一种适用于微电网的智能故障诊断方法
【专利摘要】本发明公开了一种适用于微电网的智能故障诊断方法，包括：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控，判断微电网是否发生内部故障，从而确定微电网故障诊断的启动模式；根据故障诊断模式的设定条件采样微电网母线上的电压电流信号并进行预处理；利用多小波包分解技术提取不同频率的故障信号暂态分量；计算小波奇异熵作为微电网RBF神经网络故障诊断模型的特征向量；将特征向量输入诊断模型，输出微电网的故障状态信息。本发明同时具备微电网外部故障诊断功能和内部短路故障诊断功能，为微电网的运行控制与相关保护提供了依据。
【专利说明】-种适用于微电网的智能故障诊断方法
【技术领域】
[0001] 本发明设及一种微电网孤岛检测与故障诊断方法，属于电力系统继电保护和新能 源发电【技术领域】。
【背景技术】
[0002] 传统的集中发电、大电网互联集中供电方式存在供电可靠性差和供电安全性问 题，诸多国家大面积停电事故充分证明了该一严峻问题。高效可靠的分布式发电技术越来 越受到世界各国的青睐，微电网就是在分布式发电基础之上形成的一种新型供电方式。微 电网是集太阳能光伏发电、风力发电、燃料电池、微型燃气轮机等多种分布式发电及储能单 元、负荷W及监控、保护装置于一体的混合供能系统。在正常状态下，微电网通过静态开关 (static transfer switch, ST巧接入大电网作为一个可控单元并网运行（并网模式）；当 大电网故障或电能质量不满足要求时，微电网可W通过切断STS与大电网隔离，作为自治 系统孤岛运行（孤岛模式），避免电网故障影响微电网内负荷正常运行。
[0003] 相对于传统的电力系统，微电网的故障诊断与传统电力系统相比，其特殊性主要 表现在W下几个方面；（1)微电网中分布式电源及负荷具有"即插即用"功能，使得微电网 拓扑结构复杂多变；（2)太阳能光伏发电、风力发电等分布式电源，都通过电力电子装置接 入微电网，故障时提供的短路电流很小，使得传统的继电保护装置很难检测；（3)微电网中 包含各种类型的分布式电源，有的通过电力电子装置接入微电网如太阳能光伏发电、风力 发电等，有的具有同步发电机特性如柴油发电机、微型燃气轮机等，有的具有双向潮流特性 如各种类型的储能装置（蓄电池、裡电池、超级电容等），该些分布式电源的故障特征差异 很大；(4)微电网在并网模式和孤岛模式运行时，短路故障电流差异很大。上述特点使得 传统的电力系统故障分析方法已不能应用于微电网，需要研究新的微电网智能故障诊断方 法。
[0004] 微电网的内部故障是指发生在静态开关内侧的故障，即微电网内部的故障；微电 网的外部故障是指发生在静态开关外侧的故障，即所接入大电网发生故障。
[0005] 微电网内部故障主要表现为短路故障，包括单相接地短路（A相接地故障、B相接 地故障、C相接地故障）、两相间短路（AB相间短路故障、BC相间短路故障、AC相间短路故 障）、两相接地短路（AB相接地短路故障、BC相接地短路故障、AC相接地短路故障）W及S 相接地短路等。
[0006] 当微电网发生外部故障时，微电网通过切断STS与大电网隔离，继续向微电网内 部负荷供电，从而进入孤岛运行模式。由于微电网并网运行与孤岛运行的控制策略不同，只 有通过微电网外部故障诊断检测出孤岛状态，才能确定微电网从并网运行模式到孤岛运行 模式的切换，从而为微电网的运行控制与相关保护提供依据。如果无法诊断出外部故障，将 危及电网线路检修人员的安全W及电网自动重合闽。
[0007] 因此，微电网的内部故障诊断和外部故障诊断都具有重要的现实意义。
[000引 申请号分别为201110382256. X和201110382164. X的中国专利文献"微网电力 系统的内部故障判别方法"和"微网电力系统的外部故障判别方法"，需要对微电网内大 量设备实时监控，不仅传输数据量大、通讯回路多，而且投入成本高、可靠性差。申请号为 201010146403. 9的中国专利文献"一种用于微网的快速故障诊断方法"，利用网络开关信息 进行拓扑分析，判定微电网的故障区域，与微电网复杂多变的拓扑结构特征不符。上述方法 均不能辨识出微电网的故障类型，而且工程应用较困难，智能化程度低。目前尚未有相关论 文和专利研究微电网内部故障类型辨识方法，微电网的外部故障诊断研究也较少。
[0009] 当系统发生故障时，各频带分量会发生明显改变，其中包含了丰富的故障信息，可 通过智能手段进行分析和处理，实现故障诊断功能。小波变换相比其他信号分析技术，在分 析处理暂态信号领域显示了其优越性和广阔的应用前景。多小波包具有比传统小波变换更 为优良的性能，能够对故障暂态信号进行更为精细的逼近和提取到更丰富的故障特征量。 经过小波变换和处理后的特征量，随过渡电阻、故障位置、故障初相角的不同会发生显著的 变化，很难通过设定阔值来鉴别微电网的故障类型。人工神经网络具有较强的学习、泛化能 力，可W对任何非线性系统具有辨识能力。将多小波包和神经网络应用于微电网故障诊断 中，能够提高故障诊断的速度和准确性，并实现微电网故障诊断的智能化。
【发明内容】
[0010] 为解决现有技术存在的不足，本发明公开了一种适用于微电网的智能故障诊断方 法，该方法针对微电网的拓扑结构、故障特征和运行特性，结合小波理论和RBF神经网能够 快速准确地辨识出微电网的故障类型，同时具备实现微电网内部故障诊断功能和外部故障 诊断功能，投入成本低，智能化水平高，工程应用简单可靠。
[0011] 为实现上述目的，本发明的具体方案如下：
[0012] 一种适用于微电网的智能故障诊断方法，包括W下步骤：
[0013] 步骤一：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控；
[0014] 步骤二：根据步骤一中对微电网的运行状态进行监控判断微电网是否发生内部故 障；当发生内部故障时，转入步骤当未发生内部故障时，转入步骤四；
[0015] 步骤当微电网发生内部故障时，立即启动微电网内部故障诊断模式，根据设定 条件采样电压电流信号并进行预处理；
[0016] 步骤四：当微电网未发生内部故障时，每隔设定时间启动微电网外部故障诊断模 式，根据设定条件采样电压电流信号并进行预处理；
[0017] 步骤五；利用多小波包分解提取不同频率的故障信号暂态分量；计算小波奇异滴 作为微电网RBF神经网络故障诊断模型的特征向量；
[001引步骤六：将特征向量输入微电网RBF神经网络故障诊断模型进行训练，训练好的 神经网络故障诊断模型输出对应微电网的故障状态信息；
[0019] 步骤走；每隔设定时间按照步骤二到步骤五计算采样信号的小波奇异滴，作为步 骤六中训练好的神经网络故障诊断模型的输入特征向量，获得微电网的故障状态信息。
[0020] 所述步骤一中，采集微电网母线上的电压电流信号，具体为：微电网公共母线S相 电流、零序电流及静态开关STS处=相电压。
[0021] 所述步骤S中，根据设定条件采样电压电流信号并进行预处理具体是；W 10曲Z 的频率采样故障前半个周期即10ms和故障后半个周期即10ms的微电网公共母线S相电 流、零序电流及静态开关STS处=相电压，作为故障信号离散时间序列，并存入录波数据库 中。
[0022] 所述步骤四中，根据设定条件采样电压电流信号并进行预处理具体是：每隔 200ms W lOkHz的频率采样一个周期即20ms的微电网公共母线S相电流、零序电流及静态 开关STS处=相电压，作为故障信号离散时间序列，并存入录波数据库中。
[0023] 所述步骤五中，利用多小波包分解技术提取不同频率的故障信号暂态分量，微电 网公共母线=相电流、零序电流和STS处=相电压7个故障信号离散时间序列进行多小波 包分解方法为：
[0024] 给定k时刻的故障信号离散时间序列x(n)，选择DB10小波基进行多小波包分解， 离散时间序列x(n)被分解到m个频带下，每个频带下的暂态分量为Dj(n) (j = 1，2,…，m)， 通过多小波包分解后的故障信号离散时间序列x(n)可W表示为
[0025]
【权利要求】
1. 一种适用于微电网的智能故障诊断方法，其特征是，包括以下步骤： 步骤一：通过采集微电网母线上的电压电流信号对微电网的运行状态进行监控； 步骤二：根据步骤一中对微电网的运行状态进行监控判断微电网是否发生内部故障； 当发生内部故障时，转入步骤三；当未发生内部故障时，转入步骤四； 步骤三：当微电网发生内部故障时，立即启动微电网内部故障诊断模式，根据设定条件 采样电压电流信号并进行预处理； 步骤四：当微电网未发生内部故障时，每隔设定时间启动微电网外部故障诊断模式，根 据设定条件采样电压电流信号并进行预处理； 步骤五：利用多小波包分解提取不同频率的故障信号暂态分量；计算小波奇异熵作为 微电网RBF神经网络故障诊断模型的特征向量； 步骤六：将特征向量输入微电网RBF神经网络故障诊断模型进行训练，训练好的神经 网络故障诊断模型输出对应微电网的故障状态信息； 步骤七：每隔设定时间按照步骤二到步骤五计算采样信号的小波奇异熵，作为步骤六 中训练好的神经网络故障诊断模型的输入特征向量，获得微电网的故障状态信息。
2. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 一中，采集微电网母线上的电压电流信号，具体为：微电网公共母线三相电流、零序电流及 静态开关STS处三相电压。
3. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 三中，根据设定条件采样电压电流信号并进行预处理具体是：以IOkHz的频率采样故障前 半个周期即IOms和故障后半个周期即IOms的微电网公共母线三相电流、零序电流及静态 开关STS处三相电压，作为故障信号离散时间序列，并存入录波数据库中。
4. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 四中，根据设定条件采样电压电流信号并进行预处理具体是：每隔200ms以IOkHz的频率采 样一个周期即20ms的微电网公共母线三相电流、零序电流及静态开关STS处三相电压，作 为故障信号离散时间序列，并存入录波数据库中。
5. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 五中，利用多小波包分解技术提取不同频率的故障信号暂态分量，微电网公共母线三相电 流、零序电流和STS处三相电压7个故障信号离散时间序列进行多小波包分解方法为： 给定k时刻的故障信号离散时间序列X(n)，选择DBlO小波基进行多小波包分解，离散 时间序列X(n)被分解到m个频带下，每个频带下的暂态分量为Dj (n)(j= 1，2, ，通过 多小波包分解后的故障信号离散时间序列x(n)可以表示为
6. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 五中，计算小波奇异熵作为微电网RBF神经网络故障诊断模型的特征向量；对微电网公共 母线三相电流、零序电流和STS处三相电压7个故障信号离散时间序列计算小波奇异熵的 方法： 根据求出的(n)在m个频带下的小波分解结果可以构成一个mXn的矩阵Dmxn，根据 信号奇异值分解理论，对于一个mXn的矩阵Dmxn，必然存在一个mX1维的矩阵Umxl和一个 IXn维的矩阵Vlxn，和一个IX1维的矩阵Rlxl，使得矩阵Dmxn分解为 ^mxn ^mxl ^IxI 式中，对角线矩阵Rlxl的主对角线元素rji= 1，2,…，1)是小波变换结果Dnixn的奇异 值； 计算离散时间序列x(n)的小波奇异熵Q作为微电网RBF神经网络故障诊断模型的输 入特征向量
7. 如权利要求1所述的一种适用于微电网的智能故障诊断方法，其特征是，所述步骤 六中，微电网RBF神经网络故障诊断模型为：网络拓扑采用三层结构7X50X12,输入变量 有微电网公共母线三相电流的小波奇异熵、微电网公共母线零序电流的小波奇异熵以及 STS处三相电压的小波奇异熵，分别对应神经网络的7个输入神经元；隐含层神经元由输入 样本点决定，高斯函数作为隐含层径向基函数，采用最近邻聚类学习算法确定径向基函数 的中心矢量；隐含层到输出层为线性映射，输出变量为微电网的12种运行状态，对应神经 网络的12个输出神经元。
8. 如权利要求6所述的一种适用于微电网的智能故障诊断方法，其特征是，所述微电 网RBF神经网络故障诊断模型的训练样本的获取方法： 采样并计算不同运行状态下的微电网公共母线三相电流、零序电流以及STS处三相电 压的小波奇异熵作为训练样本输入微电网RBF神经网络故障诊断模型进行训练，实时改变 神经网络的参数，训练好的故障诊断模型输出对应微电网的12种运行状态信息，包括微电 网正常运行状态、微电网外部故障状态以及微电网的内部故障状态。
9. 如权利要求7所述的一种适用于微电网的智能故障诊断方法，其特征是，不同运行 状态包括： 1) 不同负载状况下的微电网正常并网运行状态，即微电网接入大电网并网运行；微电 网投入负载容量分别为所有负载容量的40%、60%、80%和100% ; 2) 不同负载状况下的微电网外部故障状态，即所接入大电网发生故障，微电网脱离大 电网孤岛运行；微电网投入负载容量分别为所有负载容量的40%、60%、80%和100% ; 3) 不同短路类型、过渡电阻和故障初相角的微电网内部故障状态，包括多种短路故障 类型，接地故障过渡电阻范围为1?301Q，相间过渡电阻范围为1?51Q，过渡电阻依次 增加50Q;故障初相角范围为0°?90°，依次递增30°。
【文档编号】G01R31/08GK104502795SQ201410699320
【公开日】2015年4月8日 申请日期:2014年11月26日 优先权日:2014年11月26日
【发明者】王瑞琪, 孙树敏, 程艳, 逯怀东, 石鑫, 李笋, 王昭鑫, 靳占新, 张用, 赵鹏, 朱宇, 孙伟, 李宝贤, 李超英, 王超 申请人:国家电网公司, 国网山东省电力公司电力科学研究院