3us，故障时刻后27us短时窗数据，其极电压波形簇如图二所示。
[0030]第三步、构建主成分聚类分析样本空间:对步骤二中得到的短时窗数据进行主成分聚类分析，并构建由第一主成分(PC1)和第二主成分(PC2)为轴形成的主成分聚类分析样本空间，样本空间投影图如图三所示。
[0031]第四步、故障数据分析:当正极线路5.6km发生接地故障时，对继电器札获得的含故障极电压按照说明书中的(2)?(3)进行数据处理，并投影在主成分聚类分析的样本空间中，如图4所示。由于Sign(qi) =_1，对照说明书中第四步的判据可知该例的故障位于电缆线路段。
[0032]实施例2:450kV两段线缆混合直流输电线路如图1所示。其线路参数如下:线路全长MJ段50km，JN段100km，平波电抗器Lm= Ln= 0.4H，继电器R 1安装在电缆段母线侧。故障位置:JN段(架空线路段)正极距M端61.5km处发生接地故障。过渡电阻10Ω，采样率为IMHz。
[0033]第一步、设置故障点:分别沿线缆混合直流输电线路正、负极每隔5km等距离设置故障点，为了更好地反映特殊位置的故障，在1km、49km、5lkm、149km也设置故障点，故障类型为接地故障，通过电磁暂态仿真软件PSCAD进行故障遍历，继电器R1获得正、负极电压行波数据。
[0034]第二步、故障电压行波数据的处理:将步骤一中得到的故障电压行波数据求取绝对值，并对故障电压曲线簇经过均值为零、方差为I的归一化处理。截取故障时刻前3 μ s,故障时刻后27 μ s短时窗数据，其极电压波形簇如图二所示。
[0035]第三步、构建主成分聚类分析样本空间:对步骤二中得到的短时窗数据进行主成分聚类分析，并构建由第一主成分(PC1)和第二主成分(PC2)为轴形成的主成分聚类分析样本空间，样本空间投影图如图三所示。
[0036]第四步、故障数据分析:当正极线路61.5km发生接地故障时，对继电器R1获得的含故障极电压按照说明书中的(2)?(3)进行数据处理，并投影在主成分聚类分析的样本空间中，如图5所示。由于Sign(qi) = 1，对照说明书中第四步的判据可知该例的故障位于架空线路段。
[0037]实施例3:450kV两段线缆混合直流输电线路如图1所示。其线路参数如下:线路全长MJ段50km，JN段100km，平波电抗器Lm= Ln= 0.4H，继电器R 1安装在电缆段母线侧。故障位置:JN段(架空线路段)负极线路距M端148.6km处发生接地故障。过渡电阻10 Ω，米样率为IMHz。
[0038]第一步、设置故障点:分别沿线缆混合直流输电线路正、负极每隔5km等距离设置故障点，为了更好地反映特殊位置的故障，在1km、49km、5lkm、149km也设置故障点，故障类型为单相接地故障，通过电磁暂态仿真软件PSCAD进行故障遍历，继电器R1获得正、负极电压行波数据。
[0039]第二步、故障电压行波数据的处理:将步骤一中得到的故障电压行波数据求取绝对值，并对故障电压曲线簇经过均值为零、方差为I的归一化处理。截取故障时刻前3 μ s,故障时刻后27 μ s短时窗数据，其极电压波形簇如图二所示。
[0040]第三步、构建主成分聚类分析样本空间:对步骤二中得到的短时窗数据进行主成分聚类分析，并构建由第一主成分(PC1)和第二主成分(PC2)为轴形成的主成分聚类分析样本空间，样本空间投影图如图三所示。
[0041]第四步、故障数据分析:当负极线路148.6km发生接地故障时，对继电器R1获得的含故障极电压按照说明书中的(2)?(3)进行数据处理，并投影在主成分聚类分析的样本空间中，如图6所示。由于Sign(qi) = 1，对照说明书中第四步的判据可知该例的故障位于架空线路段。
[0042]上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
【主权项】
1.一种基于模式识别的两段线缆混合直流输电线路故障区段识别方法，其特征在于:当两段线缆混合直流输电线路发生故障时，求取电缆量测端获得的故障极电压行波数据的绝对值，并进行归一化处理，再选取故障时刻前3 μ S，故障后27 μ S短视窗数据进行主成分聚类分析判别两段线缆混合直流输电线路的故障区段；根据电压初始故障行波在第一主成分(PC1)轴上的投影Q1值正、负来判别故障区段:若投影值q1的符号为正，则判为架空线路故障，反之，则判为电缆线路。2.根据权利要求1所述的基于模式识别的两段线缆混合直流输电线路故障区段识别方法，其特征在于具体步骤为: 第一步、设置故障点:将继电器安装在电缆段的母线侧，沿线缆混合直流输电线路随机设置接地故障点，故障覆盖正、负极线缆混合线路全长，通过电磁暂态仿真软件PSCAD将所有的故障点进行遍历，继电器得到正、负极电压行波数据； 第二步、故障电压行波数据的处理:将步骤一中得到的故障电压行波数据求取绝对值，并对故障电压曲线簇经过均值为零、方差为I的归一化处理，截取故障时刻前3 μ s，故障时刻后27 μ s短时窗数据； 第三步、构建主成分聚类分析样本空间:对步骤二中得到的短时窗数据进行主成分聚类分析，并构建由第一主成分(PC1)和第二主成分(PC2)为轴形成的主成分聚类分析样本空间； 第四步、故障区段识别判据:经过分析步骤三形成的主成分聚类分析样本空间，形成线缆混合直流输电线路故障区段识别的判据如式(I)?(2)所示: 若sign(qi) = 1，则为架空线路故障(I) 若SignQ1) =-1，则为电缆段故障(2) 第五步:故障数据的分析:当线缆混合直流输电线路发生故障时，得量测端继电器获得的电压故障行波数据，对数据进行绝对值、归一化、短时窗选取处理，然后将处理过的故障数据投影在第三步形成的主成分聚类分析样本空间中，得到故障数据在第一主成分(PC1)轴上的投影值Q1，按照步骤四中判据进行故障区段的判别。3.根据权利要求2所述的基于模式识别的两段线缆混合直流输电线路故障区段识别方法，其特征在于:采样率为1MHz，数据预处理时，时窗为故障前3 μ s和故障后27 μ S0
【专利摘要】本发明涉及一种基于模式识别的两段线缆混合直流输电线路故障区段识别方法，属于电力系统故障测距技术领域。当两段线缆混合直流输电线路发生故障时，求取电缆量测端获得的故障极电压行波数据的绝对值，并进行归一化处理，再利用主成分聚类分析方法进行线缆混合直流输电线路故障区段的判别。根据电压初始故障行波在第一主成分(PC1)轴上的投影q1值正、负来判别故障区段：若投影值q1的符号为正，则判为架空线路故障，反之，则判为电缆线路故障。本发明利用故障极电压的绝对值进行主成分聚类分析，有效的规避了故障线路极性对故障区段判别的影响，不但原理简单，而且可靠有效。
【IPC分类】G01R31/08
【公开号】CN105116281
【申请号】CN201510373219
【发明人】束洪春, 白冰, 田鑫萃
【申请人】昆明理工大学
【公开日】2015年12月2日
【申请日】2015年6月30日