可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报5（2018）61输电系统故障分类方法综述（二）AvagaddiPrasad，J. Belwin Edward，K. 拉维VIT大学电气工程学院，Vellore，泰米尔纳德邦632014，印度接收日期：2015年4月13日;接受日期：2016年2016年10月20日在线发布摘要电力系统及其应用的广泛性要求改进输电系统的故障分类技术，以提高系统的效率并避免重大损害。为此目的，技术文献提出了大量的方法。本文分析了技术文献，总结了最重要的方法，可以应用于故障分类方法在电力传输系统。第二部分为在第2部分中，我们讨论了各种研究人员开发的输电系统故障分类的先进技术© 2016 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：输电线路保护;继电保护;软计算技术内容1.导言. 622.故障分类方法C. 现代技术C.1 支持向量机62C.2 遗传算法63C.3 DWT-ELM方法63C.4 理论和基于FPGA的实现63C.5 GSM技术C.6 基于PMU的保护方案63C.7 基于决策树的方法64C.8 多信息测量*通讯作者。电子工程学院，VIT大学，Vellore，泰米尔纳德邦632014，印度。电子邮件地址：prasadavagaddi@gmail.com（A. Prasad），jbelwinedward@vit.ac.in（J. Belwin Edward），k. vit.ac.in（K.Ravi）。电子研究所（ERI）负责同行评审https://doi.org/10.1016/j.jesit.2016.10.0032314-7172/© 2016电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。62A. Prasad等人/电气系统与信息技术学报5（2018）61C.9 相量分量的快速估计64C.10 基于PCA的框架64C.11 试验计划64C.12 功能分析和计算智能65C.13 基于欧几里得距离的函数65C.14 模式识别方法3.比较和结论663.1.比较663.2.结论67参考文献671. 介绍输电线路暴露故障保护是电力系统保护中最关键的任务继电保护的目的是识别代表输电系统故障的异常信号对于高速继电保护来说，快速准确的故障分类是输电线路中必不可少的关键。软计算技术的最新技术进步引起了工程师们在这一领域进行研究的兴趣。早期的各种研究人员提出了不同的计划故障分类。问题是，每当一个新的用户开始他在这方面的研究，他/她可能会得到混乱的选择方法来分类的故障的性质因为，许多研究人员已经开发了不同的方法，但每种方法都有自己的优点和缺点。因此，本文将通过对国内外知名期刊的综述，对现有的各种故障分类方法进行梳理。仿真过程可以在许多软件中完成。用户可能不知道所有的软件。该综述还在比较表中详细介绍了该特定技术中用于模拟的软件工具第一部分介绍了这一领域的缺陷和回顾的必要性，并解释了突出的和混合的技术。本文的第二部分准备如下。首先，第二部分主要集中在解释不同的新方法的选定文件。第三部分，重点介绍了输电线路现代故障分类技术的比较和第二部分的总结性说明。2. 故障分类方法突出和混合技术在文章的第1部分中解释现在对现代技术的解释如下：C. 现代技术如今，这些现代技术正在实施的电力传输系统的故障分析。下文解释了最近开发的各种技术C.1 支持向量机支持向量机（SVM）是一种用于在分类（模式识别）任务中学习分离函数或用于在回归问题中执行函数估计的它是一种基于统计学习理论的计算学习在这种情况下，输入向量被非线性地映射到高维特征空间中。它已被有效地应用于许多分类问题。下面给出基于SVM的论文的解释Malathi和Marimuthu（2008）提出了一种在电力传输系统中使用多类支持向量机（SVM）该方法利用故障后电流的小波分解数据该方法的特点是支持向量机训练成为最优分类器，并且训练样本量少。Wang和Zhao（2009）提出了一种基于支持向量机（SVM）的输电系统故障定位方法。 该技术还采用模糊集理论解决不确定性线性A. Prasad等人/电气系统与信息技术学报5（2018）6163分裂关系。与多层感知（MLP）相比，SVM模型的错误率较低。Youssef（2009）开发了一种新的技术，在输电线路中使用支持向量机进行实时故障分析这种方法中的故障分类取决于线电流之间的相角和通过训练由SVM生成的这些角度之间的离线非线性可分离限制。Tripathi等人等人（2011）已经在晶闸管控制的串联补偿器（TCSC）补偿的输电线路中实施了一种借助于SVM的用于精确故障分类方案的技术。在这种方法中，一个支持向量机训练的故障分类和它的输入是独立的触发角。因此，它不需要小波变换、通信设置和零序电流分量的计算等。Singh等人（2011）提出了一种新的方法，即SVM和小波技术的组合。这用于检测和分类故障的类型。C.2 遗传算法遗传算法（GA）的工作与编码的变量。遗传算法与传统优化方法的主要区别在于，与传统优化方法的单点方法相比，遗传算法一次使用多个点。这意味着GA同时处理多个设计。在后面的文章中，介绍了基于遗传算法的输电线路故障分类Song（1997）提出了一种基于遗传算法的神经网络（GANN）的输电线路故障分类新技术本文还对基于遗传算法的神经网络和基于BP（反向传播）网络的方案进行了比较Upendar等人（2008）提出了一种融合小波变换（WT）和遗传算法（GA）的输电线路故障分类新方法。该方法包含一个基于离散小波变换和遗传算法的预处理单元，利用离散小波变换对源端采集的输入电流信号进行特征提取。该数据作为GA的输入进行故障分类。C.3 DWT-ELM方法这种方法提出了一种准确的混合技术的串联补偿传输系统的故障分类将离散小波变换（DWT）和极限学习机（ELM）相结合进行故障分类。 将所提出的故障分类器与DWT-ANN故障分类器进行比较，并且观察到所提出的分类器与另一个分类器相比给出了高精度和小的学习时间（Ray等人， 2012年）。C.4 原理与FPGA实现FPGA技术在硬件和软件两个层面的最新发展，以及成本的迅速降低，增加了FPGA在电力系统领域的使用。Valsan和ShantiSwarup（2009）提出了一种更好的硬件高效逻辑，使用现场可编程门阵列（FPGA）进行输电线路故障分析。FPGA的应用是电力系统故障分类领域的一种新兴方法。C.5 GSM技术Sujatha和VijayKumar（2011）开发了一种全球移动通信系统（GSM）方法，它可以有效地应用于以前建立的特殊保护系统，以增加其在网络中断期间的可靠性。在这种方法中，一个强大的GSM被认为是从一个网络发送数据到另一个网络，在传输参数的任何变化被检测到，以保护整个传输和分配。C.6 基于PMU的保护方案基于PMU的保护系统由Jiang等人提出。（2002年，2003年）。它提出了一种自适应保护，用于使用同步相量测量的传输系统的测量技术相量测量单元64A. Prasad等人/电气系统与信息技术学报5（2018）61(PMU)保护方案包括故障检测、分类和方向判别。该方案利用同步相量构成一个多功能保护继电器，达到全线保护的目的。Rahideh等人（2013）提出了一种用于使用同步相量测量的两端多段复合输电线路的故障定位的模型，该复合输电线路是架空线路和地下电力电缆的组合。C.7 决策树方法决策树机制是透明的，我们可以很容易地按照树结构来解释决策是如何进行的。是做出来的它可能是将样本数据划分为决策规则集合的最先进的技术。用于分类问题的决策树通常被称为分类树。下面的论文展示了决策树机制如何帮助故障分类。Shahrtash和Jamehbozorg（2008）开发了一种决策树技术。该方法已应用于输电系统的它利用故障和故障检测器产生的行波来确定准确的故障起始时间对于该方法，需要保护线路的一侧的数据，并且仅在2ms内执行决策，这是早期方法中的最佳时间 这些作者在Jamehbozorg和Shahrtash（2010）中将他们的工作扩展到双回路传输线。图1示出了基于决策树的方法算法的示意图。Samantaray（2009）提出了一种利用决策树（DT）对晶闸管控制串联补偿器（TCSC）和统一潮流控制器（UPFC）线路进行故障区域检测和分类的新方法。基于决策树的程序使用一个周期的数据，从故障开始的三相电流以及零序电压和电流构造最佳的决策树在输电线路故障分析。C.8 多信息测量Ling等（2009）提出了一种新的方法，该方法使用故障暂态的多信息测量，并借助于信息熵测量和复杂性测量进行故障分类。该方法适用于不同的暂态分量。C.9 相量分量Saha等人（2010a，b）提出了一种用于输电系统的识别故障相的新方法。该算法基于相电流的读数和相量分量的快速估计，在相对较短的数据窗口。关键选择技术利用不同的可能故障回路的电流大小之间的关系该方法利用中性点电流和相电流的大小来区分接地故障和不接地C.10 PCA框架Alsafasfeh等人（2010）提出了一种新的故障分类方法。这项工作是基于相电流在第一（1/4）日的一个周期中的组合技术，提供了更好的结果，使用对称分量法和主成分分析（PCA）。该算法的优点是在传输线的任何一端使用，因此不需要数据通信设备。C.11 试验计划Mahamedi（2011）提出了一种利用正常和故障条件下的无功功率的新型故障分类技术。导频方法需要将一个继电器测量的无功功率的符号与另一个继电器相关联。这种技术的主要优点是它不需要任何设置。继电器不需要为任何参数设置阈值因此，这种技术也被称为释放。该技术与故障的起始时间和位置无关A. Prasad等人/电气系统与信息技术学报5（2018）6165Fig. 1.基于决策树的方法算法示意图（Shahrtash和Jamehbozorg，2008）。C.12 泛函分析与计算智能de Souza Gomes等人提出了一种新的模型，在功能上表示传输线的相位。（2013年）。的检测和分类策略的模型参数的分析，并使用一组模拟故障和一个真正的数据库进行评估。所提出的数学模型包括随机组件，占电流和电压的随机偏差，或噪声，在正常的操作条件下。因此，它提供了新的传输线的随机表示，这使得能够更快地检测异常行为或故障。C.13 欧氏距离基函数提出了一种新的故障检测技术，用于传输线路保护，使用连续电流样本之间的欧几里得距离（Prasad和Prasad，2014）。然后，该技术被扩展到识别故障相。的66A. Prasad等人/电气系统与信息技术学报5（2018）61考虑了在电力系统的不同情况下包含负荷变化、噪声、频率偏差、尖峰和故障的信号的过程的相对性能。C.14 模式识别方法SrinivasaRao和BadduNaik（2013）提出了一种使用MATLAB/SIMULINK进行输电线路故障分类的更好方法他们的工作表明，故障时，在电力传输系统中测量的电流和电压波形的故障的歧视3. 比较和结论3.1. 比较下面的表1给出了关于基于该方法中使用的技术、使用的仿真工具和复杂性水平的输电线路中的故障分类技术的审查的清晰想法复杂度分为三种类型，即，简单、中等和复杂，基于考虑因素;模拟时间、输入数量和相应方法中涉及的规则等。表1故障分类技术的比较。号方法名称参考编号使用的技术使用的模拟工具C. 现代技术C.1支持向量机Malathi和Marimuthu（2008）;Wang和Zhao（2009）;Youssef（2009）;Tripathi等人（2011）;Singh等人（2011年）支持向量机分类器，小波MATLAB支持向量机工具箱，EMTP，MATLAB/SIMULINK，ATP复杂C.2遗传算法Song（1997）;Upendar等人（二零零八年）遗传算法，神经网络EMTP，MATLAB复杂C.3Rayet al. 04The Famous Women（2012）C.4原理与FPGA实现02TheDog（2009）现场可编程门阵列MATLAB实时窗口目标工具箱介质C.5GSM技术Sujatha和VijayKumar（2011）全球移动通信系统（GSM）嵌入式硬件设计简单C.6基于PMU的保护方案Jiang等人（2002，2003）;Rahideh等人（二零一三年）相量测量单元EMTP/ATP SimpleC.7决策树方法Mahanty和DuttaGupta（2004年）;Shahrtash和Jamehbozorg（2008）;JamehbozorgandShahrtash（2010）;02 The Dog（2009）离散傅里叶变换EMTDC/PSCAD ComplexC.8多信息测量C.9相量分量的快速估计Ling等2009年多信息测量Saha等人（2010年a、b）零分量电流相量MATLAB MediumATP-EMTP培养基C.10基于PCA的框架Alsafasfehet al. （2010年）分析PSCAD MediumC.112011年，Mahamedi提出了一项试点计划。C.12泛函分析与计算智能deSouzaGomes等人（二零一三年）小波变换MATLAB复数C.13欧氏距离基函数PrasadandPrasad（2014）DWT MATLAB/SIMULINK MediumC.14模式识别方法05. SrinivasaRao和BadduNaik（2013）多分辨率分析MATLAB/SIMULINK ComplexA. Prasad等人/电气系统与信息技术学报5（2018）61673.2. 结论这项工作包括许多最近的故障分类技术及其主要特征。这些技术各有特点，如何在高速下获得更短的动作时间仍在研究中因此，有必要开发新的算法，使用先进的优化技术和灵活的交流输电系统（FACTS）设备，具有更高的计算效率和适用于实时应用。最后，全文包括第一部分和第二部分，希望对故障分析、用户和电力系统保护设计人员有所帮助。引用Alsafasfeh，Qais，Abdel-Qader，Ikhlas，Harb，Ahmad，2010年。基于对称模式和主成分分析的电力系统故障检测和分类框架。IEEE会议出版物，1-6。de Souza Gomes，André，Azevedo Costa，Marcelo，de Faria，Mr. Giovani Akar，Matos Caminhas，Walmir，2013. 应用功能分析与计算智能于输电线故障之侦测与分类。IEEETrans. 电力熟食店v. 28（July（3）），1402-1413. Jamehbozorg，A.，Shahrtash，S.M.，2010年。基于决策树的同塔双回输电线路故障分类方法。 IEEE Trans.电力熟食店v. 25（October（4）），2184-2189.蒋祖航、陈静珊、范炳霖、刘志文、张荣盛、2002。一种用于自适应地执行传输线路的故障检测、分类和方向辨别的复合索引。IEEEConferencePublicationsvol. 2，912-917。蒋祖航、陈静珊、刘志文，2003。输电线路故障检测、辨向、分类和定位的一种新保护方案。IEEETrans. 电力熟食店v. 18（January（1）），34-42.Ling，Fu，Zhengyou，He，Zhiqian，Bo，2009.基于故障暂态多信息测量的超高压输电线路故障分类新方法。IEEE会议出版物，1-4。Mahamedi，Behnam，2011.采用导频方案的故障分类和故障相位选择的新的无设定方法。 IEEE会议出版物，1-6。Mahanty，R. N.，Dutta Gupta，P.B.，2004年 RBF神经网络在输电线路故障分类定位中的应用。 IEE Proc.Gener. 传输。分布量 151（March（2）），201-212.Malathi，V.，Marimuthu，N.S.，2008年电力传动故障分类的多类支持向量机方法。 IEEE会议出版物，67-71。普拉萨德海峡杜尔加普拉萨德D.J.V.2014年。 基于欧氏距离函数的输电线路故障检测与选相保护。IEEE会议出版物，1-4。Rahideh，Abdolhamid，Gitizadeh，Mohsen，Mohammadi，Sirus，2013. 基于相量测量的输电线路故障定位技术。Int. J. Eng. Adv. 技术 3（October（1）），241-248.Ray，Papia，Panigrahi，B.K.，Senroy，N.，2012. 基于极端学习机的串联补偿输电线路故障分类。在：IEEE会议出版物，12月，pp。1比6Saha，M.M.，Rosolowski，E.，Izykowski，J.，Pierz，P.，Balcerek，P.，Fulczyk，M.，2010年a。输电线路快速选相的有效方法。IEEE会议出版物，1-5。Saha，M.M.，Rosolowski，E.，Izykowski，J.，Pierz，P.，Balcerek，P.，Fulczyk，M.，2010年b。输电线路高速继电保护故障分类新技术。现代电力系统，IEEE会议出版物，1-6。Samantaray，S.R.，2009年基于决策树的柔性交流输电线路故障区域识别与故障分类。IET会议出版物3（5），425-436。Shahrtash，S.M.，Jamehbozorg，A.，2008年基于决策树的输电线路故障分类方法。 IEEE会议出版物，1-5。Singh，Manohar，Panigrahi，B.K.，Maheshwari，R.P.，2011. 传输线故障检测与分类。IEEE会议出版物，15-22。Song，Y.H.，一九九七年。基于遗传算法的神经网络用于含统一潮流控制器的超高压输电线路故障分类。在：IET会议出版物，3月，pp。278-281。Srinivasa Rao，P.，Baddu Naik，B.，2013年。输电线路故障识别的模式识别方法。 Int. J. Eng. Res. Appl. 3（September-October（5）），1051-1056.Sujatha，M.S.，Vijay Kumar，M.，2011年。基于GSM的输配电线路故障在线监测与分析 J. Theor. Appl.INF. 技术 33（Nov（2）），258-265.Tripathi，Pushkar，Sharma，Abhishek，Pillai，G.N.，Gupta，Indira，2011. 基于支持向量机的TCSC补偿输电线路故障准确分类和分段识别方案。国际科学IndexInt.J.5（12），1023-1029。Upendar，J.，古普塔，C.P.，Singh，G.K.，2008. 基于离散小波变换和遗传算法的输电系统故障分类。见：第十五届全国电力系统会议（NPSC），印度理工学院孟买分校，12月，第100页。323-328Valsan，Simi P.，Shanti Swarup，K.，2009年电力线路中的高速故障分类：理论和基于FPGA的实现。 IEEE Trans. 印第安纳Electron.56（May（5）），1793-1800.王祖峰，赵普，2009年。 基于支持向量机的输电线路故障位置识别。 IEEE会议出版物，401-404。Youssef，Omar A.S.，2009年一种基于支持向量机的优化故障分类技术。 IEEE会议出版物，1-8。
我的内容管理
展开
