CN113325271A - 基于小波奇异性检测理论的含iidg配电网故障检测方法 - Google Patents
基于小波奇异性检测理论的含iidg配电网故障检测方法 Download PDFInfo
- Publication number
- CN113325271A CN113325271A CN202110670101.XA CN202110670101A CN113325271A CN 113325271 A CN113325271 A CN 113325271A CN 202110670101 A CN202110670101 A CN 202110670101A CN 113325271 A CN113325271 A CN 113325271A
- Authority
- CN
- China
- Prior art keywords
- fault
- wavelet
- point
- singularity
- decomposition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了一种基于小波奇异性检测理论的含IIDG配电网故障检测方法,其步骤主要为:利用PSCAD建立搭建含IIDG的配电网的模型,采集各相故障电流信号至Matlab中;选择母小波db5,确定分解、重构层数;基于db5小波,将故障电流信号分解到不同尺度下,获得各层小波系数:W1f(k)、W2f(k)、…、Wjf(k);分析[Wjf(k)],j=1,2,…,J模极大值情况,判断有无故障出现;提取故障开始与结束时刻附近采样点db5小波分解细节系数,通过对其故障相和非故障相电流经过小波分解后的高频信号的奇异性分析判别故障的类型,从采样总点数和仿真时间可以得到仿真故障开始与结束时间,计算与模拟故障点的误差。
Description
技术领域
本发明属于电力系统领域,涉及一种基于小波奇异性检测理论的含IIDG配电网故障检测方法。
背景技术
随着全球环境问题的加重,传统能源已经不足以满足用户的需求,而分布式电源(Distributed Generation,DG)由于其环保、清洁、经济的特点,受到了推广。随着越来越多的分布式电源接入配电网中,传统配电网单一电源供电的拓扑结构就会发生改变,使得配电网故障检测与分类就变得更加困难,而现有的故障检测技术就有可能不再适用。因此,需要对含有分布式电源的配电网的故障检测技术进行深入研究,对其短路故障快速准确地检测,并划分其故障类型。
发明内容
1、所要解决的技术问题:
随着越来越多的分布式电源接入配电网中,传统配电网单一电源供电的拓扑结构就会发生改变,使得配电网故障检测与分类就变得更加困难,而现有的故障检测技术就有可能不再适用
2、技术方案:
为了解决以上问题,本发明提供了一种基于小波奇异性检测理论的含IIDG配电网故障检测方法,包括以下步骤:步骤S01:利用PSCAD建立搭建含IIDG的配电网的模型,采集各相故障电流信号至Matlab中;步骤S02:选择母小波db5,确定分解、重构层数;步骤S03:基于db5小波,将故障电流信号分解到不同尺度下,获得各层小波系数:W1f(k)、W2f(k)、…、Wjf(k);步骤S04:分析[Wjf(k)],j=1,2,…,J模极大值情况,判断有无故障出现;步骤S05:提取故障开始与结束时刻附近采样点db5小波分解细节系数,通过对其故障相和非故障相电流经过小波分解后的高频信号的奇异性分析判别故障的类型,从采样总点数和仿真时间得到仿真故障开始与结束时间,计算与模拟故障点的误差。
所述小波系统的大小由f(x)在x0的邻域内的特征和小波变换的分解层数所决定的,x0为小波变换中的奇异点。
运用小波变换进行局部奇异性检测的方法包括以下步骤:步骤一:设f(x)∈L2(R);步骤二:如果f(x)对任意的x∈δx0,若小波满足实数且连续可微的条件,同时具有n阶消失矩,n为正整数,那么|Wf(s,x)|≤Ksα,其中K为常数,α为x0处的奇异性指数,s为尺度;步骤三:若在区间(a,b)上函数有一个奇异点x0,f(x)在x0处Lip指数为α,0<α<1,Wf(s,t)→0的速度在x0点为sα,小于其他点趋于0的速度,在s趋于0时孤立奇异点在小波变换中取极大值。
所述奇异点位置的检测的方法为:首先对信号f(x)利用小波作离散小波变换,利用mallat算法求出{W(xj,s,ψ)|j=1,2,…,N},然后求出数据{W(xj,s,ψ)|j=1,2,…,N}的模极大值{W2 jf(xj 0)},并记录相应的极大值点,则极大值点就是所求的奇异信号的奇异点。
3、有益效果:
与现有技术相比,本发明可以实现:在发生各种不同短路故障时,故障相和非故障相电流经过小波分解后的高频信号的奇异性会呈现不同的规律,根据这点可以对含IIDG配电网故障类别进行划分。
附图说明
图1为含逆变型分布式电源的两馈线的配网图,馈线末端为负荷。
图2为PSCAD搭建的含逆变型分布式电源的配电网模型图。
图3为图2中f点发生单相短路接地故障时,并网点电压和额定电压波形。
图4为图2中f点发生单相短路接地故障时,a、b、c三相电压波形。
图5为图2中f点发生单相短路接地故障时,故障点处电压波形。
图6为图2中f点发生单相短路接地故障时,a、b、c三相电流波形。
图7为图2中f点发生单相短路接地故障时,IIDG等效为电流源电流波形。
图8为图2中a相电流小波变换波形图。
图9为图2中b相电流小波变换波形图。
图10为图2中c相电流小波变换波形图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
本发明实施例提出了一种基于小波奇异性检测理论的含IIDG配电网故障检测方法,其步骤包括:
步骤S01:利用PSCAD建立搭建含IIDG的配电网的模型,采集各相故障电流信号至Matlab中;
步骤S02:选择母小波db5,确定分解、重构层数;
步骤S03:基于db5小波,将故障电流信号分解到不同尺度下,获得各层小波系数:W1f(k)、W2f(k)、…、Wjf(k);
步骤S04:分析[Wjf(k)],j=1,2,…,J模极大值情况,判断有无故障出现;
步骤S05:提取故障开始与结束时刻附近采样点db5小波分解细节系数,通过对其故障相和非故障相电流经过小波分解后的高频信号的奇异性分析判别故障的类型,从采样总点数和仿真时间可以得到仿真故障开始与结束时间,计算与模拟故障点的误差。
本发明可以实现:
在发生各种不同短路故障时,故障相和非故障相电流经过小波分解后的高频信号的奇异性会呈现不同的规律,根据这点可以对含IIDG配电网故障类别进行划分。其变化规律具体分析如下:
(1)单相短路接地
发生单相短路接地时,故障相和非故障相小波奇异性的变化规律为:有一相的电流,即故障相电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性,而另外两相的电流,即非故障相电流经过小波分解后的高频信号在故障初始和结束时刻均基本不表现出奇异性。
(2)两相短路接地
发生两相短路接地时,有两相的电流,即故障相电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性,而另外一相的电流,即非故障相的电流经过小波分解后的高频信号在故障初始和结束时刻均基本不表现出奇异性。
(3)两相短路
发生两相短路时,有两相的电流,即故障相电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性,而另外一相的电流,即非故障相的电流经过小波分解后的高频信号在故障初始和结束时刻均基本不表现出奇异性。
(4)三相短路
故障相和非故障相小波奇异性的变化规律为:三相电流,即故障相电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性。
通过上述4种故障类型下故障相和非故障相电流经过小波分解后的高频信号的奇异性分析得出,故障相电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性,而非故障相的电流经过小波分解后的高频信号在故障初始和结束时刻均基本不表现出奇异性。
上述步骤中,采用小波变换理论来研究信号的局部奇异特性时,小波系数的大小是由f(x)在x0的邻域内的特征和小波变换的分解层数所决定的。在运用小波变换进行局部奇异性检测时,需进行以下定义:
|Wf(s,x)|≤Ksα(其中K为常数)
则称α为x0处的奇异性指数。
由上式可知,若在区间(a,b)上函数有一个孤立奇异点x0,f(x)在x0处Lip指数为α,0<α<1,s→0时小波变换Wf(s,t)→0的速度在x0点为sα,小于其他点趋于0的速度,可见在s很小时孤立奇异点在小波变换中取极大值,根据小波变换模极大值可找到信号奇异点。
选择信号和噪声具有不同能量分布及能量变化趋势的几个连续尺度为特征尺度。由于在较大尺度上的小波变换模极大值点主要属于有效信号的奇异点,因此从所选取的最大尺度开始寻找奇异点。如果(J+1)尺度上的某一模极大值是由J尺度传来的(即满足两个连续二进制尺度上的模极大值位置接近,符号相同,幅值大小相差不多)。则这个可传播的模极大值点对应的最小尺度模极大值点即为相应奇异点的位置。
小波变换的模极大值能够刻划非稳定信号的奇异点和奇异性,而且可以由其小波变换的模极大值重构信号。对缓变奇异信号f(x)在尺度j和点{xj n}取得模极大值{W2 jf(xj 0)}。奇异点位置的检测算法的基本思想是:首先对信号f(x)利用小波作离散小波变换,利用mallat算法求出{W(xj,s,ψ)|j=1,2,…,N},然后求出数据{W(xj,s,ψ)|j=1,2,…,N}的模极大值{W2 jf(xj 0)},并记录相应的极大值点,则极大值点就是所求的缓变奇异信号的奇异点。
实施例
图1中馈线2的AE段长度为2公里长的架空线路;馈线1的AB段长为1.372km,Bf长度为18km,fC长度为4km,CD长度为6km。
IIDG在母线B处接入电网。结合单位线路参数,可以得出各段线路参数表1。
表1各段线路的阻抗参数表。
当f点发生单相短路接地故障时,故障时间仍然设置在0.1s,持续时间为0.05s,采样频率20kHz,仿真时长T=0.2s,设置4000个采样点,由于单相短路接地属于非对称故障,并网点电压将是对称分量法分离出来的正序电压,当发生单相短路接地时,并网点不同电压等级时,可以得到图3-图7。
当f点发生单相短路接地故障时,虽然是非对称故障,但是因对称分量法的运用,得到的正序电压是对称的,此时接入并网点的电流、电压仍然是对称的,由图3可以看出,额定电压UN为5.78kV,并网点电压U有效值为5.58kV,由5.58/5.78=0.965可知并网点电压大于90%UN。
由图4可以看出故障相故障点处电压跌落为0。
由图5可以看出故障相的电流在故障开始时刻陡然升高,非故障相电流基本不变。
由图7可以看出,IIDG运行于恒功率状态。
由图8-图10可以看到,模拟时系统电源电压上升时间设置为了0.06s,故在1200采样点之前的奇异性是由于电源电压突变导致,而主要是看在模拟故障开始与结束时刻的奇异性。
可知U≥0.9UN时,a相的故障电流信号经小波变换后,其细节部分在2000采样点和3050采样点附近剧烈震荡,是|Wf(s,k)|的极大值点,即故障信号经小波分解的高频信号的奇异点。具体来看,提取在2000采样点和3050采样点前后的db5小波分解d5高频小波系数。数据表明故障初始时刻和结束时刻b,c两相的小波系数基本不表现出奇异性;故障初始时刻a相的小波系数在1996点表现出奇异性,故障结束时刻a相的小波系数在3059点表现出奇异性;故障初始时刻可以由采样总点数以及仿真时间计算得到,为与故障模拟开始时间t0=0.1s相比,误差为0.2%,故障结束时刻同理可得,为与故障模拟结束时间t1=0.15s相比,误差为1.97%,由此根据a相的电流经过小波分解后的高频信号在故障初始和结束时刻均表现出奇异性,而b,c两相的电流经过小波分解后的高频信号在故障初始和结束时刻均基本不表现出奇异性,可以断定系统发生了单相短路接地故障。
Claims (5)
1.一种基于小波奇异性检测理论的含IIDG配电网故障检测方法,包括以下步骤:步骤S01:利用PSCAD建立搭建含IIDG的配电网的模型,采集各相故障电流信号至Matlab中;步骤S02:选择母小波db5,确定分解、重构层数;步骤S03:基于db5小波,将故障电流信号分解到不同尺度下,获得各层小波系数:W1f(k)、W2f(k)、…、Wjf(k);步骤S04:分析[Wjf(k)],j=1,2,…,J模极大值情况,判断有无故障出现;步骤S05:提取故障开始与结束时刻附近采样点db5小波分解细节系数,通过对其故障相和非故障相电流经过小波分解后的高频信号的奇异性分析判别故障的类型,从采样总点数和仿真时间得到仿真故障开始与结束时间,计算与模拟故障点的误差。
2.如权利要求1所述的方法,其特征在于:所述小波系统的大小由f(x)在x0的邻域内的特征和小波变换的分解层数所决定的,x0为小波变换中的奇异点。
5.如权利要求2-4任一项权利要求所述的方法,其特征在于:所述奇异点位置的检测的方法为:首先对信号f(x)利用小波作离散小波变换,利用mallat算法求出{W(xj,s,ψ)|j=1,2,…,N},然后求出数据{W(xj,s,ψ)|j=1,2,…,N}的模极大值{W2 jf(xj 0)},并记录相应的极大值点,则极大值点就是所求的奇异信号的奇异点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670101.XA CN113325271A (zh) | 2021-06-17 | 2021-06-17 | 基于小波奇异性检测理论的含iidg配电网故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110670101.XA CN113325271A (zh) | 2021-06-17 | 2021-06-17 | 基于小波奇异性检测理论的含iidg配电网故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113325271A true CN113325271A (zh) | 2021-08-31 |
Family
ID=77423399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110670101.XA Pending CN113325271A (zh) | 2021-06-17 | 2021-06-17 | 基于小波奇异性检测理论的含iidg配电网故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325271A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721889A (zh) * | 2012-07-02 | 2012-10-10 | 西南交通大学 | 基于复小波奇异性检测的电缆早期故障检测方法 |
CN104297629A (zh) * | 2014-08-19 | 2015-01-21 | 中国科学院电工研究所 | 含分布式电源的配电网的区段故障检测与定位方法 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN105223467A (zh) * | 2015-09-24 | 2016-01-06 | 国网技术学院 | 基于分维计算和mallat分解的配电网故障选线方法 |
CN105510760A (zh) * | 2015-12-23 | 2016-04-20 | 国家电网公司 | 一种基于小波分析的短路故障数据检测方法 |
WO2018120283A1 (zh) * | 2016-12-29 | 2018-07-05 | 合肥工业大学 | 基于连续小波分析和elm网络的模拟电路故障诊断方法 |
CN108663601A (zh) * | 2018-05-11 | 2018-10-16 | 山东理工大学 | 一种基于iidg的配电网故障电流管理方法 |
CN109765460A (zh) * | 2019-01-31 | 2019-05-17 | 上海应用技术大学 | 一种基于自适应尺度Symlets小波的配电网故障选线方法 |
-
2021
- 2021-06-17 CN CN202110670101.XA patent/CN113325271A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721889A (zh) * | 2012-07-02 | 2012-10-10 | 西南交通大学 | 基于复小波奇异性检测的电缆早期故障检测方法 |
CN104297629A (zh) * | 2014-08-19 | 2015-01-21 | 中国科学院电工研究所 | 含分布式电源的配电网的区段故障检测与定位方法 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN105223467A (zh) * | 2015-09-24 | 2016-01-06 | 国网技术学院 | 基于分维计算和mallat分解的配电网故障选线方法 |
CN105510760A (zh) * | 2015-12-23 | 2016-04-20 | 国家电网公司 | 一种基于小波分析的短路故障数据检测方法 |
WO2018120283A1 (zh) * | 2016-12-29 | 2018-07-05 | 合肥工业大学 | 基于连续小波分析和elm网络的模拟电路故障诊断方法 |
CN108663601A (zh) * | 2018-05-11 | 2018-10-16 | 山东理工大学 | 一种基于iidg的配电网故障电流管理方法 |
CN109765460A (zh) * | 2019-01-31 | 2019-05-17 | 上海应用技术大学 | 一种基于自适应尺度Symlets小波的配电网故障选线方法 |
Non-Patent Citations (2)
Title |
---|
徐子华等: "含分布式电源的配电网故障区间定位研究", 《电力系统保护与控制》 * |
韩国正: "基于小波变换和奇异值分解的配电网故障检测方法", 《中国优秀博硕士学位论文全文数据库(硕士)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107632239B (zh) | 一种基于imf能量熵的光伏送出线路故障选相方法 | |
CN111308272B (zh) | 一种小电流接地故障区段定位方法 | |
Beniwal et al. | Detection of anomalies in the quality of electricity supply | |
CN112485590A (zh) | 一种配电网单相断线故障识别方法 | |
CN112462193A (zh) | 一种基于实时故障滤波数据的配电网自动重合闸判断方法 | |
CN112255495B (zh) | 一种微电网高阻故障检测方法 | |
Mishra et al. | Time-frequency analysis based approach to islanding detection in micro-grid system | |
CN113702767A (zh) | 基于小波滑窗能量的孤岛直流微电网故障诊断方法 | |
Upadhyaya et al. | Evaluation of power quality disturbance in PV-connected IEEE-14 bus system using lifting-based wavelet transform and random forest | |
Mahfouz et al. | One-end protection algorithm for offshore wind farm HVDC transmission based on travelling waves and cross-alienation | |
CN113325271A (zh) | 基于小波奇异性检测理论的含iidg配电网故障检测方法 | |
Zhang et al. | Two terminals protection method for HVDC transmission lines based on maximal overlap discrete wavelet transform and cross-correlation coefficient of traveling wave | |
Manjusree et al. | Fault detection of a hybrid energy source integration with multiterminal transmission line using wavelet analysis | |
Myint et al. | A traveling wave-based fault section and fault distance estimation algorithm for grounded distribution systems | |
Tikar et al. | A novel islanding detection technique for grid-connected distributed generation using KNN and SVM | |
Patel et al. | Wavelet and Machine learning based approach for Fault classification in AC Micro-grid system | |
CN114113894A (zh) | 一种基于固有频率特征的重复性故障识别方法 | |
CN113552441A (zh) | 一种单相接地故障检测方法及装置 | |
CN112083285A (zh) | 一种大规模风电场长距离送出线路时域双端故障测距方法 | |
Raza et al. | Analysis of power system parameters for islanding detection using wavelet transform | |
Zhang et al. | Fast Fault Detection and Location System for Distribution Network Lines Based on Power Electronic Disturbance Signals | |
Chatterjee et al. | Cross-correlation based single-phase fault location scheme for transmission lines using one-end voltage | |
Chen et al. | New algorithm for EHV transmission line faulted-phase selection based on wavelet transforms and artificial intelligence | |
Bhalja et al. | A new fault detection, classification and location scheme for transmission line | |
Zheng et al. | Transformer Vibration Analysis Based on Double Branch Convolutional Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |
|
RJ01 | Rejection of invention patent application after publication |