一种新型的单相接地故障启动方法与流程

本发明涉及一种新型的单相接地故障启动方法。

背景技术：

中低压配电网通常指35kv及以下电压等级的电力网络，其分布范围广，结构复杂，与用户联系紧密。我国6～35kv配电网普遍采用小电流接地方式，在小电流接地方式下单相接地故障发生率最高，占配电网故障的80％以上。随着电网规模的扩大，特别是电缆的使用量增多，线路距离增长，使得电网对地电容增大，一旦发生接地故障，由此产生的电弧很难熄灭，将对电力系统的正常运行造成严重影响。因此，研究单相接地故障的快速识别方法，有利于快速定位和排除故障，对保证电网的安全运行具有实际应用价值。

本申请提出一种基于离散小波变换和自适应阈值的单相接地故障启动算法，先对母线零序电压进行小波包变换得到特定频带分量，再利用所得到的高、低频分量构造自适应阈值，将当前时刻的高、低频分量变化量与由历史数据计算得到的自适应阈值进行比较，若变化量高于自适应阈值，则认为系统发生了扰动。若扰动持续时间超过预设阈值，则认为配电网中发生了单相接地故障。

技术实现要素：

本发明的目的在于提供一种新型的单相接地故障启动方法，该方法能够快速、准确地识别单相接地故障，此外，可以有效区分单相接地故障和投切带载线路、投切电容器组等非故障行为；本发明方法具有较强的适应能力，在噪声干扰的工况下仍具有较高的识别正确率。

为实现上述目的，本发明的技术方案是：一种新型的单相接地故障启动方法，包括如下步骤：

步骤s1、对实时采集的零序电压信号进行mallat小波包分解，获取零序电压信号的频带分量，在此基础上，计算选定的高、低频分量的周期变化量；

步骤s2、根据选定的高、低频分量及其周期变化量的历史数据，分别构造高频自适应阈值以及低频自适应阈值；

步骤s3、比较高、低频分量周期变化量与其自适应阈值之间的大小关系，若高、低频分量周期变化量中任意一者超过其自适应阈值，则认为系统发生了扰动；

步骤s4、监视扰动持续时间，根据持续时间判断是否发生了单相接地故障。

在本发明一实施例中，所述步骤s1的具体过程如下：

根据实时采集的零序电压信号，对其进行mallat小波包分解：

(p为偶数,j>0)

(p为奇数,j>0)

其中，sj和wj为第j尺度的近似分量和细节分量，hk和gk分别为低通滤波器系数和高通滤波器系数；

从分解得到的各分量中选择由第三尺度细节分量进一步分解得到的细节分量(dd4)和由第四尺度近似分量(cc4)作为特征信号，并进一步计算它们的周期变化量，计算式如式(3)所示：

其中，n代表当前点与参考点之间相隔的周期数，l代表每个工频周期的采样点数。

在本发明一实施例中，所述步骤s2的具体过程如下：

自适应阈值由两种分量组成，其中一个根据高、低频分量周期变化量计算得到，计算式如式(4)所示：

其中，nl为每一片历史数据片段的长度，np为分隔区的长度；

另一个分量根据当前周期之前数个周期的小波系数的最大值计算得到，其计算式如式(5)所示：

其中，m为计算一个阈值所需的历史片段的个数；

将上述得到的数值乘以相应的系数后再叠加，即可得到算法所需的自适应阈值，其计算式如式(6)所示：

其中，kε_d和kε_c为高低频分量的极大值的利用系数，kε_c为可靠度；

计算得到的λs_d和λs_c两种自适应阈值分别用于高频变化量δd和低频变化量δc的监测。

在本发明一实施例中，所述步骤s3的具体实现方式为：计算得到的λs_d和λs_c两种自适应阈值分别用于高频变化量δd和低频变化量δc的监测，当高频变化量δd和低频变化量δc中任意一种变化量超过了所对应的自适应阈值，则认为出现了扰动，所对应的时刻被记录下来。

在本发明一实施例中，所述步骤s4的具体实现方式为：当算法认为出现扰动时，自适应阈值的计算工作将被暂停，直到判断流程结束；在等待t1秒后，算法将再次判断变化量是否还高于自适应阈值；若在后续的t2秒内，变化量超过自适应阈值的次数超过δ，算法将输出启动信号以及故障时刻；反之，所记录的故障时刻将被清除，算法回到正常监测状态。

相较于现有技术，本发明具有以下有益效果：

1、本发明利用mallat小波包变换算法对采集到的零序电压信号进行实时分解计算，可在仅仅已知低通和高通滤波器系数的情况下实现对离散信号的小波分解。该算法既保留了小波变换强大的时频分解能力，也简化了小波变化的复杂的计算函数，可在极大程度上降低启动算法的计算负担和应用难度；

2、本发明利用由历史数据构造的自适应阈值来检测单相接地故障，可提高算法的灵敏性，并可降低噪声、采样率、电力网络结构变化等因素对算法正确率的影响；

3、本发明将扰动持续时间作为启动算法的判据之一，可以极大提高算法的抗干扰能力。

附图说明

图1为本发明的流程图。

图2为本发明实施例中所应用的10kv配电网模型。

图3为本发明的算法效果示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本实施例提供一种单相接地故障启动方法，如图1所示，包括如下步骤：

步骤s1：对实时采集的零序电压信号进行mallat小波包分解，获取零序电压信号的特定频带分量，在此基础上，计算选定的高、低频分量的周期变化量；本步骤具体包括如下步骤：

根据实时采集的零序电压数据，对其进行mallat小波包分解，mallat算法的递推公式如式(1)和式(2)所示：

(p为偶数,j>0)

(p为奇数,j>0)

其中，sj和wj为第j尺度的近似分量和细节分量，hk和gk分别为低通滤波器系数和高通滤波器系数；

从分解得到的各分量中选择由第三尺度细节分量进一步分解得到的细节分量(dd4)和由第四尺度近似分量(cc4)作为特征信号，并进一步计算它们的周期变化量，计算式如式(3)所示：

其中，n代表当前点与参考点之间相隔的周期数，l代表每个工频周期的采样点数。

步骤s2：根据选定的高、低频分量及其周期变化量的历史数据，分别构造高频自适应阈值以及低频自适应阈值；本步骤具体包括如下步骤：

自适应阈值由两种分量组成，其中一个根据高、低频分量周期变化量计算得到，计算式如式(4)所示：

其中，nl为每一片历史数据片段的长度，np为分隔区的长度；

另一个分量根据当前周期之前数个周期的小波系数的最大值计算得到，其计算式如式(5)所示：

其中，m为计算一个阈值所需的历史片段的个数；

将上述得到的数值乘以相应的系数后再叠加，即可得到算法所需的自适应阈值，其计算式如式(6)所示：

其中，kε_d和kε_c为高低频分量的极大值的利用系数，kε_c为可靠度；

步骤s3：比较高、低频分量变化量与其自适应阈值之间的大小关系，若其中任意一者超过其自适应阈值，则认为系统发生了扰动；本步骤具体包括如下步骤：

计算得到的λs_d和λs_c两种自适应阈值分别用于高频变化量δd和低频变化量δc的监测，当其中任意一种变化量超过了所对应的自适应阈值，则认为出现了扰动，所对应的时刻被记录下来。

步骤s4：监视扰动持续时间，根据持续时间判断是否发生了单相接地故障。本步骤具体包括如下步骤：

当算法认为出现了扰动时，自适应阈值的计算工作将被暂停，直到判断流程结束。在等待t1秒后，算法将再次判断变化量是否还高于自适应阈值。若在后续的t2秒内，变化量超过自适应阈值的次数超过δ，算法将输出启动信号以及故障时刻；反之，所记录的故障时刻将被清除，算法回到正常监测状态。

在本实施例中，如图2所示，利用pscad/emtdc仿真软件搭建10kv配电网模型用于获取扰动数据，测试结果表明，该方法对不同的故障点、初相角、接地电阻所发生的配电网单相接地故障均能快速准确识别，且在噪声干扰下有较好的适应性，在此基础上进行多种类型的单相接地故障、投切带载线路行为和投切电容器组行为的模拟实验，并采集零序电压波形。仿真模型中，110kv高压线路用三相电源代替，仿真元件主要包括：电压互感器、系统电源、变压器、线路等。110kv/10kv变压器连接组别为ynd11，一次侧与二次侧的电阻标幺值为0.0019，电感标幺值为0.75，励磁铁芯电阻标幺值为1615.12，励磁铁芯电感标幺值为833.23；10kv/0.4kv变压器连接组别为dyn11，一次侧与二次侧的电阻标幺值为0.00501，电感标幺值为0.0223，励磁铁芯电阻标幺值为869.27，励磁铁芯电感标幺值为142.35；电磁式pt的励磁参数为：电压标幺值为1、1.328、1.501、1.79、1.963，对应的电流标幺值为1、1.733、3.067、7.33、11.93；10kv线路模块选用三相π型等值电路模块，架空线路的正序电阻0.17ω/km，正序电容0.0097μf/km，正序电感1.21mh/km，零序电阻0.23ω/km，零序电容0.008μf/km，零序电感5.478mh/km；电缆线路的正序电阻0.27ω/km，正序电容0.339μf/km，正序电感0.255mh/km，零序电阻2.7ω/km，零序电容0.28μf/km，零序电感1.019mh/km。

在仿真样本数据中加入30db的高斯白噪声，再利用所提出的启动算法对仿真数据进行检测，验证本启动方法的性能。图3展示了所提出的启动方法针对单相接地故障、投切带载线路行为和投切电容器组行为的算法效果示意图，其中图(a)从左至右四张小图分别为单相接地故障时的零序电压波形、高频变化量δd及其自适应阈值λs_d波形、低频变化量δc及其自适应阈值λs_c波形、启动信号波形，从图中可以看出，当故障发生后，高低频变化量可迅速越过自适应阈值且衰减速度较慢，算法可以准确识别故障，并输出启动信号。从图3的(b)和(c)两张子图可以看出，高低频变化量基本不会超过自适应阈值，算法不会对此类扰动做出反应。针对所有仿真数据的识别结果如表1所示，识别准确率高达100％，说明了所提方法具有良好的可靠性和适应性。

表1启动算法识别效果

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。