一种利用极线故障电流曲线簇主成分分析的特高压直流线路的纵联保护方法
【技术领域】
[0001] 本发明涉及一种利用极线故障电流曲线簇主成分分析的特高压直流线路的纵联 保护方法，属于电力系统继电保护技术领域。
【背景技术】
[0002] 与交流输电线路相比，直流输电线路控制特性复杂，线路故障后的暂态过程含有 丰富的谐波分量，采用直流输电形式没有工频量，传统的交流线路保护对直流线路来说显 然不再适用。所以，对特高压直流线路故障的检测，不可以单纯依靠故障电流的大小来判 另IJ，需要通过故障电压、电流暂态分量或者两者的结合来识别。目前，特高压直流线路保护 主要有：直流线路行波保护、直流线路微分欠压保护（也有称作电压突变量保护）、直流线 路低电压保护、直流线路电流纵差保护以及再启动保护等。
[0003] 为了提高线路保护的抗干扰能力，学者们利用数学形态学梯度、小波变换、模量提 取等多种方法对行波保护进行了进一步研究。具有一定理论研究价值，但是其工程实用性 不强。国内外很多学者就方向行波的特征在交、直流输电线路中利用正、反向行波在区内、 外发生故障时幅值特征的差异构造相应行波保护的判据。在特高压直流输电线路中，对于 高阻故障时其幅值会因过渡电阻的存在而大大减小，暂态行波特征不明显，保护的可靠性 与灵敏度因此会大大降低。利用幅值变化及其变化率大小作为识别判据的保护一旦未能捕 获到初始行波，则行波保护判据就会失败，保护就会失效。
【发明内容】
[0004] 本发明的目的是为了解决上述问题，提供一种基于数据驱动的利用极线故障电流 曲线簇主成分分析的特高压直流线路的纵联保护方法。
[0005] 本发明的技术方案是：一种利用极线故障电流曲线簇主成分分析的特高压直流线 路的纵联保护方法，由电磁暂态仿真分别获得线路全长内的故障、正向区外故障（包括逆 变侧出口故障以及逆变侧交流母线故障）和反向故障（包括整流侧出口故障以及整流侧交 流母线故障）下量测端极线电流曲线簇，选取故障前2个采样点、故障后8个采样点作样本 数据进行PCA聚类分析，分别形成"线路故障"、"逆变侧故障"和"整流侧故障"聚类中心。 当直流线路发生故障时，利用极线故障数据在PCJP PC2坐标的投影值（q' uq' 2)与三类 故障电流曲线簇聚类中心之间的距离山、d2、(13来判别故障方向。对于正极线路，当d_ = 山或d2，则判为正向故障；当dmin= d3，则判为反向故障。大量仿真实验证明，该方法可靠有 效。
[0006] 具体步骤如下：
[0007] 第一步、在直流输电线路中，根据仿真数据形成历史样本：在正向线路故障情况 下，沿输电线路MN设置300个的正向线路金属性接地故障，6个正向区外故障（包括逆变侧 出口故障和逆变侧交流系统故障），以及6个反向故障（包括整流侧出口故障以及整流侧交 流母线故障）。
[0008] 第二步、将仿真获得的312条故障电流仿真样本数据进行归一化处理，即选取每 条样本数据中故障行波到达量测端前2个采样点和故障行波到达量测端后8个采样点的数 据进行归一化处理。
[0009] 第三步、对上述归一化处理后的数据进行主成分分析，构建由第一主成分？(^和第 二主成分PC 2S轴形成的主成分聚类空间。
[0010] 第四步、当直流线路发生故障时，得量测端所获得的故障行波到达前2个采样点 和后8个采样点的极线电流数据，经过数据归一化处理，将该故障样本投入相对应的主成 分聚类空间中，得到其在PC 1坐标和PC2坐标轴上的投影值（q' uq'J。
[0011] 第五步、利用欧氏距离，求取投影值极线故障数据在PCdP PC2坐标的投影值 (q' i，q' 2)与故障电流曲线簇聚类中心之间的距离山、d2、d3，其中山、d 2、d3分别表示测试 数据在PCA投影值（q' pq' 2)与线路故障、反向故障和正向区外故障下故障电流曲线簇聚 类中心之间的距离。欧式距离计算式为：
[0013] 式⑴中n表示所采用主成分投影值的个数，这里n = 2,即C^pq2t3 %为两种故 障情况聚类点簇的中心。
[0014] 第六步、利用计算所得距离中的最小值，构造方向元件判别式并进行故障方向判 另IJ，判别式为：
[0015] dmin= ((IljCl2, d3) (2)
[0016] 即在正极线路下，
[0017] 若dmin= d :或d2,则判为正向故障（3)
[0018] 若dmin= d3,则判为反向故障（4)
[0019] 所述采样率为10kHz，数据预处理时，时窗为故障前0. 3ms和故障后0. 7ms。本发 明的原理是：
[0020] 由整流侧和逆变侧配置的方向元件可以构成基于PCA分析的直流线路方向元件， 并利用直流线路现有的保护通道构成的直流线路的纵联保护，其目的区别正向（线路内 部、逆变侧）故障与反向（整流侧）故障。
[0021] 主成分分析（PCA)是一种聚类分析方法，其目的在于建立一种归类方法，将一批 样本数据，按其在"特征上的疏密程度"进行分析，使得同一类之内的样本数据的相似度到 达最大，而不同类之间的差异性达到最大。数学原理上PCA聚类分析是通过对数据坐标的 平移和旋转，使得簇类内部的任意两个样本数据之间有较高的相似度，而属于不同簇类的 两个样本数据间具有较高的差异度。当直流发生线路故障和正向区外故障，可以视为不同 簇类的两个样本数据，这样采用模式识别的思路可以实现故障类型的识别。
[0022] 欧氏距离是一种用来衡量个体之间差异的大小，进而评价个体之间的相似性和类 别的方法。由于欧氏距离能够体现个体数值特征的绝对差异，所以更多的用于需要从维度 的数值大小中体现差异的分析。在数学原理上二维平面上两点a( Xl，yi)与b(x2，y2)间的欧 氏距离欧式距离计算公式为：
[0024] 本发明的有益效果是：
[0025] (1)保护判据采用求取欧式距离最小值的方法构建，准确可靠，简单易实现。
[0026] (2)本发明所涉及的基于利用故障电流曲线簇主成分聚类分析的直流线路方向元 件的判别式构建了纵联保护，不仅能够快速可靠的辨别正向故障和反向故障，而且提高了 高压直流输电线路的后备保护的可靠性。
【附图说明】
[0027] 图1为实施例1、2、3中±800kV直流输电线路的仿真系统图；
[0028] 图2为正极线路下量测端的故障电流曲线簇；
[0029] 图3为正极线路下量测端的故障电流曲线簇样本数据聚类形成的主成分聚类分 析空间。
【具体实施方式】
[0030] 实施例1 :±800kV直流输电线路的仿真系统图及故障分量网络图分别如图1所 示。其线路参数如下：线路全长1500km，整流侧接地极线路全长109km，逆变侧接地极线路 全长80km。故障位置：正极线路故障，距整流侧120km处发生故障。接地阻抗50Q，采