基于低频载波的10 kV线损异常原因带电诊断

韩 雪

（国网内蒙古东部电力有限公司信息通信分公司，内蒙古 呼和浩特 010010)

0 引 言

线损异常诊断相关研究已取得较大进展。采用接触或非接触的带电检测方式，通过特定装置，非连续性采集线路全量信息，包括功率、电流、电压、冻结电量等状态量，获得线损异常诊断支撑数据[1,2]。把数据输入设定的异常原因诊断模型，综合分析线路运行状态，及时上报异常事件[3,4]。由此，提出基于低频载波的10 kV线损异常原因带电诊断方法。

1 10 kV线损异常原因带电诊断方法设计

基于原始载波信号的功率谱，此时载波信号会出现窄带干扰的干扰峰，把干扰峰作为信号能量的突变，采用能量比法，查找载波信号功率谱在各干扰频率处的干扰峰[5,6]。计算t时刻载波信号总能量G(t)，计算公式为

设置1个固定宽度频带的频窗，逐点移动频窗，完成载波信号的能量比转换。统计载波信号在频窗内的能量，设干扰峰幅值为H，频率j处的能量比Ij计算公式为

式中：Gj(t)为t时刻频率j的信号总能量；J为频窗大小。逐点计算载波信号频域，判定能量比接近1的点为峰值点，其余点为普通点，引入局部峰点k，筛选峰值点中的干扰峰峰值点。计算局部峰点前后的微分系数，得到局部峰点满足公式

式中：Kk-1、Kk+1分别为点k前后的功率；Hk-1、Hk+1分别为点k前后的频率。在所有峰值点中挑选能够满足式（6）的局部峰点，根据点k的前后能量比Ik-、Ik+，计算局部能量比hk，计算公式为

由式（4），得到所有局部峰点的局部能量比。由于时域中的窄带干扰呈正弦波状，判定窄带干扰频率处的局部峰点hk值，要明显高于载波信号局部峰点hk值，设置局部能量比阈值l，计算公式为

式中：M、n分别为局部峰点的标准差和个数。去除峰值点局部能量比高于l的干扰峰，保留局部能量比较低的点，实现窄带干扰的滤波。至此完成10 kV线损低频载波信号噪声的抑制。

提取去噪后的低频载波信号特征，输入训练好的人工神经网络，输出10 kV线损异常原因。把载波信号小波包分解至各个频带，得到2b个特征信号。信号能量计算公式为

由式（7）可以看出，低频载波信号具有能量纲量。利用熵值Q，表示信号能量状态的稳定性，将各个频带的熵Q和局部能量Gn，作为10 kV线损特征序列，对特征向量进行归一化处理，不断调整层和层之间的权值矩阵，直至输出向量的预测值和实际值误差达到最小，把待诊断的10 kV线损特征向量输入神经网络，得到线损异常原因诊断结果。

至此，完成10 kV线损异常原因的诊断，实现基于低频载波的10 kV线损异常原因带电诊断方法设计。

2 算例分析

将此次设计方法，与基于智能控制终端的线损异常诊断方法、基于时序信息特征的线损异常诊断方法进行对比实验，比较3种方法的线损异常原因诊断的准确率、漏诊率、误诊率。

选择陕西省某地区电力公司10 kV配电网的真实历史数据为例，进行算例分析。将本文方法与其他2种方法进行对比，分别诊断10 kV配电网线损异常原因，统计3种方法的诊断结果。漏诊率与误诊率实验对比结果如图1，图2所示。

图1 诊断漏诊率实验对比结果

图2 诊断误诊率实验对比结果

由图1可知，设计方法平均诊断漏诊率为1.7%，另外2种方法平均诊断漏诊率为3.6%、4.7%，设计方法诊断漏诊率最低。

由图2可知，设计方法平均诊断误诊率为1.1%，另外2种方法平均诊断误诊率为2.9%、3.8%，设计方法诊断误诊率最低。

3 结 论

基于低频载波的10 kV线损异常原因带电诊断方法，诊断准确率较高、漏诊率和误诊率较低。