基于小波变换的超高压输电线路故障分析

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报4（2017）107基于小波变换的变故障时刻超高压输电线路故障分析A. Swetha a，P. Krishna Murthy b印度孟买bSBIT，KMM，印度接收日期：2015年8月20日;接收日期：2016年6月28日;接受日期：2016年9月19日2016年11月16日在线发布摘要本文评估故障发生时间如何影响故障信号中存在的能量熵提出了一种基于小波熵的故障诊断针对L-G故障，在第1层、第5层提取db小波细节系数该分析可以进一步扩展到其他类型的故障。© 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：故障检测;故障隔离;小波;波熵1. 介绍为了获得最佳性能，需要保持电力的质量和可靠性。因此，准确、可靠地识别输电线路各种故障源，并尽快予以纠正，是极其重要的。电力系统中的电压和电流可能包括高次谐波、瞬态分量和由于故障和其他干扰而引起的随机噪声。从实测数据中快速估计电压电流基本分量的参数具有重要意义。故障在线路中启动的时刻在使用自动保护设备的快速故障检测中也起着至关重要的作用这项工作涉及分析故障发生时间的不同情况下的故障信号的能量含量利用小波变换提取第1级和第5级信号的能量含量，并进行对比分析，结果表明第5级信号能量含量的变化对故障数据的评估更准确。由于Db小波在分解故障信号细节方面具有更高的准确率，因此被首选*通讯作者。电子邮件地址：swethaalagandula@gmail.com（S. A.），Krishnamurthy. gmail.com（P.K. Murthy）。电子研究所（ERI）负责同行评审。http://dx.doi.org/10.1016/j.jesit.2016.09.0022314-7172/© 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/）。108S. 一、P.K. Murthy/电气系统和信息技术杂志4（2017）107Fig. 1.用于故障分析的材料实验室模型。几个变换被用来提取这些谐波的信息近年来，已经提出了各种故障位置估计方法 这些方法基于人工神经网络（ANN）（Pradhan等人，2006; Mahanty和Gupta，2004）、傅立叶变换（FT）（Lin等人， 2004）、小波变换（WT）（Ghafoor和Rao，2006; Murthy等人， 2016）或这些技术的组合（Zadeh，2004; Upendar等人， 2008年）。傅立叶变换（Oppenheim和Schafer，1989）和小波变换（Anon.， 2016）是用于任何信号的频域分析的两个主要工具。虽然傅里叶变换提供了关于信号中存在的所有频率的信息，但它没有给出这些信号何时出现的指示。与FT不同，WT不仅在频带中分析信号，而且还提供频域的非均匀划分，即，WT在高频使用短窗口，在低频使用长窗口这有助于在频域和时域中有效地分析信号对不同故障时刻的单相接地故障进行了仿真分析。2. 电力系统仿真三相、60 Hz、735 kV电力系统通过600 km输电线路将由6台350 MV A发电机组成的电力传输到等效网络。输电线路分为两条300公里的线路，连接在母线B1、B2和B3之间。为了提高输电能力，每根线路串联补偿40%的线路电抗。这两条线路还通过330 Mvar并联电抗进行并联补偿。并联和串联补偿装置位于B2变电站，其中一台300 MV A 735/230 kV Transformer（带25 kV三次绕组）为230 kV、250 MW负载供电。两条线路的串联补偿子系统相同。对于每条线路，串联补偿模块的每一相包含串联电容器、保护电容器的金属氧化物压敏电阻和保护MOV的并联间隙。当MOV中耗散的能量超过30 MJ的阈值水平时，由断路器模拟的间隙被点燃。CB 1和CB 2是两个线路断路器（图①的人。3. 初步测量（图2） 2- 10）在一个周期的t =（0.625/60）0.001 s时，施加线路接地故障。在t = 5个周期时，线路保护继电器断开断路器CB 1和CB 2。然后，使用小波变换对故障信号进行分解，并提取第1级和第5级的细节系数针对L-G故障的不同故障时间获取电流的故障数据，并且如上所4. 小波变换小波变换由于其较好的分析行波的能力，在故障分析中得到了越来越多的关注。小波变换将瞬态分解成一系列小波分量，每个小波分量对应于覆盖特定倍频程频带的时域信号，该特定倍频程频带包含更详细的S. 一、P.K. Murthy/电气系统和信息技术杂志4（2017）107109图二.故障启动时间（秒）。图3.第三章。mat-lab中故障发生时间设置为t = 0.001 s。图四、当故障发生在t = 0.001 s（0.625/60周期）时的故障电流110S. 一、P.K. Murthy/电气系统和信息技术杂志4（2017）107图五、当故障发生在t = 0.002 s（0.125/60周期）时的故障电流图六、当故障发生在t = 0.004 s（0.25/60周期）时的故障电流图7.第一次会议。当故障发生在t = 0.008 s（0.5/60周期）时的故障电流S. 一、P.K. Murthy/电气系统和信息技术杂志4（2017）107111图8.第八条。当故障发生在t = 0.006 s（0.375/60周期）时的故障电流图9.第九条。当故障发生在t = 0.012 s（0.75/60周期）时的故障电流图10个。当故障发生在t = 0.016 s（1/60周期）时的故障电流112S. 一、P.K. Murthy/电气系统和信息技术杂志4（2017）107表1针对不同故障发生时间的不同能量故障 类型DB41/600.75/600.375/600.5/600.25/600.125/600.625/60LGEA水平100.000099.993599.998110099.995699.997699.9989ED13.5933e-0050.00650.00193.8241e-0050.00440.00240.0011EA水平99.974199.526199.790799.76299.621399.724999.9121ED50.02260.31150.14640.02060.24070.19460.0592信息.采用多级一维小波分解方法计算细节系数。语法如下[C，L] = wavedec（X，N，N必须是严格的正整数（参见wmaxlev获取更多信息）。输出分解结构包含小波分解向量C和簿记向量L。[Ea，Ed]= wenergy（C，L）返回Ea和Ed，Ea是对应于近似的能量的百分比，Ed是包含对应于细节的能量的百分比的向量。5. 成果讨论针对LG故障，提出了小波变换提取故障信号的细节系数的方法。 结果列于下表1中。因此，可以看出，详细的系数能量以其递减和递增的顺序对于每个四分之一周期变化。故障信号熵在每个季度的一个完整的周期为1级和5级清楚地表明，有一个最终的增加和减少的能量水平的近似和详细的系数为正半周期和负半周期的全周期故障数据的采样时间为16 ms。这种分析是有用的，以预测的严重程度的故障电流大小的故障发生的时间的基础上，使故障隔离更准确。6. 结论利用小波变换在处理信号能量变化时的突变点的优势，提出了一种新的故障信号能量变化判据，即在不同的故障时刻，分析故障信号的能量变化在电能质量评估的研究领域中，具有故障发生瞬间知识的重要性可以有更大的用途该研究可进一步推广到其他类型的断层这可以进一步扩展到故障电流的序列分量的分析，在故障检测更准确。引用功能Tpminka，小波网页上vismod [在线].可从以下网址获得：http://vismod.media.mit.edu/pub/tpminka/features/wavelet.cGhafoor，S.A.，拉奥P.V.R.2006年。输电线路中基于小波的故障检测、分类和定位。第一届国际电力和能源会议PEOCO，马来西亚普特拉贾亚，第五届。林永兴，香港，Liu，C.W.，陈政生，字子欣，字子欣2004. 一种考虑电弧故障判别的基于PMU的输电线路故障检测/定位新技术第一部分：理论与算法IEEETrans. 电力熟食店v. 19（10月）（4））。Mahanty，R. N.，警察局的古普塔2004年 RBF神经网络在输电线路故障分类定位中的应用。 IEEE Proc. -将军传输。分布量151（3月）（2））。Murthy，P.K.，Amranath，J.，Kamakshiah，S.，Singh，B.P.，2008年高压直流输电系统故障检测与定位的小波变换方法在：IEEE区域10座谈会和第三届ICIIS，Kharagpur，印度，12月。奥本海姆，A.V.Schafer，R.W.，一九八九年离散时间信号处理 Prentice Hall，新泽西州普拉丹，A.K.，Mohanty，S.R.，Routray，A.，2006. 输电线路保护的神经故障分类器-模块化方法。IEEE论文，1-4244-0493。Upendar，J.，古普塔，C.P.，Singh，G.K.，2008年基于离散小波变换和概率神经网络的输电系统故障分类算法。IEEE论文，978-1-4244-2764。Zadeh，H.K.，2004年同塔双回输电线路故障分类的人工神经网络方法。在：IEEE Transm. 和Distrib。会议&博览会，拉丁美洲。··