不停电作业下中低压配电网接地故障自动诊断研究

张磊

(陕西工业职业技术学院, 信息工程学院， 陕西, 咸阳 712000)

0 引言

电力系统配电网中心点接地系统主要包括大电流接地系统以及小电流接地系统2部分，接地主要方式为经消弧线圈接地、中性点不接地和经高阻抗接地。中低压配电网接地系统发生单相接地故障时，输出的电流信号极为微弱，且故障电弧存在较高不确定性[1-2]，据此进行配电网接地故障的精准诊断是电力系统领域研究的重要方向。

近年来，国内外学者针对配电网接地故障诊断与定位进行大量研究[3]。齐郑等[4]研究基于匹配追踪的配电网单相接地故障定位方法，将单相接地电流暂态信号利用原子稀疏分解匹配追踪算法分解，实现小电流接地系统配电网单相接地故障定位，该方法提取暂态信号成分具有较高的精准性；上官鑫等[5]研究基于暂态电压Pearson相关性的MMC多端柔性直流配电网单极接地故障保护方案，将电压变化率作为直流配电网单极接地故障的判断依据，即便在较多的噪声信号或故障距离较远情况下均可实现故障有效检测。基于以上方法的研究思路，本文研究不停电作业下中低压配电网接地故障自动诊断方法，该方法在不停电作业下可自动诊断中低压配电网接地故障，可以提升中低压配电网运行安全性。

1 不停电作业下中低压配电网接地故障自动诊断方法

1.1 中低压配电网单相接地故障零序网络

不停电作业下中低压配电网中性点接地系统存在故障情况时，破坏三相对地通路对称性，导致中性点电压存在偏移[6]。用O端与K1分别表示变电站母线侧以及进线开关，K2表示联络开关，联络开关与变电站其他母线的线路相连。中低压配电网不停电作业时，开关K1与开关K2分别为闭合状态以及断开状态，即中低压配电网以环网接线状态的开环运行方式工作。单相接地故障发生于F点时，即将3倍接地电阻串联支路与零序电压源叠加于故障点处，此时故障点F的零序电压如式(1)：

(1)

中低压配电网接地线路上存在较小阻抗，配电网零序电压可视为近似相同，线路对地电容电流可组成线路上零序电流[7]，可得对地电容电流如下：

(2)

当开关K2与K1分别为闭合以及断开状态时，此时由其他电源利用开关K1为整条线路供电，设A相接地故障发生于点F处[9]，可得故障后接地电流公式如下：

(3)

由线路对地电容组成零序网络时，将零序电流参考方向作为变电站A指向线路末端负荷方向，可得其他线路零序电流方向与线路K1F上零序电流为相反方向。故障时零序电压受分段开关状态影响，故障点前后线路上零序电流相位关系不受分段开关状态影响。

1.2 小波神经网络故障定位

1.2.1 小波神经网络

小波神经网络是基于小波原理构建的神经网络模型，小波神经网络可有效体现小波变换的时域与频域良好的特点，同时具有神经网络的自学习以及高度映射能力。在小波特征空间内搜寻最优小波基(小波神经网络本质)，将传统神经网络隐含层激励函数利用非线性小波基函数所替代，是小波神经网络的核心[10]。wi与wj分别表示第i=1,2,…,I个隐含层函数权值以及第j=1,2,…,H个输入层权值，Ψ(x)表示隐含层激励函数(即小波函数)，f(x)表示输出层的激励函数，如式(4)：

(4)

式中，a表示伸缩因子，b表示平移因子，X表示输入层信号。

将所提取的中低压配电网接地零序电流特征量作为小波神经网络的输入，选取小波基函数作为小波神经网络的激励函数，输出层接收隐含层输出，通过输出层实现结果输出。小波神经网络训练过程中需随机初始化设置各层权值，小波神经网络训练过程如下。

(1) 将通过rand()函数随机形成的[-1,+1]区间内随机数值作为初始值。

(2) 根据最小二乘法，设第n个模式(期望输出di)的误差E：

(5)

(3) 利用梯度法进行仅值优化，则有：

(6)

(4) 为解决小波神经网络存在收敛速度慢且易陷入局部极小的问题，引入动量因子[11]η∈(0,1)，则t+1时刻权值为

wj(t+1)=wj(t)+αΔwj(t)-η∂E/∂wj

wi(t+1)=wi(t)+αΔwi(t)-η∂E/∂wi

(7)

式中，α为学习步长，保持α为正。

(5) 阈值调整为

l(t+1)=l(t)+αΔbl(t)-η∂E/∂l

(8)

通过以上过程获取小波神经网络各层权值及阈值，通过初始化网络、分类样本、输出预测结果以及修正权值实现小波神经网络训练。

1.2.2 接地故障自动诊断

采用小波神经网络实现不停电作业下中低压配电网接地故障自动诊断的流程图如图1所示。通过图1可知，首先需预处理所获取的样本数据，将完成预处理的中低压配电网接地零序电流特征量数据输入小波神经网络中，训练小波神经网络直至网络收敛，将完成训练的小波神经网络作为故障模式集，保存小波神经网络各层权值，利用所保存小波神经网络各层权值实现中低压配电网接地故障的重复性的自动诊断。

图1 接地故障自动诊断流程图

2 实例分析

选取MATLAB软件搭建不停电作业的10 kV中性点不接地配电系统，所搭建配电网模拟结构图如图2所示。模拟电路中包含2条非故障线路以及1条故障线路，非故障线路长度分别为230 km以及210 km，故障线路中包含支路数量为7。故障线路末端利用联络开关与其余电源相连，其后连接线路总长度为150 km。采用Simulink内分布式线路的标准参数作为线路零序分布参数。

图2 实验模拟电路图

图2中虚线部分为电导部分，可以确定传输电流能力强弱程度，随机选取1 000组数据作为小波神经网络训练集数据，200条数据作为测试数据集。设置故障初相角为0～π、间隔0.02π，接地电阻为0～1 000 Ω、间隔10 Ω，采样频率为20 kHz，电容电流为20 A，此时对地电容之和为10.5 μF，负荷为3 MW，功率因数为0.9，伸缩因子和平移因子取值范围为[0,1]，学习步长为2，动量因子为0.5，误差界值为0.001，小波神经网络迭代次数为1 000。

选取匹配追踪方法(文献[4])与暂态电压方法(文献[5])作为对比方法，采用3种方法诊断配电网接地故障在不同训练步数情况下的输出误差结果如图3所示。

图3 输出误差对比

从图3的实验结果可以看出，采用本文方法诊断不停电作业下中低压配电网接地故障，不同训练步数下的输出误差均低于其他2种方法，有效验证采用本文方法诊断不停电作业下中低压配电网接地故障具有较高的有效性。具体原因是本文方法采用小波神经网络方法诊断中低压配电网接地故障，通过调节权值和阈值使小波神经网络模型输出精度较高，可有效提升接地故障诊断精度。

为了提高模拟数据的准确度，选取5个测试点，并命名为测试点1到测试点5，利用MATLAB软件获取模拟配电网故障诊断结果如表1所示。

从表1实验结果可以看出，采用本文方法可实现故障点精准定位，获取不同开关状态下的故障定位结果，依据测试点的零序电流相对相位实现故障的自动诊断。

表1 模拟数据结果

统计模拟配电网不同过渡电阻情况下零序电流变化量，并依据零序电流变化量判断配电网是否存在接地故障情况，诊断具体情况如图4所示。从图4实验结果可以看出，采用本文方法可依据零序电流变化量实现配电网接地故障自动诊断，具有较高的配电网接地故障诊断有效性。非故障线路情况下，零序电压不变，故障线路零序电流基本无变化；故障情况下零序电流变化量变化明显，依据零序电流变化情况可实现中低压配电网接地故障的诊断。

图4 接地故障诊断

统计不同测量距离情况下3种方法自动诊断配电网接地故障诊断精度，对比结果如图5所示。

图5 诊断精度对比

从图5实验结果可以看出，采用本文方法诊断不同测量距离情况下的接地故障诊断精度明显高于其他2种方法。采用本文方法诊断不同测量距离情况下的接地故障诊断精度均高于99%；采用匹配追踪方法与暂态电压方法诊断不同测量距离情况下的诊断精度均低于98.5%。实验结果说明本文方法可精准诊断不同测量距离情况下配电网接地故障。

统计采用3种方法检测该配电网运行400 min的故障检测漏检率和误检率如图6、图7所示。

图6 漏检率对比

图7 误检率对比

从图6、图7实验结果可以看出，采用本文方法检测配电网接地故障漏检率与误检率明显低于其他2种方法，说明采用本文方法诊断不停电作业下中低压配电网接地故障的诊断有效性明显高于另2种方法，再次验证本文方法具有较高的配电网接地故障诊断有效性。

统计不同诊断数量下采用3种方法检测配电网接地故障的平均诊断时间，对比结果如图8所示。

图8 平均诊断时间对比

从图8实验结果可以看出，本文方法在不同诊断数量情况下的平均诊断时间均低于200 ms，另2种方法的平均诊断时间均高于300 ms，实验结果说明本文方法不仅具有较高的配电网接地故障诊断精度，并且诊断实时性较高，可应用于不停电作业下中低压配电网接地故障自动诊断中。

3 总结

中低压配电网接地故障自动诊断对于提升电力系统供电可靠性具有重要意义，因此将小波神经网络应用于配电网接地故障诊断中，并通过实例分析验证，采用此研究方法诊断不停电作业下中低压配电网接地故障具有较高的时效性，可应用于实际中低压配电网接地故障自动诊断中。所研究方法可获取真实有效的故障信息，该信息可以作为配电网故障诊断领域的重要依据，具有较高的实际应用性。