本发明涉及一种配电网馈线故障类型识别方法及装置。
背景技术：
：电力系统中，随着配电自动化系统的建设，配电网的运行范围在逐渐扩大，而有研究表明，电力系统中95％以上的故障发生在配电网，配电网的故障将直接导致用电用户受到严重的影响。目前，只能依靠用户报修的被动方式获取故障类型等信息，维修人员再根据这些信息启动故障处理流程解决处理，存在故障维修效率低甚至降低配电网供电可靠性，因此如何在配电网发生故障后及时准确地识别出故障类型，提高故障处理效率的问题亟需解决。技术实现要素：本发明的目的是针对现有技术的不足，提出一种能够及时准确识别故障类型的配电网馈线故障识别方法及装置。本发明通过以下技术方案实现：一种配电网馈线故障类型识别方法，包括如下步骤：A、配电网发生故障后，获取母线三相电压、零序电压、故障馈线的三相电流和零序电流在故障前后一段时间的波形采样数据；B、分别对步骤A获取的各组波形采样数据依次进行希尔伯特-黄变换及带通滤波，并根据带通滤波数据重构时频矩阵；C、分别对每个时频矩阵进行奇异值分解得到一组奇异值，根据奇异值的累积贡献率选取每组奇异值中的前s个奇异值作为主奇异值，各个时频矩阵对应的主奇异值组成特征向量矩阵X；D、对特征向量矩阵X进行归一化处理得到元素值在[0,1]的特征向量矩阵X′，特征向量矩阵X′作为多级支持向量机的训练样本和测试样本；E、多级支持向量机根据训练样本进行训练后，再根据测试样本识别配电网馈线故障类型。进一步的，步骤B包括如下步骤：B1、分别将各组波形采样数据进行经验模态分解，每组波形采样数据均得到多个IMF分量；B2、对各个IMF分量做希尔伯特变换，得到希尔伯特能量谱图；B3、根据希尔伯特能量谱图进行带通滤波，将每个IMF分量分解到等间隔的频带上，并将每个频带内的所有IMF分解分量叠加，得到各组波形采样数据在各个频带内的分量数据；B4、将每组波形采样数据在各个频带内的分量数据作为时频矩阵的行来重构时频矩阵，每组波形采样数据对应一个重构时频矩阵。进一步的，所述步骤C中的累积贡献率根据公式计算，其中，λ为某组奇异值中的元素，n为该组奇异值的总个数。进一步的，所述步骤D中对特征向量矩阵X进行归一化处理得到特征向量矩阵X′的具体过程为：D1、将每个特征向量矩阵X拆分为4个分块矩阵Xg(g＝1,2,3,4)，分别对应三相电压、三相电流、零序电流和零序电压的奇异值部分，对Xg采用利用如下公式进行归一化：其中，xi'为分块矩阵Xg的归一化矩阵Xg'中的元素，xi为分块矩阵Xg中的元素，为分块矩阵Xg中值最小的元素，为分块矩阵Xg中值最大的元素，m为分块矩阵Xg中元素的个数；D2、将4个归一化后的分块矩阵Xg'合并即可得到特征向量矩阵X′。进一步的，所述步骤E包括以下步骤：E1、将部分特征向量矩阵X′作为训练样本输入多级支持向量机，多级向量机根据这些训练样本进行训练；E2、将另一部分特征向量矩阵X′作为测试样本输入多级支持向量机，多级向量机根据这些测试样本对配电网故障类型进行识别。进一步的，所述多级支持向量机包括第一至第三支持向量机，第一支持向量机根据所述测试样本进行故障类型识别，第二支持向量机根据第一支持向量机的输出结果及所述测试样本进行故障类型识别，第三支持向量机根据第二支持向量机的输出结果及所述测试样本进行故障类型识别。本发明还通过以下技术方案实现：一种配电网馈线故障类型识别装置，包括：数据获取模块：用于在配电网发生故障后，获取母线三相电压、零序电压、故障馈线的三相电流和零序电流在故障前一个周期和故障后两个周期的波形采样数据；时频矩阵重构模块：用于分别对步骤A获取的各组波形采样数据进行希尔伯特-黄变换及带通滤波后重构时频矩阵，每组波形采样数据可重构一个时频矩阵的模块；特征向量矩阵构建模块：用于分别对每个时频矩阵进行奇异值分解得到一组奇异值，根据奇异值的累积贡献率选取每组奇异值中的前s个奇异值作为主奇异值，各个时频矩阵对应的主奇异值组成特征向量矩阵X；特征向量矩阵归一化处理模块：用于对特征向量矩阵X进行归一化处理得到元素值在[0,1]的特征向量矩阵X′，特征向量矩阵X′作为多级支持向量机的训练样本和测试样本；故障类型识别模块：用于多级支持向量机根据训练样本进行训练后，再根据测试样本识别配电网馈线故障类型。进一步的，所述时频矩阵重构模块包括：分别将各组波形采样数据进行经验模态分解，每组波形采样数据均得到多个IMF分量的模块；对各个IMF分量做希尔伯特变换，得到希尔伯特能量谱图的模块；根据希尔伯特能量谱图进行带通滤波，将每个IMF分量分解到等间隔的频带上，并将每个频带内的所有IMF分解分量叠加，得到各组波形采样数据在各个频带内的分量数据的模块；将每组波形采样数据在各个频带内的分量数据作为时频矩阵的行来重构时频矩阵，每组波形采样数据对应一个重构时频矩阵的模块。本发明具有如下有益效果：1、本发明结合HHT带通滤波和奇异值分解的方法，可以有效提取出体现故障信号时频变化特征的主要特征量，其可以表征故障信号的固有模式占比，并且对于不同故障类型呈现出较大差异性。2、本发明的多级向量机分类性能良好，逻辑清晰，简单明了，能够较准确地识别单相接地、两相接地、两相短路、三相短路等四类配电网故障类型。3、本发明的配电网故障类型识别方法具有较强的适应能力，在噪声干扰等因素的影响下，仍具有良好的故障类型识别正确率。附图说明下面结合附图对本发明做进一步详细说明。图1为本发明的流程图。图2为本发明实施例中所应用的10kV配电网模型。具体实施方式如图1所示，本发明的配电网馈线故障类型识别方法，包括如下步骤：A、配电网发生故障后，获取母线三相电压、零序电压、故障馈线的三相电流和零序电流在故障前一个周期和故障后两个周期的波形采样数据，共八组波形采样数据；B、分别对步骤A获取的各组波形采样数据依次进行希尔伯特-黄变换及带通滤波处理，并根据带通滤波后的数据重构时频矩阵，每组波形采样数据可重构一个时频矩阵，本步骤具体包括如下步骤：B1、分别将各组波形采样数据进行经验模态分解，每组波形采样数据均得到多个IMF分量，具体为：(1)设第j组波形采样数据序列为X(t)，找出X(t)的所有极大值和极小值后，将这些极大值和极小值利用三次样条函数分别拟合为X(t)的上、下包络线，并以上、下包络线的均值为平均包络线m10(t)，根据公式h10(t)＝X(t)-m10(t)得到X(t)去掉低频成分的新序列h10(t)，对获得的新序列重复上述获得去掉低频的新序列的过程，当第a次重复获得的新序列h1a(t)的平均包络线m1a(t)趋近于零时，h1a(t)即为X(t)的第一个IMF分量c1(t)；(2)根据公式r1(t)＝X(t)-c1(t)得到X(t)去掉高频成分的新序列r1(t)，对r1(t)重复(1)中获得新序列的过程，得到X(t)的第二个IMF分量c2(t)；(3)重复(2)的过程，可得到X(t)的第b个IMF分量cb(t)，直到序列rd(t)的平均包络线趋近于零，此时X(t)与各个IMF分量的关系为：X(t)=Σb=1ncb(t)+rd(t);]]>(4)重复(1)-(3)的步骤，得到各组波形数据的各个IMF分量。B2、对各个IMF分量做希尔伯特变换，得到二维希尔伯特能量谱图，具体为：设c(t)为任一个IMF分量，对其做希尔伯特变换：H[c(t)]=c(t)*1πt=∫-∞∞c(t-τ)πτdτ,]]>求c(t)的解析信号：z(t)＝c(t)+jH[c(t)]，c(t)可以表示成：c(t)＝a(t)cosΦ(t)，其中，c(t)的幅值函数a(t)为：a(t)=c2(t)+H2[c(t)],]]>c(t)的相位函数Φ(t)为：Φ(t)＝arctan(H[c(t)]/c(t))，可计算出c(t)的瞬时频率：f(t)=12πddtΦ(t),]]>可获得各IMF分量的希尔伯特能量谱图为：H[fg(t),t]=ReΣb=1nab(t)ej2π∫fkgdt;]]>B3、根据希尔伯特能量谱图进行带通滤波，将每个IMF分量分解到等间隔的频带上，并将每个频带内的所有IMF分解分量叠加，得到各组波形采样数据在各个频带内的分量，具体为：(1)以频带宽度Δf＝300Hz对希尔伯特能量谱图中的瞬时频率进行等间隔区域划分，则第i个间隔区域的频率范围为[300(i-1),300i],将所有IMF分量在该频率范围外的瞬时能量点的灰度值置为零，在该频率范围内的瞬时能量点灰度值保持不变，即可得到所有IMF分量在该频率范围内的成分；(2)将每个频率范围内的所有IMF分量叠加，即可得到各组采样波形数据在各个频率范围内的分量数据；B4、将每组波形采样数据在各个频带内的分量数据作为时频矩阵的行来重构时频矩阵，每组波形采样数据对应一个重构时频矩阵，在本实施例中，划分e个频带，每个频带带宽为300Hz，带通滤波后，每组波形采样数据可得到e个频带的波形，各组波形采样数据的采样点数均为f，对于某一组波形采样数据，各个频带波形的数据点为aij(i＝1,2,...,e,j＝1,2,...,f)，形成的时频矩阵为A=a11a12Λa1fa21a22Na2fΛΛOΛae1ae2Λaef,]]>其中，时频矩阵A的行为波形采样数据经HHT带通滤波后各个频带内的重构波形数据，列表示波形采样数据的采样时刻；C、分别对每个时频矩阵进行奇异值分解得到一组奇异值，其中非零奇异值的个数代表故障波形的频谱特性，根据奇异值的累积贡献率选取每组奇异值中的前s个奇异值作为主奇异值，各个时频矩阵对应的主奇异值组成特征向量矩阵X，其中，累积贡献率根据公式计算，其中，λ为某组奇异值中的元素，n为该组奇异值的总个数；D、对特征向量矩阵X进行归一化处理得到元素值在[0,1]的特征向量矩阵X′，特征向量矩阵X′作为多级支持向量机的训练样本和测试样本，归一化的处理过程为：D1、将每个特征向量矩阵X拆分为4个分块矩阵Xg(g＝1,2,3,4)，分别对应三相电压、三相电流、零序电流和零序电压的奇异值部分，对Xg采用利用如下公式进行归一化：其中，xi'为分块矩阵Xg的归一化矩阵Xg'中的元素，xi为分块矩阵Xg中的元素，为分块矩阵Xg中值最小的元素，为分块矩阵Xg中值最大的元素，m为分块矩阵Xg中元素的个数；D2、将4个归一化后的分块矩阵Xg'合并即可得到特征向量矩阵X′；E、多级支持向量机根据训练样本进行训练后，再根据测试样本识别配电网馈线故障类型，具体包括：E1、将部分特征向量矩阵X′作为训练样本输入多级支持向量机，多级向量机根据这些训练样本进行训练；E2、将另一部分特征向量矩阵X′作为测试样本输入多级支持向量机，多级向量机根据这些测试样本对配电网故障类型进行识别。多级支持向量机包括第一至第三支持向量机，第一支持向量机根据所述测试样本进行故障类型识别，第一支持向量机可区分两类故障，其输出结果为1时代表单相接地故障，输出结果为-1时代表两相接地故障、两相短路故障或者三相短路故障，当第一支持向量机输出结果为-1时，第二支持向量机根据第一支持向量机的输出结果及所述测试样本，根据是否接地这一特征，设计为可区分两相接地故障和不接地故障(即短路故障)，其输出结果为1时代表两相接地故障，输出结果为-1时代表两相短路故障或者三相短路故障，当第二支持向量机输出结果为-1时，第三支持向量机根据第二支持向量机的输出结果及所述测试样本，根据两相短路故障和三相短路故障的电气量对称性，设计为可区分两相短路故障和三相短路故障。如图2所示，本发明利用PSCAD/EMTDC软件搭建10kV配电网模型用于获取训练样本和测试样本，测试结果表明，该方法对配电网故障类型的识别正确率较高，且在噪声干扰、采样不同步、系统网络结构、负荷电流变化和系统中性点经消弧线圈接地等情况下有较好的适应性，在此基础上进行四种故障类型的模拟实验，并采集母线三相电压与零序电压、故障馈线三相电流与零序电流等8个故障波形。在配电网线路模型中，包括110kV/10kV变压器1和位于变压器10kV一侧的中性点不接地系统，系统阻抗为0.2Ω，其中，中性点不接地系统包括第一馈线线路2、第二馈线线路3、第三馈线线路4、第四馈线线路5、第五馈线线路6和第六馈线线路7，第一馈线线路2包括4km的架空线路21、3km的电缆线路22和7km的电缆线路23，第二馈线线路3包括4km的电缆线路31，第三馈线线路4包括10km的架空线路和6km的电缆线路，第四馈线线路5包括2km的电缆线路51和8km的架空线路52，第五馈线线路6包括4km的架空线路61和3km的电缆线路62，第六馈线线路7包括1km的电缆线路71、7km的架空线路72和5km的架空线路73，第一至第六馈线线路所接负载相同，其中，电缆线路正序参数为：R1＝0.27Ω/km，C1＝0.339μF/km，L1＝0.255mH/km，电缆线路零序参数为：R0＝2.7Ω/km，C0＝0.28μF/km，L0＝1.019mH/km，架空线路正序参数为：R1＝0.125Ω/km，C1＝0.0096μF/km，L1＝1.3mH/km，架空线路零序参数为：R0＝0.275Ω/km，C0＝0.0054μF/km，L0＝4.6mH/km。综合考虑故障点、故障初相角、故障电阻、故障相别等因素，选择并提取支持向量机的训练样本，具体条件为：故障点为F2～F7；故障初相角为15°、30°、60°、75°；故障电阻为0Ω、0.5Ω、5Ω、50Ω、200Ω；故障相别全部考虑，总共提取924个样本用于训练多级支持向量机，测试样本同样考虑上述4个因素，具体条件和测试结果如表1所示。表1各测试样本和测试结果通过以下测试结果来检验所提出识别方法的适应性：(1)在信噪比为20dB的高斯白噪声干扰下，取与表1相同的测试样本，测试结果如表2所示，识别结果与表1相近，其中三相短路故障的识别正确率略有提高，表2的测试结果说明HHT带通滤波可以有效地滤除高频杂讯的干扰。表2噪声干扰下的测试结果(2)考虑到故障电压和故障电流波形之间可能出现采样不同步的情况。设定三相电流、零序电流的采样时刻滞后三相电压和零序电压0.0001s，测试样本的其它条件与表1相同的情况下，识别结果如表3所示。表3信号采样不同步下的测试结果故障类型测试样本数识别正确率单相接地384100％两相接地28898.26％两相短路28899.65％三相短路9677.08％总计105697.35％(3)通过三种措施改变系统网络结构：删减L6、删减L5和L6、增加一条5km的架空线L7(故障点设在线路末端)，故障点选取网络结构改变后L4～L7中所有剩余的故障点，其余条件同表1，进行仿真和测试，测试结果如表4所示。表4系统网络结构变化的测试结果网络结构变化情况测试样本数识别正确率删减L6(减少4个故障点)52898.48％删减L5和L6(减少6个故障点)26497.35％增加5km的架空线L7(增加1个故障点)118897.56％(4)在L4馈线负荷电流有效值分别为65A、150A、300A情况下，故障点设为F8，测试样本其它条件与表1相同，识别结果如表5所示。表5负荷电流变化下的测试结果(5)将系统的接地方式改为经消弧线圈接地，消弧线圈的电感值取1.5H，为过补偿方式。尽管消弧线圈会对单相接地故障的零序电流产生抑制作用，但消弧线圈电感值较大，动态响应速度慢，对故障后的零序电流暂态分量抑制作用小，因此仍可做出准确识别，测试样本取自故障点F8、F10、F12，其余条件同表1，识别结果如表6所示。表6中性点经消弧线圈接地下的测试结果故障点测试样本数识别正确率F813297.73％F10132100％F1213299.24％总计39698.99％以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。当前第1页1 2 3