楊杰，陳佳豪，顧小平，鄧思敬

（四川輕化工大學 自動化與信息工程學院，四川自貢 643000）

引言

隨著社會經(jīng)濟的不斷發(fā)展，人們對電能需求日益增加，電網(wǎng)的復雜度也在逐漸增加。從節(jié)約投資以及其他客觀條件限制等方面考慮，T接線路因其接線方式的獨特性，在高壓和超高壓電力網(wǎng)中開始普遍應用。然而，這些線路常常伴隨著大電廠和大系統(tǒng)，輸電線路功率高、負荷重，當線路發(fā)生故障時，有可能造成大面積停電事故。因此，當其發(fā)生故障時，為防止事故擴大化，減小因停電而造成的經(jīng)濟損失，要求能夠快速、準確地診斷故障[1-6]，進而排除故障。

長期以來，國內(nèi)外學者對于T接線路故障診斷技術進行了大量的理論和試驗研究，這些研究工作主要分為故障識別、故障測距兩個方面。從本質(zhì)上來看，研究均集中在對T接輸電線路故障定位，只是各自對定位的要求有所不同。

1 T接線路故障識別

目前，國內(nèi)外學者對T接線路故障識別的研究主要有基于工頻量的故障識別方法和基于暫態(tài)量的故障識別方法?；诠ゎl量的T接線路故障識別方法主要利用電壓電流工頻全量、故障分量或者線路分布參數(shù)等信息建立相應判據(jù)識別故障；基于暫態(tài)量的T接線路故障識別方法主要利用電壓、電流行波信息識別T故障。

1.1 基于工頻量的故障識別

文獻[7]利用T接線路三端電壓故障分量相量和與電流故障分量相量和的比值大小識別區(qū)內(nèi)外故障。文獻[8]利用T接線路三端電流故障分量之和結(jié)合三端電流故障分量中的最大電流與另外兩端電流之和的矢量差建立判據(jù)，識別區(qū)內(nèi)外故障，但是判據(jù)中制動系數(shù)的選取會對故障識別的靈敏性和可靠性造成影響。文獻[9]針對文獻[8]中存在的問題，利用T接線路三端故障電流分量中的最大電流結(jié)合另外兩端電流之和及其余弦夾角建立判據(jù)，識別區(qū)內(nèi)外故障。文獻[10]根據(jù)文獻[8,9]中所提判據(jù)建立綜合判據(jù)，實現(xiàn)光伏T接高壓配電網(wǎng)絡區(qū)內(nèi)外故障的識別，該判據(jù)能滿足區(qū)內(nèi)故障的靈敏性和區(qū)外故障的可靠性，并且有較強的抗過渡電阻的能力，但文獻[10]未對算法性能進行分析。文獻[11]在T接線路三端分別計算T節(jié)點處的正序電壓，通過比較T節(jié)點正序電壓疊加分量的最大幅值與三端正序電壓疊加分量的最大幅度的關系識別區(qū)內(nèi)外故障。文獻[12]首先利用T接線路三端分別計算得到的T節(jié)點正序疊加電壓的最大值判別線路是否故障，然后利用特定端子處的正序疊加電壓與電流之間的相位關系識別區(qū)內(nèi)外故障。文獻[13]利用T接線路三側(cè)電壓幅值差和測量阻抗特征建立的綜合電壓幅值差主判據(jù)，結(jié)合自適應距離輔助判據(jù)識別區(qū)內(nèi)外故障。文獻[14]在兩端電源配電網(wǎng)中T接入分布式電源，在原有電流縱聯(lián)差動判據(jù)的基礎上，僅借助T接高壓輸電線路兩端原有電壓、電流互感器信息，利用線路兩端正序補償電壓差值建立的輔助判據(jù)結(jié)合正序補償電壓和正序差動電流的相位關系識別區(qū)內(nèi)外故障，但是該算法忽略了分布式電源暫態(tài)控制作用的影響。文獻[15]在目前雙端線路電流差動保護研究成果基礎上，采用一種基于分布參數(shù)模型的T接線路電流差動保護方法識別區(qū)內(nèi)外故障。

1.2 基于暫態(tài)量的故障識別

文獻[16]將T接線路繼電端測量得到的電壓、電流信號提供給二階泰勒-卡爾曼-傅里葉（T2KF）濾波器，以此估計電壓、電流信號相量的瞬時值，然后通過相量信息求得的正序阻抗識別故障。文獻[17]結(jié)合母線的高速停止過濾屬性，由3個基于數(shù)學形態(tài)學的濾波器連續(xù)處理電流采樣信息，然后將輸出故障產(chǎn)生的瞬變分別與三個預定閾值進行比較，實現(xiàn)區(qū)內(nèi)外故障的判別。文獻[18,19]將小波變換應用于T接線路故障識別中，但高頻噪聲信號的靈敏度會影響故障識別的效果。文獻[18]首先采用bior3.1小波分解T接線路三端原始電流信號，然后對分解的信號進行重建，再利用重建信號求解各相運行電流和抑制電流，最后通過對比三端相應相位運行電流與抑制電流的關系識別區(qū)內(nèi)外故障。文獻[19]則是通過對比Haar小波函數(shù)在T接線路每端檢測到的故障電流極性來判別區(qū)內(nèi)外故障。文獻[20]提出了一種基于電流反行波多尺度S變換能量熵和極限學習機（ELM）的T接線路故障識別算法，該算法將3端反行波電流S變換后多個頻率下的電流數(shù)據(jù)求取得到的能量熵組成的特征樣本輸入極限學習機識別故障支路，該算法不僅能識別區(qū)內(nèi)外故障，而且能識別具體故障支路。

1.3 研究的難點與建議

從仿真結(jié)果來看，以上基于工頻量和基于暫態(tài)量的T接線路故障識別算法都能較好地識別故障。從目前已有T接線路故障識別的國內(nèi)外文獻綜述來看，基于工頻量的T接線路故障識別研究均是在電流差動保護原理的基礎上改進而成的。在電力系統(tǒng)繼電保護中，電流差動保護簡單可靠且反應靈敏，是一種較為理想的保護判據(jù)，但將其應用到高壓輸電線路時還應考慮分布電容電流對保護產(chǎn)生的影響。因此，基于工頻量的T接線路故障識別方法仍需改進。

基于暫態(tài)量的T接輸電線路故障識別方法，主要是利用線路故障時產(chǎn)生的高頻暫態(tài)分量來識別故障。只要能可靠地檢測出故障產(chǎn)生的高頻分量并區(qū)別于系統(tǒng)的噪聲成分，就能很好地實現(xiàn)故障識別，但是受獲取故障時暫態(tài)信息方法的限制，利用暫態(tài)量的T接線路故障識別方法還需進行深入研究。

2 T接線路故障測距

故障測距不但是電力系統(tǒng)繼電保護研究領域中的一個重要課題，也是對高壓輸電線路故障點查找與排除的重要依據(jù)，其基本要求是對故障點快速且精準地定位。精確的故障測距不僅能縮短故障排除的時間、減輕傳統(tǒng)人工巡線巡查故障點的艱辛工作以及減小因故障進一步擴大而造成的經(jīng)濟損失，而且能有效地排查人工巡檢難以發(fā)現(xiàn)的故障，為排除絕緣隱患、修復線路以及提高供電可靠性提供有力保障。因此，輸電線路故障測距方法的研究對保證電力系統(tǒng)的安全穩(wěn)定及經(jīng)濟運行有著十分重要的作用。

在電力系統(tǒng)繼電保護中，評判故障測距算法優(yōu)劣的一項重要指標是故障定位的精確度。近年來，國內(nèi)外學者為尋求精確有效的T接線路故障測距方法進行了大量的研究。目前，T接線路故障測距的方法主要分為基于故障分析法的故障測距、基于行波法的故障測距以及基于神經(jīng)網(wǎng)絡的故障測距。

2.1 基于故障分析法的故障測距

基于故障分析法的故障測距主要分為先判別故障支路再對故障點進行定位[21-25,29,30]及將故障支路判別與故障點的求解合二為一[26-28,31]兩種方式。文獻[21]通過比較各端采集到的T接線路序電壓幅值大小確定故障支路，然后對構建的定位函數(shù)和測距方程迭代求解而測距，但該算法是在全線范圍迭代測距，計算量很大。文獻[22]利用各端正序電壓、電流信息求得的故障附加分量電壓值判斷故障支路，在化簡合并非故障支路的基礎上，采用雙端測距方法對故障點定位。文獻[23]首先利用正序電壓判斷故障支路，然后將非故障支路化簡合并，最后針對對稱和非對稱故障分別利用不同電壓序分量建立測距方程組求解故障距離。文獻[24]采用不受分布電容影響的π型等值正序網(wǎng)，利用三端測量的電壓、電流信息求取T節(jié)點電壓，根據(jù)所建立的判據(jù)判別故障支路，然后根據(jù)建立的一元二次測距方程組求解故障點位置。文獻[25]利用T接線路各側(cè)電壓、電流和線路正序阻抗參數(shù)等信息在各側(cè)分別計算得到的T節(jié)點電壓幅值信息判別故障支路，進而利用T節(jié)點和故障支路首端電氣信息實現(xiàn)故障測距。以上文獻都是利用求得的T節(jié)點電壓信息先判別故障支路，然后對故障點定位的方法，但當T節(jié)點附近發(fā)生高阻抗短路時，會因各端計算得到的T節(jié)點電壓信息相等而無法判別故障支路。因此，在T節(jié)點附近發(fā)生高阻短路故障時，以上故障測距方法存在故障判別死區(qū)。

近年來，國內(nèi)外學者針對上述故障測距算法在T節(jié)點附近存在故障判別死區(qū)這一不足提出了很多新的故障測距方法。文獻[26,27]根據(jù)測距函數(shù)在故障點前后的相位發(fā)生突變與在正常支路相位保持不變的相位特性提出T接線路故障測距算法，算法在一定程度上改善了測距死區(qū)問題，但算法的故障定位速度因計算量的增加而降低。文獻[28]根據(jù)過渡電阻純電阻性質(zhì)提出了一種基于參數(shù)計算的測距方法，該算法無需事先判別故障支路即可測距，但該算法較為復雜，而且對信號采集的要求很高。文獻[29]根據(jù)線路分布參數(shù)模型推導出測距函數(shù)，利用測距函數(shù)在各支路首末兩端的相位信息判斷故障支路，進而利用故障距離的解析式求解出故障位置，實現(xiàn)故障定位，該算法不僅需要在全線范圍搜索尋找故障點，而且需要判別測距函數(shù)求解的數(shù)值的偽根。文獻[30]由改進高斯-牛頓法求解多時刻輸電線路拓撲結(jié)構的描述方程實現(xiàn)測距，但該算法較為復雜且計算量較大，而且后續(xù)還需解決算法的實用化問題。文獻[31]根據(jù)T接線路三端分別計算的T接點正序電壓大小判別是否發(fā)生故障，再根據(jù)特定終端的正序電壓與正序電流之間的相位關系區(qū)分內(nèi)外部故障，當發(fā)生內(nèi)部故障時，根據(jù)三端分別估計的T節(jié)點正序電壓之間的大小關系判別具體故障支路，最后通過相應計算得到故障點的位置。

2.2 基于行波法的故障測距

行波法是以行波傳輸理論為依據(jù)，對輸電線路發(fā)生故障后產(chǎn)生的暫態(tài)行波信號進行分析與計算，進而對故障點定位的方法。從理論上講，利用行波法對故障點測距的精度不受故障類型、過渡電阻以及線路運行方式的影響。近年來，國內(nèi)外學者對基于行波法的T接線路故障測距進行了大量研究。文獻[32-34]將T接線路看作雙端線路，先利用雙端原理判別故障分支，再對故障點定位。但文獻[32]所提算法在T節(jié)點附近發(fā)生故障時，該方法對故障支路的判定容易出錯，而文獻[34]中對波速的估計會直接影響故障測距效果。文獻[35]提出一種基于小波變換的T接線路行波測距算法，該算法利用電流初始行波到達三端時間差和故障點距三端長度差關系判別故障支路，進而通過計算得到故障點位置，該算法僅針對一種確定的T接線路進行測距，算法適用范圍較小。

文獻[36]基于D型行波原理，利用初始行波波頭到達三端的絕對時間和線路本身長度信息進行兩次雙端故障測距，以兩次計算中的較大值作為故障測距結(jié)果。與文獻[36]不同，文獻[37]根據(jù)計算波速與行波波速v的大小關系判別故障支路，然后對由行波波速相等構建的測距方程求解，得出故障位置。然而文獻[36,37]所提算法在T節(jié)點附近發(fā)生故障時，可能會因為故障支路判別錯誤而導致測距失敗。文獻[38]通過TT變換獲取故障產(chǎn)生的高頻分量確定故障行波到達各測量端的瞬態(tài)時間，然后利用行波到達的瞬態(tài)時間確定故障支路并最終定位故障位置。文獻[39]利用三端量計算得到的故障發(fā)生的絕對時刻或者波速的大小關系來判斷故障支路，進而利用測距方程計算故障點距離，但當故障發(fā)生在T節(jié)點附近時，可能誤判故障分支，進而測距失敗。該算法針對T節(jié)點附近死區(qū)故障情況，討論了算法在T節(jié)點附近可能誤判的范圍。文獻[40,41]將故障支路識別與故障測距結(jié)合起來，直接實現(xiàn)故障點的定位，但在求解故障距離時，直接利用雙端行波原理在故障分支的識別上存在誤判的可能。

2.3 基于神經(jīng)網(wǎng)絡的故障測距

隨著人工智能理論以及相關學科的發(fā)展，人工智能技術被越來越多地應用到電力系統(tǒng)故障診斷算法的研究中。文獻[42]通過DWT提取的故障瞬變的行進時間信息結(jié)合遞歸神經(jīng)網(wǎng)絡（RNN）對T接線路故障定位，但該方法的準確性取決于線波傳播速度的準確估計。文獻[43]利用離散小波變換（DWT）處理三端測點同步測量的故障電流信息以獲得小波系數(shù)，并將計算得到的小波標準差、范數(shù)熵和細節(jié)系數(shù)組成的特征向量輸入深度神經(jīng)網(wǎng)絡以識別故障支路和確定故障點。文獻[44]利用離散小波變換從T接線路區(qū)內(nèi)3端測量到的故障電壓信息中提取故障特征，并將其用于深度學習神經(jīng)網(wǎng)絡的訓練，從而確定故障支路并同時得到該支路的故障位置。

2.4 研究的難點與建議

從目前已有T接線路故障定位研究的文獻綜述來看，基于故障分析法的T接線路故障測距方法依據(jù)的是故障發(fā)生后各端測量得到的電氣量特征結(jié)合與系統(tǒng)相關的各種特征量來判別故障支路或者構造測距方程，然后經(jīng)過分析計算實現(xiàn)測距。其中，基于單端工頻量的測距算法難以實現(xiàn)故障測距，而基于多端工頻量的故障測距算法在各端提取信息的同步問題上對故障測距也有一定的影響，并且基于工頻量的故障分析法的故障測距精度也會受過渡電阻和互感器誤差等因素的影響。相對于基于工頻量的故障分析法的故障測距算法，基于故障行波的故障測距不受過渡電阻和運行方式變化的影響，并且采用行波法對故障測距具有較高的測距精度，但是基于行波法的故障測距算法在實際工程應用中存在暫態(tài)行波波頭檢測難度較大的問題。隨著人工智能及其相關學科的不斷發(fā)展，基于人工智能技術的輸電線路故障測距方法的研究開始萌芽，但目前還處于起步階段，需要不斷地發(fā)展和完善。綜上所述，基于故障分析法、行波法和神經(jīng)網(wǎng)絡的T接線路故障測距算法存在不足之處，還需要對其進行深入的研究。

3 研究展望

從目前的T接輸電線路故障診斷研究來看，故障識別和故障測距算法研究相對比較成熟，但仍需提高故障識別的可靠性與靈敏性以及故障測距的快速性與精確性，而且在故障識別和故障測距方面也存在一些問題尚待解決。比如，傳統(tǒng)T接線路故障識別算法未分析故障識別的性能，在理論與實際的結(jié)合中也還存在一定的問題。對于傳統(tǒng)基于行波法的故障測距方法來說，行波信號的準確提取對故障測距尤其重要，但在實際工程中，當發(fā)生高阻接地故障和電壓初相角很小的故障時，可能會使線路上沒有明顯的故障行波，因而難以檢測到故障行波的奇異點導致測距失敗。

由于神經(jīng)網(wǎng)絡具有高度的自適應性和不斷學習的能力，基于神經(jīng)網(wǎng)絡的T接輸電線路故障診斷研究會成為未來T接輸電線路故障診斷的主要研究方向。但現(xiàn)階段引入神經(jīng)網(wǎng)絡對電力系統(tǒng)進行故障診斷的研究理論還處于起步階段，其安全性、可靠性以及靈敏性還有待進一步檢驗。

隨著國家“堅強智能電網(wǎng)”概念的提出，電網(wǎng)發(fā)展以實現(xiàn)電網(wǎng)的可靠、安全、經(jīng)濟、高效、環(huán)境友好和使用安全為目標。未來電網(wǎng)的發(fā)展勢必向著高度自動化與智能化發(fā)展，現(xiàn)階段如何將已有T接線路故障診斷理論與智能化有效地結(jié)合是面對的新問題。