基于小波分析的输电线路故障识别检测

汤同峰，王 峰，蔡德胜

（1.国网淮安供电公司，江苏淮安 223002；2.南京丰道电力科技有限公司，江苏南京 210032）

输电线路作为电力系统中的一个重要步骤，直接关系到供电公司与客户之间的关系。由于输电线路具有空间大、距离远、长期处于大风、暴雨、雷电等恶劣环境下，非常容易出现各种故障问题。尤其在近几年，人们对电力需求的快速增长，超高压输电线路也随之增多。在电力系统中，对电力系统进行故障诊断是确保电力系统正常运转的关键。因此，精准识别输电线路故障，对于电力系统安全使用具有重要作用。

有研究学者提出基于深度卷积神经网络的识别检测方法，通过使用滤波器锐化处理巡检图像，经过多尺度训练后，截取故障区域图像，进行输电线路故障识别检测[1]；还有学者提出基于空间电场探针的识别检测方法，利用镜像法分析线路附近电场分布情况，使用探针检测电场大小，实现输电线路故障识别检测[2]。但是由于输电线路故障中最常遇见的问题就是雷击故障，由于雷击产生的行波会在输电线路两端传播，而且会出现反射，造成高频干扰。上述两种方法都容易受到高频干扰信号的影响，从而降低检测精度。

为此，该文基于小波分析技术，对输电线路故障识别检测方法展开研究。

1 输电线路故障信号奇异性分析

在输电线路中出现故障的位置一定存在一种突变信号，并表现出奇异性。传统的检测技术主要是针对信号在某些地方存在非连续或奇异现象进行检测，仅能反映出其总体特征，无法判断其空间分布[3-4]。而使用小波分析方法能够检测出突变信号，并依据该信号奇异性特征分析信号时频变化情况。

当输电线路出现故障时，该部分的故障信号组成成分十分复杂。因此，通过如下公式来描述故障暂态信号：

式中，ω表示基础频率；μ表示高次频率；Re-λt表示衰减直流分量；λ表示奇异性指数；N表示计算次数；i表示计算衰减次数。

从等值原理角度来看，大多数电网均为感性负荷，从等值原理的角度来看，大多数电网都是感性负荷，故障电流的瞬时信号因为具有电感等能量而持续存在[5]。然而，在失效状态下故障信号是连续的，但在一定的导数下，它是断续的。因此，这种信号可以被视为一个奇异信号[6-8]。

从上述结果可以看出，经过小包变换的模极大值代表了信号波动最大范围，以此反映信号变化率，为输电线路故障识别检测提供数据支持。

2 输电线路故障识别检测

由于小波分析法能够在时频中反映出信号局部特征，所以使用小波基函数对故障信号解析与识别。

基于小波分析的输电线路故障识别检测流程，如图1 所示。

图1 输电线路故障识别检测流程

由图1 可知，在采集信号时，受外界和自身因素的影响，会产生一定的噪声干扰。

2.1 故障暂态信号的小波包能量计算

单纯地使用小波分析方法虽然能够对信号进行时频分析，但在高、低频方面，其频域分辨能力较差[9]。因此，通过使用小波包处理方法能够对时频区域的故障信号进行分类处理，使其在频域中的识别精度得到提高。该方法能够将被分析的频带按不同的特性进行多级分割，并能自适应地调节分析波形[10-11]。

小波包分解如图2 所示。

图2 小波包分解

由图2 可知，小波包变换后，每个小波系数的平方和可以代表该波段中的信号能量[12]。对于任意频率内的信号，小波变换后频带信号序列长度的能量可表示为：

式中，l表示频带信号长度；α(k)表示小波k次变换结果。

小波变换多分辨率分析是将取样信号的二进制频段分解成高频和低频，使其具有任意比例的细节[13]。

2.2 输电线路故障识别检测

由于雷击一般为单极性脉冲，其上升和下降的时间较短，是一种高频干扰。随着雷电流幅的增大，高频分量增加，部分能量变大[14]。短路故障中的高频成分最少，而低频含量最高，其主要由于短路时工作频率的增加，以及系统的工频分量为低频故障；而无故障雷击的高频分量也较高，但由于振幅小于故障雷击，所以其频率分量较低。

基于该原理，使用一个趋近于零的函数与故障暂态信号d(t)，可以把信号看成是一个小窗口，以便定量地描述窗口的位置和尺寸[15]。设函数z(t)为窗函数，故障暂态信号局部特性由该函数决定，因此，小波分析方法能够对输电线路的故障信号进行时能局部化处理[16]。

时间-能量平面上的小波窗函数如图3 所示。

图3 时间-能量平面上的小波窗函数

从图3 可以看出，针对该平面上的高频信号，由于时间域短，在小范围内时窗狭窄，方便对信号进行描述；针对该平面上的低频信号，其存在时间更长，而且在大范围内的时窗也更大。

图3 中，E1表示目标故障高频带能量，通过该能量可以构成区别不同故障过电流的有效识别判据。设两个分界值分别为E0、E2，当E1＜E0时，判定输电线路为单相接地故障；当E1＞E2时，判定输电线路为故障性雷击故障；当E0＜E1＜E2时，判定输电线路为非故障性雷击故障。

2.3 基于奇异性检测的冗余信号识别检测

信号冗余检测是一种用小波变换模极大值来表达的方法，设fd(t)为故障暂态信号d(t)小波变换的结果，在不同变换尺度下，针对小波变换模极大值发生的时间点的某一邻域，存在如下变换时间关系：

由式（4）可知，根据小波变换处理的模极大值能够判断信号是否为奇异性信号。其中，冗余信号变化特征随着模极大值变大，波动幅度随之变大；噪声信号变化特征随着模极大值变大，波动幅度随之变小；故障信号不因模极大值变化而发生改变。

3 实验分析

3.1 实验环境

该实验以郊区某110 kV 的高压输电线路为例，如图4 所示。

图4 输电线路示意图

图4 所示输电线路是将架空线改为敷设形式，电缆终端设置在电缆固定平台处。

3.2 实验数据

通常情况下，输电线路主要存在单相接地故障、故障性雷击故障和非故障性雷击故障三种故障形式，其中单相接地故障是因绝缘子被击穿所引起的；故障性雷击故障是由绝缘子闪络引起的；非故障性雷击故障是雷电干扰，因电力系统保护动作不正确行为引起的。根据实验输电线路历史数据来看，对于这三种故障形式，通过输电线路的实际电流波动范围如图5 所示。

图5 三种故障形式下输电线路实际电流波动范围

由图5 可知，实际情况下的单相接地故障的输出电流波动范围为-100～0 A；故障性雷击故障输出电流波动范围为-2 800～2 800 A；非故障性雷击故障输出电流波动范围为-300～1 400 A。

3.3 实验结果与分析

为了验证该文设计方法的有效性，将基于深度卷积神经网络的识别检测方法和基于空间电场探针的识别检测方法作为实验对比方法，与该文提出方法共同对比分析输电线路在不同故障情况下的输出电流。对比结果如图6 所示。

图6 三种方法不同故障情况下输出电流

由图6 可知，使用基于深度卷积神经网络检测方法与空间电场探针检测方法对输出电流进行检测的结果，与实际电流波动相差较大；而使用基于小波分析的检测方法单相接地故障的输出电流波动范围为-100～0 A；故障性雷击故障输出电流波动范围为-2 800～2 800 A；非故障性雷击故障输出电流波动范围为-300～1 400 A，与实际电流波动一致，说明该文方法可以大大提高线路故障识别准确率，识别检测精准度较高。

4 结束语

为了解决输电线路故障识别工作中容易受到高频干扰信号影响而导致的识别检测结果不精准的问题，提出了基于小波分析的输电线路故障识别检测。能够根据小波变换模极大值与尺度关系，识别冗余信号，避免检测结果受到高频干扰信号影响。并通过实验证明该文方法检测结果与实际电流波动范围一致，识别检测精准度较高。

但是对于非故障的电击率和短路电流的识别还有待完善，需要在接下来的研究中继续加以分析。