趙梓辰

（山東理工大學(xué)電氣與電子工程學(xué)院，山東淄博，255022）

0 引言

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，居民用戶(hù)對(duì)配電網(wǎng)可靠性、服務(wù)質(zhì)量的需求與日增加，配電網(wǎng)作為電力輸送的最后一個(gè)環(huán)節(jié)至關(guān)重要。故障定位是配電網(wǎng)故障自愈控制的基礎(chǔ)，而快速確定故障位置和故障類(lèi)型是高效處理故障和恢復(fù)供電的前提。

近年來(lái)，配電網(wǎng)故障類(lèi)型識(shí)別的研究多是基于人工智能算法設(shè)定門(mén)檻值，依據(jù)各種邏輯關(guān)系進(jìn)行識(shí)別，但是門(mén)檻值的確定易受到配電網(wǎng)參數(shù)的影響。一些基于人工智能的故障定位算法通常通常依靠神經(jīng)網(wǎng)絡(luò)，故障識(shí)別速度和準(zhǔn)確性得到了有效的提高[1-7]，但所有這些技術(shù)都需要對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行適當(dāng)?shù)挠?xùn)練，而且這些技術(shù)易受到高阻抗故障的影響。文獻(xiàn)[8]從電力系統(tǒng)暫態(tài)信號(hào)中提取故障特征信息，再利用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障類(lèi)型識(shí)別，缺點(diǎn)是算法的收斂速度慢，有時(shí)達(dá)不到識(shí)別速度要求。文獻(xiàn)[9]基于小波包和人工神經(jīng)網(wǎng)絡(luò)，對(duì)所采集到的故障電流信號(hào)進(jìn)行多小波分解，根據(jù)頻帶能量提取特征向量，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，實(shí)現(xiàn)故障類(lèi)型的識(shí)別，缺點(diǎn)是需要較多樣本訓(xùn)練，且易受到配電網(wǎng)參數(shù)變化的影響。

本文所提出的故障分類(lèi)方案能夠較容易地對(duì)三種線路對(duì)地故障、三種相間接地故障、三種相間短路故障和三相短路故障等十種不同類(lèi)型的故障進(jìn)行分類(lèi)，從而提高了故障識(shí)別的準(zhǔn)確性。該方法的主要優(yōu)點(diǎn)是只需要測(cè)量三相線路電流作為輸入，不需要其他電網(wǎng)參數(shù)，簡(jiǎn)單可靠。該方法在IEEE13節(jié)點(diǎn)電力系統(tǒng)和某地配電網(wǎng)上進(jìn)行了測(cè)試。在MATLAB/Simulink環(huán)境下進(jìn)行了信號(hào)分析、配電網(wǎng)模型仿真和模糊推理系統(tǒng)的設(shè)計(jì)。

1 故障識(shí)別策略

本文方法采用離散小波變換作為故障識(shí)別策略。離散小波變換用于計(jì)算被測(cè)電流信號(hào)某一特定能級(jí)的能量變化。從離散小波變換計(jì)算出的能量被用作模糊推理系統(tǒng)的輸入。

1.1 離散小波變換

小波變換利用基函數(shù)的展開(kāi)和收縮來(lái)檢測(cè)被測(cè)信號(hào)中的各種頻率成分?；瘮?shù)為母小波，利用了母小波的擴(kuò)張和平移特性。窗用來(lái)獲取信號(hào)的低頻分量，小窗反映不連續(xù)性。

在實(shí)際應(yīng)用中，小波級(jí)數(shù)由式（1）、（2）、（3）表述構(gòu)成 ：

式中，Φ(x)為尺度函數(shù)，h0為低通濾波系數(shù)，h1為高通濾波系數(shù)。

圖1顯示了小波樹(shù)的各個(gè)分解層次，其中x(n)為離散信號(hào)，分解層次可以分為細(xì)節(jié)系數(shù)和近似系數(shù)。不同的細(xì)節(jié)和近似系數(shù)包含了不同級(jí)別分解信號(hào)的不同能量。這些能量可以很容易地計(jì)算出來(lái)，并根據(jù)這些能量可以很容易地對(duì)故障進(jìn)行分類(lèi)，任意分解信號(hào)的能量由下式得到：

圖1 IEEE 13節(jié)點(diǎn)電力系統(tǒng)模型

式中，x是分解級(jí)別的小波系數(shù)

本文所提出的故障識(shí)別方法在IEEE 13節(jié)點(diǎn)輻射型配電網(wǎng)系統(tǒng)上進(jìn)行仿真計(jì)算，如圖2所示。

圖2 第622號(hào)節(jié)點(diǎn)故障期間的電流和電壓波形

考慮第622號(hào)節(jié)點(diǎn)故障，故障錄波系統(tǒng)測(cè)得的各相電流和電壓波形如圖3所示。通過(guò)計(jì)算小波系數(shù)以及與信號(hào)相關(guān)的各種能量值，得到的結(jié)果如表1所示。

表1 不同故障類(lèi)型的典型能量值

AB相間短路 1.9717 1.8868 0.0015 0 BC相間短路 0.0021 1.9774 1.9014 0 CA相間短路 1.9183 0.0012 2.0119 0 AB相短路接地 2.1714 2.0964 0.002 0.0688 BC相短路接地 0.0028 2.1622 2.1246 0.0663 CA相短路接地 2.1382 0.0016 2.194 0.0673 ABC三相短路 2.5991 2.5649 2.6127 0

1.2 模糊推理

模糊推理概括而言就是采用模糊邏輯實(shí)現(xiàn)由輸入到輸出的映射過(guò)程。其具體過(guò)程表現(xiàn)為對(duì)已知的模糊判斷或命題采用模糊規(guī)則進(jìn)行推導(dǎo)得到新的近似模糊判斷結(jié)論。通過(guò)表1可以看出，故障相別的能量相近，且比非故障相有更大能量，此項(xiàng)特征可用于通過(guò)模糊推理進(jìn)行故障識(shí)別。模糊推理分為以下5個(gè)步驟：（1）輸入變量模糊化；（2）在模糊規(guī)則前件中應(yīng)用模糊算子；（3）根據(jù)模糊蘊(yùn)含運(yùn)算由前提推導(dǎo)結(jié)論；（4）綜合每條規(guī)則的結(jié)論進(jìn)行模糊合成；（5）輸出變量反模糊化。如圖3所示。

圖3 故障類(lèi)型識(shí)別的模糊推理系統(tǒng)

首先進(jìn)行輸入變量的模糊化，即將系統(tǒng)的輸入變量經(jīng)由隸屬度描述的模糊集轉(zhuǎn)化為[0，1]區(qū)間內(nèi)的某個(gè)數(shù)。本文采用以最大值為基準(zhǔn)歸一化處理對(duì)輸入值進(jìn)行模糊化，如表2所示。

表2 模糊化處理后不同故障類(lèi)型的典型能量值

選擇圖3中的三角形隸屬函數(shù)（trimf），三相形曲線的形狀由三個(gè)參數(shù)a，b，c確定，其中參數(shù)a和c確定三角形的“腳”，而參數(shù)b確定三角形的“峰”。

在模糊規(guī)則前件中應(yīng)用模糊算子，確定對(duì)應(yīng)不同故障類(lèi)型的模糊算子。在表3中，B3表示A相，B2表示B相，B1表示C相，B0表示接地。計(jì)算出合適的模糊算子來(lái)表示不同故障類(lèi)型，本文采用二進(jìn)制編碼系統(tǒng)進(jìn)行表述。在該模糊推理編碼庫(kù)中，生成一個(gè)四位數(shù)的二進(jìn)制數(shù)（B3，B2，B1，B0）來(lái)表示故障類(lèi)型。表3給出了各類(lèi)型故障的二進(jìn)制數(shù)及其對(duì)應(yīng)的十進(jìn)制數(shù)的完整圖表。

圖4 三角形隸屬函數(shù)

以各故障類(lèi)型對(duì)應(yīng)的十進(jìn)制數(shù)作為模糊算子，對(duì)應(yīng)三角形隸屬函數(shù)，確定參數(shù)a，b，c，如表3所示。

表3 模糊推理編碼庫(kù)

表4 不同故障類(lèi)型對(duì)應(yīng)三角形隸屬函數(shù)參數(shù)

根據(jù)模糊蘊(yùn)含運(yùn)算由前提推導(dǎo)結(jié)論。故障識(shí)別模糊推理的輸入量為4個(gè)，分別為A相、B相，C相和零序電流的電流采樣值經(jīng)過(guò)離散小波變換計(jì)算得到的能量值。經(jīng)模糊處理后得到十進(jìn)制編碼數(shù)作為輸入集。制定模糊推理規(guī)則如下：

（1）如果能量 A“接近于 1”，能量 B“接近于 0”，能量 C“接近于 0”，能量 G“接近于 1”，則故障類(lèi)型為“A-G”。

（2）如果能量A“接近 1”，能量 B“接近 1”，能量c“接近 0”，能量 G“接近 0”，則故障類(lèi)型為“A-B”。

（3）如果能量A“接近 1”，能量 B“接近 1”，能量C“接近 0”，能量 G“接近 1”，則故障類(lèi)型為“A-B-G”。

（4）如果能量 A“接近于 1”，能量 B“接近于 1”，能量 C“接近于 1”，能量 G“接近于 1”，則故障類(lèi)型是“A-B-C-G”。

本文提出的模糊規(guī)則，將相應(yīng)類(lèi)型的故障分類(lèi)作為輸出，推理系統(tǒng)的輸出在本質(zhì)上也是模糊的。這些模糊輸出應(yīng)首先經(jīng)過(guò)去模糊化，以確定實(shí)際類(lèi)型的故障識(shí)別是否正確。在Matlab/Simulink軟件的模糊推理工具箱中對(duì)模糊推理系統(tǒng)方法進(jìn)行了仿真（如圖5所示）。所開(kāi)發(fā)的模糊推理系統(tǒng)在Matlab中的simulink模型如圖6所示。

圖5 MATLAB中的典型模糊推理工具箱

圖6 在MATLAB中的Simulink的模糊推理系統(tǒng)模型

采用不同的輸入值和故障起始角（FIA）模擬了10種不同類(lèi)型的故障。使用不同的射頻值和故障起始角得到的結(jié)果幾乎相似，只發(fā)生了能量的變化。因此，對(duì)于不同的故障起始角值，均具有同樣的識(shí)別精確度。表5為IEEE 13節(jié)點(diǎn)配電網(wǎng)在節(jié)點(diǎn)622處發(fā)生不同故障下的典型模糊推理系統(tǒng)輸出。

表5 622節(jié)點(diǎn)發(fā)生不同類(lèi)型故障時(shí)模糊推理系統(tǒng)輸出

2 結(jié)果與討論

利用仿真數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)對(duì)所提算法進(jìn)行了測(cè)試。測(cè)試數(shù)據(jù)的不同來(lái)源。

（1）MATLAB生成的數(shù)據(jù)。

（2）IEEE 13節(jié)點(diǎn)輻射型配電網(wǎng)系統(tǒng)（圖1）。

（3）某地實(shí)際配電網(wǎng)故障數(shù)據(jù)（圖7）。

圖7 某地配電網(wǎng)系統(tǒng)

本方法利用實(shí)際數(shù)據(jù)和MaTLAB/Simulink軟件，在IEEE 13節(jié)點(diǎn)輻射型配電網(wǎng)系統(tǒng)和某地實(shí)際配電網(wǎng)上對(duì)該方法進(jìn)行了驗(yàn)證。不同類(lèi)型故障的能量值如表6、表7所示。模糊推理系統(tǒng)的最終結(jié)果準(zhǔn)確可靠，如表8所示。對(duì)于各節(jié)點(diǎn)發(fā)生的各類(lèi)型故障，均能夠準(zhǔn)確識(shí)別。

表6 在IEEE 13節(jié)點(diǎn)輻射型配電網(wǎng)系統(tǒng)中不同節(jié)點(diǎn)發(fā)生故障時(shí)的模糊輸出

表7 某地配電網(wǎng)中不同節(jié)點(diǎn)故障的模糊推理系統(tǒng)輸出

表8 模糊推理中標(biāo)準(zhǔn)化能源的典型值

3 結(jié)論

由于電力系統(tǒng)的動(dòng)態(tài)性和負(fù)荷的多樣性，配電網(wǎng)的運(yùn)行條件和電氣參數(shù)存在很大程度上的差異。負(fù)荷的變化、電力系統(tǒng)運(yùn)行方式的變化等都是配電網(wǎng)結(jié)構(gòu)發(fā)生變化的主要原因。配電網(wǎng)的故障電阻、故障起始角和不同的負(fù)荷條件也會(huì)影響故障識(shí)別方法的識(shí)別準(zhǔn)確度。

本文提出了一種基于離散小波變換和模糊推理的配電網(wǎng)故障識(shí)別方法，能夠準(zhǔn)確識(shí)別故障類(lèi)型，且具有較好的適應(yīng)性。該方法對(duì)十種類(lèi)型的故障進(jìn)行了有效的識(shí)別，并對(duì)各種不同的電力系統(tǒng)參數(shù)組合進(jìn)行了有效的分類(lèi)。經(jīng)MATLAB/Simulink軟件模擬計(jì)算，本方法的結(jié)果不受故障起始角值、故障電阻和其它分布參數(shù)的影響。該方法在IEEE 13節(jié)點(diǎn)配電網(wǎng)系統(tǒng)和某地配電網(wǎng)系統(tǒng)上進(jìn)行了仿真模擬，能準(zhǔn)確識(shí)別各節(jié)點(diǎn)發(fā)生的各種故障類(lèi)別。