王立輝1， 祁順然1， 嵇建飛， 龐福濱， 袁宇波

(1.東南大學(xué) 儀器科學(xué)與工程學(xué)院，江蘇 南京 210096； 2.國網(wǎng)江蘇省電力有限公司電力科學(xué)研究院，江蘇 南京 211103)

GIS開關(guān)設(shè)備進(jìn)行常規(guī)隔離開關(guān)操作時(shí)，開關(guān)連接處會(huì)產(chǎn)生電弧。母線和短線路之間的擾動(dòng)電壓連續(xù)反射，會(huì)出現(xiàn)高頻瞬態(tài)過電壓，在接地處產(chǎn)生強(qiáng)大的瞬變電流擴(kuò)散到接地網(wǎng)，導(dǎo)致接地電位突然升高[1]。由于GIS接地網(wǎng)面積寬廣，尤其是對(duì)特高壓變電站而言，接地網(wǎng)兩點(diǎn)之間會(huì)出現(xiàn)暫態(tài)電磁干擾，產(chǎn)生電位差，如圖1所示。由于二次電纜的雙重接地，接地網(wǎng)電位差干擾信號(hào)可以通過屏蔽層耦合至二次電纜芯線的傳輸信號(hào)上，導(dǎo)致測(cè)量數(shù)據(jù)不準(zhǔn)確，與故障信號(hào)產(chǎn)生混淆，影響繼電保護(hù)裝置的正確動(dòng)作[2]。

圖1 GIS隔離開關(guān)操作接地網(wǎng)電位差干擾示意圖

對(duì)GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)常采用硬件濾波，在濾除干擾信號(hào)的同時(shí)，也會(huì)消除相同頻域的部分故障信號(hào)，影響繼電保護(hù)的準(zhǔn)確度[3]，而通過信號(hào)濾波算法可以對(duì)干擾信號(hào)和故障信號(hào)進(jìn)行識(shí)別分類和差異化處理，急需開展GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)的抑制算法研究。常用的卡爾曼濾波算法、Finite Impulse Response (FIR)濾波算法和傅里葉算法，對(duì)瞬變信號(hào)的處理能力不足，難以準(zhǔn)確識(shí)別和抑制接地網(wǎng)電位差干擾信號(hào)[4]。相對(duì)于基函數(shù)固定、閾值參數(shù)難以準(zhǔn)確選取的小波變換算法，經(jīng)驗(yàn)?zāi)B(tài)(Empirical Mode Decomposition，EMD)算法的層次分解更加接近采集的真實(shí)信號(hào)，具備自適應(yīng)和后驗(yàn)性的優(yōu)勢(shì)[5]，但是在擬合上下包絡(luò)線的過程中具有端點(diǎn)效應(yīng)，且在干擾信號(hào)與故障信號(hào)產(chǎn)生頻域混疊時(shí)，難以從多級(jí)本征模式分量(Intrinsic Mode Function,IMF)中準(zhǔn)確選取屬于干擾信號(hào)的層級(jí)進(jìn)行濾除、抑制。

針對(duì)GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)的高頻瞬變特性，設(shè)置閾值啟動(dòng)函數(shù)，采用極值延拓及多尺度排列熵改善MEEMD算法的端點(diǎn)效應(yīng)和熵值自適應(yīng)問題，將干擾信號(hào)按不同尺度的波動(dòng)逐級(jí)分解成若干個(gè)IMF，利用修正核函數(shù)后的優(yōu)化LS-SVM算法對(duì)干擾信號(hào)的每一級(jí)IMF進(jìn)行訓(xùn)練、識(shí)別和抑制，提出基于優(yōu)化LS-SVM/MEEMD的GIS隔離開關(guān)操作接地網(wǎng)電位差干擾抑制方法。相對(duì)于神經(jīng)網(wǎng)絡(luò)法，該方法僅需要少量的非線性樣本訓(xùn)練[6]，可以快速、準(zhǔn)確抑制易與故障信號(hào)混淆的GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)，保留故障信號(hào)特征，確保變電站繼電保護(hù)裝置準(zhǔn)確動(dòng)作。

1 GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)特性

為了獲取隔離開關(guān)操作引起的接地網(wǎng)電位差干擾信號(hào)，對(duì)某處250 kV GIS變電站進(jìn)行了實(shí)地測(cè)試。將干擾電壓降到適合直接測(cè)量的范圍內(nèi)，利用數(shù)據(jù)采集裝置對(duì)干擾信號(hào)進(jìn)行檢測(cè)，獲取干擾電壓的波形時(shí)域圖、頻域圖分別如圖2和圖3所示。

圖2 GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)時(shí)域圖

圖3 GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)頻域圖

GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)整體宏脈沖持續(xù)的時(shí)間為30～40 ms，主頻為0.3～0.4 MHz； GIS微脈沖的總數(shù)量為15～30個(gè)，持續(xù)時(shí)間約為1～2 ms。隔離開關(guān)分閘操作導(dǎo)致的接地網(wǎng)電位差干擾信號(hào)整體表現(xiàn)為前密后疏的錐形變化，且逐漸從小到大。合閘操作的干擾電壓波形特征正好相反。干擾信號(hào)幅值在3 kV左右，極易被誤認(rèn)為故障信號(hào)，導(dǎo)致繼電保護(hù)設(shè)備的誤動(dòng)作。

2 基于優(yōu)化LS-SVM/MEEMD的自適應(yīng)抑制方法

GIS接地網(wǎng)電位差干擾信號(hào)易與故障信號(hào)混淆，尤其當(dāng)干擾信號(hào)和故障信號(hào)存在頻譜混疊時(shí)，動(dòng)態(tài)信號(hào)的實(shí)時(shí)變化，導(dǎo)致單一MEEMD算法難以判斷干擾信號(hào)所在的IMF序列層次[7]，需要通過優(yōu)化LS-SVM算法構(gòu)造最優(yōu)決策函數(shù)，在IMF層次進(jìn)行干擾信號(hào)的自適應(yīng)識(shí)別和抑制。LS-SVM是利用最小二乘法對(duì)標(biāo)準(zhǔn)SVM的優(yōu)化拓展，對(duì)小樣本、非線性的訓(xùn)練學(xué)習(xí)和特征識(shí)別具有明顯的優(yōu)越性[8]，適合GIS隔離開關(guān)操作現(xiàn)場(chǎng)實(shí)驗(yàn)基本上無法修改實(shí)驗(yàn)條件、可獲取的訓(xùn)練樣本偏少的現(xiàn)實(shí)情況。

2.1 閾值啟動(dòng)函數(shù)

接地網(wǎng)電位差干擾信號(hào)暫態(tài)、高頻特征明顯，出現(xiàn)時(shí)刻前后信號(hào)能量會(huì)出現(xiàn)突變。通過設(shè)置能量閾值啟動(dòng)函數(shù)，如式(1)，檢測(cè)干擾信號(hào)出現(xiàn)時(shí)刻，從而開始抑制，避免信號(hào)正常時(shí)依然分解，提高信號(hào)處理的實(shí)時(shí)性。

(1)

式中，f(t)為采集的實(shí)際信號(hào)；Et0、Et0+nΔt分別為(t0-nΔt)～t0、t0～(t0+nΔt)時(shí)間段的能量；τ為干擾信號(hào)閾值；Δt為采樣時(shí)間間隔。

2.2 基于MEEMD的信號(hào)分解

① 為了達(dá)到降低經(jīng)驗(yàn)?zāi)B(tài)分解重構(gòu)誤差的目的，在原始信號(hào)f(t)基礎(chǔ)上依次疊加互為相反數(shù)的白噪聲信號(hào)zi(t)與-zi(t)，形成Ze對(duì)新的待分解信號(hào)。

(2)

式中，zi(t)為疊加的白噪聲；ai為選定的白噪聲信號(hào)幅值；i=1,2,…,Ze，Ze為添加的白噪聲信號(hào)總對(duì)數(shù)。

② 對(duì)比鏡像延拓、最小二乘法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法，采用極值延拓法使用端點(diǎn)的一個(gè)特征作為根據(jù)，在兩端分別延拓兩個(gè)極小值和極大值[9]，改善經(jīng)驗(yàn)?zāi)B(tài)分解算法的端點(diǎn)效應(yīng)，具有速度快、精度高的優(yōu)點(diǎn)。

④ 多尺度排列熵優(yōu)化。引入信息熵理論[10]，建立接地網(wǎng)電位差干擾信號(hào)多尺度特征熵，如式(3)所示：

(3)

(4)

(5)

若Fj(t)的熵值高于預(yù)設(shè)的系統(tǒng)多尺度特征熵，則認(rèn)定信號(hào)異常，為原始信號(hào)的第j層IMF分量；相反則判定為信號(hào)平穩(wěn)。

⑥ 獲取剩余信號(hào)r(t)，如式(6)所示，對(duì)其繼續(xù)進(jìn)行MEEMD 分解，逐次分離出前M-1個(gè)IMF序列。

(6)

式中，Q為已分解出的IMF層數(shù)。

⑦ 得到的所有IMF序列按高頻到低頻的順序排列。

(7)

2.3 基于優(yōu)化LS-SVM的干擾信號(hào)抑制

(1) 利用m個(gè)樣本輸入xi和期望輸出yi，形成數(shù)據(jù)訓(xùn)練集合{|(xi，yi)|i=1,2,…,m}。樣本從原始集合到高維特征集合的映射呈現(xiàn)非線性，并在此基礎(chǔ)上求取最優(yōu)決策函數(shù)。參照結(jié)構(gòu)最小化原則，最小二乘支持向量機(jī)回歸轉(zhuǎn)化為如式(8)所示的約束優(yōu)化問題[12]：

(8)

式中，γ為調(diào)整參數(shù)因子；b為偏差量；ei為誤差變量；φ(x)為非線性映射函數(shù)；w為權(quán)值向量。利用Lagrange函數(shù)運(yùn)算，對(duì)w、b、e和β求偏導(dǎo)，同時(shí)設(shè)偏導(dǎo)的值為0，函數(shù)為

(9)

(10)

對(duì)偶后的線性系統(tǒng)通過消去變量w和e后得到：

(11)

(12)

(2) 修正核函數(shù)。

核函數(shù)是最小二乘支持向量機(jī)的算法核心，為了改善LS-SVM算法的分類識(shí)別準(zhǔn)確度，利用粒子群算法通過K折交叉驗(yàn)證進(jìn)行平均準(zhǔn)確率計(jì)算[13]，得到適應(yīng)度函數(shù)αk-cv，從而對(duì)懲罰參數(shù)c以及徑向基函數(shù)寬度σ進(jìn)行修正。

① 根據(jù)GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)的時(shí)頻特性，設(shè)定LS-SVM參數(shù)尋優(yōu)的種群規(guī)模以及終止條件，確定權(quán)重因子η、進(jìn)化代數(shù)T的取值，對(duì)粒子群進(jìn)行初始化。

② 適應(yīng)度函數(shù)αk-cv決定LS-SVM的分類精度和效果，呈現(xiàn)正相關(guān)性，如式(13)。

(13)

式中，μi為交叉驗(yàn)證分類第i次的準(zhǔn)確率。全局極值初始值選取適應(yīng)值最優(yōu)的粒子所指的個(gè)體極值。

③ 粒子速度和位置迭代更新函數(shù)為

(14)

式中，k為當(dāng)前尋優(yōu)迭代系數(shù)；Wid和Sid分別為第i次交叉驗(yàn)證的粒子位置和速度；Gi=[gi1，gi2，…,giD]T為個(gè)體極值；Gp=[gp1，gp2，…,gpD]T為種群群體極值；h1、h2為加速因子；q1、q2為隨機(jī)數(shù)，取值范圍[0,1]。若是滿足以下任一條件：迭代次數(shù)達(dá)到粒子群設(shè)定的進(jìn)化代數(shù)上限，搜尋到誤差小于尋優(yōu)初始設(shè)定，則循環(huán)迭代結(jié)束，否則繼續(xù)。

④ 設(shè)置的循環(huán)迭代終止條件決定輸出的(c,σ)能否賦給LS-SVM進(jìn)行訓(xùn)練。若符合條件，則賦給LS-SVM訓(xùn)練，否則循環(huán)迭代繼續(xù)進(jìn)行。

(3) 將真實(shí)的GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)通過MEEMD算法分解得到的各級(jí)IMF分量作為樣本輸入，訓(xùn)練獲取LS-SVM的最優(yōu)決策函數(shù)表達(dá)式；利用完成訓(xùn)練的支持向量機(jī)對(duì)采集到的接地網(wǎng)電位差干擾信號(hào)的IMF序列進(jìn)行判斷分類，驗(yàn)證優(yōu)化后LS-SVM算法的分類準(zhǔn)確度。

(4) 對(duì)二次電纜芯線上耦合信號(hào)的各級(jí)IMF進(jìn)行自適應(yīng)識(shí)別，選擇出干擾信號(hào)所在的層級(jí)進(jìn)行濾除，其他頻帶的IMF序列進(jìn)行合并得到真值信號(hào)，從而達(dá)到抑制接地網(wǎng)電位差干擾的目的。

所提算法在IMF層級(jí)進(jìn)行識(shí)別、濾波，極大地提升了干擾信號(hào)抑制的精確度和自適應(yīng)性。

3 仿真實(shí)驗(yàn)

GIS隔離開關(guān)操作接地網(wǎng)電位差現(xiàn)場(chǎng)實(shí)測(cè)無法隨意調(diào)整實(shí)驗(yàn)條件，且能夠開展的現(xiàn)場(chǎng)實(shí)驗(yàn)次數(shù)十分有限，不足以全面化反映變化規(guī)律。此外，氣體絕緣變電站現(xiàn)場(chǎng)影響實(shí)驗(yàn)結(jié)果的因素較多，工作狀況復(fù)雜多變，許多重要參數(shù)無法獲取，導(dǎo)致準(zhǔn)確的現(xiàn)場(chǎng)實(shí)驗(yàn)建模難以進(jìn)行。因此根據(jù)等效電路，采用國際大電網(wǎng)工作組公示的模型，通過EMTP搭建圖4所示的GIS隔離開關(guān)電路模型，產(chǎn)生接地網(wǎng)電位差干擾信號(hào)。

圖4 EMTP隔離開關(guān)電路模型

根據(jù)實(shí)際工況，在90°相位時(shí)介入干擾信號(hào)[14]，耦合在二次電纜傳輸?shù)?50 kV變電站互感器一次側(cè)電壓信號(hào)上，同時(shí)疊加變電站出現(xiàn)頻率較高的工頻短路故障信號(hào)[15]，此時(shí)接地網(wǎng)電位差干擾最嚴(yán)重，測(cè)量信號(hào)如圖5所示，利用軟件驗(yàn)證所提算法的準(zhǔn)確性，仿真實(shí)驗(yàn)結(jié)果如圖5～圖8和表1所示。

圖5 原始信號(hào)時(shí)域圖

圖6 原始信號(hào)頻譜圖

圖7 濾波后信號(hào)時(shí)域圖

圖8 濾波后信號(hào)頻域圖

表1 不同方法的抑制結(jié)果比較

如圖4所示，可重復(fù)擊穿隔離開關(guān)模型的時(shí)間步長通過不斷的測(cè)試選取，最終取值20 ns；如圖5和圖6所示，原始信號(hào)包含50 Hz正常信號(hào)、存在頻譜混疊的工頻短路故障信號(hào)和接地網(wǎng)電位差干擾信號(hào)；由圖7、圖8以及表1所示，所提算法在抑制了GIS隔離開關(guān)操作接地網(wǎng)電位差干擾信號(hào)的同時(shí)，最大程度地保留了工頻短路故障的信號(hào)特征，具有最高的信號(hào)比15.6012 dB和最低的均方根誤差2.225 kV，延時(shí)較長為3.25 ms，但能夠滿足工程需要；傅里葉變換和巴斯沃特濾波器將故障信號(hào)和接地網(wǎng)電位差干擾信號(hào)同時(shí)濾除，變電站繼保設(shè)備不能對(duì)故障信號(hào)及時(shí)動(dòng)作；FIR濾波算法對(duì)干擾信號(hào)的抑制能力不足，保留故障信號(hào)時(shí)濾波具有最低的信號(hào)比8.998 dB和最高的均方根誤差22.645 kV；小波變換算法干擾信號(hào)抑制準(zhǔn)確度較高，但在濾除干擾信號(hào)的同時(shí)，濾除了部分故障信號(hào)。

4 結(jié)束語

GIS隔離開關(guān)操作會(huì)導(dǎo)致高頻瞬態(tài)過電壓干擾，易與故障信號(hào)混淆，影響繼電保護(hù)裝置動(dòng)作的準(zhǔn)確性。針對(duì)隔離開關(guān)瞬態(tài)信號(hào)的時(shí)頻特性，抑制接地網(wǎng)干擾信號(hào)對(duì)繼電保護(hù)設(shè)備的影響，保留故障信號(hào)特征，提出了基于優(yōu)化LS-SVM/MEEMD的GIS隔離開關(guān)操作接地網(wǎng)電位差干擾自適應(yīng)抑制算法。干擾信號(hào)通過能量閾值啟動(dòng)函數(shù)來檢測(cè)，采用極值延拓法以及多尺度排列熵改進(jìn)MEEMD算法的端點(diǎn)效應(yīng)以及熵值的自適應(yīng)問題；通過粒子群算法改進(jìn)LS-SVM核函數(shù)，將真實(shí)的接地網(wǎng)電位差干擾信號(hào)通過MEEMD算法分解得到的各級(jí)IMF分量作為樣本輸入，訓(xùn)練獲取LS-SVM的最優(yōu)決策函數(shù)，對(duì)二次電纜芯線上耦合信號(hào)的IMF序列進(jìn)行識(shí)別，選擇出干擾信號(hào)所在的層級(jí)進(jìn)行自適應(yīng)抑制。建立基于EMTP的隔離開關(guān)動(dòng)作電路模型進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明：自適應(yīng)抑制算法能夠有效地濾除由接地網(wǎng)電位差引起的高頻干擾信號(hào)，均方根誤差降低89.6%，信噪比提高221%，并最大程度地保留了存在頻譜混疊的故障信號(hào)，保證數(shù)據(jù)測(cè)量的準(zhǔn)確性，提高變電站繼電保護(hù)的抗干擾性。