趙建飛 柴振華 郭麗 李元肖 陸聰

摘要：中性點(diǎn)不接地配電網(wǎng)系統(tǒng)中，單相接地、弧光接地和鐵磁諧振故障的特征較為接近，但處理的方式不同，準(zhǔn)確區(qū)分故障類型能夠?yàn)榧皶r(shí)采取相應(yīng)的抑制措施提供重要基礎(chǔ)。對(duì)此，提出了基于進(jìn)化ELM算法的鐵磁諧振故障辨識(shí)方法，與未進(jìn)化的算法相比，對(duì)上述幾種故障辨識(shí)的準(zhǔn)確率可提高3.89個(gè)百分點(diǎn)，論文研究工作可以為鐵磁諧振故障辨識(shí)提供新思路。

關(guān)鍵詞：鐵磁諧振;單相接地;進(jìn)化ELM

1 引言

單相短路接地故障是中性點(diǎn)不接地系統(tǒng)中常見(jiàn)的故障，當(dāng)故障消失后往往會(huì)伴隨鐵磁諧振過(guò)電壓故障[1，2]，此外，間歇性的弧光接地故障也會(huì)對(duì)電力系統(tǒng)和設(shè)備的具有嚴(yán)重的危害性，不同故障類型所采取的措施不同，準(zhǔn)確辨識(shí)出鐵磁諧振過(guò)電壓可以為及時(shí)采取抑制措施提供有力保障。

目前國(guó)內(nèi)外學(xué)者對(duì)鐵磁諧振的研究工作主要包括故障辨識(shí)和抑制兩方面[3，4]。重慶大學(xué)司馬文霞老師團(tuán)隊(duì)在此方面做了大量研究工作：首次將反饋脈沖混沌理論[5]引入鐵磁諧振分析中，成功確定了驅(qū)動(dòng)系統(tǒng)和響應(yīng)系統(tǒng)，具有一定的應(yīng)用前景。近年來(lái)隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字仿真技術(shù)得到廣泛的應(yīng)用，可以對(duì)各種過(guò)電壓的暫態(tài)過(guò)程進(jìn)行快速計(jì)算[6，7]。仿真實(shí)驗(yàn)和各種數(shù)據(jù)分析算法是目前鐵磁諧振過(guò)電壓辨識(shí)研究的主要手段。

圖像法、解析法和平面分析法也可以對(duì)鐵磁諧振進(jìn)行定性研究[8，9]，文獻(xiàn)[10]結(jié)合多重分形理論，對(duì)中性點(diǎn)直接接地系統(tǒng)的鐵磁諧振過(guò)電壓信號(hào)的幾何結(jié)構(gòu)進(jìn)行奇異值分解，表明過(guò)電壓多重分形譜的小波局部極大模值可以很好地區(qū)分鐵磁諧振過(guò)電壓和其它過(guò)電壓，但是在條件惡劣的情況下，波形畸變，容易引起誤判;文獻(xiàn)[11]將SST變換應(yīng)用于鐵磁諧振過(guò)電壓模態(tài)識(shí)別中，首先利用相關(guān)系數(shù)法提取信號(hào)的主模態(tài)分量，再進(jìn)行Hilbert變換，得到信號(hào)的頻域特征，可以實(shí)現(xiàn)鐵磁諧振過(guò)電壓的辨識(shí);文獻(xiàn)[12]分析了鐵磁諧振和單相接地故障特征，通過(guò)HHT變換可以實(shí)現(xiàn)鐵磁諧振高頻和分頻的辨識(shí)，進(jìn)一步通過(guò)H橋型逆變器注入電流信號(hào)，實(shí)現(xiàn)基頻諧振和單相接地故障的辨識(shí)，該方法能夠有效對(duì)鐵磁諧振狀態(tài)和單相接地狀態(tài)進(jìn)行辨識(shí)，但工程上難以實(shí)現(xiàn);文獻(xiàn)[13]提出一種基于時(shí)頻分布的配電網(wǎng)暫時(shí)過(guò)電壓識(shí)別方法，利用鐵磁諧振與間歇性弧光接地過(guò)電壓的零序電壓頻率和能量分布存在的差異，采用局部特征尺度分解和Hilbert變換相結(jié)合帶通濾波算法實(shí)現(xiàn)鐵磁諧振和間歇性弧光接地過(guò)電壓的辨識(shí);文獻(xiàn)[14]針對(duì)單相接地和工頻諧振過(guò)電壓的零序相位差進(jìn)行定量計(jì)算，通過(guò)設(shè)置閾值法實(shí)現(xiàn)單相接地和工頻諧振的辨識(shí)，該方法實(shí)現(xiàn)簡(jiǎn)單但是零序電流變化比較小，難以獲得。上述研究可以實(shí)現(xiàn)鐵磁諧振故障的辨識(shí)，但都存在一定的局限性，如何在復(fù)雜的配電網(wǎng)系統(tǒng)中更加快速、準(zhǔn)確的辨識(shí)出鐵磁諧振故障，仍然是鐵磁諧振故障辨識(shí)的難點(diǎn)問(wèn)題。

基于模態(tài)分解的信號(hào)處理模式屬于時(shí)頻域分析技術(shù)，既能夠表達(dá)出信號(hào)的頻域特性又表達(dá)信號(hào)的時(shí)域特性，對(duì)非平穩(wěn)信號(hào)的處理具有優(yōu)勢(shì)，其中，極限學(xué)習(xí)機(jī)（Extreme learning machine，ELM）算法對(duì)故障信號(hào)辨識(shí)具有優(yōu)勢(shì)，為此，針對(duì)ELM算法在初始權(quán)值和閾值被隨機(jī)分配若值賦值不當(dāng)會(huì)使辨識(shí)精度下降的問(wèn)題，提出平衡優(yōu)化器優(yōu)化ELM的算法，將最優(yōu)解賦值給極限學(xué)習(xí)機(jī)的初始權(quán)值和閾值，進(jìn)行訓(xùn)練和測(cè)試，對(duì)過(guò)電壓信號(hào)和過(guò)電流信號(hào)進(jìn)行模態(tài)分解，為鐵磁諧振過(guò)電壓辨識(shí)提供新思路。

2 ELM算法

極限學(xué)習(xí)機(jī)是一種單隱層前饋神經(jīng)網(wǎng)絡(luò)，可分為三層：輸入層、隱含層、輸出層，兩兩層之間的連接關(guān)系見(jiàn)下圖。

圖中，輸入層個(gè)變量有個(gè)相應(yīng)的神經(jīng)元也為;隱含層有個(gè)神經(jīng)元;輸出層有個(gè)變量則對(duì)應(yīng)有個(gè)神經(jīng)元個(gè)。設(shè)輸入權(quán)值為有：

式中，ELM可隨機(jī)分配和且其值一直保持到訓(xùn)練結(jié)束，而不需要先確定樣本數(shù)據(jù)。

3鐵磁諧振的ELM辨識(shí)模型

3.1鐵磁諧振與單短接地故障辨識(shí)特征

區(qū)別單相短路接地和鐵磁諧振過(guò)電兩種故障的特征有下述幾個(gè)：

（1）中性點(diǎn)電壓中低頻分量所對(duì)應(yīng)的能量

鐵磁諧振按其頻率劃分為分頻諧振、工頻諧振和高頻諧振，對(duì)于高頻諧振過(guò)電壓，中性點(diǎn)電壓中主要為2次諧波和3次諧波分量;對(duì)于分頻諧振過(guò)電壓，電壓波形中主要為1/2次和1/3次的諧波分量;而單相接地和基頻諧振中性點(diǎn)電壓波形主要為工頻諧波分量;

（2）中性點(diǎn)電壓中工頻分量所對(duì)應(yīng)的能量

工頻分量所對(duì)應(yīng)的能量大小主要用于區(qū)分工頻過(guò)電壓，包括單相接地和基頻諧振過(guò)電壓。

（3）中性點(diǎn)電壓中高頻頻分量所對(duì)應(yīng)的能量

高頻分量所對(duì)應(yīng)的能量大小主要用于區(qū)分高頻諧振過(guò)電壓。高頻諧振時(shí)，系統(tǒng)主要含有2次諧波和3次諧波分量。

3.2鐵磁諧振的ELM辨識(shí)模型

采用ELM算法對(duì)鐵磁諧振加以辨識(shí)的具體步驟如下：

第1步：根據(jù)故障等效電路圖分析故障產(chǎn)生原理，并搭建仿真模型。重點(diǎn)對(duì)故障電壓特征進(jìn)行分析，對(duì)比總結(jié)，并對(duì)鐵磁諧振故障影響因素進(jìn)行分析。為下一步進(jìn)行故障特征值提取提供理論支持。

第2步，導(dǎo)入提取的數(shù)據(jù)，給定訓(xùn)練樣本數(shù)據(jù)和測(cè)試樣本數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將樣本數(shù)據(jù)轉(zhuǎn)化為[0，1]之間的數(shù);

第3步，隨機(jī)設(shè)置模型輸入與輸出層節(jié)點(diǎn)數(shù)、隱含層節(jié)點(diǎn)等參數(shù)，研究不同它們對(duì)模型預(yù)測(cè)效果的影響;

第4步，根據(jù)3.1小節(jié)的特征對(duì)樣本進(jìn)行訓(xùn)練，將已訓(xùn)練好的樣本的期望輸出與預(yù)測(cè)輸出的誤差作為適應(yīng)度函數(shù)，其表達(dá)式如下：

其中，為樣本數(shù)，為期望樣本輸出值，為模型實(shí)際預(yù)測(cè)值，更新多次后，得到問(wèn)題最優(yōu)解;

第5步，判斷是否達(dá)到最大迭代次數(shù)，滿足則停止，否則繼續(xù)重復(fù)第三、四步;

第6步，對(duì)故障辨識(shí)可靠性進(jìn)行分析。

4算例分析

取某一10kV實(shí)際系統(tǒng)搭建仿真模型如下圖所示：

對(duì)系統(tǒng)進(jìn)行三類故障仿真，得到典型波形如圖3-圖5所示。

對(duì)故障時(shí)刻，故障點(diǎn)位置以及接地電阻等參數(shù)的改變，獲得了大量的仿真數(shù)據(jù)，在對(duì)三類故障分類識(shí)別時(shí)，每種狀態(tài)取100組數(shù)據(jù)，五種運(yùn)行狀態(tài)共計(jì)400組樣本，從中選取400組樣本作為訓(xùn)練樣本，選取100組為測(cè)試樣本。將故障狀態(tài)分別編號(hào)，單相接地故障為1-80;弧光接地故障為81-160;基頻諧振為161-220;工頻諧振故障為241-320;高頻諧振故障為321-500。每個(gè)數(shù)字分別對(duì)應(yīng)一種運(yùn)行狀態(tài)，計(jì)算結(jié)果最后只輸出輸出數(shù)字。

采用ELM模型對(duì)樣本集進(jìn)行辨識(shí)，相應(yīng)辨識(shí)結(jié)果如下圖所示。

圖6為辨識(shí)結(jié)果，采用ELM算法的訓(xùn)練樣本集的總體識(shí)別準(zhǔn)確率為92.75%，其中鐵磁諧振故障的辨識(shí)率98.75%;測(cè)試樣本集數(shù)據(jù)的總體識(shí)別準(zhǔn)確率為91%，鐵磁諧振故障的辨識(shí)率為93.45%;可見(jiàn)ELM識(shí)別方法能夠?qū)^大部分鐵磁諧振故障加以辨識(shí)，不過(guò)仍需改進(jìn)，為此對(duì)ELM算法進(jìn)化，得到下述辨識(shí)結(jié)果

可見(jiàn)，對(duì)ELM采取進(jìn)化后，測(cè)試樣本集合中鐵磁諧振的綜合辨識(shí)率可達(dá)到97.34%，比沒(méi)有改進(jìn)之前辨識(shí)率提高了3.89個(gè)百分點(diǎn)。

5結(jié)語(yǔ)

提出了基于極限學(xué)習(xí)機(jī)（ELM）的鐵磁諧振故障辨識(shí)方法，構(gòu)建了基于ELM的辨識(shí)模型，并從多組樣本庫(kù)中抽取400組數(shù)據(jù)組成訓(xùn)練集對(duì)模型進(jìn)行訓(xùn)練，抽取100組樣本數(shù)據(jù)組成測(cè)試集對(duì)模型辨識(shí)進(jìn)行測(cè)試，辨識(shí)結(jié)果顯示進(jìn)化后ELM算法能夠更為準(zhǔn)確的辨識(shí)鐵磁諧振故障。

參考文獻(xiàn)：

[1]陳欽柱，張涵，趙海龍，等.基于FSWT——SSAEs的配電網(wǎng)內(nèi)部過(guò)電壓自動(dòng)提取與分類識(shí)別[J].高壓電器，2020，56（07）：166-172.

[2]王盛陽(yáng). 配電網(wǎng)鐵磁諧振過(guò)電壓的研究[D]. 浙江大學(xué)，2016.

[3]Guo M F，Yang N C，Chen W F. Deep-Learning-based Fault Classification using Hilbert-Huang Transform and Convolutional Neural Network in Power Distribution Systems[J]. IEEE Sensors Journal，2019：1-1

[4]Mokryani G，Siano P，Piccolo A . Identification of ferroresonance based on S-transform and support vector machine[J]. Simulation Modelling Practice & Theory，2010，18（9）：1412-1424.

[5]曾祥君，楊先貴，王文，等.基于零序電壓柔性控制的配電網(wǎng)鐵磁諧振抑制方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（07）：1666-1673.

[6]劉凡，孫才新，司馬文霞，等. 鐵磁諧振過(guò)電壓混沌振蕩的理論研究[J]. 電工技術(shù)學(xué)報(bào)，2006，21（002）：103-107.

[7]Yu Y，Hao Z . Study on Simulation of Ferroresonance Elimination in 10kV Power System[C]// Transmission and Distribution Conference and Exhibition：Asia and Pacific，2005 IEEE/PES. IEEE，2005.

[8]Saravanaselvan R，Ramanujam R，Al-Anbarri K，et al. Ferroresonant oscillations in a transformer terminated line due to an energised parallel line on the same right-of-way[J]. IEEE Proceedings - Generation，Transmission and Distribution，2005，152（4）：475-482.

[9]李云閣，施圍. 應(yīng)用解析法分析中性點(diǎn)接地系統(tǒng)中的工頻鐵磁諧振-諧振判據(jù)和消諧措施[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2003（09）：141-145.

[10]黃艷玲，司馬文霞，楊鳴，等. 實(shí)測(cè)鐵磁諧振時(shí)間序列的非線性動(dòng)力學(xué)分析[J]. 電工技術(shù)學(xué)報(bào)，2016，31（005）：126-134.

[11]劉凡，司馬文霞，孫才新，等.多重分形在鐵磁諧振過(guò)電壓信號(hào)分析中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2006（18）：138-142.

[12]謝家安，王玉榮.SST在鐵磁諧振過(guò)電壓模態(tài)參數(shù)辨識(shí)中的應(yīng)用[J].廣東電力，2020，33（04）：82-89.

[13]蔡晉，林榛，高偉，等.基于HHT及信號(hào)注入的配電網(wǎng)諧振與單相接地故障識(shí)別[J].電氣技術(shù)，2015（12）：31-35+51.

[14]金濤，許立彬，高偉，等. 一種基于LCD-Hilbert變換和奇異譜熵的配電網(wǎng)暫時(shí)過(guò)電壓類型識(shí)別方法[J]. 電機(jī)與控制學(xué)報(bào)，2018，022（011）：26-36.

[15]喻一帆. 配電網(wǎng)工頻鐵磁諧振和單相接地故障辨識(shí)[D]. 西安科技大學(xué)，2016.