电力系统故障快速分类技术

Nouri H.， Wang C.
电力系统英国布里斯托尔大学电子与控制研究实验室

摘要

提出了一种基于三相电流信号的电力系统故障快速分类技术。采用数字傅里叶变换、最小二乘法和卡尔曼滤波技术提取三相故障电流的基频分量。利用三个阶段的故障概率可以实现快速的故障分类。EMTP仿真工作的结果验证了所提出的故障分类技术。单相接地故障、两相接地故障、两相故障和三相故障的“最小二乘法”故障分类技术响应时间为1.875ms(3个样本)。

关键字

故障分类，傅里叶变换，最小二乘法，卡尔曼滤波

介绍

故障分类是电力系统保护和故障定位的重要功能。采用模块化方法[1]对故障进行快速分类。Girgis[2-3]采用自适应卡尔曼滤波技术和概率技术进行故障分类。一个卡尔曼滤波器具有故障相位的特征，另一个卡尔曼滤波器具有未故障相位的特征。相的条件，故障或非故障，然后决定从计算的概率。Barros和Drake[4]实现了基于卡尔曼滤波的8位微处理器故障分类。对于所有可能的接地故障类型，响应时间小于20ms。人工智能技术也用于故障分类，如神经模糊方法[5]，概率神经网络[6]，神经网络[7]和无监督/有监督神经网络[8]。Zhao[9]采用基于小波变换的故障分类方法。

提出了一种用于故障定位器的快速故障分类技术。采用数字傅里叶变换(DFT)、最小二乘法(LSM)和卡尔曼滤波技术(KFT)提取三相电流的基频分量。利用故障概率法可以对三个阶段的故障进行分类。给出了EMTP/ATP模拟结果。采用“最小二乘法”的故障分类技术可以在3个样本(1.875ms)内对单线对地(SLG)故障、双线对地(2LG)故障、线对线(LL)故障和三相(3φ)故障进行正确分类。

故障分类

故障分类由三个阶段的故障概率决定。三相电流的基频分量Ia(t)、Ib(t)和Ic(t)的幅值决定了三相电流的故障概率，这些基频分量是通过基频分量提取技术(如DFT、LSM或KFT)计算得到的。

(a)故障概率函数

故障概率与基频电流is (S = a, B, C)幅值有一定关系，当is为负载电流时，其故障概率较低(接近0)，当is为故障电流时，故障概率较高(接近1.0，即100%)。因此，可以合理地假设故障概率如下(还有其他类似的函数):

fp(S) =f(Is)=0 (Is<1.0 p.u.) (S = A, B, C)

=f(Is)=(Is-1.0) (1.0

=f(Is)=1.0 (Is>2.0 p.u.)

每单位基于最大负载电流使用。概率函数如图1所示。

(b)功能框图

故障分类框图如图2所示。输入信号为三相电流ia(t)， ib(t)和ic(t)。基频电流的振幅Ia(t)、Ib(t)和Ic(t)采用数学算法DFT、LSM或KFT计算。故障概率fp(A)、fp(B)、fp(C)可由故障概率函数f(I)得到。

仿真结果

为了验证所提出的故障分类技术，使用了一个双源系统[4]。双源系统的参数为Z_{> SA}= 0 + j21.5欧姆;Z_{> 0 sa}= 0 + j24.4欧姆;Z_>某人= 0 + j25.6欧姆;Z_{> 0…}= 0 + j27.8欧姆。线路阻抗Z_{> L}=3.4+j53.4欧姆和Z_{> 0 l}= 57.0 + j241欧姆。源电压为E_一个=225.17+j0 kV和E_B= 169.86 -j169.86千伏。每个周期使用32个样本的采样率(Δt=0.625 ms)。

所有简单故障类型，如单相接地故障(LG)、两相接地故障(2LG)、两相短路故障(LL)和三相短路故障(3φ)均考虑在内。在故障点考虑0和10欧姆的故障电阻。仿真结果如表I和表II所示。在这些表中，最小样本是从故障发生(样本=0)到故障阶段故障概率达到100%的样本，即值为1.0。

(a)数字傅里叶变换(DFT)

对于A相对地故障，故障发生时采样10次，A相的故障概率达到1.0。结果如图4所示。b相接地故障(10个样本)和c相接地故障(9个样本)也是如此。同理，图5为b相对地故障分类结果，图6为a - b相短路故障分类结果，图7为三相故障分类结果。

(b)最小二乘法(LSM)

图8至11显示了使用LSM的故障分类结果。不难发现，正确分类a相对地故障需要2个样本，a - b相对地故障需要2个样本，a - b相短路需要3个样本，三相短路需要2个样本。

(c)卡尔曼滤波技术(KFT)

图12 ~ 15显示了使用KFT进行故障分类的结果。可以看出，正确分类a相对地故障需要5个样本，a - b相对地故障需要10个样本，a - b相短路需要5个样本，三相短路需要8个样本。

比较

(1)在三种方法中，6个样本的LSM模拟结果的表现最为有效。使用LSM进行故障分类可以在3个样本(1.875ms)内对四种简单故障进行正确的故障相位检测。另一方面，KFT需要10个样本(6.25 ms)， DFT需要15个样本(9.375 ms)来代表正确的故障类型。

(2)故障点0 ~ 10欧姆故障电阻无明显变化。原因可能是故障电阻影响基频故障电流幅值，但故障电流远高于故障概率为1.0时的阈值(2.0 p.u.)。

结论

本文提出了一种基于电流信号的电力系统故障快速分类技术。采用数字傅里叶变换、最小二乘法和卡尔曼滤波技术提取三相故障电流的基频分量。利用这三个阶段的故障概率进行故障分类。给出了EMTP的仿真结果。采用“最小二乘法”的故障分类技术可以在3个样本(1.875ms)内对单线对地故障、双线对地故障、线对线故障和三相故障进行正确分类。