CN113721107A - 一种基于pmu的电力线路故障选线系统及方法 - Google Patents

Abstract

本发明涉及一种基于PMU的输电线路故障选线系统及方法，从PMU读取故障开始后的暂态电流数据比较故障初始阶段暂态电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障；基于暂态电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；计算每条馈线的故障可信度，故障可信度最高的馈线为故障馈线。兼具暂态高频能量计算法和平均电流幅值差法的优点，使得权重的确定更加合理。该方法具有很高的工程应用价值，可适用于不同地区、不同规模电力系统中。无需对目前电网进行任何改造，即可对大量样本数据进行分析计算，大幅度提高了该方法的实际可操作性，具有很高的工程应用价值。

Description

一种基于PMU的电力线路故障选线系统及方法

技术领域

本发明涉及故障选线技术领域，尤其涉及一种基于PMU的输电线路故障选线系统及方法。

背景技术

电力系统同步相量测量装置Phasor Measurement Unit(PMU)是用于进行同步相量的测量和输出以及进行动态记录的装置。电力系统中PMU从GPS中同步采集次秒级的模拟电压、电流信号，得到电压和电流信号的幅值和相角，并将其传送到调度中心的数据集中器，在调度中心可以得到整个电网的同步相量，以供实时监测、保护和控制等使用，广泛应用于电力系统广域测量系统的各个环节。

输电线路故障最为常见一种故障，一旦发生短路故障电流会成倍的增加，短路电流剧增的同时电压也会随之下降，巨大的短路电流产生的高温电弧使得线路外的隔绝保护会击穿。目前研究中，一种是基于故障暂态量的识别方法，另一种是行波识别法。

基于工频量元件识别是传统输电线路识别的方法，在多种简单场合发生故障时可以正确完成故障类型的识别功能，但会受到电力系统中性点接不接地以及故障对地电阻的影响，导致识别的结果不理想，识别的准确性、速动性上没能满足安全需求。系统发生短路时，存在着瞬间故障暂态信息，这些信息被用作电力系统识别故障的可靠支撑。发生故障产生的故障暂态特征信息只是受到线路故障类型以及故障的参数作用，对于工频并不影响识别暂态能量值。因为电力供电系统存在着很多不一定的因素影响，故障暂态信号也许会受到很多其他故障暂态的连环作用，致使识别暂态故障类型新途径的好处很大。

发明内容

针对现有技术中存在的问题，本发明提供一种基于PMU的输电线路故障选线系统及方法，兼具暂态高频能量计算法和平均电流幅值差法的优点，使得权重的确定更加合理。该方法具有很高的工程应用价值，可适用于不同地区、不同规模电力系统中。

为达到上述目的，本发明提供了一种基于PMU的电力线路故障选线方法，包括：

(1)从PMU读取故障开始后的暂态零序电流数据比较故障初始阶段暂态零序电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障，进入步骤(2)；

(2)基于暂态零序电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；

(3)基于主特征量和第二特征量计算每条馈线的故障可信度，故障可信度最高的馈线为故障馈线。

进一步地，比较故障初始阶段暂态零序电流相位，计算每条馈线计算相位连续变化并判断是否小于90°：

其中，θ_i为第i条馈线暂态零序电流的相角，θ_{i_1}～θ_{i_5}分别为故障开始后第1～5个采样时刻的采样值，采样间隔为2ms。

进一步地，求取每条馈线的暂态能量包括：

对暂态零序电流数据进行VMD变分模态分解，获得各阶IMF分量，提取第i条馈线的IMF分量中的高频分量C_i(t)，计算第i条馈线暂态能量：

其中t0是故障开始时刻，T是采样周期，t为时间。

进一步地，计算每条馈线的平均电流幅值差DI_i包括计算：

ΔI_k＝I_fk-I_ssk,k＝A,B,C

其中，I_fk为故障时刻后一个采样周期内第k相暂态零序电流幅值的最大值，I_ssk为故障时刻前一周期第k相暂态零序电流幅值的最大值。

进一步地，计算每条馈线的故障可信度G_i包括：

其中n为馈线总数。

本发明另一方面提供一种基于PMU的电力线路故障选线系统，包括采集模块、比较模块以及选线模块；

所述采集模块，从PMU读取故障开始后的暂态零序电流数据；

所述比较模块，提取暂态电流的相位，比较故障初始阶段暂态零序电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障，启动选线模块；

启动选线模块基于暂态零序电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；基于主特征量和第二特征量计算每条馈线的故障可信度，选取故障可信度最高的馈线为故障馈线。

进一步地，比较故障初始阶段暂态零序电流相位，计算每条馈线计算相位连续变化并判断是否小于90°：

其中，θ_i为第i条馈线暂态零序电流的相角，θ_{i_1}～θ_{i_5}分别为故障开始后第1～5个采样时刻的采样值，采样间隔为2ms。

进一步地，求取每条馈线的暂态能量包括：

对暂态零序电流数据进行VMD变分模态分解，获得各阶IMF分量，提取第i条馈线的高频分量C_i(t)，计算第i条馈线暂态能量：

其中t0是故障开始时刻，T是采样周期，t为时间。

进一步地，计算每条馈线的平均电流幅值差DI_i包括计算：

ΔI_k＝I_fk-I_ssk,k＝A,B,C

其中，I_fk为故障时刻后一个采样周期内第k相暂态零序电流幅值的最大值，I_ssk为故障时刻前一周期第k相暂态零序电流幅值的最大值。

进一步地，计算每条馈线的故障可信度G_i包括：

其中n为馈线总数。

本发明的上述技术方案具有如下有益的技术效果：

(1)本发明从电网调度中心得到数据，无需对目前电网进行任何改造，即可对大量样本数据进行分析计算，大幅度提高了该方法的实际可操作性，具有很高的工程应用价值。

(2)本发明直接使用电气量信息，利用其直接性和准确性，在电网故障诊断中较开关量有一定优势，避免了断路拒动，保护误动的影响。

(3)本发明兼具暂态高频能量计算法和平均电流幅值差法的优点，使得权重的确定更加合理。该方法具有很高的工程应用价值，可适用于不同地区、不同规模电力系统中。

附图说明

图1是PMU数据采集系统原理图。

图2是本发明提供的选线仿真线路拓扑图。

图3是基于PMU的输电线路故障选线方法总体流程图；

图4是各馈线零序电流图；

图5是故障线路的三相电流；

图6为母线故障时各馈线零序电流；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

本发明电力网络中各个PMU可以通过GPS对时系统进行同步数据采集，再将得到的暂态电流相量信息传输至现场局域网，再经过光纤通道传递到数据采集中心，从PMU装置上提取电网运行电气参数，对所获取的电气参数进行信号处理得到表征电气设备状态的特征参量，继而通过先进算法实现输电线路故障选线。

本发明提供的基于PMU的输电线路故障选线方法总体流程图如图3所示，本发明针对电网故障特点，提出一套完备的评价指标体系，针对根据得到的暂态高频能量计算法和平均电流幅值差法，建立输电线路在线状态评估指标体系。将2种故障特征分量作为证据体，采用故障可信度计算对不同过渡电阻和故障距离进行分析，获得最终的输电线路故障选线结果。

具体包括下述步骤：

(1)从PMU读取故障开始后的暂态零序电流数据比较故障初始阶段暂态电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障，进入步骤(2)；

(2)基于暂态电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；

(3)基于主特征量和第二特征量计算每条馈线的故障可信度，故障可信度最高的馈线为故障馈线。获得最终的电网故障选线结果

进一步地，基于暂态能量和平均电流幅值差，定义故障可信度，求取具体方法如下：

a暂态能量

通过对所有线路零序电流进行VMD变换得到各阶IMF分量，对各阶的IMF分量选取高分分量。同样以图2的线路结构，设置馈线1发生单相接地故障，初始相角为0°，提取各条馈线首端测得的零序电流如图4所示，以上述方法分别获得四条馈线的暂态高频分量如图5。

由图4可以看出，在故障初始阶段，故障线的零序电流远大于非故障线的零序电流，且与故障线的相相反。在故障结束后，各馈线零序电流波形又趋于相同。

为了区分故障线路和非故障线路，本发明通过计算线路零序电流的高频能量来实现故障线路和非故障线路差异的量化，并通过计算波形能量的计算可以放大幅值上的差距，使故障线路的特征更加显著。高频能量E的计算公式如式(1)所示

其中C(t)是由瞬时电流所提取的高频分量，t0是故障开始时间，T是采样周期。根据公式(1)对图4中所有馈线的暂态高频能量进行计算，得到表1。

表1各馈线高频暂态能量

由表1各条馈线的暂态高频能量数值上的差异可知，计算得到的故障馈线I的暂态高频能量远大于其余三条正常馈线的暂态高频能量，所以以高频能量作为特征量可以实现故障线路和非故障线路的区分。

b平均电流幅值差

当仅使用单一特征量进行线选择时，为了防止标准和数据源单一，当数据源受到干扰时，线选择的结果可能会受到影响。因此，本发明以暂态能量为主要特征量，定义平均电流幅差DI为辅助选线的第二特征量；原理是故障后第一个周期的故障相电流的幅值与故障前相比有明显增加，如图5所示。

平均电流幅值差DI_i的定义如下式：

ΔI_k＝I_fk-I_ssk,k＝A,B,C (2)

其中，I_fk为故障时刻后一个周期内三相电流幅值的最大值，I_ssk为故障时刻前一周期三相电流幅值的最大值。高频能量和平均电流幅值差作为选线特征量各有优势，总结高频能量和平均电流幅值两种特征量的特点如表2所示。

c故障可信度

为实现两种特征量的综合计算，结合两种特征量最后给出一个用以判别故障线路和非故障线路的综合性指标，定义了故障可信度指标G_i，如式4所示。

式中，G_i为第i条线路的故障可信度；n为输电网中的馈线总数。

表2两种选线特征量的比较

步骤(1)中母线故障的区分

以上讨论的选线方法是选择故障馈线，但母线故障不包括在内，所以在故障发生后，有必要区分母线故障和馈线故障。如果是总线故障，则直接确定为总线故障。如果是馈线故障，则进行后续选线步骤。如图6所示为仿真模型下母线故障提取的零序电流。

对比图6母线故障的各馈线零序电流图和图4馈线故障的各馈线零序电流图可以发现，可以通过对故障初始阶段相位的比较来实现区分，相位比较公式如式5所示。

其中，θ_i为第i条馈线在故障初始时刻零序电流的相角，θ_{i_1}～θ_{i_5}分别为故障开始后第1～5个采样时刻的采样值，本发明取第2ms时刻的值。若式(5)的相位关系满足，则可判断故障初始时间各馈线零序电流相角同相，判断为母线故障。

在PSCAD/EMTDC电磁暂态仿真软件中，通过仿真验证了所提出的选线方法的正确性，并分析各种不同故障因素对算法的影响，表3为线路的时序参数。

表3仿真线路等效参数

(1)过渡电阻的影响分析

对于输电网的故障选线方法，过渡电阻的大小一直是影响方法准确性的重要因素，因为过渡电阻的大小直接影响故障后电流的大小，当过渡电阻越大，纵坐标的频率变化越不明显，零序电流的高频暂态分量越不明显。

为分析过渡电阻对选线方法的有效性，仿真设置不同过渡电阻，其他故障条件不变计算得到不同线路的故障可信度如表4所示。

表4不同过渡电阻的故障选线结果

(2)故障距离的影响分析

故障距离在一定程度上也会影响故障后高频暂态分量的幅值，仿真提取不同故障距离下的故障线路的零序电流，可以发现故障越靠近母线侧，故障后暂态分量衰减速度越快。

为研究不同故障距离对选线算法的有效性，仿真设置在故障线路的不同距离发生单相接地故障，故障可信度的结果如表5所示。由表5可得，在线路不同距离点发生故障后通过本文提出的故障可信度选线方法均能高准确度地选出故障馈线，说明故障距离对本文选线算法无影响。

表5不同故障距离的选线结果

算法对比如下：

本发明所提出的选线算法采用VMD可以克服传统EMD算法中存在的模态混叠现象，而这种现象可能会出现在过渡电阻较大的故障情况下，因此，为体现本文采用的算法进行选线的优越性，采用VMD算法计算在不同过渡电阻下的故障可信度，结果如表6所示。

表6 EMD算法对不同过渡电阻故障选线结果

对比表4和表6的结果可以发现，通过EMD进行选线算法的结果在过渡电阻较大时会受到极大的影响，此时，故障馈线和非故障线路的故障可信度之间的差距变的很小，可能会造成最终选线结果得误判，而本发明基于VMD算法的选线方法则不会存在此问题，体现了本发明选线方法的优越性。

综上所述，本发明涉及一种基于PMU的输电线路故障选线系统及方法，从PMU读取故障开始后的暂态电流数据比较故障初始阶段暂态电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障；基于暂态电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；计算每条馈线的故障可信度，故障可信度最高的馈线为故障馈线。兼具暂态高频能量计算法和平均电流幅值差法的优点，使得权重的确定更加合理。该方法具有很高的工程应用价值，可适用于不同地区、不同规模电力系统中。无需对目前电网进行任何改造，即可对大量样本数据进行分析计算，大幅度提高了该方法的实际可操作性，具有很高的工程应用价值。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种基于PMU的电力线路故障选线方法，其特征在于，包括：

(1)从PMU读取故障开始后的暂态零序电流数据比较故障初始阶段暂态零序电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障，进入步骤(2)；

(2)基于暂态零序电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；

(3)基于主特征量和第二特征量计算每条馈线的故障可信度，故障可信度最高的馈线为故障馈线。

2.根据权利要求1所述的基于PMU的电力线路故障选线方法，其特征在于，比较故障初始阶段暂态零序电流相位，计算每条馈线计算相位连续变化并判断是否小于90°：

其中，θ_i为第i条馈线暂态零序电流的相角，θ_{i_1}～θ_{i_5}分别为故障开始后第1～5个采样时刻的采样值，采样间隔为2ms。

3.根据权利要求1或2所述的基于PMU的电力线路故障选线方法，其特征在于，求取每条馈线的暂态能量包括：

对暂态零序电流数据进行VMD变分模态分解，获得各阶IMF分量，提取第i条馈线的IMF分量中的高频分量C_i(t)，计算第i条馈线暂态能量：

其中t0是故障开始时刻，T是采样周期，t为时间。

4.根据权利要求3所述的基于PMU的电力线路故障选线方法，其特征在于，计算每条馈线的平均电流幅值差DI_i包括计算：

ΔI_k＝I_fk-I_ssk,k＝A,B,C

其中，I_fk为故障时刻后一个采样周期内第k相暂态零序电流幅值的最大值，I_ssk为故障时刻前一周期第k相暂态零序电流幅值的最大值。

5.根据权利要求4所述的基于PMU的电力线路故障选线方法，其特征在于，计算每条馈线的故障可信度G_i包括：

其中n为馈线总数。

6.一种基于PMU的电力线路故障选线系统，其特征在于，包括采集模块、比较模块以及选线模块；

所述采集模块，从PMU读取故障开始后的暂态零序电流数据；

所述比较模块，提取暂态电流的相位，比较故障初始阶段暂态零序电流相位，如果相位连续变化小于90°，则为母线故障，否则为馈线故障，启动选线模块；

启动选线模块基于暂态零序电流数据求取每条馈线的暂态能量作为主特征量，计算每条馈线的平均电流幅值差作为辅助选线第二特征量；基于主特征量和第二特征量计算每条馈线的故障可信度，选取故障可信度最高的馈线为故障馈线。

7.根据权利要求6所述的基于PMU的电力线路故障选线系统，其特征在于，比较故障初始阶段暂态零序电流相位，计算每条馈线计算相位连续变化并判断是否小于90°：

其中，θ_i为第i条馈线暂态零序电流的相角，θ_{i_1}～θ_{i_5}分别为故障开始后第1～5个采样时刻的采样值，采样间隔为2ms。

8.根据权利要求6或7所述的基于PMU的电力线路故障选线系统，其特征在于，求取每条馈线的暂态能量包括：

对暂态零序电流数据进行VMD变分模态分解，获得各阶IMF分量，提取第i条馈线的高频分量C_i(t)，计算第i条馈线暂态能量：

其中t0是故障开始时刻，T是采样周期，t为时间。

9.根据权利要求8所述的基于PMU的电力线路故障选线系统，其特征在于，计算每条馈线的平均电流幅值差DI_i包括计算：

ΔI_k＝I_fk-I_ssk,k＝A,B,C

其中，I_fk为故障时刻后一个采样周期内第k相暂态零序电流幅值的最大值，I_ssk为故障时刻前一周期第k相暂态零序电流幅值的最大值。

10.根据权利要求9所述的基于PMU的电力线路故障选线系统，计算每条馈线的故障可信度G_i包括：

其中n为馈线总数。

Images