CN107121617B - 一种采用滤波器支路电流的直流输电线路k近邻测距方法 - Google Patents

Abstract

本发明涉及一种采用滤波器支路电流和K最邻近算法的直流输电线路故障测距方法，属于电力系统故障测距技术领域。首先，建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库；当故障数据为两级线路故障，利用两极线路故障样本库进行故障测距；然后，依次计算测试数据与每一个样本数据的相关系数，在所有相关系数中找出最大的值，并以最大值为中心找出K个与最大值最邻近的值；最后，依据K个最邻近值的权重及其所代表的故障距离，利用回归方法求解出测试数据的故障距离。

Description

一种采用滤波器支路电流的直流输电线路K近邻测距方法

技术领域

本发明涉及一种采用滤波器支路电流的直流输电线路K近邻测距方法，属于电力系统故障测距技术领域。

背景技术

目前，我国高压直流输电线路故障测距的方法大致分为故障分析法和行波法两大类。故障分析法是利用故障时测量到的工频电压、电流量结合相关参数，通过各种测距方程计算出故障点至测量点距离的一种方法。但如线路参数有一定误差或频变特性明显时，会影响故障定位的精度。行波法是通过检测暂态行波波头或反射波波头到达测量点的时间，再结合波速计算出具体的故障位置，具有较快的响应速度和较高的测距精度。但在发生远端高阻故障时，由于暂态行波信号较弱，可能影响行波波头的标定从而影响测距精度。

对于高压直流输电而言，同一故障类型、同一故障位置、不同故障过渡电阻下，故障电气量时域波形相似度较高；而同一故障类型、不同故障位置下，故障电气量时域波形相似度较低。这就为通过比较波形特征来实现输电线路测距提供了可能。平波电抗器和直流滤波器构成了高压直流输电线路的天然物理边界，其对高频分量有阻滞作用，且滤波器支路电流仅含故障分量，不含正常运行时的负荷电流。因此，利用滤波器支路电流波形来得出波形间的相似度更为直观简单。据此，基于滤波器支路电流，使用K最邻近分类算法得出不同故障位置间的相似程度，进而求出故障距离。该方法避免了对行波波头检测带来的难度，而是采用比较行波波形数据特征的方法来实现测距，其操作更加简单且误差率也较小。

发明内容

本发明要解决的技术问题是提供一种采用滤波器支路电流的直流输电线路K近邻测距方法，用以解决上述问题。

本发明的技术方案是：一种采用滤波器支路电流的直流输电线路K近邻测距方法，首先，建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库；当故障数据为正极线路接地故障，直接利用正极线路故障样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用正极线路故障样本库进行故障测距，当故障数据为两极线路故障，利用两极线路故障样本库进行故障测距；然后，依次计算测试数据与每一个样本数据的相关系数，在所有相关系数中找出最大的值，并以最大值为中心找出K个与最大值最邻近的值；最后，依据K个最邻近值的权重及其所代表的故障距离，利用回归方法求解出测试数据的故障距离。

具体步骤为：

第一步、建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库，正极线路故障下，电流故障分量数据形成的样本库，记为S₁；两极线路故障下，电流数据形成的样本库，记为S₂；当故障数据为正极线路接地故障，直接利用S₁样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用S₁样本库进行故障测距，当故障数据为两极线路故障，利用S₂样本库进行故障测距。

第二步、得出k个与测试数据最相关的样本数据，利用式(1)计算测试数据与样本数据间的Pearson相关系数D，其中x_a和x_b分别表示两个信号，k为做故障距离回归选取的个数；

在式(1)中，N为信号x_a和x_b的长度；x_ai、x_aj分别表示信号x_a的第i个和第j个值，x_bi、x_bj分别表示信号x_b的第i个和第j个值，i，j表示信号取值的变量；

第三步、选取k个最近邻样本，根据步骤二，得到测试数据与m个样本数据的相关系数D＝[D₁ D₂……D_m]，并选取相关系数最大的4个，并记为D_max,k，其中，k＝1,2,3,4；

第四步、计算权重系数，定义基于滤波器支路电流波形相似性的故障测距权值D_r,k为：

D_r,k＝1-D_max.k (2)

第五步，回归出故障距离：

采用D_r,k作为与测试数据k个最近邻样本的权重，并利用k个最近邻样本所代表的故障距离回归出故障距离，则故障距离x_f为：

式中，x′_f,k为故障样本中与测试数据k个最邻近样本代表的故障距离，为以e为底数，D_r,k为指数的函数。

本发明的原理是：

1、不同故障距离下滤波器支路电流行波特征

HVDC线路短路故障种类有单极故障和双极故障，即L+G、L-G、LL和LLG故障，于滤波器支路端，同一种故障类型、同一故障位置、不同故障过渡电阻下，故障电流时域波形相似度较高，同一种故障类型、不同故障位置下，故障电流时域波形相似度较低。

2、K最邻近分类算法

K最近邻分类算法(k-Nearest Neighbor，简称KNN)，是数据挖掘分类技术中最简单的方法之一。算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。由于同一故障位置下滤波器支路电流波形相似，而不同故障位置下电流波形相异，因此可利用KNN方法对故障距离分类。即如与测试数据相似度最高的k个样本数据都属于某一故障距离，则测试数据也应属于这个故障距离。

3、回归法计算距离

在使用KNN方法时，测距精度依赖于样本的大小，样本数据量越大，其测量结果越准确。为了保证在有限样本空间中的故障测距精度，本文引入回归方法来计算故障距离。其思想是：由于某一故障位置下的滤波器支路电流波形应与最邻近这个位置的故障电流波形最相似，故在用KNN方法时，如果与测试数据相似度最高的k个样本并不属于同一类，则可通过加权这K个故障距离来计算出测试数据所属故障距离。

本发明的有益效果是：

1、该方法不依赖于对行波波头的检测，就能进行故障测距，原理简单，而且准确性也较高。

2、该方法所需的采样率较低，易于现场实际应用。

附图说明

图1是本发明实施例云广±800kV直流输电系统结构图；

图2是本发明滤波器支路量测端示意图；

图3是本发明不同过渡电阻下正极5km故障滤波器支路电流波形示意图；

图4是本发明不同过渡电阻下正极850km故障滤波器支路电流波形示意图；

图5是本发明不同过渡电阻下正极1495km故障滤波器支路电流波形示意图。

具体实施方式

下面结合附图和具体实施方式，对本发明作进一步说明。

一种采用滤波器支路电流的直流输电线路K近邻测距方法，首先，建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库；当故障数据为正极线路接地故障，直接利用正极线路故障样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用正极线路故障样本库进行故障测距，当故障数据为两极线路故障，利用两极线路故障样本库进行故障测距；然后，依次计算测试数据与每一个样本数据的相关系数，在所有相关系数中找出最大的值，并以最大值为中心找出K个与最大值最邻近的值；最后，依据K个最邻近值的权重及其所代表的故障距离，利用回归方法求解出测试数据的故障距离。

具体步骤为：

第一步、建立样本空间。在线路全长范围内设置不同故障距离及过渡电阻，得到样本空间。利用±800KV云广特高压直流输电系统仿真模型进行模拟，沿高压直流输电线路全长1500km设置故障点，仿真中，故障距离变化设为5km，过渡电阻分别设为0Ω，10Ω，50Ω，故障类型分为L+G故障和LLG故障。建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库，正极线路故障下，电流故障分量数据形成的样本库，记为S₁；两极线路故障下，电流数据形成的样本库，记为S₂；当故障数据为正极线路接地故障，直接利用S₁样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用S₁样本库进行故障测距，当故障数据为两极线路故障，利用S₂样本库进行故障测距。

第二步、得出k个与测试数据最相关的样本数据，利用式(1)计算测试数据与样本数据间的Pearson相关系数D，其中x_a和x_b分别表示两个信号，k为做故障距离回归选取的个数；

在式(1)中，N为信号x_a和x_b的长度；x_ai、x_aj分别表示信号x_a的第i个和第j个值，x_bi、x_bj分别表示信号x_b的第i个和第j个值，i，j表示信号取值的变量。

第三步、选取k个最近邻样本，根据步骤二，得到测试数据与m个样本数据的相关系数D＝[D₁ D₂……D_m]，并选取相关系数最大的4个，并记为D_max,k，其中，k＝1,2,3,4；

第四步、计算权重系数，定义基于滤波器支路电流波形相似性的故障测距权值D_r,k为：

D_r,k＝1-D_max.k (2)

第五步，回归出故障距离：

采用D_r,k作为与测试数据k个最近邻样本的权重，并利用k个最近邻样本所代表的故障距离回归出故障距离，则故障距离x_f为：

式中，x′_f,k为故障样本中与测试数据k个最邻近样本代表的故障距离，为以e为底数，D_r,k为指数的函数。

实施例1：建立如附图1所示的以云广±800kV特高压直流输电系统作为仿真模型。整流侧和逆变侧的交流侧无功补偿容量分别为3000和3040Mvar，每极换流单元由2个12脉冲换流器串联组成，直流输电线路全长为1500km。线路两侧装有400mH的平波电抗器，直流滤波器为12/24/36三调谐滤波器。现设距离Q端67km正极线路发生20Ω过渡电阻接地故障，

第一步、在线路全长范围内设置不同故障距离及过渡电阻，得到样本空间：沿HVDC线路全长每隔5km设置故障点，过渡电阻分别设为0Ω，10Ω，50Ω，故障类型分为L+G故障和LLG故障，形成正极线路故障样本库S₁和两极线路故障样本库S₂。

第二步、根据式(1)计算测试数据与所有样本数据的相关系数，如表1所示。

表1

第三步、根据表1，得到4个最大的相关系数为0.9717、0.9709、0.9618、0.9582。

第四步、根据式(2)得到权重系数分别为D_r,1＝0.0283、D_r,2＝0.0291、D_r,3＝0.0381、D_r,4＝0.0418。

第五步、根据式(3)计算测试数据的故障距离，经计算测试数据故障距离x_f＝67.5km。

实施例2：建立如附图1所示的以云广±800kV特高压直流输电系统作为仿真模型。整流侧和逆变侧的交流侧无功补偿容量分别为3000和3040 Mvar，每极换流单元由2个12脉冲换流器串联组成，直流输电线路全长为1500km。线路两侧装有400mH的平波电抗器，直流滤波器为12/24/36三调谐滤波器。现设距离Q端986km正极线路发生30Ω过渡电阻接地故障。

第一步、在线路全长范围内设置不同故障距离及过渡电阻，得到样本空间：沿HVDC线路全长每隔5km设置故障点，过渡电阻分别设为0Ω，10Ω，50Ω，故障类型分为L+G故障和LLG故障，形成正极线路故障样本库S₁和两极线路故障样本库S₂。

第二步、根据式(1)计算测试数据与所有样本数据的相关系数，如表2所示。

表2

第三步、根据表1，得到4个最大的相关系数为0.9656、0.9654、0.9633、0.9582。

第四步、根据式(2)得到权重系数分别为D_r,1＝0.0344、D_r,2＝0.0346、D_r,3＝0.0381、D_r,4＝0.0418。

第五步、根据式(3)计算测试数据的故障距离，经计算测试数据故障距离x_f＝986.2km。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (2)

1.一种采用滤波器支路电流和K最邻近算法的直流输电线路故障测距方法，其特征在于：首先，建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库；当故障数据为正极线路接地故障，直接利用正极线路故障样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用正极线路故障样本库进行故障测距，当故障数据为两极线路故障，利用两极线路故障样本库进行故障测距；然后，依次计算测试数据与每一个样本数据的相关系数，在所有相关系数中找出最大的值，并以最大值为中心找出K个与最大值最邻近的值；最后，依据K个最邻近值的权重及其所代表的故障距离，利用回归方法求解出测试数据的故障距离。

2.根据权利要求1所述的采用滤波器支路电流和K最邻近算法的直流输电线路故障测距方法，其特征在于具体步骤为：

第一步、建立样本故障数据库，沿高压直流输电线路全长设置不同故障距离、不同过渡电阻下的故障点，根据故障类型建立对应的正极线路故障和两极线路故障两个故障样本库，正极线路故障下，电流故障分量数据形成的样本库，记为S₁；两极线路故障下，电流数据形成的样本库，记为S₂；当故障数据为正极线路接地故障，直接利用S₁样本库进行故障测距，对于负极线路故障，对其电流故障分量乘以-1后，再利用S₁样本库进行故障测距，当故障数据为两极线路故障，利用S₂样本库进行故障测距；

第二步、得出k个与测试数据最相关的样本数据，利用式(1)计算测试数据与样本数据间的Pearson相关系数D，其中x_a和x_b分别表示两个信号，k为做故障距离回归选取的个数；

在式(1)中，N为信号x_a和x_b的长度；x_ai、x_aj分别表示信号x_a的第i个和第j个值，x_bi、x_bj分别表示信号x_b的第i个和第j个值，i，j表示信号取值的变量；

第三步、选取k个最近邻样本，根据步骤二，得到测试数据与m个样本数据的相关系数D＝[D₁ D₂……D_m]，并选取相关系数最大的4个，并记为D_max,k，其中，k＝1,2,3,4；

第四步、计算权重系数，定义基于滤波器支路电流波形相似性的故障测距权值D_r,k为：

D_r,k＝1-D_max.k (2)

第五步，回归出故障距离：

采用D_r,k作为与测试数据k个最近邻样本的权重，并利用k个最近邻样本所代表的故障距离回归出故障距离，则故障距离x_f为：

式中，x′_f,k为故障样本中与测试数据k个最邻近样本代表的故障距离，为以e为底数，D_r,k为指数的函数。