锡林郭勒电业局锡林浩特供电分局 郑世平
为了提高单相接地故障检测精准度和检测时间滞后问题,本文选取GPNMF算法作为研究工具,根据配电网作业原理,针对配变终端故障问题展开探究。通过构建监测模型,对配电网终端作业状态进行实时监测,利用GPNMF模型,完成单相接地故障检测。仿真测试结果显示,本检测方案能够有效改善以往检测模型的精准度和时间滞后问题,可以推广应用。
配电网作为电力系统的核心结构,负责与客户建立交互连接,直接为客户提供所需服务。所以,配电网的作业状态在一定程度上决定了电力单位服务质量。由于我国配电网技术水平不是很高,作业期间受多项因素影响会发生故障。单相接地故障是一种比较常见的配电网作业故障,检测难度较大。目前大部分检测方法的检测误差较大,检测滞后问题较为显著。本文尝试引入GPNMF算法,提出新的故障检测方案研究。
本研究在NMF算法基础上,提出一种非负矩阵分解算法GPNMF(generalized projection non-negative matrix factorization)应用研究,利用此算法构建配电网作业实时监控模型。根据配电网作业原理和结构组成,构建以下监控模型:
本模型监控统计量的计算,采用PCA(principal component analysis)检测方法分解空间。其中,统计量包括SPE、T2,前者指的是监控模型与配电网系统当前运行状况的差距描述参数,后者指的是前a个主元变量发生的波动情况。经过归一化处理后的统计量分别为TG2和SPEG,利用这些新的变量来统计空间变化情况,包括残余子空间和特征子空间。以下为新的统计变量计算公式:
以上为监控统计量的定义,利用定义公式计算数值。按照设定的限定范围,有效控制故障检测范围,从而准确判断单相接地故障状况。本研究采用核密度计算方法,分别计算和SPEG对应的控制限。其中,置信区间为99%。
(1)设置故障监测变量,构建GPNMF模型,利用该模型对数据采取训练处理,得到样本矩阵X,经过归一化处理,得到故障检测数据支撑。
(2)选取累计贡献率计算方法,计算模型中各项系数数值。其中,系数k的数值需要根据实际情况确定。
(3)对GPNMF算法采取初始化处理,生成系数矩阵及初始值。
(4)采用样本训练处理方法,通过运行GPNMF算法,完成样本训练。此操作过程矩阵X拆分为多个模块,生成对应的系数矩阵,记为H。
(5)运用公式(3),计算训练样本数值TG2,运用公式(4),计算训练样本数值SPEG。
(6)探究样本TG2和SPEG分布情况。该环节使用的方法为KDE法,以置信区间99%作为分布条件,分别计算两种样本的控制限,记为和SPEGθ。
(1)采取归一化处理方法,对样本矩阵进行检测,将处理后的样本数据带入公式(2)中,计算得到新的矩阵。
为了对本文提出的单相接地故障检测方法可靠性进行验证,本研究通过搭建仿真测试环境,在此环境内对T2和SPE数值进行测试,对比归一化处理前后数值变化情况。其中,仿真环境的搭建在MATLAB软件中完成,按照配电网结构搭建仿真系统模型。
本次测试中,根据监测模型变量设置情况,选择故障线路零序电流、每一条输电线路的三相电流、次级测三相电流与电压等作为测试变量。本次仿真测试耗时1s,设置单相接地故障发生时间为0.8s,利用50μs采集样本数据。
关于测试数据样本,在仿真期间收集数据样本为20000个,假设故障数据4000个,其余数据均显示配电网作业正常。按照时间段不同,将样本数据拆分为两部分。其中,0~0.25s时间间隔数据为一组,建立训练集,0.75~1s时间间隔数据为一组,建立测试集,每组样本数据均为5000个,从第1001个样本数据开始出现单相接地故障。将两组集合中的样本数据输入GPNMF模型中进行检测。
按照本文提出的仿真测试方案,分别对数值T2和SPE进行统计,结果如图1和图2所示。
图1 监控统计量T 2仿真测试结果
图2 监控统计计量SPE仿真测试结果
图1中T2数值统计结果显示,故障检测存在滞后情况,完全检测到故障样本数据滞后时间为0.025s。由于滞后时间非常短,可以忽略不计。所以,本检测方案能够有效检测出单相接地故障,符合配电网作业状态检测需求。
图2中SPE检测结果显示,单相故障检测时间不存在滞后现象,并且数据分布状况存在较为明显的规律,自1500个样本后,SPE检测结果变化规律逐渐趋于稳定,与限定阈值相差较大,能够为用户展示较为清晰的接地故障检测结果。
总结:本文围绕配电网故障检测问题展开探究,选取比较常见的单相接地故障问题作为主要研究内容,引入GPNMF算法,构建配电网作业状态监测模型,利用该模型检测故障。本检测方法的应用仿真测试结果显示,T2统计量检测结果虽然产生了0.025s滞后时间,但是在允许范围之内,SPE统计量检测精准度较高,并且不存在滞后问题。