基于MEEMD 的配电网故障选线方法研究

阚 哲，杨 凡，韩景宇，孙 震，吴东旭

（1.辽宁石油化工大学 信息与控制工程学院，辽宁 抚顺 113001；2.中国石油管道有限责任公司 西气东输分公司，上海 200122；3.国网山东电力公司 东阿县供电公司，山东 聊城 252200；4.中国石油化工集团公司 巴陵分公司，湖南 岳阳 414000；5.国网吉林电力公司 白城市供电公司，吉林 白城 137000）

由于厂网分离和对清洁能源发电的大力提倡，如今清洁能源作为分布式电源(Distributed Generation,DG)并网越来越常见。将清洁能源以分布式电源的方式接入配电网，不仅消纳了大规模的清洁能源，同时也提高了清洁能源在电力行业所占的比重。但是，清洁能源发电接入配电网，导致配电网拓扑结构复杂。当故障发生时，传统的选线定位方式会出现一些无法避免的问题，这将会造成由于检修不及时带来的经济损失。为保证供配电安全，需要提出更好的方法策略对故障进行选线定位。暂态故障特征可以用小波变换提取，再根据提取的故障特征定位[1]。但是，这种方法对基波要求严格，计算量大且复杂。经验模态分解（EMD）同样应用于故障定位，非平稳信号可以用经验模态分解处理，并且这种方法不需要基波，有非常好的自适应性[2‐6]。但是，这种方法有较为严重的模态混淆。因此，Z.H.Wu 等[7]在经验模态分解的基础上提出了集合经验模态分解方法（EEMD）。这种方法具有良好的自适应性，是经验模态分解的优化，通过加入白噪声的方式降低了模态混淆，使得到的分量信号特性更接近原始信号。但是，该方法受到加入的白噪声影响严重，若加入的白噪声不合适，将无法得到预期的分解信号。与EMD 和EEMD 相比[8‐10]，改进的集合经验模态分解算法（Modified Ensemble Empirical Mode Decomposition，MEEMD）更 简单[11‐13]，不受参数影响，使分解出来的信号特性更加接近原信号，鲁棒性更好。

1 DG接入对配网故障选线的影响

1.1 DG 接入对母线的影响

DG 接 入 母 线 如 图1 所 示。图1 中，S 为 输 入 电源；L 1 为配电线路1；L 2 为配电线路2；1、2、3、4、5 均为开关，其中5 为DG 接入开关；F i 为故障点。当DG 接入母线时，若F1 或F2 发生接地故障，在电源向故障点提供故障电流的同时，故障点也会收到来自DG 的故障电流。因此，故障点的电流应该是输入电源和DG 提供的电流之和，方向由母线指向馈线。这种情况不会影响馈线终端装置(Feeder Terminal Unit‐FUT)上传故障信息，所以在故障发生时DG 不需要脱离电网。

图1 DG 接入母线

1.2 DG 接入对馈线的影响

DG 接入馈线如图2 所示。当开关1 和开关2 之间发生故障时，输入电源将向F1 提供故障电流，DG提供的故障电流也将通过开关4、3 和开关1 流向故障点，虽然输入电源对母线的稳压能力强，但DG 仍会向临线提供较小的故障电流。在这个过程中，开关1 流经的故障电流增大，有利于FTU 设备上报故障信息，开关3、4 将流过反向故障电流，造成开关3、4 故障误报，开关2、5、6 无故障电流流过，因此DG产生的故障电流对这些开关没有影响。

图2 DG 接入馈线

当开关3、4 之间发生故障时，该情况临线不受DG 接入的影响。当这种情况发生时，输入电源提供的故障电流通过开关3 流向F2 故障点，DG 提供故障电流通过开关7 和开关4 流向F2。此时，开关4流过反向故障电流，增加了开关4 误报的可能性。

当线路L 3 上的开关4 或者开关5 和DG 接入点之间发生故障时，临线L 1、L 2 不受DG 影响。此时，输入电源提供的故障电流将通过开关3、4 流向故障点，DG 提供的故障电流也会通过开关7 流向故障点。由于故障点为故障电流的终止点，因此所有开关均不受DG 接入影响。

当故障发生点在开关5 和开关6 之间时，临线L 1、L 2 不受DG 的影响。此时，DG 提供的故障电流将通过开关7 和开关5 流向故障点，输入电源提供的故障电流将通过开关3、4 和开关5 流向故障点。输入电源和DG 电流之和为通过开关5 的故障电流，所提供的故障电流之和更有利于报告故障信息。

所以，当DG 接入的位置在馈线时，若故障点在这个位置的下游，对DG 的访问可能导致错误警报；故障点位于接入点上游或接入点与开关之间时不受DG 接入的影响。

1.3 并网对零序电流的影响

分布式电源接入会带入大量电力电子元件，并网后会使系统的零序电流特性发生改变，而零序电流作为故障定位的参考一旦发生改变会使故障定位变得困难。含DG 配电网单相接地故障如图3 所示。图3 中，T 为变压器；ZL1、ZL2为线路阻抗；ZDG为分布式电源接入阻抗。将图3 转化为网络图，含DG配电网接地故障网络如图4 所示。

图3 含DG 配电网单相接地故障

图4 含DG 配电网接地故障网络

由于除故障阻抗以外的其他阻抗正序分量和负序分量相等，所以根据网络图可得：

式中，US为系统电源电压；UDG为分布式电源电压；ZS为 系 统 阻 抗；ZL1和ZL2为 线 路 阻 抗；ZLD为 终 端 阻抗；ZDG为分布式电源接入阻抗；Zf为故障阻抗；iS为系统电源提供的电流；if为故障电流；iDG为分布式电源提供的故障电流。

当配电网发生接地故障时，DG 通常进行消负序电流处理，所以负序网络中没有DG。含DG 配电网接地故障负序网络如图5 所示。

图5 含DG 配电网接地故障负序网络

根据图5 求出等效阻抗为：

由于电力电子分布式电源中的逆变器没有零序通路，如光伏发电，所以零序网络中同样没有DG，含DG 配电网接地故障零序网络如图6 所示。

图6 含DG 配电网接地故障零序网络

根据图6 求出等效阻抗为：

且有

当接地故障时，故障点的三序电流相等，所以有：

为方便计算和分析，令：

且A>B，所以将式（6）、式（7）联立可得：

其中，由正序等效定则得：

由于不影响分析结果，这里不作带入。当DG接入配电网时式（8）将变成：

通过分析式(10)可以看出，在DG 接入的配电网中如果发生接地故障零序电流相比接入前增大，这将使故障选线变得更加困难。

通过以上对零序电流的分析，了解到零序电流会因为分布式电源的接入而发生变化。并且，由于分布式电源接入位置的不同导致线路故障位置发生变化。众多不确定因素将导致故障选线变得更加复杂，甚至会严重影响选线的准确性，从而带来严重的经济损失。所以，选用改进的经验模态分解进行故障选线，该方法不受其他因素影响，只需提供故障时的故障电流信号，便可以进行故障选线。

2 MEEMD 故障选线

通过以上分析，需要选用一个不受DG 影响的方法进行选线，改进的经验模态分解方法可以不受电流信号影响，因此采用改进的经验模态分解方法来选线。由于经验模态分解方法存在严重的模态混淆现象，集合经验模态分解方法和改进的集合经验模态分解方法通过加入白噪声的方式抑制模态混淆，但这两种方法受迭代次数的限制，同时在参数选择上较为严格，如果选择不当参数极有可能出现不满足IMF 分量的伪分量，因此提出了改进的经验模态分解方法。

2.1 MEEMD 算法

当故障发生时会得到一个非平稳信号，用排列熵算法对信号进行处理。在这个基础之上提出了MEEMD 算法。MEEMD 的具体步骤为：

步骤1 对原始信号加一个正的白噪声和一个负的白噪声，即：

式中，ai为添加白噪声的幅值。

步骤2 分别将两个信号EMD 分解，得到一阶基本模式分量（Intrinsic mode function‐ IMF）序列。集成后分量为：

式中，Ne 为所添加白噪声的对数；I 为分量序列。

步骤3 检查I1(t)是否为异常信号，若异常，则重复步骤1，若非异常，则继续进行。

步骤4 把分解出来的前p-1（p≥2）个分量信号从原信号中分离：

步骤5 用EMD 方法把残余信号r(t)分解，并按频率高低排列IMF。

MEEMD 在计算量上少于EEMD 和CEEMD，由于不用进行累加或者平均使得到的IMF 更有意义。MEEMD 同样也需要添加白噪声，但是对于所添加的白噪声的幅值和对数没有具体要求，需要根据实例反复调试。

2.2 MEEMD 选线

由上述可知，MEEMD 可以更好地分析处理一个未知的非平稳信号。首先使用MEEMD 将得到的信号分解成若干个IMF 分量，并将分解出来的IMF 分量按照频率由高到低排序，而频率越高的分量所包含的信息与原信号越接近。观察IMF1，若某线路IMF1 的极性与其他线路有明显的不同，那么就说明该线路极有可能发生故障；如果所有线路IMF1 特性都一样，则可以认为故障发生在其他位置。MEEMD 选线流程如图7 所示。

图7 MEEMD 选线流程

3 仿真分析

按照图2 在Simlink 中建立仿真模型。整个系统的频率选取50 Hz，采用10 kV 中性点接地的三相电源，接地阻抗30 Ω、电感0.869 7 H、电容1 F。母线接三条线路均为架空线，理论上在10 kV 的电力系统中，架空线的长度为6~20 km。为了使故障特性更加明显，人为加长架空线的长度，线路1 为130 km，线路2 为175 km，第三条线路接入分布式电源，接入的DG 为10 kV 三相电源，频率50 Hz。使线路3 的A 相在母线后1 km 处发生接地故障，开始时间为0.04 s，故障点距离负载端150 km。末端为功率1 000 kW、频率50 Hz、电压10 kV 的三相负载。仿真时间0.20 s。通过仿真得到各线路的电流和MEEMD 分解 如图8 所 示。

将三条线路的故障电流进行MEEMD 分解，将原始信号分解成6 个频率不等的分量(IMF1‐IMF6)和1 个残量RS7。IMF1 信号的特性与原信号最为相似，IMF2 信号次之。因此,通过分析IMF1 信号就可以判断对比原始信号的特性，IMF1 分量如图9所示。从图9 中的最高频率IMF1 信号分量可以看出，线路3 的波形与线路1、线路2 相反。在同一时刻，当线路1 和线路2 取值在峰值时，线路3 取值在谷值。为了检验正确性，在曲线上随机取点，三条线路IMF1 取值如表1 所示。其中，x 为曲线横坐标，y 为曲线纵坐标。从表1 可以看出，在同一x 值时，若线路1 和线路2 的纵坐标值为正数，则线路3的纵坐标值为负数，同样若线路1 和线路2 的纵坐标值为负数，则线路3 的纵坐标值为正数。线路3的IMF1 分量信号的取值与线路2 和线路1 相反，因此证明线路3 发生接地故障。

图8 故障电流及其MEEMD 分解

图9 电流IMF1 分量

表1 三条线路IMF1 取值

为了更直观地说明采用改进的经验模态分解方法进行选线的优势，将仿真结果中的正确率和文献[2]所采用的经验模态分解进行对比，MEEMD 和EMD 选线正确率如图10 所示。从图10 可以看出，应用改进的经验模态分解方法可以100%地找到故障线路，而采用经验模态分解方法仅有96%的概率找到故障线路。

图10 MEEMD 和EMD 选线正确率

利用改进的经验模态分解方法把故障电流的信号分解成6 个频率不同的信号分量和1 个残余分量，通过对比分析最高频率分量特性来判断原始信号特性，从而选出故障线路的方法实际可行。

4 结 论

通过建模分析了清洁能源并网后所产生的问题，利用MEEMD 方法处理配电网中未知的非平稳信号。通过采集故障电流信号，并进行MEEMD 分解后，得到信号最高频分量，利用高频分量进行故障线路判断。该方法不受分布式电源的影响，同时计算时间更快，准确率更高且鲁棒性更好。