序电流分解出的IMF进行Hilbert变换，得各个本征模态函数希尔伯特幅值谱图，即零序电流信号时间-频率-幅值分布图。

(4)根据所得本征模态函数Hilbert幅值谱，求取各个IMF不同频率段内不同时刻能量分布特征P；

(5)根据所得故障零序电流信号能量特征P，构建遗传算法适应度函数。遗传算法适应度函数的构造如下：首先求取故障零序电流信号各个本征模态函数在不同时刻、不同频率段内能量分布情况，作为不同故障条件下故障零序电流信号的故障特征。通过各个不同故障条件下仿真零序故障电流在不同时刻不同频率段内能量分布特征与原始信号相对应本征模态函数对应频率段能量分布特征比较，所得各个对应频率段能量差值的绝对值之和作为遗传算法适应度函数值。所构建遗传算法适应度函数为：

$f=\frac{1}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}|P_{\mathrm{mi}}-\widehat{P_{\mathrm{mi}}}|}---\left(1\right)$

M为分解的包含较高频率成分本征模态函数个数，N为不同时刻不同频率段内能量点数，

为原始信号能量分布值。

(6)应用遗传算法以故障距离、故障时刻和接地电阻阻值为变量，以故障特征匹配程度作为适应度函数，对故障条件进行自动搜索，找出故障特征最为匹配的故障点作为输出，故障点距离母线的距离即为故障距离。

发明原理：

1、应用HHT提取故障零序电流信号能量分布特征

配电网线路中含有大量的等效电感和电容，当线路中突然短路时出线电压和电流故障波形中含有大量的工频整数次谐波和非整数次谐波，利用谐波能量分布情况可以提取出小电流接地故障电流信号所包含的丰富瞬时频率成分。HHT是一种全新的非线性、非平稳数据分析方法，包括EMD和Hilbert变换两部分组成，其核心部分是经验模式分解(EMD)。HHT适合于对零序电流信号进行分解变换得零序电流的故障特征。根据已有的研究成果，EMD可直接采用。HHT通过EMD将信号分解为若干个本征模态函数(IMF)，IMF的特点是具有合理的瞬时频率定义，然后对IMF进行Hilbert变换得到各个本征模态函数希尔伯特幅值谱图，即零序电流信号时间-频率-幅值分布图。

2、应用遗传算法进行故障特征匹配搜索

在配电网单相接地故障距离的寻优中应用遗传算法以故障距离、故障时刻和接地电阻阻值为变量，以故障特征匹配程度作为适应度函数，对故障条件进行自动搜索，找出故障特征最为匹配的故障点作为输出，故障点距离母线的距离即为故障距离。

本发明在准确选择故障线路基础上，应用HHT提取故障零序电流在不同频率段内不同时刻的能量分布特征。最后应用遗传算法以故障距离、接地电阻和故障时刻为变量，以不同频率段内能量分布匹配程度为适应度函数，对Matlab/Simulink仿真所得各种不同故障条件下故障零序电流特征与原始故障信号进行特征匹配，利用遗传算法对故障条件进行自动搜索，以能量分布最为匹配的故障点作为输出，故障特征最为匹配的故障条件下的故障点到母线的距离即为输出的故障距离。最终形成一套利用HHT提取故障特征，应用遗传算法进行故障特征匹配，最终实现配电网单相接地故障测距的新方法。

基于上述分析，实现故障测距步骤为：

1、根据所记录母线零序电压瞬时值情况，当零序电压大于设定值时，自动启动故障测距装置；

2、利用HHT对各馈线故障零序电流进行EMD分解，得到各个馈线零序电流的IMF分量；

3、对故障零序电流分解出的IMF进行Hilbert变换，得各个本征模态函数希尔伯特幅值谱图，即零序电流信号时间-频率-幅值分布图；

4、根据所得本征模态函数Hilbert幅值谱，根据各层IMF包含频率成分的不同，分别设置不同频率段数；分解得到的首层IMF主要包含频率成分为0～35000Hz，设置首层频率段数为700段，频率段间间隔为50Hz，求取首层各个频率段内能量；分解得到的第二层IMF所含频率成分主要为0～28000Hz，设置第二层频率段数为700段，频率段间间隔为40Hz，求取第二层各个频率段内能量；分解得到的第三层IMF所含频率成分主要为0～20000Hz，设置第三层频率段数为500段，频率段间间隔为40Hz，求取第三层各个频率段内能量；分解得到的第四层IMF所含频率成分主要为0～15000Hz，设置第四层频率段数为500段，频率段间间隔为30Hz，求取第四层各个频率段内能量；分解得到的第五层IMF所含频率成分主要为0～10000Hz，设置第五层频率段数为500段，频率段间间隔为20Hz，求取第五层各个频率段内能量；分解得到的第六层IMF所含频率成分主要为0～3000Hz，设置第六层频率段数为200段，频率段间间隔为15Hz，求取第六层各个频率段内能量；分解得到的第七层IMF所含频率成分主要为0～800Hz，设置第七层频率段数为200段，频率段间间隔为4Hz，求取第七层各个频率段内能量，求取各个IMF不同频率段内不同时刻能量分布特征P；

5、根据所得故障零序电流信号能量特征P，构建遗传算法适应度函数；

6、应用遗传算法以故障距离、故障时刻和接地电阻阻值为变量，以故障特征匹配程度作为适应度函数，对故障条件进行自动搜索，找出故障特征最为匹配的故障点作为输出，故障点距离母线的距离即为故障距离；

Hilbert-Huang变换(HHT)是Huang提出的一种全新的完全自适应时频分析方法，它具有良好的局部时频特性，因此更能够准确地反映原信号的特性。HHT从信号本身的尺度特征出发对信号进行EMD分解得到固有模态函数(intrinsic mode function，IMF)，通过对IMF进行Hilbert变换，得到解析信号，求取具有真正物理意义的瞬时频率。

本发明与现有技术相比具有如下优点：

1、该方法利用高频暂态电流信号，幅值大，抗干扰能力强；

2、通过应用HHT得到故障线路零序电流信号Hilbert边界谱，提取故障线路零序电流不同频率段各个时刻能量分布特征，这种方法比传统的傅里叶分解与小波分析在故障特征提取方面更具有优势，原理更先进；

3、该方法应用遗传算法对故障距离进行自动搜索，是一种在线故障测距方法，实时性强；

4、该方法是一种单端故障测距方法，由于配电网末端一般不具备安装测距设备的条件，采用这种测距方法在经济性、实用性方面更具有优势。

附图说明

图1为本发明的故障测距方法流程图；

图2为本发明的计算不同频率段能量子程序流程图；

图3为辐射状谐振接地系统图。

具体实施方式

小电流接地系统发生单相接地故障时，利用上述发明方法可以实现完善的故障测距。具体实施流程图如图所示。

具体实施步骤如下：

1、当母线零序电压瞬时值u(t)大于KU，故障选线装置自动启动，记录下故障后一个周波各馈线零序电流，K取值0.15，U表示母线额定电压；

2、利用HHT对各馈线1周波内零序电流进行EMD分解，分别得到各线路零序电流的IMF分量；

3、对故障零序电流分解出的IMF进行Hilbert变换，得各个本征模态函数希尔伯特幅值谱图，即零序电流信号时间-频率-幅值分布图；

4、根据所得本征模态函数Hilbert幅值谱，求取各个IMF不同频率段内不同时刻能量分布特征P；

5、根据所得故障零序电流信号能量特征P，构建遗传算法适应度函数；

6、应用遗传算法以故障距离、故障时刻和接地电阻阻值为变量，以故障特征匹配程度作为适应度函数，对故障条件进行自动搜索，找出故障特征最为匹配的故障点作为输出，故障点距离母线的距离即为故障距离。

具体实施例1：

图3为辐射状谐振接地系统，G为电源，T为变压器，变比为110Kv/35kV，联接组别为YN/d11，其中中性点经消弧线圈串联电阻接地，采用过补偿10％；R为消弧线圈阻尼电阻，Rf为接地电阻；消弧线圈通过隔离开关K投切。

系统发生单相接地故障，采样装置采样频率为100000Hz，记录线路零序电流和母线零序电压。

(1)设置图3配电网仿真模型为谐振接地系统，模型设置为缆线混合仿真模型：线路1、3、4为架空线路，长度分别为40km，30km，10km，电缆线路2长度为7km。配电网在发生单相接地故障时，通过故障录波器监测的故障电压信号，基本可确定单相接地故障发生时间，因此对配电网第4条(线路长10km)出线设置故障时刻为已知值，分别设置故障合闸角为10°和60°，对故障距离与接地电阻进行匹配搜索，多种故障条件下，搜索结果如表1。

表1谐振接地缆线混合系统不同故障条件测距结果

(2)设置图3配电网仿真模型为谐振接地系统，线路参数为架空线仿真模型：线长度分别为40km，30km，20km，10km。对配电网第1条(线路长40km)出线设置故障时刻为已知值，分别设置故障合闸角为10°和60°，对故障距离与接地电阻进行匹配搜索，多种故障条件下，搜索结果如表2。

表2谐振接地架空线系统不同故障条件测距结果

(3)设置图3配电网仿真模型为不接地系统，线路参数设置为缆线混合仿真模型：线路1、3和4为架空线路，长度分别为40km，30km，10km，电缆线路2长度为7km，对配电网第3条(线路长30km)出线设置故障时刻为已知值，分别设置故障合闸角为10°和60°，对故障距离与接地电阻进行匹配搜索，多种故障条件下，搜索结果如表3。

表3不接地缆线混合系统不同故障条件测距结果

(4)设置图3配电网仿真模型为不接地系统，线路参数设置为架空线仿真模型：线路长度分别为40km，30km，20km，10km，对配电网第4条(线路长40km)出线设置故障时刻为已知值，分别设置故障合闸角为10°和60°，对故障距离与接地电阻进行匹配搜索，多种故障条件下，搜索结果如表4。

表4不接地架空线系统不同故障条件测距结果

从以上配电网各种情况测距仿真结果可以看出，基于HHT与遗传算法的配电网单相接地故障测距的发明方法能够满足故障测距精度要求。

Claims (1)

1.基于Hilbert-huang变换和遗传算法的配电网单相接地故障测距方法，应用Hilbert-huang变换(HHT)提取故障零序电流在不同频率段内不同时刻的能量分布特征，应用遗传算法以故障距离、接地电阻和故障时刻为变量，以不同频率段内能量分布匹配程度为适应度函数，对Matlab/Simulink仿真所得各种不同故障条件下故障零序电流特征与原始故障信号进行特征匹配，利用遗传算法对故障条件进行自动搜索，以能量分布最为匹配的故障点作为输出，故障特征最为匹配的故障条件下的故障点到母线的距离即为输出的故障距离，最后形成一套配电网单相接地故障测距方法，按如下步骤实现：

(1)当母线零序电压瞬时值u(t)大于KU，故障测距装置立即启动，记录故障后1个周期波形各馈线零序电流x(t)，其中K取值0.15，U表示母线额定电压；

(2)应用HHT对各个馈线故障后一周波内零序电流x(t)进行经验模态分解(Empirical Mode Decomposition，简称EMD)，分解出本征模态函数(Intrinsic ModeFunction，简称IMF)；

(3)对故障零序电流分解出的IMF进行Hilbert变换，得各个本征模态函数希尔伯特幅值谱图，即零序电流信号时间-频率-幅值分布图；

(4)根据所得1-7层本征模态函数Hilbert幅值谱，求取各个IMF不同频率段内不同时刻能量分布特征P；

(5)根据所得故障零序电流信号能量特征P，构建遗传算法适应度函数。遗传算法适应度函数的构造如下：首先求取故障零序电流信号各个本征模态函数在不同时刻、不同频率段内能量分布情况，作为不同故障条件下故障零序电流信号的故障特征。通过各个不同故障条件下仿真零序故障电流在不同时刻不同频率段内能量分布特征与原始信号相对应本征模态函数对应频率段能量分布特征比较，所得各个对应频率段能量差值的绝对值之和作为遗传算法适应度函数值。所构建遗传算法适应度函数为：

$f=\frac{1}{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}|P_{\mathrm{mi}}-\widehat{P_{\mathrm{mi}}}|}---\left(1\right)$

M为分解的包含较高频率成分本征模态函数个数，N为不同时刻不同频率段内能量点数，

为原始信号能量分布值。

(6)应用遗传算法以故障距离、故障时刻和接地电阻阻值为变量，以故障特征匹配程度作为适应度函数，对故障条件进行自动搜索，找出故障特征最为匹配的故障点作为输出，故障点距离母线的距离即为故障距离。

Images