CN104330676A - 一种变电站过电压智能监测系统及方法 - Google Patents

Abstract

本发明公开了一种变电站过电压智能监测系统及方法，该方法包括以下步骤：步骤1：采集过电压信号；采用过电压传感器检测是否有过电压发生，取零序信号分量U₀(n)超过0.1的时刻为过电压发生时刻；截取过电压发生时刻前的时间段t_f＝20ms，过电压发生时刻后的时间段t_t＝40ms为过电压计算时间段，共计60ms；以200kHz采用频率获取过电压时间段的U₀(n)；步骤2：提取U₀(n)的时域特征、频域特征和时频特征；步骤3：对过电压信号进行故障分类。该变电站过电压智能监测系统及方法易于实施，能自动进行故障分类及预警。

Description

一种变电站过电压智能监测系统及方法

技术领域

本发明属于电力工程技术领域，涉及一种变电站过电压智能监测系统及方法，适用于110kV变电站的外部过电压和内部过电压信号实时监测、智能分类和故障预警。

背景技术

110kV变电站是向用户供电的枢纽站，110kV变电站的安全运行是保证供电可靠连续的重要前提。造成110kV变电站设备故障的原因较多，电力系统出现的各种外部和内部过电压是造成输变电设备绝缘损害的主要原因之一，严重威胁着电力系统的安全可靠稳定运行。当发生过电压故障时，为了及时查找故障原因和有针对性的提出抑制措施，有必要对过电压进行实时监测，同时对监测的过电压进行分类。

电力系统过电压类型较多，波形特点各异，产生原因各不相同。以标准的雷电和操作过电压波形为例，其波形的时间特性和频率特性差别较大，如标准雷电和操作过电压波形分别为1.2/50μs和250/2500μs，其抑制方法也各有不同。为了有针对性的制定抑制过电压的措施，研究过电压发生时的波形特点，首先要准确获取过电压的波形，并对波形进行自动分类，最后根据分类结果提出抑制方法。

为解决上述问题，国内对过电压展开了许多研究，并取得了一定的效果。专利201210551614.X发明了基于变压器套管末屏的过电压传感器，可应用于110kV、220kV和500kV多种电压等级，体积小，携带方便，响应速度快，波形畸变率小；发明专利201220344392.X和实用新型201220345867.7发明了CVT瞬态过电压取样装置，该装置较专利201210551614.X安全性高，携带方便，便于现场应用。上述发明提出了过电压波形获取的一些方法，但未能对获取的波形做进一步的分析。

因此，有必要设计一种新型的变电站过电压智能监测系统及方法。

发明内容

本发明所要解决的技术问题是提供一种变电站过电压智能监测系统及方法，该变电站过电压智能监测系统及方法易于实施，能自动进行故障分类及预警。

发明的技术解决方案如下：

一种变电站过电压智能监测方法，其特征在于，包括以下步骤：

步骤1：采集过电压信号；

采用过电压传感器检测是否有过电压发生，取零序信号分量U₀(n)超过0.1的时刻为过电压发生时刻；截取过电压发生时刻前的时间段t_f＝20ms，过电压发生时刻后的时间段t_t＝40ms为过电压计算时间段，共计60ms；以200kHz采用频率获取过电压时间段的U₀(n)；

步骤2：提取U₀(n)的时域特征、频域特征和时频特征；

步骤3：对过电压信号进行故障分类。

步骤2中，

时域特征有：

①有效值U_orms

$U_{\mathrm{orms}}={[\frac{1}{N}\underset{n=1}{\stackrel{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2]}^{1/2}---\left(1\right)$

N为采样点的总数，N＝12000；

②绝对平均值U_oave

$U_{\mathrm{oave}}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o\left(n\right)---\left(2\right)$

③裕度系数L_o

$L_o=1\×{10}^8\·\max \left(\right|U_o\left(n\right)\left|\right)/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|U_o\left(n\right)\right|}^{1/2}\right]}^2---\left(3\right)$

④峰值因子C_o

C_o＝(max(U_o(n))-min(U_o(n)))/2U_orms   (4)

⑤脉冲因子I_o

I_o＝(max(U_o(n))-min(U_o(n)))/2|U_oave|   (5)

⑥波形系数P_o

P_o＝U_orms/U_oave   (6)

⑦Kurtosis系数(峰度系数)K_our

$K_{\mathrm{our}}=N\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^4/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2\right]}^2---\left(7\right)$

频域特征是指利用傅里叶变换，求取信号的频率成分信息。【利用FFT求取信号频率为通用计算方法，无需说明。】

时频特征：采用sym4小波，在200kHz的采样频率下，将零序电压信号U₀(n)分解11层，第1～11层细节信号及第11层近似信号对应的频带范围如表：【近似信号为小波分解的专业术语，无需说明】

分别计算下述时频特征：

①高频部分U_H(n)：包括d1～d6层，频带范围1.5625kHz～100kHz，特征量包括高频有效值U_Horms、绝对平均值U_Hoave、裕度系数L_Ho、峰值因子C_Ho、脉冲因子I_Ho、波形系数P_Ho、Kurtosis系数K_Hour；

②中频部分U_M(n)：包括d7～d11层，频带范围48.83Hz～1.5625kHz，特征量包括中频有效值U_Morms、绝对平均值U_Moave、裕度系数L_Mo、峰值因子C_Mo、脉冲因子I_Mo、波形系数P_Mo、Kurtosis系数K_Mour；

③低频部分U_L(n)：a11层，频带范围0～48.83Hz，特征量包括低频有效值U_Lorms、绝对平均值U_Loave、裕度系数L_Lo、峰值因子C_Lo、脉冲因子I_Lo、波形系数P_Lo、Kurtosis系数K_Lour。

4.根据权利要求2所述的变电站过电压智能监测方法，其特征在于，步骤3中，将步骤2得到的特征量输入到过电压“二叉树”分层识别系统，从上自下【特征量是以矩阵的模式输入到识别系统，只有一个端口，这些是人工智能的通用方法，无需特别说明】实现11种过电压信号的智能分层识别；该系统共分为4层，在1-7的每个树节点中采用网格优化支持向量机算法【支持向量机为常用算法】实施分类，采用自上而下的分层识别流程，最终实现过电压的分层智能识别；

所述的电压“二叉树”分层识别系统的拓扑结构如下：

变电站过电压故障分为两种类型：

1.1暂时及弧光接地过电压；

1.2雷电及操作过电压；

所述的暂时及弧光接地过电压又分为2种类型：

2.1暂时过电压及不对称短路

2.2弧光接地；

雷电及操作过电压分为2中类型；

3.1雷电过电压；

3.2操作过电压；

暂时过电压及不对称短路分为2种类型：

4.1暂时过电压；

4.2不对称短路；

暂时过电压分为3种类型：

5.1高频谐振；

5.2分频谐振；

5.3基波谐振；

雷电过电压分为2种类型：

6.1感应雷过电压；

6.2直击雷过电压；

操作过电压分为4种类型：

7.1投切电容器，7.2切空载变压器，7.3合空载变压器；7.4合空载线路；

一共分为如下表所示的11种具体故障类型：

【过电压“二叉树”分层识别系统根据所提取的过电压特征数据，利用网格优化支持向量机训练数据，形成固定的映射模式，实现特征数据与过电压类型的一一对应；分类时，将提取的过电压特征量输入到过电压“二叉树”分层识别系统中，实现过电压的分层智能识别。人工智能识别算法包含训练和识别两个过程，过电压识别有两个重要过程，一是特征量，二是识别方法，而且重点为特征数据，若将识别流程显示，显得累赘，建议无需表述。】

4.根据权利要求3所述的变电站过电压智能监测方法，其特征在于，所述的过电压信号为10kV、35kV和110kV三种电压等级的线路上的过电压信号中的至少一种。

一种变电站过电压智能监测系统，包括传感器模块、信号处理模块、信号采集模块、信号存储模块、过电压智能分类识别模块和过电压预警模块；

所述的传感器模块包括分别接10kV系统、35kV系统和110kV系统的10kV过电压传感器、35kV过电压传感器和110kV过电压传感器；

信号处理模块具有保护和调理功能；

信号采集模块用于过电压信号的采集，记录过电压信号波形；

过电压智能分类识别模块采用过电压“二叉树”分层识别系统识别处理当前的过电压故障属于哪一类故障；

过电压预警模块根据分类结果、过电压的倍数和系统电压等级，对过电压信号进行预警【预警内容包括显示过电压倍数、过电压类型和报警】

采用前述的变电站过电压智能监测方法对变电站的过电压信号实施监测。

参见附图1，由10kV过电压传感器1、35kV过电压传感器2、110kV过电压传感器3、信号处理模块4、信号采集模块5、信号存储模块6、过电压智能分类识别模块7、过电压预警模块8和内外过电压数据管理模块9组成。

其中10kV过电压传感器1、35kV过电压传感器2和110kV过电压传感器3采用高频暂态HV-I型低阻尼电容分压器，将幅值较高的电压信号转换为幅值较低的电压信号后，分别接入10kV、35kV和110kV电网系统，用来采集各系统出现的内外过电压信号；信号处理模块4对采集的信号进行降压、调理、滤波和触发等后续处理；信号采集模块5对过电压信号进行采集和记录；信号存储模块6对触发后的信号进行存储；过电压智能分类识别模块7对采集的三相过电压信号按电压等级进行归一化，并将三相过电压信号相加，取零序信号分量U₀(n)为研究对象，以U₀(n)超过0.1的时刻为基准，截取过电压发生前的时间段t_f＝20ms，过电压发生后的时间段t_t＝40ms为过电压计算时间段，共计60ms(如图2所示)。然后采用时域分析、频域分析以及sym4小波分析等手段，综合提取过电压信号的时域特征、频域特征和时频特征，在200kHz的采用频率下，共计12000个采样点，即N＝12000。

关于过电压“二叉树”分层识别系统的说明：

对于某一个分类的节点的训练过程说明，如图4中的任一个节点，假设输入数据为矩阵X(对应本次故障的特征值)，输出的故障类别为M个；首先有一个训练过程，即对此前的每次故障发生时均采集一组特征值(矩阵X)，并记录该故障的类型为M种故障的某一种；训练的数据为多组，利用网格优化支持向量机训练数据，形成固定的映射模式；

所有的节点训练完成后，再进入识别过程：即输入本次故障的X，则经过训练过的系统后，直接输出分类结果，该分类结果为11种中任一种。基于数据的训练和识别过程为现有成熟技术。

有益效果：

本发明的变电站过电压智能监测系统及方法，能够自动记录和存储110kV变电站内出现的内部和外部过电压，能对过电压信号进行分析和自动分类，根据分类结果进行预警，为过电压的防治提供技术指导，以确保110kV变电站安全运行。

本发明的优点如下：

1)本发明专利的过电压传感器响应速度快、波形失真度小，能准确获取三个不同电压等级的操作过电压和雷电过电压；

2)本发明专利能对过电压波形进行自动采集、记录和智能分类识别；

3)本发明专利能够根据过电压类型和倍数，对过电压危害进行预警，并有针对性的提出过电压抑制方法。过电压抑制方法提示：感应雷过电压和直击雷过电压采用加装MOA避雷器抑制，高频谐振、基波谐振和分频谐振采用加装一次或二次消谐器抑制，弧光接地过电压采用加装消弧线圈进行抑制，投切电容器组过电压采用加装电容器专用MOA避雷器或RC装置抑制，切空载变压器过电压和合空载变压器过电压采用加装母线型MOA避雷器抑制，合空载线路过电压采用加装合闸电阻或线路型MOA避雷器进行抑制。

附图说明

图1为本发明专利所述110kV变电站内外过电压智能监测系统的工作原理示意图，图中标示为：1-10kV过电压传感器；2-35kV过电压传感器；3-110kV过电压传感器；4-信号处理模块；5-信号采集模块；6-信号存储模块；7-过电压智能分类识别模块；8-过电压预警模块；9-内外过电压数据管理模块。

图2为本发明专利所选取的过电压计算时间段示意图。

图3为本发明专利所用傅里叶变换求取频域特征的示例，其中

(a)-高频谐振过电压信号；

(b)-傅里叶分析的频谱图。

图4为本发明专利的过电压智能分层识别流程图；

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

参见图1-4，一种变电站过电压智能监测方法，其特征在于，包括以下步骤：

步骤1：采集过电压信号；

采用过电压传感器检测是否有过电压发生，取零序信号分量U₀(n)超过0.1的时刻为过电压发生时刻；截取过电压发生时刻前的时间段t_f＝20ms，过电压发生时刻后的时间段t_t＝40ms为过电压计算时间段，共计60ms；以200kHz采用频率获取过电压时间段的U₀(n)；

步骤2：提取U₀(n)的时域特征、频域特征和时频特征；

步骤3：对过电压信号进行故障分类。

步骤2中，

时域特征有：

①有效值U_orms

$U_{\mathrm{orms}}={[\frac{1}{N}\underset{n=1}{\stackrel{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2]}^{1/2}---\left(1\right)$

N为采样点的总数，N＝12000；

②绝对平均值U_oave

$U_{\mathrm{oave}}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o\left(n\right)---\left(2\right)$

③裕度系数L_o

$L_o=1\×{10}^8\·\max \left(\right|U_o\left(n\right)\left|\right)/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|U_o\left(n\right)\right|}^{1/2}\right]}^2---\left(3\right)$

④峰值因子C_o

C_o＝(max(U_o(n))-min(U_o(n)))/2U_orms   (4)

⑤脉冲因子I_o

I_o＝(max(U_o(n))-min(U_o(n)))/2|U_oave|   (5)

⑥波形系数P_o

P_o＝U_orms/U_oave   (6)

⑦Kurtosis系数(峰度系数)K_our

$K_{\mathrm{our}}=N\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^4/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2\right]}^2---\left(7\right)$

频域特征是指利用傅里叶变换，求取信号的频率成分信息。【利用FFT求取信号频率为通用计算方法，无需说明。】

时频特征：采用sym4小波，在200kHz的采样频率下，将零序电压信号U₀(n)分解11层，第1～11层细节信号及第11层近似信号对应的频带范围如表：【近似信号为小波分解的专业术语，无需说明】

分别计算下述时频特征：

①高频部分U_H(n)：包括d1～d6层，频带范围1.5625kHz～100kHz，特征量包括高频有效值U_Horms、绝对平均值U_Hoave、裕度系数L_Ho、峰值因子C_Ho、脉冲因子I_Ho、波形系数P_Ho、Kurtosis系数K_Hour；

②中频部分U_M(n)：包括d7～d11层，频带范围48.83Hz～1.5625kHz，特征量包括中频有效值U_Morms、绝对平均值U_Moave、裕度系数L_Mo、峰值因子C_Mo、脉冲因子I_Mo、波形系数P_Mo、Kurtosis系数K_Mour；

③低频部分U_L(n)：a11层，频带范围0～48.83Hz，特征量包括低频有效值U_Lorms、绝对平均值U_Loave、裕度系数L_Lo、峰值因子C_Lo、脉冲因子I_Lo、波形系数P_Lo、Kurtosis系数K_Lour。

5.根据权利要求2所述的变电站过电压智能监测方法，其特征在于，步骤3中，将步骤2得到的特征量输入到过电压“二叉树”分层识别系统，从上自下【特征量是以矩阵的模式输入到识别系统，只有一个端口，这些是人工智能的通用方法，无需特别说明】实现11种过电压信号的智能分层识别；该系统共分为4层，在1-7的每个树节点中采用网格优化支持向量机算法【支持向量机为常用算法】实施分类，采用自上而下的分层识别流程，最终实现过电压的分层智能识别；

所述的电压“二叉树”分层识别系统的拓扑结构如下：

变电站过电压故障分为两种类型：

1.1暂时及弧光接地过电压；

1.2雷电及操作过电压；

所述的暂时及弧光接地过电压又分为2种类型：

2.1暂时过电压及不对称短路

2.2弧光接地；

雷电及操作过电压分为2中类型；

3.1雷电过电压；

3.2操作过电压；

暂时过电压及不对称短路分为2种类型：

4.1暂时过电压；

4.2不对称短路；

暂时过电压分为3种类型：

5.1高频谐振；

5.2分频谐振；

5.3基波谐振；

雷电过电压分为2种类型：

6.1感应雷过电压；

6.2直击雷过电压；

操作过电压分为4种类型：

7.1投切电容器，7.2切空载变压器，7.3合空载变压器；7.4合空载线路；

一共分为如下表所示的11种具体故障类型：

【过电压“二叉树”分层识别系统根据所提取的过电压特征数据，利用网格优化支持向量机训练数据，形成固定的映射模式，实现特征数据与过电压类型的一一对应；分类时，将提取的过电压特征量输入到过电压“二叉树”分层识别系统中，实现过电压的分层智能识别。人工智能识别算法包含训练和识别两个过程，过电压识别有两个重要过程，一是特征量，二是识别方法，而且重点为特征数据，若将识别流程显示，显得累赘，建议无需表述。】

4.根据权利要求3所述的变电站过电压智能监测方法，其特征在于，所述的过电压信号为10kV、35kV和110kV三种电压等级的线路上的过电压信号中的至少一种。

一种变电站过电压智能监测系统，包括传感器模块、信号处理模块、信号采集模块、信号存储模块、过电压智能分类识别模块和过电压预警模块；

所述的传感器模块包括分别接10kV系统、35kV系统和110kV系统的10kV过电压传感器、35kV过电压传感器和110kV过电压传感器；

信号处理模块具有保护和调理功能；

信号采集模块用于过电压信号的采集，记录过电压信号波形；

过电压智能分类识别模块采用过电压“二叉树”分层识别系统识别处理当前的过电压故障属于哪一类故障；

过电压预警模块根据分类结果、过电压的倍数和系统电压等级，对过电压信号进行预警【预警内容包括显示过电压倍数、过电压类型和报警】

采用前述的变电站过电压智能监测方法对变电站的过电压信号实施监测。

Claims (5)

1.一种变电站过电压智能监测方法，其特征在于，包括以下步骤：

步骤1：采集过电压信号；

采用过电压传感器检测是否有过电压发生，取零序信号分量U₀(n)超过0.1的时刻为过电压发生时刻；截取过电压发生时刻前的时间段t_f＝20ms，过电压发生时刻后的时间段t_t＝40ms为过电压计算时间段，共计60ms；以200kHz采用频率获取过电压时间段的U₀(n)；

步骤2：提取U₀(n)的时域特征、频域特征和时频特征；

步骤3：对过电压信号进行故障分类。

2.根据权利要求1所述的变电站过电压智能监测方法，其特征在于，步骤2中，时域特征有：

①有效值U_orms

$U_{\mathrm{orms}}={\left[\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2\right]}^{1/2}---\left(1\right)$

N为采样点的总数，N＝12000；

②绝对平均值U_oave

$U_{\mathrm{oave}}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o\left(n\right)---\left(2\right)$

③裕度系数L_o

$L_o=1\×{10}^8\·\max \left(\right|U_o\left(n\right)\left|\right)/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left|U_o\left(n\right)\right|}^{1/2}\right]}^2---\left(3\right)$

④峰值因子C_o

C_o＝(max(U_o(n))-min(U_o(n)))/2U_orms  (4)

⑤脉冲因子I_o

I_o＝(max(U_o(n))-min(U_o(n)))/2|U_oave|  (5)

⑥波形系数P_o

P_o＝U_orms/U_oave  (6)

⑦Kurtosis系数K_our

$K_{\mathrm{our}}=N\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^4/{\left[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{U}_o{\left(n\right)}^2\right]}^2---\left(7\right)$

频域特征是指利用傅里叶变换，求取信号的频率成分信息；

时频特征：采用sym4小波，在200kHz的采样频率下，将零序电压信号U₀(n)分解11层，第1～11层细节信号及第11层近似信号对应的频带范围如表：

分别计算下述时频特征：

①高频部分U_H(n)：包括d1～d6层，频带范围1.5625kHz～100kHz，特征量包括高频有效值U_Horms、绝对平均值U_Hoave、裕度系数L_Ho、峰值因子C_Ho、脉冲因子I_Ho、波形系数P_Ho、Kurtosis系数K_Hour；

②中频部分U_M(n)：包括d7～d11层，频带范围48.83Hz～1.5625kHz，特征量包括中频有效值U_Morms、绝对平均值U_Moave、裕度系数L_Mo、峰值因子C_Mo、脉冲因子I_Mo、波形系数P_Mo、Kurtosis系数K_Mour；

③低频部分U_L(n)：a11层，频带范围0～48.83Hz，特征量包括低频有效值U_Lorms、绝对平均值U_Loave、裕度系数L_Lo、峰值因子C_Lo、脉冲因子I_Lo、波形系数P_Lo、Kurtosis系数K_Lour。

3.根据权利要求2所述的变电站过电压智能监测方法，其特征在于，步骤3中，将步骤2得到的特征量输入到过电压“二义树”分层识别系统，从上自下实现11种过电压信号的智能分层识别；该系统共分为4层，在1-7的每个树节点中采用网格优化支持向量机算法实施分类，采用自上而下的分层识别流程，最终实现过电压的分层智能识别；

所述的电压“二义树”分层识别系统的拓扑结构如下：

变电站过电压故障分为两种类型：

1.1暂时及弧光接地过电压；

1.2雷电及操作过电压；

所述的暂时及弧光接地过电压又分为2种类型：

2.1暂时过电压及不对称短路

2.2弧光接地；

雷电及操作过电压分为2中类型；

3.1雷电过电压；

3.2操作过电压；

暂时过电压及不对称短路分为2种类型：

4.1暂时过电压；

4.2不对称短路；

暂时过电压分为3种类型：

5.1高频谐振；

5.2分频谐振；

5.3基波谐振；

雷电过电压分为2种类型：

6.1感应雷过电压；

6.2直击雷过电压；

操作过电压分为4种类型：

7.1投切电容器，7.2切空载变压器，7.3合空载变压器；7.4合空载线路；

一共分为如上表所示的11种具体故障类型。

4.根据权利要求3所述的变电站过电压智能监测方法，其特征在于，所述的过电压信号为10kV、35kV和110kV三种电压等级的线路上的过电压信号中的至少一种。

5.一种变电站过电压智能监测系统，其特征在于，包括传感器模块、信号处理模块、信号采集模块、信号存储模块、过电压智能分类识别模块和过电压预警模块；

所述的传感器模块包括分别接10kV系统、35kV系统和110kV系统的10kV过电压传感器、35kV过电压传感器和110kV过电压传感器；

信号处理模块具有保护和调理功能；

信号采集模块用于过电压信号的采集，记录过电压信号波形；

过电压智能分类识别模块采用过电压“二义树”分层识别系统识别处理当前的过电压故障属于哪一类故障；

过电压预警模块根据分类结果、过电压的倍数和系统电压等级，对过电压信号进行预警；采用权利要求4所述的变电站过电压智能监测方法对变电站的过电压信号实施监测。