霍洪雙，潘偉鵬，姜雪菲

（濰坊工程職業(yè)學(xué)院，山東 濰坊 262500）

引言

近年來(lái)，許多國(guó)內(nèi)外學(xué)者提出了多種用于高壓輸電線路故障診斷的智能方法。但是大部分的研究集中在對(duì)特征提取算法和智能分類算法進(jìn)行多種組合來(lái)實(shí)現(xiàn)故障的定位與分類[1-2]。智能診斷方法一般包括信號(hào)提取、信號(hào)處理和故障識(shí)別與定位三部分，但相對(duì)而言，信號(hào)提取過(guò)程對(duì)故障診斷的速度與精度產(chǎn)生影響較大?，F(xiàn)有文獻(xiàn)中常用到的特征提取算法有S變換[3-4]、經(jīng)驗(yàn)?zāi)B(tài)分解[5]和小波變換[6-7]等。S變換為一種時(shí)頻分析法，它的優(yōu)點(diǎn)是頻率分辨率高，有良好的特征表現(xiàn)，但計(jì)算過(guò)于復(fù)雜，耗時(shí)較長(zhǎng)。經(jīng)驗(yàn)?zāi)B(tài)分解則具有較好的自適應(yīng)性，常用于對(duì)高采樣率的故障暫態(tài)信號(hào)分析，但計(jì)算過(guò)程中會(huì)產(chǎn)生虛假模態(tài)及模態(tài)混疊現(xiàn)象，對(duì)故障診斷效果產(chǎn)生不良影響。而小波變換作為一種提取信號(hào)暫態(tài)特征的有力工具，也被廣泛用于故障診斷中，但其變換后得到的系數(shù)矩陣，數(shù)據(jù)量較大，如果直接用來(lái)作為故障特征，不利于線路故障的識(shí)別與定位?？梢钥闯?，上述特征提取算法都要經(jīng)過(guò)數(shù)學(xué)上復(fù)雜的變換與計(jì)算，這將在故障診斷過(guò)程中耗費(fèi)較長(zhǎng)時(shí)間，進(jìn)而造成故障分類與定位的速度過(guò)慢，同時(shí)，故障診斷所使用的特征是經(jīng)過(guò)特征提取算法進(jìn)行轉(zhuǎn)化后的特征，因而也會(huì)降低故障分類與定位的精度，因此，在提高輸電線故障診斷的速度與精度方面，受到了越來(lái)越多學(xué)者的關(guān)注[8-9]。

本系統(tǒng)設(shè)計(jì)的優(yōu)點(diǎn)為：當(dāng)高壓輸電線路發(fā)生故障時(shí)，不再需要任何特征提取算法對(duì)故障信息進(jìn)行特征提取，而是通過(guò)采集到的三相電壓或電流故障信號(hào)振幅，經(jīng)過(guò)簡(jiǎn)單濾波及截取來(lái)作為故障特征信息，然后再結(jié)合智能分類算法對(duì)故障進(jìn)行分類與定位，這有助于故障的快速排除，節(jié)省恢復(fù)供電時(shí)間，對(duì)電網(wǎng)安全穩(wěn)定運(yùn)行具有重要意義。

1 故障信號(hào)分析

以電壓等級(jí)為220 kV，故障初始角為0°，過(guò)渡電阻為10 Ω時(shí)的三相故障電壓和電流信號(hào)為例進(jìn)行分析。根據(jù)建立的故障數(shù)據(jù)庫(kù)，通過(guò)Matlab仿真得到10種短路故障所對(duì)應(yīng)的故障電壓和電流波形如圖1所示。

圖1 10種短路故障的波形圖

由圖1的故障波形圖可以看出，在故障發(fā)生前后，對(duì)于三相電壓信號(hào)和電流信號(hào)，它們的振幅都發(fā)生了顯著的變化，尤其是三相電流信號(hào)。故障發(fā)生時(shí)，故障相的電流振幅突然變大，遠(yuǎn)遠(yuǎn)超出故障發(fā)生之前的正常值，而故障相的電壓振幅卻突然減小，比如，BG故障時(shí)，B相電流振幅突然變大，B相電壓振幅卻有所減小，而對(duì)于A、C兩相信號(hào)幾乎沒(méi)有變化，其他故障同理。因此，可以將系統(tǒng)故障發(fā)生前后三相信號(hào)振幅的顯著變化作為10種短路故障的特征信息，用以故障的定位與分類識(shí)別。

2 故障診斷系統(tǒng)的設(shè)計(jì)

根據(jù)故障信號(hào)分析，提出本文故障診斷系統(tǒng)。該系統(tǒng)由信號(hào)采集模塊、信號(hào)處理模塊、故障分類模塊、故障信號(hào)提取模塊、故障信號(hào)處理模塊和故障定位模塊組成，如圖2所示。其中，信號(hào)采集模塊為信號(hào)采集傳感器，采用普通信號(hào)采集器或高速信號(hào)采集器；信號(hào)處理模塊為信號(hào)整形處理，包括濾波模塊和截取模塊；故障分類模塊為智能故障分類器，采用可數(shù)據(jù)分類的通用計(jì)算機(jī)、DSP數(shù)據(jù)處理系統(tǒng)、嵌入式數(shù)字處理系統(tǒng)或基于FPGA的專用數(shù)據(jù)處理系統(tǒng)的硬件平臺(tái)；故障相信號(hào)提取模塊為信號(hào)采集傳感器，采用普通信號(hào)采集器或高速信號(hào)采集器；故障相信號(hào)處理模塊為信號(hào)整形處理，主要為濾波模塊，所采用的濾波裝置為低通濾波器或帶通濾波器；故障定位模塊為故障定位運(yùn)算器，采用通用計(jì)算機(jī)、DSP數(shù)據(jù)處理系統(tǒng)、嵌入式數(shù)字處理系統(tǒng)或基于FPGA的專用數(shù)據(jù)處理系統(tǒng)為硬件平臺(tái)。各模塊之間通過(guò)無(wú)干擾線相連接，進(jìn)行數(shù)據(jù)通信。

圖2 故障診斷系統(tǒng)

3 工作原理及過(guò)程

該故障診斷系統(tǒng)根據(jù)信號(hào)采集的種類不同，分為電壓模式和電流模式兩種診斷模式。這兩種診斷模式單獨(dú)工作，對(duì)系統(tǒng)的訓(xùn)練必須進(jìn)行診斷模式設(shè)定后方可進(jìn)行。

3.1 電壓模式

當(dāng)高壓輸電線路發(fā)生故障時(shí)，電壓采集模塊迅速采集三相故障信息，然后將故障信息傳給濾波模塊，濾除噪聲信號(hào)，得到有效故障電壓振幅。濾波模塊再將有效故障電壓振幅傳給故障截取模塊，進(jìn)行半周波的截取，并將截取的半周波故障信號(hào)輸入到故障分類模塊，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、遺傳算法、樸素貝葉斯、Logistic回歸和支持向量機(jī)等智能分類器[10]對(duì)故障振幅進(jìn)行訓(xùn)練。訓(xùn)練結(jié)束后，故障分類模塊可根據(jù)故障振幅快速準(zhǔn)確地識(shí)別出故障類型。故障分類模塊將得到的故障類型傳到故障相電壓提取模塊，根據(jù)故障類型，迅速提取相應(yīng)故障相電壓振幅數(shù)據(jù)，然后將提取的故障相電壓振幅數(shù)據(jù)傳到故障相電壓處理模塊，進(jìn)行整形濾波，濾除噪聲信號(hào)得到有效故障相電壓振幅數(shù)據(jù)。故障相電壓處理模塊再將有效故障電壓振幅數(shù)據(jù)傳給故障定位模塊，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、遺傳算法、樸素貝葉斯、Logistic回歸和支持向量機(jī)等智能分類器[11]對(duì)故障相電壓振幅進(jìn)行訓(xùn)練。訓(xùn)練結(jié)束后，故障定位模塊便可根據(jù)故障相電壓振幅數(shù)據(jù)快速準(zhǔn)確地識(shí)別出故障位置。電壓模式故障診斷過(guò)程，如圖3所示。

圖3 電壓模式故障診斷

3.2 電流模式

電流模式故障診斷與電壓模式方法類似，只不過(guò)在電流模式診斷中，采集的信號(hào)為電流振幅。電流模式故障診斷過(guò)程，如圖4所示。

圖4 電流模式故障診斷

4 結(jié)語(yǔ)

本文設(shè)計(jì)系統(tǒng)在故障診斷過(guò)程中，不再采用任何特征提取算法對(duì)故障信息進(jìn)行故障特征的提取，而是直接使用故障信號(hào)振幅作為故障信號(hào)特征，由于省去了這一過(guò)程，因此故障診斷速度會(huì)有較大提升。同時(shí)，因?yàn)楣收闲畔⑻卣鞲鼮橹苯?，故障診斷的精度也會(huì)進(jìn)一步提高。另外，在截取模塊對(duì)故障信號(hào)的截取長(zhǎng)度也影響著故障診斷的速度與精度，力求在故障診斷精度滿足實(shí)際要求的前提下，截取更短故障信號(hào)，這樣故障特征數(shù)據(jù)更少，診斷速度會(huì)更快。