CN116466185A - 一种配电网单相接地故障区段智能免阈值定位方法 - Google Patents

Abstract

本发明的目的在于提供一种配电网单相接地故障区段智能免阈值定位方法，当配电网发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流波形数据，对暂态零序信号进行归一化处理，绘制伏安特性散点图，为表征散点图的整体分布情况以提取伏安特性特征向量，使用K均值聚类算法求出聚类中心；将暂态零序电压导数和零序电流相乘并按时间累加得到零序功率波形，以提取零序功率方向特征向量；将归一化处理后的两个特征向量融合构造综合特征向量，对其做模糊C均值聚类，在免阈值设置的情况下判别健全区段与故障区段。本发明不需要针对不同拓扑结构计算单相接地故障区段定位判据的阈值，普适性强。

Description

一种配电网单相接地故障区段智能免阈值定位方法

技术领域

本发明属于配电网单相接地故障区段定位技术领域，具体涉及一种配电网单相接地故障区段智能免阈值定位方法。

背景技术

随着电力系统的发展以及高比例分布式电源的接入，配电网结构的复杂程度不断提高，更易引发故障。据相关数据统计，电网绝大部分的停电事故都与配电网故障相关，其中，单相接地故障占80％以上。现有配电网大多采用非有效接地方式，在新修订的《配电网技术导则》文件中提到，在中压线路发生永久性单相接地故障后，宜按快速就近隔离故障原则进行处理，即实现快速选段跳闸。倘若长时间不能断开单相接地故障区段，容易使非故障相绝缘薄弱处发生击穿，形成相间短路，导致故障进一步扩大。显然，快速准确定位并隔离单相接地故障区段，对于提高配电网运行可靠性有着重要意义。

尽管配电网单相接地故障区段定位研究已经取得了一定的成果，但配电网结构复杂、运行环境恶劣、通信负担重、故障随机性强，并且传统的故障区段定位方法，需要预先设置一个故障区段定位判据的阈值，并根据不同电网结构和运行状态设置不同的阈值，但这样的方法因为阈值设定的不准确可能造成很大的误差，导致现有的故障区段定位方法在工程应用中效果不佳。因此，免阈值的区段定位方法被作为其研究重点之一。

已有单相接地故障区段定位方法主要存在以下问题：首先，现有的方法通信负担过重，当通信延迟或出现故障时，需要传输大量故障数据的定位方法将受到显著影响，容易导致误判。其次，受先验知识的影响，仅选择单一特征量的单相接地故障区段定位方法，难以完全表征非线性故障特征，无法捕捉完整的单相接地故障信息，存在诸多潜在问题，泛化能力较低。此外，阈值的设定需要参考网络结构和运行参数，然而不同地区的配电网结构和参数也有差异，同一个变电站的运行方式也并非始终不变，这使得人工设置阈值的单相接地故障选段方法的可靠性和适应性较低。最后，实际现场单相接地故障数据难以获取，加上仿真模型无法模拟所有的故障工况，使得基于大量历史数据训练的区段定位方法普适性差。

发明内容

有介于此，为了填补现有技术的空白和不足，本发明旨在提供一种配电网单相接地故障区段智能免阈值定位方法。

当配电网发生单相接地故障后，通过主动采集并提取故障后首半波的零序电压导数和零序电流波形数据，对其进行归一化处理，绘制伏安特性散点图，用K均值聚类求出的聚类中心点来表征散点图的整体分布情况，作为伏安特性特征向量；将暂态零序电压导数和零序电流相乘并按时间累加，可得到零序功率累加和波形，以提取零序功率方向特征向量；通过将归一化处理后的伏安特性特征向量和零序功率方向特征向量融合构造综合特征向量，对其做模糊C均值聚类，即可免阈值判别健全区段与故障区段。

本发明的配电网单相接地故障区段智能免阈值定位方法，不需要针对不同网络结构计算单相接地故障区段定位判据的阈值，不需要传输大量故障数据，不依赖于大量样本数据与现场故障数据，只需少量单相接地故障历史数据，能够在线路投切、高阻接地、馈线末端故障、不同补偿度等情况下准确选出单相接地故障区段，同时不存在算法复杂、运算量大等问题，只需要少量历史数据，现场普适性与适用性强。为配电网可靠、经济运行提供了有力保障。

本发明解决其技术问题具体采用的技术方案是：

一种配电网单相接地故障区段智能免阈值定位方法，不需要设置阈值实现单相接地故障区段定位；当发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流波形数据，进行归一化处理，绘制伏安特性散点图，用K均值聚类求出的聚类中心点来表征散点图的整体分布情况，作为伏安特性特征向量；将暂态零序电压导数和零序电流相乘并按时间累加，得到零序功率累加和波形，提取零序功率方向特征向量；将归一化处理的伏安特性特征向量和零序功率方向特征向量融合构造综合特征向量，对其进行模糊C均值聚类，以实现在免阈值设置的情况下判别健全区段与故障区段。

进一步地，其具体包括以下步骤：

步骤S1：发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流，对暂态零序信号进行归一化处理，绘制伏安特性散点图；

步骤S2：利用K均值聚类算法，求取表征伏安特性散点图的聚类中心，按照聚类中心第一维数据由小到大顺序，依次取聚类中心第二维数据值，得到表征伏安特性的特征向量；

步骤S3：将暂态零序电压导数和零序电流的乘积按时间累加得到零序功率累加和波形，从中选出不含起始点的等间隔点，取这些等间隔点对应的纵坐标值，得到表征零序功率方向的特征向量；

步骤S4：分别对伏安特性和零序功率方向特征向量做归一化处理后，将二者拼接得到综合特征向量，对综合特征向量做模糊C均值聚类，以在免阈值设置的情况下，判别健全区段与故障区段。

进一步地，对于步骤S1：在所述伏安特性散点图中，对于健全区段，忽略线路阻抗，其暂态零序电压导数与零序电流成正比，极性相同，伏安特性散点分布呈正相关；对于故障区段，忽略线路阻抗，暂态零序电压导数与零序电流成反比，极性相反，伏安特性散点分布呈负相关。

进一步地，对于步骤S3：

所述健全区段的零序功率，忽略线路阻抗，其极性仅和线路总电容相关，线路总电容为正值，零序功率按照时间进行幅值累加，累加值为正；

所述故障区段的零序功率，忽略线路阻抗，其极性与消弧线圈的电感电流和线路总电容相关，消弧线圈的电感电流在故障发生后首半个周波内近似为零，线路总电容为正值，零序功率按照时间进行幅值累加，累加值为负。

进一步地，将归一化后的伏安特性特征向量和零序功率方向特征向量进行拼接，将所得多特征量作为单相接地故障选段的判据，提高了方法对各种单相接地故障情况的适应能力。

进一步地，不需要针对不同拓扑结构计算单相接地故障区段定位判据的阈值，只需少量单相接地故障历史数据，能够在线路投切、高阻接地、馈线末端故障、不同补偿度等情况下准确选出单相接地故障区段，普适性强。

与现有技术相比，本发明及其优选方案具有以下有益效果：

1、利用了暂态零序伏安特性和暂态零序功率方向两个特征信息进行融合作为单相接地故障区段定位的判据，增强了单相接地故障区段定位方法的容错率，提高了方法对各种单相接地故障情况的适应能力。

2、以基于K均值聚类的特征量提取与基于模糊C均值聚类的选段方法，其具备以下优势：一是由于实际现场故障数据难以获取，本方法只依靠少量历史数据，而大部分的深度学习算法是监督学习网络，在小数据样本下学习效果不好，工程实用性不高，相比之下本方法在工程意义上更具优势；二是与传统区段定位方法相比，采用模糊C均值聚类算法，将综合特征向量作为输入，无需设置区段阈值就可判别健全区段与故障区段，具有更强的普适性；三是在过渡电阻随机变化的情况下，仍能够保证判断单相接地故障区段定位的准确性。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

图1为本发明实施例单相接地故障区段定位算法实现过程示意图；

图2为本发明实施例等效网路零序电流分布示意图；

图3为本发明实施例在典型故障下零序电压导数波形图；

图4为本发明实施例在典型故障下零序电流波形图；

图5为本发明实施例在典型故障下零序电压导数-零序电流散点图；

图6为本发明实施例在典型故障下零序功率累加和波形图；

图7为本发明实施例10kV谐振接地系统仿真模型图。

具体实施方式

为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本说明书使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图7所示，本实施例提供10kV配电网单相接地故障系统的拓扑结构并验证配电网单相接地故障区段智能免阈值定位方法的有效性。

其中，单相接地故障区段定位算法流程如图1所示，当发生单相接地故障后，提取故障后首半波的暂态零序电压导数和零序电流波形数据，对暂态零序信号做归一化处理后绘制伏安特性散点图，用K均值聚类求出的聚类中心表征散点图分布情况，作为伏安特性特征向量，同时零序电压导数与零序电流相乘并按时间点累加获得零序功率累加和波形，提取零序功率方向特征向量，将二者融合得到综合特征向量，输入模糊C均值聚类算法，结合少量历史数据，实现免阈值的故障区段定位。

以下对本实施例的技术方案从原理角度进行详细说明：

1.单相接地故障免阈值区段定位原理介绍

1.1配电网单相接地故障暂态伏安特性分析

谐振接地系统单相接地故障示意图如图2所示，分别为A、B和C相电源电动势，C_0i表示区段i的对地电容，C₀₁表示故障区段的对地电容，R_L和L为消弧线圈等值电阻和电感，R_f为故障接地电阻。忽略线路阻抗，对于健全区段，暂态零序电压导数和暂态零序电流的关系为：

对于故障区段，暂态零序电压导数和暂态零序电流的关系为：

其中u_0j(t)为采样点j的暂态零序电压，i_0j为采样点j的暂态零序电流，C_1j是健全区段或故障区段下游的采样点j到馈线末端的对地等效零序电容，C_2j是故障区段上游的采样点j到母线间的对地等效电容与所有健全线路的对地零序电容和，i_L(t)为消弧线圈的电感电流。

谐振接地系统发生单相接地故障后，各非故障线路的暂态零序电流均由母线流向线路，而故障线路的暂态零序电流由线路流向母线。也就是说，忽略线路阻抗，健全区段零序电压导数与零序电流成正比，极性相同；故障区段，由于消弧线圈的电感电流在故障发生后的首半波内基本不变，可近似为零，零序电压导数与零序电流成反比，极性相反。

1.2伏安特性特征向量提取原理

如图7所示为PSCAD/EMTDC软件搭建10kV谐振接地系统仿真模型图，图中O_L为架空线路；C_L为电缆线路；R_f为接地电阻；用F_i表示采样点i紧邻的下游区段；i为采样节点编号，线路参数如表1。

表1线路参数

以F3区段发生A相单相接地故障为例，设置故障相角90°，接地电阻10Ω，采样频率10kHz，选取图7中编号1、2、3、4、6、8采样点的仿真数据，各采样点故障前四分之一周波和故障后首半波的零序电压导数和零序电流如图3、图4所示。

对零序信号做归一化处理，绘制出零序电压导数与零序电流的伏安特性散点图，对于健全区段，各散点分布将具有正相关性；对于故障区段，各散点分布将具有负相关性。

式中X为零序电压导数或零序电流波形的采样数据，x_i为向量X中的元素，i＝1,2,...,n，n为X的采样点个数，abs()为求绝对值，max()为求最大值，为x_i归一化后的元素，从而将向量X中的元素限制在[-1,1]。值得注意的是，随着接地故障时间延长，消弧线圈过渡到过补偿状态，故障区段的零序电压导数与零序电流便不存在反比关系。因此需要选择故障后首半个周波针对暂态零序信号来做特征判据。

对于伏安特性散点图的分布情况，需要通过K均值聚类算法求的聚类中心来表征，用聚类中心提取的伏安特性特征向量区分健全区段与故障区段。K均值聚类算法的基本思想是随机选取对象进行划分，随机设定初始聚类中心，通过迭代不断调整聚类中心，使所有对象距离聚类中心距离之和最短。输入m个样本数据X＝{x₁,x₂,...,x_m}，每个样本数据由n维向量组成，即x_i＝{x_i1,x_i2,...,x_in}，i＝1,2,...,m。假设聚类为M个簇，随机生成M个聚类中心，1＜M＜m，再计算每个样本数据到各个簇的欧式距离，并将各样本数据划分至距离最小的对应簇中，其中欧式距离的公式为：

式中，x_it表示x_i的第t维数据，c_j为第j个聚类中心，j＝1,2,...,M，c_jt表示为c_j的第t维数据。将所有的样本数据划分到M个簇中，重新计算这M类簇的聚类中心，计算方式为各类簇中所有样本数据的平均值，计算公式为：

式中，a_j表示第j类簇的样本个数，S_i为第j类簇中的样本数据，S_it为S_i的第t维数据。本实施例设置n＝2，获得2维的聚类中心，当迭代10次后，若聚类中心仍保持不变，则聚类结束并输出聚类中心，再按聚类中心第一维数据由小到大顺序，依次取聚类中心的第二维数据值g_1i(i＝1,2,...,M)，可得伏安特性特征向量：

G＝[g₁₁ g₁₂ … g_1M] (6)

计算所得聚类中心表征伏安特性散点图如图5所示。经过前文所述归一化处理后，采样点下游区段的伏安特性特征向量提取结果见表2。

表2伏安特性特征向量

1.3配电网单相接地故障暂态零序功率方向分析

零序电压导数与零序电流相乘可得零序功率，对于健全区段如下：

对于故障区段：

忽略线路阻抗，零序功率值的正负性仅与线路总电容有关，由于线路总电容不为负值，故在健全区段中，零序功率的值为正。对零序功率值按时间进行幅值的累加，累加值为正。在故障区段中，零序功率值正负性与消弧线圈的电感电流和线路总电容有关，消弧线圈的电感电流在故障发生后的首半波内基本不变，可近似为零，线路总电容不为负值，故零序功率值为负值，对零序功率值按时间进行累加，累加值为负。

因此，选择故障后首半周波的零序电压导数和零序电流相乘的零序功率波形作为输入量，求取零序功率值的累加和波形，作为区分健全区段与故障区段的特征量。

1.4零序功率方向特征向量提取原理

由于仿真模型及现场系统的线路阻抗不可忽略，零序功率值异常波动情况增多，选取多个点可保留零序功率累加和的波形趋势，降低误判的发生。对于本实施例而言，零序功率累加和波形如图6所示，健全区段零序功率累加值为正，故障区段零序功率累加值为负。因此，零序功率累加和波形可提取特征量区分健全区段与故障区段。将各采样点的零序电压导数数据与零序电流数据相乘，可得到各采样点的零序功率值，按时间点累加，可得到各采样点处的零序功率的累加值h_1j(j＝1,2,...,n)，从h_1j中选出不含起始点的等间隔N个点作为零序功率的特征向量，N＜n。可得零序功率方向特征向量：

H＝[h₁₁ h₁₂ … h_1N] (9)

经过归一化处理后，采样点下游区段的零序功率方向特征向量提取结果见表3。

表3零序功率特征向量

2.基于多暂态特征量聚类的单相接地故障区段定位原理

利用多个特征信息作为单相接地故障区段定位的判据，提高了方法对各种单相接地故障情况的适应能力。

2.1接地故障暂态特征量融合

将伏安特性特征向量与零序功率方向特征向量二者拼接得到综合特征向量。

2.2单相接地故障区段多暂态特征量聚类定位

模糊C均值聚类算法是一种常见的无监督动态聚类算法，该算法的核心思想是将输入的多维数据按隶属度划分至某一聚类中心，被划分到同一类对象之间相似度最大，而不同类对象之间相似度最小，实现柔性模糊划分数据。设m个样本组成数据集S＝{S₁,S₂,…,S_m}，每个样本数据由n维向量构成，即S_i＝{S_i1,S_i2,…,S_im}，i＝1,2,…,m。将S划分为c类，2≤c≤m，每个样本数据根据隶属度归到c中的不同类，当目标函数最小时聚类结束迭代，即：

式中J_fcm为目标函数，隶属度矩阵U＝{u_ij}；u_ij表示S中第j个样本属于第i类的隶属度；p＞1为模糊加权指数；||s_j-c_i||表示样本s_j到聚类中心c_i的欧氏距离；c_i(i＝1,2,...,n)为第i类的聚类中心。模糊C均值聚类算法通过迭代得到最优聚类中心c和隶属度矩阵U。其中u_ij满足以下条件：

将判别区段数据的综合特征向量与历史数据的综合特征向量输入到模糊C均值聚类算法，无需设置阈值即可判别健全区段与故障区段。

2.2.1典型故障下区段定位效果

对于本实施例，预设模糊C均值聚类簇数目为2，加权指数m＝2，按照表4设置的仿真故障情况各选取60组的健全区段样本数据和故障区段样本数据，组成120组历史样本数据。将各区段的综合特征向量与历史样本的综合特征向量作为模糊C均值聚类算法的输入量，获得隶属度矩阵。隶属度矩阵中用下划线标注来表示区段样本的划分类别，根据隶属度划分健全区段与故障区段，结果见表5。

表4历史仿真样本数据参数

故障区段	Rf(Ω)	θ(°)	b/％	数量
					F11-F18	0,100,500,1000	0,30,60,90	5,8,10	120

表5仿真区段定位结果

区段编号	隶属度矩阵	判别结果	区段编号	隶属度矩阵	判别结果
						F1	[0.9165 0.0835]	故障区段	F4	[0.0125 0.9875]	健全区段
F2	[0.8142 0.1858]	故障区段	F6	[0.0351 0.9649]	健全区段
						F3	[0.8800 0.1200]	故障区段	F8	[0.0484 0.9516]	健全区段

如图1所示，在本实施例提供一种配电网单相接地故障区段智能免阈值定位方法中。在发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流波形数据，对其做归一化处理后绘制伏安特性散点图，用K均值聚类求出的聚类中心表征散点图分布情况，作为伏安特性特征向量，利用零序电压导数与零序电流相乘获得零序功率波形数据，按时间点累加并提取得到零序功率方向特征向量，将二者拼接得到综合特征向量，输入到模糊C均值聚类算法，结合少量历史数据，实现免阈值的单相接地故障区段定位。本发明所提的配电网单相接地故障区段智能免阈值定位方法，采用模糊C均值聚类算法无需设置单相接地故障选段判据的阈值就可判别健全区段与故障区段，具有较高的适用性，利用多个特征信息作为单相接地故障选段的判据，增强了选段方法的容错率，提高了对各种单相接地故障情况的适应能力，能够在线路投切、高阻接地、馈线末端故障、不同补偿度等情况下准确区段定位，为配电网经济可靠运行提供了有力保障，普适性强。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的一种配电网单相接地故障区段智能免阈值定位方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (4)

1.一种配电网单相接地故障区段智能免阈值定位方法，其特征在于，不需要设置阈值实现单相接地故障区段定位；当发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流波形数据，进行归一化处理，绘制伏安特性散点图，用K均值聚类求出的聚类中心点来表征散点图的整体分布情况，作为伏安特性特征向量；将暂态零序电压导数和零序电流相乘并按时间累加，得到零序功率累加和波形，提取零序功率方向特征向量；将归一化处理的伏安特性特征向量和零序功率方向特征向量融合构造综合特征向量，对其进行模糊C均值聚类，以实现在免阈值设置的情况下判别健全区段与故障区段。

2.根据权利要求1所述的一种配电网单相接地故障区段智能免阈值定位方法，其特征在于，具体包括以下步骤：

步骤S1：发生单相接地故障后，采集并提取故障后首半波的零序电压导数和零序电流，对暂态零序信号进行归一化处理，绘制伏安特性散点图；

步骤S2：利用K均值聚类算法，求取表征伏安特性散点图的聚类中心，按照聚类中心第一维数据由小到大顺序，依次取聚类中心第二维数据值，得到表征伏安特性的特征向量；

步骤S3：将暂态零序电压导数和零序电流的乘积按时间累加得到零序功率累加和波形，从中选出不含起始点的等间隔点，取这些等间隔点对应的纵坐标值，得到表征零序功率方向的特征向量；

步骤S4：分别对伏安特性和零序功率方向特征向量做归一化处理后，将二者拼接得到综合特征向量，对综合特征向量做模糊C均值聚类，以在免阈值设置的情况下，判别健全区段与故障区段。

3.根据权利要求2所述的一种配电网单相接地故障区段智能免阈值定位方法，其特征在于：对于步骤S1：在所述伏安特性散点图中，对于健全区段，忽略线路阻抗，其暂态零序电压导数与零序电流成正比，极性相同，伏安特性散点分布呈正相关；对于故障区段，忽略线路阻抗，暂态零序电压导数与零序电流成反比，极性相反，伏安特性散点分布呈负相关。

4.根据权利要求3所述的一种配电网单相接地故障区段智能免阈值定位方法，其特征在于：对于步骤S3：

所述健全区段的零序功率，忽略线路阻抗，其极性仅和线路总电容相关，线路总电容为正值，零序功率按照时间进行幅值累加，累加值为正；

所述故障区段的零序功率，忽略线路阻抗，其极性与消弧线圈的电感电流和线路总电容相关，消弧线圈的电感电流在故障发生后首半个周波内近似为零，线路总电容为正值，零序功率按照时间进行幅值累加，累加值为负。