CN104316844A - 配电网故障类型识别方法及装置 - Google Patents

Abstract

一种配电网故障类型识别方法及装置，所述方法包括步骤：从配电网的传输线路中获取信号的实时波形；提取实时波形的特征值，从波形库中选取其特征值与实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；分别构造实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定实时波形与各初步匹配波形的距离；从各初步匹配波形中选取与实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与实时波形匹配的故障波形；根据故障波形与故障类型的对应关系确定实时波形的故障类型。本发明提高了配电网故障类型识别的准确性和效率，减少了因故障处理不及时而造成的额外损失。

Description

配电网故障类型识别方法及装置

技术领域

本发明涉及电力系统技术领域，特别是涉及一种配电网故障类型识别方法、一种配电网故障类型识别装置。

背景技术

电力对于一个国家的发展至关重要，保证电力系统安全有效的运行成为了重中之重，排除电网运作中的故障是其核心。为了达到快速排除电网故障的目的，配网故障类型的识别是关键。

目前现有的暂态波记录装置通过连续监听电力装置进行系统电流、电压、功率及系统频率全过程变化波形的数据采集。当任意启动元件动作(即电力装置出现故障)时开始记录，在故障消除或系统振荡平息后，启动元件返回，在经预先整定的时间后停止记录，完成数据的采集，而后暂态波记录装置将采集的数据存储在缓存区中，按照预先设定的录波时间将故障波形存储下来并发送到存储单元中以达到记录暂态波的目的。暂态波记录装置可以较好实现暂态波数据采集及波形存储的功能，在完整记录波形的同时通过压缩波形中的相似点以及判断记录时间等方式减少无关数据的存储，节省存储空间，减少后期数据处理任务，具有很好的实用性。

但是现有的暂态波记录装置仅能很好的存储并记录暂态波波形，并不能通过暂态波波形来判断配电网的故障类型，并且电力公司对于配电网故障类型的判断也大多依靠现场勘测和经验，不仅影响抢修效率，也造成了额外的损失。

发明内容

基于此，有必要针对上述问题，提供一种配电网故障类型识别方法及装置，使其能快速准确的识别配电网的故障类型，提高故障抢修效率。

一种配电网故障类型识别方法，包括步骤：

从配电网的传输线路中获取信号的实时波形；

提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

一种配电网故障类型识别装置，包括：

实时波形获取模块，用于从配电网的传输线路中获取信号的实时波形；

波形初步匹配模块，用于提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

波形距离确定模块，用于分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

故障波形确定模块，用于从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

故障类型确定模块，用于根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

本发明配电网故障类型识别方法及装置，先从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，即选取特征值与实时波形的特征值相等或相似的各故障波形，得到实时波形的各初步匹配波形，然后再根据各初步匹配波形与实时波形的距离最小值确定与实时波形精确匹配的故障波形，即可以根据存储的故障波形与故障类型对应关系确定出实时波形的故障类型。本发明增强了波形匹配的鲁棒性，极大提高了配电网故障类型识别的准确性和效率，从而也就提高了配电网故障的抢修效率，减少了因故障处理不及时而造成的额外损失。

附图说明

图1为本发明方法实施例一的流程示意图；

图2为本发明方法实施例二的流程示意图；

图3为本发明装置实施例一的结构示意图；

图4为本发明装置实施例二的结构示意图；

图5为本发明波形距离确定模块实施例的结构示意图。

具体实施方式

下面结合附图对本发明配电网故障类型识别方法的具体实施方式做详细描述。

如图1所示，一种配电网故障类型识别方法，包括步骤：

S110、从配电网的传输线路中获取信号的实时波形；

S120、提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

S130、分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

S140、从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

S150、根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

配电网传输线路中的模拟信号由电压互感器和电流互感器的二次侧直接接入，包括三相交流电流和零序电流、三相交流电压和零序电压、高频量等输入信号，这些输入信号经过隔离、滤波、电压变换后，进入多路开关进行A/D(模数)转换，将模拟信号转换为数字信号，以便于后续数据处理及存储。

由于本申请侧重于解决配电网故障类型的识别，所以如图2所示，步骤S110之后，步骤S120之前，还可以包括步骤S111：检测所述实时波形是否为正常波形，若是，返回步骤S110，否则进入步骤S120。通过对实时波形的检测，可以仅对出现故障的波形进行故障类型识别和存储，提高了数据处理的效率，减少了存储空间，缩减了成本。

在对实时波形进行存储时，为了保障后续波形特征值的提取，以及波形匹配效率的高效，需将数字转换后的实时波形按照一定格式进行存储。例如可以将获取的实时波形传输到Andorid平台中，实时波形的数据就会按既定的XML(Extensible Markup Language，可扩展标记语言)节点的格式进行存储。

为了实现配电网故障类型的识别，需要先建立波形库，用于存储配电网中的故障波形以及故障波形对应的故障类型等。获取实时波形后先根据特征值进行波形初步匹配，特征值可以包含波峰、波谷、振幅、频率，以及与相应正常波形比较确定的上限超出值、下限超出值、变化频率等。由于波形在某种程度上可以视为信号处理，因此特征值的提取可以采用与信息处理相类似的方法，例如小波分析法等。

小波变换是通过伸缩和平移等运算功能对函数或信号进行多尺度化分析，是时间和频率的局部变换，能有效地从信号中提取信息，因而小波分析成为当前一种新兴的信号处理技术。其中满足公式(1)条件的平方可积函数Ψ(t)，即Ψ(t)∈L²(R)，为一个基本小波或小波母函数，式(1)中的Ψ(ω)表示Ψ(t)的傅立叶变换。

$C_{\mathrm{\&Psi;}}={\&Integral;}_R\frac{{\left|\mathrm{\&Psi;}\left(\mathrm{\&omega;}\right)\right|}^2}{\left|\mathrm{\&omega;}\right|}\mathrm{d\&omega;}<\&infin;---\left(1\right)$

由函数Ψ(t)经伸缩和平移得到的一族函数

${\mathrm{\&Psi;}}_{a,b}\left(t\right)={\left|a\right|}^{\frac{1}{2}}\mathrm{\&Psi;}\left(\frac{t-b}{a}\right)\mathrm{dt}---\left(2\right)$

Ψ_a,b(t)为由母函数Ψ(t)生成的依赖于参数a,b的连续小波函数族或小波基函数。a为伸缩因子，其变化不仅改变连续小波函数族的频谱的结构，而且也改变其窗口的形状和大小；b为平移因子，起着平移的作用，a,b∈R,a≠O。

根据W_f(a,b)＝＜f(t),提取所述实时波形的特征值，其中f(t)表示实时波形的信号。

提取到实时波形的特征值后，即可以将其特征值与波形库中故障波形的特征值进行比较，从波形库中选取特征值与实时波形特征值相等或相近的各故障波形，即选取两者特征值的差值小于预设阈值的各故障波形，得到实时波形的各初步匹配波形。预设阈值可以根据需要灵活设置，由于其值的大小影响初步匹配波形选择的数目以及后续匹配的处理效率，所以一般预设阈值设置为较小的数值。

获取到各初步匹配波形后，需要进行进一步的精确匹配，以准确确定实时波形对应的故障波形。由于存储的波形数据是一连串的离散数据，时序性是连续的，所以可以通过构造向量确定距离的方法实现实时波形的精确匹配，即步骤S130可以包括：

构造实时波形的波形向量集合M(O)＝{x₁，x₂，x₃...x_n-1，x_n}，其中n表示M(O)含有n个元素，各元素的向量表示为x₁，x₂，x₃...x_n-1，x_n；

构造各初步匹配波形的波形向量集合M(D)＝{y₁，y₂，y₃...y_n-1，y_n}，其中n表示M(D)含有n个元素，各元素的向量表示为y₁，y₂，y₃...y_n-1，y_n；

根据确定所述实时波形与各初步匹配波形的距离。

为了提高匹配的精确度，构造的实时波形与各初步匹配波形的波形向量集合对各元素向量的时序性有严格的要求，要求元素向量时序尽可能的一致，同时为了提高波形匹配的效率，对元素向量个数有较高的限制，这里可以选择特征值以及附近的点构造波形向量集合，例如选择波峰和波谷以及其周围的点构造波形向量集合。波形库中的各初步匹配波形的波形向量集合可以预先构造，以节省匹配时间，实时波形的波形向量集合即可以按照其时序性和元素个数进行构造。

根据波形向量集合得到实时波形与各初步匹配波形中各波形的距离后，则选取初步匹配波形中与实时波形距离最小的初步匹配波形，确定为实时波形对应的故障波形。然后根据波形库中该故障波形对应的故障类型确定该实时波形对应的故障类型，从而可以快速准确的查找和消除配电网故障，减少故障损失。

基于同一发明构思，本发明还提供一种配电网故障类型识别装置，本发明装置不限制于在暂态波记录装置上实现，下面结合附图对本发明装置的具体实施方式做详细描述。

如图3所示，一种配电网故障类型识别装置，包括：

实时波形获取模块110，用于从配电网的传输线路中获取信号的实时波形；

波形初步匹配模块120，用于提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

波形距离确定模块130，用于分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

故障波形确定模块140，用于从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

故障类型确定模块150，用于根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

配电网传输线路中的信号从电压互感器和电流互感器的二次侧获取，本发明装置可以设置独立的内部时钟和外部时钟同步接口，保证采样信号的时间精度。获取的信号包括三相交流电流和零序电流、三相交流电压和零序电压、高频量等输入信号，这些输入信号经过隔离、滤波、电压变换后，进入多路开关进行A/D转换，以便于后续数据处理及存储。本装置除了获取到电压电流的信号外，还获取到开关信号，开关信号经过光电隔离，滤波后存储在该装置中，后续故障波形匹配不涉及开关信号波形的匹配。

由于本申请侧重于解决配电网故障类型的识别，所以如图4所示，本发明装置还可以包括连接于实时波形获取模块110与波形初步匹配模块120之间的实时波形检测模块160，所述实时波形检测模块160用于检测所述实时波形是否为正常波形，若是，实时波形获取模块110重新从配电网的传输线路中获取信号的实时波形，否则波形初步匹配模块120提取所述实时波形的特征值。通过实时波形检测模块160对实时波形的检测，可以仅对出现故障的波形进行故障类型识别和存储，提高了数据处理的效率，减少了存储空间，缩减了成本，其中故障波形存储的格式可以为XML等。

为了实现配电网故障类型的识别，需要先建立波形库，用于存储配电网中的故障波形以及故障波形对应的故障类型等。获取实时波形后波形初步匹配模块120先根据特征值进行波形初步匹配，特征值可以包含波峰、波谷、振幅、频率，以及与相应正常波形比较确定的上限超出值、下限超出值、变化频率等。由于波形在某种程度上可以视为信号处理，所以波形初步匹配模块120可以根据W_f(a,b)＝＜f(t),提取所述实时波形的特征值，其中f(t)表示实时波形的信号，Ψ_a,b(t)为依赖于a,b的小波基函数，a为伸缩因子，b为平移因子。

波形初步匹配模块120提取到实时波形的特征值后，即可以将其特征值与波形库中故障波形的特征值进行比较，从波形库中选取特征值与实时波形特征值相等或相近的各故障波形，即选取两者特征值的差值小于预设阈值的各故障波形，得到实时波形的各初步匹配波形。预设阈值可以根据需要灵活设置，一般设置为较小的数值。

通过波形初步匹配模块120获取到各初步匹配波形后，需要进行进一步的精确匹配，以准确确定实时波形对应的故障波形。如图5所示，所述波形距离确定模块130可以包括：

实时波形向量构造单元1301，用于构造实时波形的波形向量集合M(O)＝{x₁，x₂，x₃...x_n-1，x_n}，其中n表示M(O)含有n个元素，各元素的向量表示为x₁，x₂，x₃...x_n-1，x_n；

初步匹配波形向量构造单元1302，用于构造各初步匹配波形的波形向量集合M(D)＝{y₁，y₂，y₃...y_n-1，y_n}，其中n表示M(D)含有n个元素，各元素的向量表示为y₁，y₂，y₃...y_n-1，y_n；

距离确定单元1303，用于根据确定所述实时波形与各初步匹配波形的距离。

为了提高匹配的精确度，构造的实时波形与初步匹配波形的波形向量集合对各元素向量的时序性有严格的要求，要求元素向量时序尽可能的一致，同时为了提高波形匹配的效率，对元素向量个数有较高的限制，这里可以选择特征值以及附近的点构造波形向量集合，例如选择波峰和波谷以及其周围的点构造波形向量集合。

波形距离确定模块130根据波形向量集合得到实时波形与各初步匹配波形中各波形的距离后，故障波形确定模块140则选取初步匹配波形中与实时波形距离最小的初步匹配波形，确定为实时波形对应的故障波形。然后故障类型确定模块150根据波形库中该故障波形对应的故障类型确定该实时波形对应的故障类型，从而可以快速准确的查找和消除配电网故障，减少故障损失。

本发明配电网故障类型识别方法及装置，先通过小波分析法提取实时波形的特征值，避免了特征值提取时噪声等的影响，有效提高了特征值提取的精度，然后根据特征值找出波形库中与实时波形初步匹配的各故障波形，再基于波形向量距离找出初步匹配波形中的与实时波形距离最小的初步匹配波形，得到与实时波形匹配的故障波形，从而确定出实时波形的故障类型。本发明通过初步匹配和精确匹配，解决了仅依靠特征值识别的不准确问题，以及仅基于向量距离计算的效率较低问题，保证了配电网故障类型识别的准确性和实时性。同时由于本发明方法和装置可以通过相应程序或芯片在暂态模型记录装置上实现，所以解决了现有暂态模型记录装置不能识别配电网故障类型的问题。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种配电网故障类型识别方法，其特征在于，包括步骤：

从配电网的传输线路中获取信号的实时波形；

提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

2.根据权利要求1所述的配电网故障类型识别方法，其特征在于，所述特征值包含波峰、波谷、振幅、频率，以及与相应正常波形比较确定的上限超出值、下限超出值、变化频率。

3.根据权利要求1所述的配电网故障类型识别方法，其特征在于，根据 $W_f(a,b)=<f\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>={\left|a\right|}^{\frac{1}{2}}{\&Integral;}_{R}f\left(t\right)\stackrel{\&OverBar;}{\mathrm{\&psi;}\left(\frac{(t-b)}{a}\right)\mathrm{dt}}$ 提取所述实时波形的特征值，其中f(t)表示实时波形的信号，Ψ_a,b(t)为依赖于a,b的小波基函数，a为伸缩因子，b为平移因子。

4.根据权利要求1所述的配电网故障类型识别方法，其特征在于，分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离的步骤包括：

构造实时波形的波形向量集合M(O)＝{x₁,x₂,x₃...x_n-1,x_n}，其中n表示M(O)含有n个元素，各元素的向量表示为x₁,x₂,x₃...x_n-1,x_n；

构造各初步匹配波形的波形向量集合M(D)＝{y₁,y₂,y₃...y_n-1,y_n}，其中n表示M(D)含有n个元素，各元素的向量表示为y₁,y₂,y₃...y_n-1,y_n；

根据确定所述实时波形与各初步匹配波形的距离。

5.根据权利要求1至4任意一项所述的配电网故障类型识别方法，其特征在于，从配电网的传输线路中获取信号的实时波形的步骤之后，提取所述实时波形的特征值的步骤之前，还包括步骤：

检测所述实时波形是否为正常波形，若是，返回从配电网的传输线路中获取信号的实时波形的步骤，否则进入提取所述实时波形的特征值的步骤。

6.一种配电网故障类型识别装置，其特征在于，包括：

实时波形获取模块，用于从配电网的传输线路中获取信号的实时波形；

波形初步匹配模块，用于提取所述实时波形的特征值，从波形库中选取其特征值与所述实时波形的特征值的差值小于预设阈值的各故障波形，并将选取的各故障波形作为各初步匹配波形；其中所述波形库存储有配电网的故障波形与故障类型的对应关系；

波形距离确定模块，用于分别构造所述实时波形和各初步匹配波形的波形向量集合，根据波形向量集合确定所述实时波形与各初步匹配波形的距离；

故障波形确定模块，用于从各初步匹配波形中选取与所述实时波形的距离最小的初步匹配波形，并将选取的初步匹配波形作为与所述实时波形匹配的故障波形；

故障类型确定模块，用于根据故障波形与故障类型的对应关系确定所述实时波形的故障类型。

7.根据权利要求6所述的配电网故障类型识别装置，其特征在于，所述特征值包含波峰、波谷、振幅、频率，以及与相应正常波形比较确定的上限超出值、下限超出值、变化频率。

8.根据权利要求6所述的配电网故障类型识别装置，其特征在于，所述波形初步匹配模块根据 $W_f(a,b)=<f\left(t\right),{\mathrm{\&psi;}}_{a,b}\left(t\right)>={\left|a\right|}^{\frac{1}{2}}{\&Integral;}_{R}f\left(t\right)\stackrel{\&OverBar;}{\mathrm{\&psi;}\left(\frac{(t-b)}{a}\right)\mathrm{dt}}$ 提取所述实时波形的特征值，其中f(t)表示实时波形的信号，Ψ_a,b(t)为依赖于a,b的小波基函数，a为伸缩因子，b为平移因子。

9.根据权利要求6所述的配电网故障类型识别装置，其特征在于，所述波形距离确定模块包括：

实时波形向量构造单元，用于构造实时波形的波形向量集合其中n表示M(O)含有n个元素，各元素的向量表示为x₁,x₂,x₃...x_n-1,x_n；

初步匹配波形向量构造单元，用于构造各初步匹配波形的波形向量集合M(D)＝{y₁,y₂,y₃...y_n-1,y_n}，其中n表示M(D)含有n个元素，各元素的向量表示为y₁,y₂,y₃...y_n-1,y_n；

距离确定单元，用于根据确定所述实时波形与各初步匹配波形的距离。

10.根据权利要求6至9任意一项所述的配电网故障类型识别装置，其特征在于，还包括连接于实时波形获取模块与波形初步匹配模块之间的实时波形检测模块，所述实时波形检测模块用于检测所述实时波形是否为正常波形，若是，实时波形获取模块重新从配电网的传输线路中获取信号的实时波形，否则波形初步匹配模块提取所述实时波形的特征值。