團隊介紹

福州大學配電網(wǎng)及其自動化研究中心長期致力于電力配電網(wǎng)監(jiān)測、控制與保護新技術(shù)的研究與應用；結(jié)合人工智能技術(shù)、大數(shù)據(jù)分析技術(shù)、電力電子功率變換技術(shù)和智能優(yōu)化調(diào)控技術(shù)，在電力配電網(wǎng)及其主設備故障診斷與抑制領域開展了基礎研究以及工程應用。主要涉及配電網(wǎng)單相接地故障選線及區(qū)段定位、配電網(wǎng)單相接地故障柔性消弧、配電變壓器故障診斷、光伏發(fā)電系統(tǒng)故障診斷、可再生能源發(fā)電與并網(wǎng)等研究方向。近年來，該團隊完成了多個國家，省和電網(wǎng)企業(yè)的研究項目。

研究背景

高阻接地故障（high impedance faults，HIF）是配電網(wǎng)運行過程中十分常見的故障。當通電導體與導電性能較差的表面接觸時通常會發(fā)生HIF，例如混凝土、瀝青或沙地等。HIF是一種低電流故障，其難以使傳統(tǒng)的電流或電壓保護裝置動作，一般伴隨交流電弧的燃燒，任其發(fā)展可能會導致嚴重的后果。相關研究表明，在配電網(wǎng)中發(fā)生的故障有5%～20%是HIF，其實際占比可能要更高。對HIF進行有效的辨識并做出正確的反應，對配電網(wǎng)的安全可靠運行意義重大。

論文所解決的問題及意義

本文通過傅里葉變換發(fā)現(xiàn)HIF與各類擾動的零序電流頻譜在高頻段存在差異，進一步使用連續(xù)小波變換對零序電流進行時頻分析，發(fā)現(xiàn)其在高頻段存在明顯的規(guī)律；選定特征頻段后，將該頻段的時頻矩陣作為識別的特征量；引入LeNet-5網(wǎng)絡并對其進行改進，使用改進的LeNet-5網(wǎng)絡對時頻矩陣進行辨識，實現(xiàn)對HIF的有效診斷。

論文方法及創(chuàng)新點

1 連續(xù)小波變換提取時頻特征

為分析發(fā)生HIF時零序電流高頻分量的變化，使用快速傅里葉變換（fast Fourier transform，F(xiàn)FT）對圖1所示的波形進行處理，其頻譜圖如圖2所示。從圖2中可以發(fā)現(xiàn)，其高頻分量主要為奇次諧波，包括3次諧波、5次諧波及7次諧波等。

圖1 HIF零序電流波形

圖2 HIF零序電流經(jīng)FFT處理后的頻譜圖

考慮到HIF發(fā)生時“零休”現(xiàn)象總會周期性出現(xiàn)，而頻域特征無法對“零休”現(xiàn)象的周期性出現(xiàn)規(guī)律進行表征，故本文引入連續(xù)小波變換（continue wavelet transform,CWT），通過時頻域變換的方法既提取其頻域特征，又提取其時域特征。

使用CWT對圖3（左）所示的HIF零序電流進行處理，該波形的“零休”現(xiàn)象較為微弱。考慮到基波分量能量比高次諧波能量要高得多，且通過圖2的頻譜圖可以看到HIF的高頻分量主要集中在100~600Hz。故本文選定100~600Hz頻段作為特征頻段，使用該頻段的時頻矩陣作為故障檢測的特征量，得到的時頻圖如圖3（右）所示。

圖3 HIF零序電流及CWT時頻圖

從圖3（右）可以看到，發(fā)生HIF時高頻分量十分豐富，三次諧波一直較大，而更高次的諧波分量則是隨著“零休”現(xiàn)象的出現(xiàn)呈現(xiàn)增減的周期性變化。與時域信號中微弱的“零休”現(xiàn)象相比，時頻圖中的高頻諧波含量的周期性變化更為明顯。

電容投入、負荷投入與勵磁涌流發(fā)生時的零序電流波形及進行CWT后的時頻圖如圖4所示。對比圖3可以看到使用CWT獲得的時頻圖能夠體現(xiàn)故障特征，將故障與各類干擾區(qū)分開來，故本文使用經(jīng)CWT處理后特征頻帶的時頻矩陣作為識別特征量具有可行性。

圖4 各類擾動的零序電流及CWT時頻圖

2 基于改進LeNet-5網(wǎng)絡的故障診斷方法

原始LeNet-5網(wǎng)絡僅使用了大小為5×5的卷積核進行卷積操作，為增強模型的特征提取能力，本文使用3×3、5×5及7×7的卷積核并行提取特征。本文加入了dropout層，忽略一部分特征檢測器，減少過擬合現(xiàn)象以改進模型性能。最終確定的模型結(jié)構(gòu)如圖5所示。

圖5 改進的LeNet-5模型結(jié)構(gòu)

本文使用穩(wěn)態(tài)信號進行故障識別，3個工頻周期的數(shù)據(jù)作為一個樣本。故障診斷的流程如下：對樣本使用CWT進行特征提取后，選取100~600Hz頻段的二維時頻矩陣作為故障識別的特征量；使用部分數(shù)據(jù)訓練改進的LeNet-5模型；將待檢測數(shù)據(jù)輸入到訓練完成的故障檢測模型中，通過故障檢測模型的輸出判定其是否為高阻接地故障。具體流程如圖6所示。

圖6 故障識別流程

結(jié)論

通過對HIF及各類干擾進行時頻域分析，發(fā)現(xiàn)HIF在選定的特征頻段內(nèi)有著與其他干擾完全不同的特征，隨后引入改進的LeNet-5網(wǎng)絡對特征進行辨識。

通過從PSCAD/EMTDC獲取的HIF與各類干擾數(shù)據(jù)對算法進行測試，得到如下結(jié)論：使用CWT提取特征頻段的時頻矩陣作為故障特征，能夠有效提取HIF的故障特征；改進的LeNet-5網(wǎng)絡能夠有效地對HIF故障特征進行識別，能將HIF與各類干擾進行區(qū)分；在20dB的強噪聲干擾下，本文所提算法仍能夠?qū)崿F(xiàn)較為準確的檢測。

引用本文

王康, 高偉, 楊耿杰. 基于高頻分量的配電網(wǎng)高阻接地故障識別[J]. 電氣技術(shù), 2022, 23(2): 61-66. WANG Kang, GAO Wei, YANG Gengjie. High impedance fault detection for distribution networks based on high-frequency components. Electrical Engineering, 2022, 23(2): 61-66.