首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于多重分形谱的电力工程输电线路故障信号检测

基于多重分形谱的电力工程输电线路故障信号检测

2024-10-18 79 上传者：管理员

摘要：电力工程输电线路故障在多重干扰下，特征波形呈现多重叠加的图谱特征。导致以波形特征为基础的故障识别过程，存在误差较大且耗时较长的问题。设计一种基于多重分形谱的电力工程输电线路故障信号检测方法。通过信号结构元素度量，提取故障信号中的对应形态并进行小波分解。结合多重分形谱方法，获取故障信号特征，结合分析信号处理结果，提取电力信号的异常时刻，实现输电线路故障测距，确定故障发生位置。构建实验环节，实验结果证实，此方法的故障位置测距结果误差较小且耗时较短，可进一步缩短故障诊断维修时间。

关键词：
多重分形去趋势法
故障定位
故障检测
特征提取
电力工程
加入收藏

当前，我国能源市场与能源结构呈现逆向特征分布，这一特点导致能源工程项目逐渐呈现远距离、大规模的发展趋势。当前，电能供应与经济发展之间出现供应矛盾，使得电力工程输电规模进一步增加。自21世纪起，我国建设了大量灵活的适应新能源发展的现代化智能电网体系，并将其作为电网发展的主要方向[1-2]。在现有的智能电力系统保护技术中，输电线路故障定位与识别占据了较大的比重。但由于日常维护较为困难以及工作人员技术水平良莠不齐等原因，高质量电力设备随时都会出现故障。随着现代信号处理技术日趋精密化发展，输电线路故障的信号裙带反应将会造成严重的经济损失[3]。因此，需要研发出智能化的电力工程输电线路故障信号识别方法[4-5]。

在过往的研究中，部分专家学者提出了一系列电力工程输电线路故障位置识别方法。例如：文献[6]提出基于集成学习的HVDC输电线路雷击故障识别方法,分析不同故障情况下的暂态过程,利用小波包算法分解重构得到电压突变量的不同频段瞬时能量信号.然后计算各频段瞬时能量信号的波动指数组成雷击故障特征样本集。文献[7]提出基于多重分形谱的交流输电线路故障识别方法，通过对高压交流输电系统的区内,区外故障的仿真计算和分析，完成故障定位检测。但上述两种方法，在应用到复杂环境的过程中，故障信号特征出现叠加干扰，导致区分过程过于依赖其他设备，且分析结果容易出现误差。

为解决上述方法中存在的问题，在本次研究中提出了基于多重分形谱的电力工程输电线路故障位置识别方法。此方法将数学形态学作为核心技术，力求在提升定位精度的同时，降低操作难度，推动电力系统控制管理技术的发展。

1、故障信号的多重分形谱处理

在本文研究中应用多重分形谱的理论，对采集到的电力工程输电线路运行信号分量进行分析，排除故障信号的干扰。根据分形原理，将电网故障信号波形中每个点的分布概率设定为P(l)，并将整体信号划分成多个尺度为α的小区域，覆盖整个信号区域，则第i个小区域信号质量与频率之间的关系可表示为：

式中，β表示信号标度指数，使用体现信号中的差异度。根据此公式推导可知，β<1时，βmin对应分布概率最大区域；βmax对应分布概率最小区域。与此同时，存在β=βmax-βmin，通过此计算式可确定信号分布概率的不均匀性。如在分形处理过程中，存在区域为α的形态，若[β,β+o β]内测度[8]为pβ的信号数量为Nβ(α)，通过公式可表示为：

式中，f(β)表示具有相同β值信号形态区域的分形维数。电力工程输电线路故障信号作为一个复杂的分形体，其内部可划分为多个不同β的小区域，β值相同的子集具有相同的差异性，因此可根据式（1）与式（2）对采集到的信号进行分析。在上述原理的指导下，确定信号区域的标度指数δ，其与信号广义指数L之间的关系可表示为：

根据统计多重分形谱变换原理[9-10]，得到分解后的奇异指数与谱函数：

根据公式（4）对采集到的信号图谱进行时间序列分型处理，将其作为后续故障位置诊断的基础。

2、电力工程输电线路故障位置识别方法设计

在对信号完成分解后，将电力工程输电线路故障位置识别过程，设定如图1所示。

为满足故障定位的时效性，针对上一章节多重分形谱处理结果，从工程实用性的角度出发，构建故障诊断时间窗：

式中，{c(t1),c(t2),c(t3),…,c(tn)}表示信号采集结果c(t)固定时间窗的极大值序列。当输电线路出现故障时，电流行波具有显著的总体形态差异。根据此原理结合式（5）对输电线路故障进行识别。结合文中第一部分处理结果，采集到的不满足随机游走特性的时间序列{c'(ti),0<i<N}，构造信号均值变化累积离差阈值计算式：

式中，表示时间序列均值。将新序列按照预设尺寸进行划分，得到不重叠的阈值。

图1 电力工程输电线路故障位置识别过程

如果使用上述公式无法分解完全，则对其进行逆向分解。上述计算完成后，得到最终的故障诊断分形参数阈值，并使用其进行故障诊断。

3、输电线路故障位置方法设计

在上文获得故障信号阈值的基础上，完成输电线路故障位置识别工作。当输电线路出现故障时，信号采集设备会采集到大量的暂态信号，应用上文中设定的多重分形谱分析环节，对故障信号行波进行处理，并应用其完成故障测距定位。方法如下：

假设待检测母线为Z,S表示故障点，选定母线方向为正方向。母线起始点检测到的电压信号设定为UZ(t)；起始点检测到的电流信号设定为IZ(t)，对其进行变换处理会得到此电路的电压分量与电流分量UZ'(t)以及IZ'(t)，则此位置的反向电压行波可表示为：

式中，σ表示正序模分量的波阻抗。使用式（7）提取电力信号的异常时刻，从而确定故障距离。具体故障测距公式可表示为：

式中，ES表示故障点到起始点的距离；t1表示故障初始行波到达测量端的时间；t2表示相邻行波到达测量端的时间；v表示行波线模分量波速；h表示线路全程。对上述公式进行整合，以此得到故障距离测算公式，并应用其确定故障位置。整理上文设定内容，至此，基于多重分形谱的电力工程输电线路故障位置识别方法设计完成。

4、实验论证分析

4.1 实验模型

本次实验中，将城市内超高压输电线路作为实验对象，系统补偿系数设定为0.75，其余线路参数设定如表1所示。

表1 实验基本参数

按照表1所示内容，构建实验模型，具体如图2所示。

图2 实验模型示意图

4.2 故障信号的多重分形谱测试

在上述设定内容的基础上，构建仿真实验环节，对文中方法的应用效果进行分析。为进一步提升仿真精度，采用A端采集到的端数据作为故障数据。与此同时，通过人工染噪的方式，在原有的故障信号中增加信噪比为30 dB的噪声，上述操作过程在Matlab平台中完成。获取故障数据，并将其作为对照组输出。结果如表2所示。

表2 故障数据结果

将表中数据导入数据库中备用，运用本文设计的方法进行故障信号的多重分形谱重构测试。测试结果如图3所示。

通过对比可以看出，本文方法可以对多重干扰下的故障信号很好地重构出细节，排除干扰，效果较好。

4.3 故障位置测距实验结果分析

根据表2中的数据，将故障类型设定为短期故障与永久故障两类，并将每种故障划分为5个小类，每类涵盖两个故障点，使用文中方法、基础方法以及多信息融合故障诊断方法对其进行故障测距，对比不同方法的测距仿真结果与预设理论结果，分析不同方法的应用效果。如表3所示。

表3 短期故障测距仿真结果

对表2中数据进行分析可看出，当输电线路故障为短期故障时，文中方法与其他两种方法均可得到相应的测距结果，但通过对比可以看出，文中方法对于短期故障的位置识别能力明显优于其他两种方法，其所得结果与预设结果较为接近，可有效缩减短期故障的维修时间。其他两种方法的故障位置识别结果与预设结果之间存在较大误差。此识别结果对于故障维修工作不具备参考价值，针对上述现象还需对基础方法与多信息融合方法进行完善与优化。结果如表4所示。

图3 故障信号多重分形谱重构比较图

表4 永久故障测距仿真结果

对比上述实验结果可以看出，当输电线路故障为永久故障时，文中方法与其他两种方法的故障测距结果较为一致，且与理论值之间的误差明显缩小，此现象说明实验中的三种方法均可对永久故障进行定位识别，且整体识别水平较高。对上述两组数据进行整合，可以确定文中方法的故障位置识别能力相对较好。

4.4 故障位置测距耗时实验结果分析

故障位置测距耗时实验结果如图4所示。

图4 故障位置测距耗时实验结果

分析图4实验结果可以看出，在故障位置测距的过程中，三种方法均需要消耗一定的时间。通过不同故障类型的对比可看出，故障位置识别方法在进行永久故障识别时耗时较短，可见此类故障识别难度较低。在进行短期故障位置识别时，三种方法的耗时差异逐渐拉大，由于短期故障信号多为瞬时信号，不论是捕捉或是分析均具有较大的难度。文中方法由于采用多重分形谱技术，进一步提升了对信号的分析能力，缩短了故障位置识别定位时间。其他两种方法的信号分析能力相对较差，导致识别过程中的耗时相对较长。综合上述实验结果可以确定，文中方法的信号分析能力与故障位置识别能力相对较为优异。

5、结束语

针对当前电力工程输电线路故障位置识别方法信号分析能力不佳，导致测距结果严重异常的问题，提出新型故障位置识别方法。由于此方法对信号采集与分析环节进行了重设与优化，在进行实际应用前还需对其进行大规模测试。为此，在后续的研究中将通过实际案例分析的方式，确定此方法在真实环境中的应用效果，并对其进行普及应用。

参考文献:

[1]于仲安,陈苗,丁雯苏,等.基于VMD-HT算法的输电线路故障行波测距研究[J].电气传动,2022,52(18):74-80.

[2]田鹏飞,于游,董明,等.基于CNN-SVM的高压输电线路故障识别方法[J].电力系统保护与控制,2022,50(13):119-125.

[3]杨伟超,杜宇,文伟,等.基于多重分形谱智能分析的卫星信号调制识别研究[J].电子学报,2022,50(6):1336-1343.

[4]金江涛,许子非,李春,等.基于改进变分模态分解及多重分形的轴承信号非线性分析[J].机械强度,2022,44(1):45-52.

[5]高淑萍,徐振曦,宋国兵,等.基于小波阈值去噪和CEEMD的混合三端直流输电线路故障测距[J].电力系统保护与控制,2022,50(3):29-40.

[6]陈雷,吴浩,李栋,等.基于集成学习的HVDC输电线路雷击故障识别方法[J].电力系统及其自动化学报,2022,34(5):102-110.

[7]李小鹏,丁宣文,束洪春,等.基于多重分形谱的交流输电线路故障识别方法[J].电力系统保护与控制,2021,49(14):1-10.

[8]杨杰,吴浩,董星星,等.基于电流故障分量特征和随机森林的输电线路故障类型识别[J].电力系统保护与控制,2021,49(13):53-63.

[9]肖志云,王海强.图像双分割与小波域多特征融合的高压输电线路典型小目标故障识别[J].电网技术,2021,45(11):4461-4470.

[10]张安安,周志通,曲广龙,等.基于HHT一化迭代的输电线路故障测距研究[J].电子测量与仪器学报,2021,35(3):165-172.

基金资助:国网山东省电力科技项目(2017-131);