CN104655987A - 一种基于opgw光偏振态的输电线路雷击点定位新方法 - Google Patents

Abstract

本发明涉及一种输电线路雷击点故障定位方法，尤其是涉及一种基于OPGW光偏振态的输电线路雷击点定位新方法。本发明通过进行雷击OPGW试验，采用迭代奇异值分解（SVD）算法结合广义数学形态学、小波分析等方法提取雷击点处OPGW内部传输光的偏振态突变信息传到偏振解调设备中的时刻来进行故障点精确定位。本发明将法拉第效应用于输电线路故障测距中，避免了传统故障测距方法中定位精度受过渡电阻、线路参数、系统运行方式、行波传输色散及行波波速等因素干扰的影响，具有极高的定位精度。定位时只需在线路两端进行监测，降低了投入成本。

Description

一种基于OPGW光偏振态的输电线路雷击点定位新方法

技术领域

本发明涉及一种输电线路雷击点故障定位方法，尤其是涉及一种基于OPGW光偏振态的输电线路雷击点定位新方法。

背景技术

随着智能电网的建设，电力传输网和通信网融合成为主要发展趋势。光纤复合架空地线(Optical Fiber Composite Overhead Ground Wire，OPGW)由于在原来普通地线的基础上添加了光单元，具有防雷保护兼电力系统通信的功能，在电力系统中得到了广泛的应用。实际中，在雷击OPGW时经常发生损伤、断股，甚至光纤损坏的现象，严重影响了电网运行及实时数据传输。

目前现有的输电线路故障定位方法从原理上来分，主要包括故障分析法和行波法。故障分析法是在系统运行方式和线路参数确定的条件下，依据测量电压、电流是故障距离的函数来建立方程进行定位点求解，该方法受线路实际参数变化及工频电气量采集效果的影响；行波法是利用输电线路行波传输理论，根据故障后的暂态行波在经过一系列折、反射后到达测量端的时间差来进行故障点定位。行波法由于较故障分析法有更高的定位精度，目前被广泛应用于输电线路测距中，但现场运行经验表明，行波法有时不能准确辨别故障点和远端传输过来的高频暂态行波，从而引起较大的定位误差甚至定位失效。

发明内容

本发明主要是解决现有技术所存在的问题，为输电线路雷击故障点定位提供一种新的技术，提供了一种利用法拉第效应、采用迭代奇 异值分解(SVD)算法结合广义数学形态学、小波分析等方法提取雷击点处OPGW内部传输光的偏振态突变量传到偏振解调设备中的时刻来进行故障点精确定位的一种基于OPGW光偏振态的输电线路故障测距方法。该测距方法无需利用故障导线上的电气量信息，仅需采集OPGW内部传输光的偏振态信息即可，避免了传统故障测距方法中定位精度受过渡电阻、线路参数、系统运行方式、行波传输色散及行波波速等因素干扰的影响。通过多次实验室环境测试，其测距误差可控制在1％以内，具有很高的定位精度和可靠性。

本发明涉及的技术问题主要是通过下述技术方案得以解决的：

一种基于OPGW光偏振态的输电线路雷击点定位新方法，其特征在于，包括以下步骤：

步骤1、现场采集光偏振态信号，并采用由半圆结构元素组成的广义形态学滤波器对采样信号进行滤波预处理，具体方法是，在雷击OPGW时，采用高速数据采集卡采集OPGW内部传输光的偏振态信息，并存入计算机中用于后续数据处理；然后用由若干半圆结构元素组成的广义数学形态学滤波器对采集的偏振态信号进行滤波；

步骤2、采用db5尺度小波对步骤1中滤波后的偏振态波形进行6层分解，分解后产生波形的高频系数和低频系数，然后对其低频系数采用db5尺度小波进行6层重构；

步骤3、将步骤2重构后的一维波形数据信号作为SVD处理前的输入信号，构造Hankel矩阵；构造时定义Hankel矩阵的列数为设定的一定值，从而能够确定该矩阵的行数，然后对矩阵进行SVD分解，可知分解后产生的分量信号的个数与矩阵的列数一致，根据各分量信号的能量占总能量的百分比趋势来确定首次分解时的Hankel矩阵的维数；具体涉及到：

定义滤波重构后的一维信号为X＝[x₁，x₂，…，x_N]，N为采样点数，则构造如下的Hankel矩阵：

$H=\left[\begin{array}{cccc}{x}_1& x_2& ...& x_n\\ x_2& x_3& ...& x_{n+1}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_m& x_{m+1}& ...& x_N\end{array}\right]$

其中1＜n＜N，m＝N-n+1，为确定Hankel矩阵的维数，首先定义矩阵的列数为一系列不同的数值，这样矩阵的行数也就分别确定了，然后对确定的矩阵分别进行SVD分解；SVD分解是指对任意的实矩阵H，存在正交矩阵U＝(u₁，u₂，…，u_m)∈R^m×m，V＝(υ₁，υ₂，…，υ_m)∈R^n×n，使得

H＝USV^T

成立，其中 

$S=\left\{\begin{array}{c}{(\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o)}^T,m>n\\ (\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o),m<n\end{array}\right.,$ S∈R^m×n，o为零矩阵，q＝min(m，n)，且满足δ₁≥δ₂≥…≥δ_q，δ_j(j＝1，2，…，q)称为矩阵H的奇异值；

每个矩阵进行SVD分解后，会得到与矩阵列数相同的奇异值个数，根据各奇异值的能量在所有奇异值的总能量中所占的百分比的趋势来确定最终的Hankel矩阵；

步骤4、对构造的Hankel矩阵进行SVD分解，并利用分解产生的第1层分量信号作为步骤3中的输入信号重新构造Hankel矩阵进行迭代分解，以此类推，迭代大于等于8次后结束，具体操作方式如下：

对H进行SVD分解后，得到其第j个分量组成：

$H_j=\left[\begin{array}{cccc}{x}_{j1}& x_{j2}& ...& x_{\mathrm{jn}}\\ x_{j2}& x_{j3}& ...& x_{j(n+1)}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_{\mathrm{jm}}& x_{j(m+1)}& ...& x_{\mathrm{jN}}\end{array}\right]$

令P＝(x_j1，x_j2，…，x_jn)，Q＝(x_j(n+1)，x_j(n+2)，…，x_jN)^T，即可得到该Hankel矩阵进行SVD分解后的第j层分量信号为：

C_j＝(P，Q^T)

这样滤波重构后的信号就可以用SVD分解后的一系列分量信号的叠加来表示；第一次进行SVD分解后，利用产生的第1层分量信号继续作为原始信号重复步骤3构造Hankel矩阵，然后进行SVD分解，以此类推，进行大于等于8次迭代分解后结束；

步骤5、利用步骤4最终迭代分解后的第2层分量信号进行雷击点定位，具体方法是：

迭代结束后选择第2层中分量信号进行雷击点定位，定位公式为：

L＝(Δt/2)*υ

式中Δt为偏振解调设备检测到的雷击点处OPGW内部两根不同光纤中的传输光偏振态突变信息的时间差，v为光在光纤中的速度，L为雷击点距线路末端的距离。

因此，本发明具有如下优点：它区别于传统的利用故障相导线上的电气量信息来进行定位的方法，通过OPGW内部光单元在磁场作用下发生的偏振效应来对故障点进行定位，且不受线路运行参数、系统运行方式、过渡电阻、行波波速及行波传输色散等因素的影响，定位精度高，定位时只需在线路两端进行监测，降低了投入成本。

附图说明

附图1是本发明中雷击OPGW时的磁场分布原理示意图。

附图2是本发明中用于计算故障点距线路末端距离的测距原理示意图。

具体实施方式

下面结合附图，对本发明的技术方案作进一步具体的说明，一种基于OPGW光偏振态的输电线路雷击点定位新方法，包括以下步骤：

步骤1、现场采集光偏振态信号，并采用由不同长度的半圆结构元素组成的广义形态学滤波器对采样信号进行滤波预处理；由于实际中的采样信号通常含有不同种类、不同尺度的噪声，因此，短尺度的结构元素能够较好地滤除噪声中的高频分量，具有平滑波形的作用，而长尺度的结构元素则低通效果明显，相应地其滤波时间较长。关于结构元素尺度的选取，目前尚无明确的计算公式，需根据实际信号波形和以往的经验来选取。这种由不同长度的半圆结构元素组成的广义数学形态学滤波器在对采样信号进行滤波时相比单一长度的数学形态学滤波器能获得更好的滤波效果，目前广泛应用于对初始采样信号的滤波处理中。

步骤2、用db5尺度小波对形态滤波器输出的波形进行6层分解，并对其低频系数进行重构；这里面用db5尺度小波对滤波预处理后的偏振态波形进行6层分解和重构主要是进一步滤除步骤1中波形的高频分量，因此在进行重构时，只对其低频系数重构，而高频系数相当于强制令为零。在后面的步骤中，仅利用低频系数重构后的波形进行后续数据处理。

步骤3、将重构后的信号作为SVD处理前的输入信号，构造Hankel矩阵；

步骤4、对构造的Hankel矩阵进行SVD分解，并利用分解产生的第1层分量信号重新构造Hankel矩阵进行迭代分解，以此类推，迭代8次后结束； 

步骤5、利用迭代分解后的第2层分量信号进行雷击点定位。

本例步骤1中采用广义数学形态学对采样信号进行滤波预处理的具体操作方式如下：

1)定义广义数学形态开-闭运算和闭-开运算

其中f(n)表示一维采样信号，g(n)表示一维结构元素，f(n)和g(n)分别为定义在D_f＝{0，1，2，…，N-1}和D_g＝{0，1，2，…，M-1}上的离散序列，N为采样信号序列的长度，M为结构元素长度，且满足N≥M，g₁∈D₁，g₂∈D₂且满足g₁、g₂均为半圆结构元素。

2)利用形态开-闭运算和闭-开运算组成广义数学形态学滤波器

采用广义形态开-闭运算和闭-开运算的组合形式对采样信号进行滤波，则广义数学形态学滤波器的输出信号为：

y(n)＝[G_oc(f(n))+G_co(f(n))]/2

本例步骤2中利用db5尺度小波对形态滤波器输出的波形进行6层分解具体操作方式如下：

将步骤2中广义数学形态学滤波器的输出信号选用db5尺度小波进行6层分解，分别得到信号的高频系数和低频系数，然后再用相同尺度的小波对低频系数进行6层重构，得到滤波预处理后的数据。

本例步骤3中利用滤波重构后的数据构造Hankel矩阵的具体操作方式如下：

假设滤波重构后的一维信号为X＝[x₁，x₂，…，x_N]，N为采样点数，则可构造如下的Hankel矩阵：

$H=\left[\begin{array}{cccc}{x}_1& x_2& ...& x_n\\ x_2& x_3& ...& x_{n+1}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_m& x_{m+1}& ...& x_N\end{array}\right]$

其中1＜n＜N，m＝N-n+1，为确定Hankel矩阵的维数，首先假设矩阵的列数为一系列不同的数值，这样矩阵的行数也就分别确定了，然后对确定的矩阵分别进行SVD分解。SVD分解是指对任意的实矩阵H，存在正交矩阵U＝(u₁，u₂，…，u_m)∈R^m×m，V＝(υ₁，υ₂，…，υ_m)∈R^n×n，使得

H＝USV^T

成立，其中 

$S=\left\{\begin{array}{c}{(\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o)}^T,m>n\\ (\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o),m<n\end{array}\right.,$ S∈R^m×n，o为零矩阵，q＝min(m，n)，且满足δ₁≥δ₂≥…≥δ_q，δ_j(j＝1，2，…，q)称为矩阵H的奇异值。

每个矩阵进行SVD分解后，会得到与矩阵列数相同的奇异值个数，根据各奇异值的能量在所有奇异值的总能量中所占的百分比的趋势来确定最终的Hankel矩阵。

本例步骤4中利用Hankel矩阵SVD分解后产生的第1层分量信号重新构造Hankel矩阵的具体操作方式如下：

对H进行SVD分解后，可得到其第j个分量组成：

令P＝(x_j1，x_j2，…，x_jn)，Q＝(x_j(n+1)，x_j(n+2)，…，x_jN)^T，即可得到该Hankel矩阵进行SVD分解后的第j层分量信号为：

C_j＝(P，Q^T)

这样滤波重构后的信号就可以用SVD分解后的一系列分量信号的叠加来表示。第一次进行SVD分解后，利用产生的第1层分量信号继续作为原始信号构造Hankel矩阵，然后进行SVD分解，以此类推，进行8次迭代分解后结束。

本例步骤5中利用迭代分解后的第2层分量信号进行雷击点定位的具体操作方式如下：

如附图2所示，通过第2层分量信号来提取A、B两点的偏振态突变量信号分别传输到偏振解调设备中的时刻，得到其检测时间差Δt，由于光在光纤中的速度v是定值，因此可计算出雷击点距线路末端的距离：

L＝(Δt/2)*υ

这里虽然原则上可以利用分解后产生的各层分量信号来提取时刻，不一定要是第二层，但是从第2层分量开始一直到第m层分量，虽然可以直接选取其中任意一个分量来提取时刻，但是从分解后的分量波形中容易看出，靠后的分量信号含有较多的高频噪声干扰，利用第2层分量信号时则可直接从图中提取时刻，无需任何其他的滤波等手段，且计算的结果精度已达到工程要求；而利用第2层分量以后的分量信号3～m来提取时刻的话，则还需先利用其他数字信号处理手段滤除分量信号中的干扰后再从图中提取相应时刻，显然增加了计算时间。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (1)

1.一种基于OPGW光偏振态的输电线路雷击点定位新方法，其特征在于，包括以下步骤：

步骤1、现场采集光偏振态信号，并采用由半圆结构元素组成的广义形态学滤波器对采样信号进行滤波预处理，具体方法是，在雷击OPGW时，采用高速数据采集卡采集OPGW内部传输光的偏振态信息，并存入计算机中用于后续数据处理；然后用由若干半圆结构元素组成的广义数学形态学滤波器对采集的偏振态信号进行滤波；

步骤2、采用db5尺度小波对步骤1中滤波后的偏振态波形进行6层分解，分解后产生波形的高频系数和低频系数，然后对其低频系数采用db5尺度小波进行6层重构；

步骤3、将步骤2重构后的一维波形数据信号作为SVD处理前的输入信号，构造Hankel矩阵；构造时定义Hankel矩阵的列数为设定的一定值，从而能够确定该矩阵的行数，然后对矩阵进行SVD分解，可知分解后产生的分量信号的个数与矩阵的列数一致，根据各分量信号的能量占总能量的百分比趋势来确定首次分解时的Hankel矩阵的维数；具体涉及到：

定义滤波重构后的一维信号为X＝[x₁，x₂，…，x_N]，N为采样点数，则构造如下的Hankel矩阵：

$H=\left[\begin{array}{cccc}{x}_1& x_2& ...& x_n\\ x_2& x_3& ...& x_{n+1}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ x_m& x_{m+1}& ...& x_N\end{array}\right]$

其中1＜n＜N，m＝N-n+1，为确定Hankel矩阵的维数，首先定义矩阵的列数为一系列不同的数值，这样矩阵的行数也就分别确定了，然后对确定的矩阵分别进行SVD分解；SVD分解是指对任意的实矩阵H，存在正交矩阵U＝(u₁，u₂，…，u_m)∈R^m×m，V＝(v₁，v₂，…，v_m)∈R^n×n，使得

H＝USV^T

成立，其中

$S=\left\{\begin{array}{c}{(\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o)}^T,m>n\\ (\mathrm{diag}({\mathrm{\&delta;}}_1,{\mathrm{\&delta;}}_2,...,{\mathrm{\&delta;}}_q),o),m<n\end{array}\right.,$ S∈R^m×n，o为零矩阵，q＝min(m，n)，且满足δ₁≥δ₂≥…≥δ_q，δ_j(j＝1，2，…，q)称为矩阵H的奇异值；

每个矩阵进行SVD分解后，会得到与矩阵列数相同的奇异值个数，根据各奇异值的能量在所有奇异值的总能量中所占的百分比的趋势来确定最终的Hankel矩阵；

步骤4、对构造的Hankel矩阵进行SVD分解，并利用分解产生的第1层分量信号作为步骤3中的输入信号重新构造Hankel矩阵进行迭代分解，以此类推，迭代大于等于8次后结束，具体操作方式如下：

对H进行SVD分解后，得到其第j个分量组成：

$H_j=\left[\begin{array}{cccc}{x}_{j1}& x_{j2}& ...& x_{\mathrm{jn}}\\ x_{j2}& x_{j3}& ...& x_{j(n+1)}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ x_{\mathrm{jm}}& x_{j(m+1)}& ...& x_{\mathrm{jN}}\end{array}\right]$

令P＝(x_j1，x_j2，…，x_jn)，Q＝(x_j(n+1)，x_j(n+2)，…，x_jN)^T，即可得到该Hankel矩阵进行SVD分解后的第j层分量信号为：

C_j＝(P，Q^T)

这样滤波重构后的信号就可以用SVD分解后的一系列分量信号的叠加来表示；第一次进行SVD分解后，利用产生的第1层分量信号继续作为原始信号重复步骤3构造Hankel矩阵，然后进行SVD分解，以此类推，进行大于等于8次迭代分解后结束；

步骤5、利用步骤4最终迭代分解后的第2层分量信号进行雷击点定位，具体方法是：

迭代结束后选择第2层中分量信号进行雷击点定位，定位公式为：

L＝(Δt/2)*v

式中Δt为偏振解调设备检测到的雷击点处OPGW内部两根不同光纤中的传输光偏振态突变信息的时间差，v为光在光纤中的速度，L为雷击点距线路末端的距离。