秦 岳

（國(guó)網(wǎng)青海省電力公司海南供電公司，青海 海南州 813000）

高壓直流輸電具有輸電能量大、傳輸距離遠(yuǎn)的優(yōu)點(diǎn)，在電能的長(zhǎng)距離傳輸方面具有明顯優(yōu)勢(shì)。然而，由于我國(guó)能源分布和負(fù)荷分布不匹配，高壓直流輸電在解決能源和負(fù)荷間的供需矛盾方面發(fā)揮了重要作用。因此，高壓直流輸電在我國(guó)國(guó)情下具有較高的應(yīng)用價(jià)值。直流輸電線路長(zhǎng)度長(zhǎng)，沿途地域環(huán)境復(fù)雜多樣，以常規(guī)的巡檢方式進(jìn)行故障定位十分不便，因此對(duì)高壓直流輸電線路的故障位置診斷技術(shù)進(jìn)行研究十分必要且意義重大。

目前，直流輸電線路的故障定位方法主要基于故障行波技術(shù)，分為單端行波法和雙向行波法[1-2]。單端行波法對(duì)辨識(shí)第二個(gè)反射行波具有較高要求，但是發(fā)生高阻接地故障時(shí)，精確辨識(shí)第二個(gè)反射行波不易實(shí)現(xiàn)[3]。雙向行波法對(duì)辨識(shí)首個(gè)行波具有較高要求，但是直流輸電系統(tǒng)中的平波電抗器、直流濾波器等會(huì)對(duì)行波的特性產(chǎn)生較大影響，較難有效辨識(shí)首個(gè)行波。

1 基于高頻衰減特性的直流輸電測(cè)距

目前，直流輸電線路普遍采用雙極運(yùn)行方式，兩極之間存在電氣耦合關(guān)系，因此必須要對(duì)線路上的信號(hào)進(jìn)行解耦處理，才能夠進(jìn)行衰減特性分析[4]，其解耦公式如公式（1）所示。

式中：u1、u0分別代表整流器側(cè)和逆變器側(cè)瞬態(tài)電壓的線模分量和零模分量，u+、u-分別代表對(duì)應(yīng)側(cè)的正極線瞬態(tài)電壓和負(fù)極線瞬態(tài)電壓[5]。

高頻分量的衰減效應(yīng)在直流輸電線路上表現(xiàn)較明顯。高頻分量的衰減程度與其通過直流輸電線路的長(zhǎng)度緊密相關(guān)[6-7]，基于高頻衰減特性的直流輸電線路測(cè)距原理如圖1所示。

圖1 高頻衰減特性計(jì)算下的直流輸電測(cè)距

故障發(fā)生位置距整流器側(cè)的測(cè)距設(shè)備的距離x與到達(dá)整流器側(cè)和逆變器側(cè)測(cè)距設(shè)備處某個(gè)頻率下的故障電壓幅值具有一定的關(guān)系[8]，如公式（2）所示。

式中：L為輸電線路全長(zhǎng)；αj為線路的模衰減參數(shù)；|Uj1（f）|和|Uj2（f）|分別為整流器側(cè)和逆變器側(cè)測(cè)距設(shè)備檢測(cè)到的來源于故障位置且頻率為f的故障電壓幅值[9]。

在故障分析過程中，需要對(duì)到達(dá)整流器側(cè)和逆變器側(cè)的故障特征進(jìn)行仔細(xì)觀察和分析。需要確定行波首個(gè)波首的幅值比和特定頻率的高頻分量。這些特征可以通過在故障位置采集數(shù)據(jù)來獲取。整流器側(cè)和逆變器側(cè)的故障位置也需要進(jìn)行確認(rèn)，以便更準(zhǔn)確地定位故障，則公式（2）可以變換為公式（3）。

式中：α'為相應(yīng)頻率下的衰減參數(shù)，|Uja|為測(cè)距設(shè)備采集的整流器側(cè)行波模分量第一個(gè)波首幅值；|Ujb|為采集的逆變器側(cè)相行波模分量第一個(gè)波首幅值。

由此可得以頻率為自變量的函數(shù)構(gòu)成線路衰減參數(shù)。對(duì)直流輸電而言，如果所得輸電線路的基本電氣參數(shù)為精確值，就能夠得到任意頻率時(shí)線路的衰減參數(shù)，再利用公式（3）就能得知故障位置與整流器側(cè)測(cè)距設(shè)備和逆變器側(cè)測(cè)距設(shè)備的間隔距離，從而進(jìn)行故障定位。

隨著電力系統(tǒng)運(yùn)行，衰減特性會(huì)對(duì)故障特征產(chǎn)生影響。行波模分量是故障特征的重要表現(xiàn)形式，其中波首幅值比對(duì)故障定位具有重要意義。然而，非線性關(guān)聯(lián)關(guān)系在公式（3）中有所體現(xiàn)，它可能會(huì)干擾測(cè)距設(shè)備正常工作，影響故障定位的準(zhǔn)確性。逆變器和整流器是電力系統(tǒng)中的重要設(shè)備，在運(yùn)行過程中可能會(huì)發(fā)生故障，從而影響整個(gè)系統(tǒng)的穩(wěn)定性。因此，衰減特性和故障特征的檢測(cè)對(duì)故障定位至關(guān)重要。使用測(cè)距設(shè)備可有效檢測(cè)故障位置，并利用非線性關(guān)聯(lián)關(guān)系進(jìn)行故障分析，從而為故障修復(fù)提供有力支持。這些技術(shù)的應(yīng)用和發(fā)展將有助于提高電力系統(tǒng)的安全性和穩(wěn)定性。

2 基于神經(jīng)網(wǎng)絡(luò)的直流輸電線路雙向故障定位方法

由于常規(guī)的基于高頻分量衰減特性來進(jìn)行故障定位的方法存在一定誤差（原因是難以準(zhǔn)確求取輸電線路的高頻分量衰減參數(shù)），因此，找到一種不依賴高頻分量衰減參數(shù)來計(jì)算故障距離的方法對(duì)故障定位至關(guān)重要。神經(jīng)網(wǎng)絡(luò)技術(shù)具有非線性數(shù)據(jù)擬合能力，因此，對(duì)于x與的非線性關(guān)系，基于神經(jīng)網(wǎng)絡(luò)技術(shù)可實(shí)現(xiàn)故障精確定位。

2.1 神經(jīng)網(wǎng)絡(luò)的概念

目前，運(yùn)用神經(jīng)網(wǎng)絡(luò)過程中，普遍運(yùn)用的網(wǎng)絡(luò)模型均是以BP網(wǎng)絡(luò)為基礎(chǔ)發(fā)展起來的。數(shù)學(xué)方法已經(jīng)證明任意一個(gè)具有隱含層級(jí)的三層級(jí)網(wǎng)絡(luò)能夠?qū)θ我夥蔷€性函數(shù)進(jìn)行無限近似。BP神經(jīng)網(wǎng)絡(luò)是一種常用的人工神經(jīng)網(wǎng)絡(luò)模型，具有強(qiáng)大的非線性擬合能力。它由輸入層、隱藏層和輸出層組成。在訓(xùn)練過程中，通過反向傳播算法，將輸出誤差逐層反向傳遞到隱藏層和輸入層，然后根據(jù)誤差大小，利用梯度下降法調(diào)整每個(gè)神經(jīng)元的權(quán)重和閾值，不斷優(yōu)化網(wǎng)絡(luò)性能。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個(gè)迭代過程，需要提供一組已知的輸入和對(duì)應(yīng)的輸出樣本進(jìn)行訓(xùn)練。通過計(jì)算網(wǎng)絡(luò)輸出與實(shí)際輸出間的誤差，利用誤差反向傳播來調(diào)整權(quán)值和閾值，以使網(wǎng)絡(luò)輸出與實(shí)際輸出盡可能接近。BP神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛，包括模式分類、數(shù)據(jù)預(yù)測(cè)和模式識(shí)別等領(lǐng)域。它可以處理非線性問題，并可通過增加隱藏層和神經(jīng)元的數(shù)量來提高網(wǎng)絡(luò)的表達(dá)能力。因此，BP網(wǎng)絡(luò)的核心是將輸出誤差倒回到模型中，逐步對(duì)應(yīng)調(diào)整運(yùn)算權(quán)值和運(yùn)算閾值，來修正輸出誤差，保證最終的輸出預(yù)測(cè)值無限逼近期望目標(biāo)輸出量，從而得到最終的輸出結(jié)果。

2.2 基于神經(jīng)網(wǎng)絡(luò)的直流輸電線路雙向故障定位方法的實(shí)現(xiàn)

為了診斷直流輸電線路的故障位置和類型，可以采取一種研究樣本并進(jìn)行數(shù)據(jù)預(yù)處理，以構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。這種模型的全范圍覆蓋能夠適應(yīng)多種類型的故障，使用特征電壓行波信號(hào)來分析波首幅值比特征，通過處理復(fù)雜的波形信息來提升泛化性能。該策略將在數(shù)據(jù)驅(qū)動(dòng)的基礎(chǔ)上提供故障診斷的有效手段。該文設(shè)定的神經(jīng)網(wǎng)絡(luò)如下：1）瞬態(tài)電壓信號(hào)是電力系統(tǒng)中常見的故障特征信號(hào)之一，具有較高的幅值和高頻帶寬。傳統(tǒng)的測(cè)距設(shè)備往往難以準(zhǔn)確測(cè)量首個(gè)波首的到達(dá)時(shí)間，進(jìn)而無法提取故障特征信號(hào)。為了解決該問題，該文提出了一種基于小波變換技術(shù)的解耦運(yùn)算方法。首先，通過預(yù)處理步驟對(duì)瞬態(tài)電壓信號(hào)進(jìn)行尺度變換和帶通濾波，以提高信號(hào)的清晰度和準(zhǔn)確性。其次，利用小波變換技術(shù)將瞬態(tài)電壓信號(hào)分解成瞬態(tài)電壓線模分量和同頻帶寬分量。在整流器側(cè)，第一個(gè)波首的幅值為U1a1、U1a2、U1a3、U1a4，利用解耦運(yùn)算提取出瞬態(tài)電壓線模分量，并進(jìn)一步計(jì)算出首個(gè)波首的到達(dá)時(shí)間。同樣地，在逆變器側(cè)，第一個(gè)波首的幅值為U1b1、U1b2、U1b3、U1b4，解耦運(yùn)算可以提取出同頻帶寬分量，并計(jì)算出故障特征信號(hào)的幅值比為通過以上步驟，可以在輸電線路上準(zhǔn)確測(cè)量首個(gè)波首的到達(dá)時(shí)間，并提取出故障特征信號(hào)的幅值比。該方法克服了傳統(tǒng)測(cè)距設(shè)備的局限性，為電力系統(tǒng)的故障檢測(cè)和故障定位提供了可靠的技術(shù)手段?；谏鲜鲅芯靠傻醚芯繕颖镜妮斎肓繛閜=[p1，p2，p3，p4]。2）該文仿真數(shù)據(jù)來自實(shí)際運(yùn)行線路參數(shù)，選用云南到廣東的800kV特高壓直流輸電示范工程為研究對(duì)象。因此直流輸電系統(tǒng)的實(shí)際運(yùn)行狀態(tài)可根據(jù)設(shè)計(jì)的模型反應(yīng)。為了確保所研究輸電線路多故障特征信號(hào)能被全部監(jiān)測(cè)，從距離直流輸電系統(tǒng)整流器側(cè)5km位置開始配置故障點(diǎn)，然后每10km位置配置一處故障點(diǎn)，直到距離整流器側(cè)1415km時(shí)（該處距離逆變器側(cè)10km）結(jié)束故障位置配置，因此輸電線路中包括142處故障位置，即模型中涵蓋了142組故障信息。3）選取系統(tǒng)的過渡電阻為0～100Ω，步長(zhǎng)為10Ω。4）在研究中，樣本是指用于分析的數(shù)據(jù)集合。研究樣本的輸入量數(shù)值通常會(huì)存在較大差異，會(huì)影響模型的準(zhǔn)確性。模型是利用輸入節(jié)點(diǎn)與權(quán)值的作用來進(jìn)行系統(tǒng)運(yùn)算的。通過隱含層輸出結(jié)果，模型可以進(jìn)一步處理其他節(jié)點(diǎn)的輸入量數(shù)值，并進(jìn)行系統(tǒng)運(yùn)算。因此必須對(duì)模型的輸入量進(jìn)行歸一化運(yùn)算，保證輸入量為0～1，即能夠保證研究樣本的各輸入量具備同等的地位。

經(jīng)上述4個(gè)步驟構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型如圖2所示。該神經(jīng)網(wǎng)絡(luò)模型中分為輸入層級(jí)j、隱含層級(jí)i和輸出層級(jí)l，輸入層級(jí)的神經(jīng)元為xk、xk-1、xk-2，具體的神經(jīng)網(wǎng)絡(luò)輸入層級(jí)神經(jīng)元分別與4個(gè)頻帶內(nèi)整流器側(cè)和逆變器側(cè)采集的波首幅值比一一對(duì)應(yīng)。隱含層級(jí)包括15個(gè)神經(jīng)元，輸出層級(jí)僅有一個(gè)神經(jīng)元，其與故障位置相對(duì)應(yīng)?；跈C(jī)器學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)，經(jīng)約1100個(gè)學(xué)習(xí)過程后誤差達(dá)標(biāo)，且收斂速度快。學(xué)習(xí)收斂曲線如圖3所示，由圖3可知，學(xué)習(xí)率為0.01，學(xué)習(xí)收斂精度為10-5，學(xué)習(xí)極限次數(shù)為10000。

圖2 神經(jīng)網(wǎng)絡(luò)模型

圖3 學(xué)習(xí)收斂曲線示意圖

3 仿真研究

根據(jù)某高壓直流輸電線路參數(shù)及線路接線形式，搭建直流輸電系統(tǒng)仿真模型。該系統(tǒng)的輸電電壓等級(jí)為±800kV，輸電額定功率為5000MW，輸電額定電流為3.125kA，輸電線路總長(zhǎng)度為1425km，線路電阻率平均值為1000Ω·m，導(dǎo)線選用6×LGL-630/45。

利用神經(jīng)網(wǎng)絡(luò)技術(shù)，該文提出了一種基于瞬態(tài)電壓線模分量的故障位置診斷方法，能夠有效地對(duì)輸電線上的接地故障進(jìn)行準(zhǔn)確定位。該方法使用測(cè)距設(shè)備測(cè)量了故障點(diǎn)處過渡電阻的數(shù)值，并將d1、d2、d3、d4頻帶的首個(gè)波首幅值作為輸入?yún)?shù)，通過神經(jīng)網(wǎng)絡(luò)對(duì)輸電線上的故障位置進(jìn)行診斷和定位。在試驗(yàn)中，使用頻帶的數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試，并取得了良好效果，首個(gè)波首幅值為1.4506、1.4267、1.3905、1.3828。該文基于瞬態(tài)電壓線模分量和神經(jīng)網(wǎng)絡(luò)技術(shù)的故障定位方法具有較高的精度和穩(wěn)定性，可在實(shí)際應(yīng)用中提供準(zhǔn)確的故障位置信息，具有廣闊的應(yīng)用前景。所得神經(jīng)網(wǎng)絡(luò)模型的輸入量p=[1.4506，1.4267，1.3905，1.3828]，將其輸入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行運(yùn)算，輸出的距離測(cè)量結(jié)果為400.17km，存在0.17km的誤差。由此可見，基于神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)故障位置進(jìn)行診斷的方法不依賴輸電線路的衰減參數(shù)，并能進(jìn)行高精度定位。

4 結(jié)論

該文采用4個(gè)高頻帶寬的輸電線路故障定位模型，利用電壓行波信號(hào)進(jìn)行故障特征數(shù)據(jù)采集，通過神經(jīng)網(wǎng)絡(luò)模型自主運(yùn)算，使輸入量與輸出量精準(zhǔn)匹配，進(jìn)行直流輸電線路故障定位。通過分析線模首個(gè)波首幅值比等關(guān)鍵特征數(shù)據(jù)，進(jìn)一步提升了故障定位的精度。使輸電線路故障的高頻特征能高效傳輸，對(duì)保障電力系統(tǒng)安全運(yùn)行具有重要意義。該文研究得到結(jié)論如下：1）直流輸電線路兩端逆變器及整流器側(cè)所得高頻分量第一個(gè)波首幅值與故障位置之比是非線性的關(guān)系。2）采用神經(jīng)網(wǎng)絡(luò)時(shí)，直流輸電線路故障位置確定不依賴輸電線路的衰減參數(shù)，定位精度高，具有較強(qiáng)的過渡電阻耐受能力。3）直流輸電線路故障位置確定由神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算并采集行波數(shù)據(jù)，該數(shù)據(jù)來自故障發(fā)生的極短時(shí)間內(nèi)，不依賴故障特征行波的傳輸速度和傳輸時(shí)間。