离散小波变换与模糊逻辑的配电网故障识别论文总结

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报2（2015）257基于离散小波变换和模糊逻辑的配电网故障识别Majid Jamil，Rajveer SinghSham， Sanjeev Kumar Sharma印度新德里110025 Jamia Millia Islamia工程技术学院电气工程系接收日期：2014年10月5日;接收日期：2015年3月1日;接受日期：2015年3月4日2015年9月21日在线发布摘要在这项工作中，提出了一种基于模糊逻辑的算法，采用离散小波变换的不平衡分布电力系统的配电系统中的各种故障识别。该技术能够识别10种不同类型的故障，故障起始角，负载和配电系统的其他参数的变化的影响可以忽略不计。IEEE 13总线配电系统和印度的配电系统的情况下，所提出的方法进行了测试。以三相电流为输入信号进行故障识别，取得了满意的©2015 作 者 。 ElsevierB.V. 制 作 和 托 管 这 是 CCBY-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：故障识别;模糊逻辑;离散小波变换;故障起始角1. 介绍如今，由于人均电力消耗的增加，配电系统与早期相比携带大量的电力。在目前的趋势中，预计在不久的将来不会有任何变化，至少在印度和其他发展中国家，这种趋势将持续几十年。因此，电力供应的任何干扰都可能导致电力供应中断和电力质量下降。配电系统是最重要的组成部分，其影响的可靠性，服务质量，电力成本和美学影响的社会。在任何一个工业化国家，配电系统将电力从不同的发电站输送到最终用户。快速恢复故障部件所需的两个最重要的事情是故障位置和故障类型同样，在数字式距离保护系统中，保护装置的正确操作和故障的准确分类也是必要的（Grainger和Stevenson，1994）。*通讯作者。联系电话：+91 9911314742。电子邮件地址：majidjamil@hotmail.com（M. Jamil），rajeev dit@rediffmail.com（R. Singh），sanjeev. gmail.com（S.K.Sharma）。电子研究所（ERI）负责同行评审。http://dx.doi.org/10.1016/j.jesit.2015.03.0152314-7172/© 2015作者。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/）。258M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257通 过看 到故障类型识别的 上述 益处 ，进行了大 量的 研究 工 作（ Aggrawal等 人， 1999;Lin 等 人，2001;Ferrero等人，1995;Wang和Keerthipala，1998;Girgis和Johns，1989;Protopapas等人，1991; Togami等人，1995; Chen等人，2000; Adu，2002）。 由于输电系统承载着大量的电能，任何对输电系统的扰动都会影响到整个电力系统，因此，以往对输电系统进行了大量的研究工作。如今，由于印度等发展中国家的城市化和工业化程度的提高，此外，地下电缆的使用也增加了故障识别的复杂性因此，配电系统故障类型识别变得越来越重要。虽然，大量的技术可用于故障识别和分类。它们中的一些是基于（1）电压、（2）电流、（3）阻抗等的连续监测。 所有这些技术都有其自身的优点和缺点（Alanzi等人， 2014年）。输电线路故障分类的一些智能技术（通常称为基于知识的技术）是基于神经网络的（Aggrawal等人，1999; Lin等人， 2001）;模糊逻辑和模糊神经网络（Ferrero等人，1995; Wang和Keerthipala，1998）;以及基于知识系统的方法（Girgis和Johns，1989; Protopapas等人， 1991年）。 所有这些技术都有一个主要的缺点，即神经网络需要适当的训练，并且这些技术对高阻抗故障不敏感。大部分的研究工作已经完成的各种类型的故障，即是否是线接地，双线接地，双线故障或三相故障的识别。最近，相位角分类和模糊逻辑为基础的计划（Das，2006年）已发表在研究论文。基于角度的方法的主要缺点是其准确度仅为约60%。诸如欠阻抗和转矩技术的其它技术利用输电线路的正序阻抗和零序但是，输电线路的零序阻抗不能精确确定，因此，适合于距离继电器，其中继电器的范围被定义。然而，故障记录器能够监测从一个站发出的所有输电线路，可能还有大多数相邻线路。此外，欠阻抗和转矩算法对后面有强源的近距离故障敏感。对于这样的故障条件，可能多于一个测量单元将估计正序故障阻抗或有效操作转矩接近期望值。因此，不能可靠地依赖这些技术来确定所有故障条件下的故障相。基于角度的故障分类方法（Das，2006）具有更好的效益，因为负载电流和故障电流的差异此外，模糊逻辑的使用为故障分类提供了更大的灵活性，但是从负载电流中去除衰减的故障电流分量是非常困难的，并且通常模糊隶属函数重叠提供了差的结果。多分辨率小波变换算法（Gayatri等人，2007）在故障分类方面非常快速和准确，但主要缺点是它仅识别故障的类型，即，LG、LL、LLG和三相故障。提出的故障分类方案更准确，因为它可以很容易地将10种不同类型的故障即三种类型的线路接地故障、三种类型的双线接地故障、三线接地故障和三相对称故障。所提出的方案的主要优点是，只需要三相线电流测量，而不需要其他参数或信息，例如， 断路器（CB）位置和隔离器。IEEE 13总线配电系统和印度配电公用事业的所有的信号分析、配电系统模型仿真和模糊逻辑系统都是在MATLAB®/SIMULINK环境下设计的2. 故障识别策略通过实现离散小波变换实现故障识别策略。离散小波变换用于计算测量的电流信号的特定能量水平的能量变化。从离散小波变换计算的能量，然后作为输入到模糊逻辑系统。2.1. 离散小波变换小波变换是用于有效地分析和研究信号的测试工具（Rizwan等人， 2013年）。小波变换将测量的失真信号分解到不同的时间-频率域（Jamil等人，2014年）。小波变换利用基函数的伸缩来检测被测信号中的各种频率成分。小波变换将信号分解为不同的频带。基函数M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257259ΣΣ∞k=−∞Σk=−∞ k=−∞nnFig. 1.信号X[n]的多级分解。是母小波，它利用了伸缩和平移特性。这里，大窗口用于获得信号的低频分量，而小窗口反映不连续性。Wf（m，n）=2（−m/2）<$f（t）Φ（2−mt−n）dt（1）其中m是频率，n是时间。实际上，小波级数由下式给出：k=∞f（t）=ck Φ（t-k）+dkΦ（2it-k）（2）Φ（x）=<$2<$h0Φ（2x−n）（3）其中Φ（x）是尺度函数，h0是低通滤波器系数。Φ（x）=<$2<$h1Φ（2x−n）（4）其中Φ（x）是小波函数，h1是高通滤波器系数。 图 1示出了小波树的各种分解级别，其中X [n]是离散信号。分解层次可分为细节系数和近似系数。在分解信号的不同层次上，各种细节和这些能量可以很容易地计算，并在这些能量的基础上，故障可以很容易地分类。任何分解信号的能量含量由以下公式给出E=|X|第二章（五）其中x是分解级的小波系数所提出的离散小波变换在IEEE 13总线上执行，如图所示。 2（Kirsting，1991）。让我们考虑633号母线上的故障，变电站故障系统的各种电流和电压波形如图所示。3.第三章。 计算子波系数以及因此与信号相关联的各种能量，并且在故障期间获得的结果示于表1和表2中。2.2. 模糊逻辑从表2可以看出，所获得的能量本质上是模糊的。因此，模糊逻辑用于故障识别，以区分故障的类型模糊逻辑系统比神经网络系统具有一定的优越性模糊逻辑系统通过简单地定义某些规则就可以得到结果，但在神经网络中需要严格的训练。另外算法的收敛性也是一个问题。260M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257图二. IEEE 13总线系统。表1不同能量的典型值故障类型能量A（×1011）能量B（×1011）能量C（×1011）能量G（×1011）A-G 1.342 0.0014 0.0019 0.10910.0028 1.3278 0.0018 0.10970.0025 0.0016 1.3425 0.11421.9717 1.8868 0.0015 00.0021 1.9774 1.9014 02.0119 02.1714 2.0964 0.002 0.06882.1246 0.06632.194 0.06732.5649 2.6127 0表2归一化能量的典型值（模糊输入）。类型的故障能量A能源B能量C能GA-G10.00100.00140.0905B-G0.002110.00130.0913C-G0.00190.001210.0934A-B0.925210.00100.0073B-C0.015110.95350.0013C-a0.95020.000610A-B-G10.97100.00090.0345B-C-G0.001310.97390.0339C-A-G0.97740.000710.0344A-B-C0.99910.994110在所提出的方法中，涉及的近似，不同的输入或前件由一个适当的相应的模糊变量表示。由于前件部分是本质上模糊的变量，因此其余结果部分中的其他变量本质上也应该是模糊的。上述近似规则库系统实际上是一个三角隶属函数已被用来表示所有这些模糊变量（在前件和后件的模糊规则），在这项工作中。 该故障分类模型使用三角隶属函数，如图4所示。所有四个输入通过使用四个三角形隶属函数来馈通。M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257261图三.母线633故障时的电流和电压波形。三角形的三条边的值为所有十种类型的故障已采取这样的方式，三角形隶属函数对应于任何特定类型的故障，是对称的十进制数。这可以从表3中得到证实。因此，在表4中示出了已经被分配以表示模糊故障类型的不同的三个边缘。在表3中，B3表示A相，B2表示B相，B1表示C相，B0表示地。计算适当的三个边缘，以显示用于声明不同类型的故障的模糊变量。选择三条边的方法如下。首先，为了正确地表示故障类型在该编码系统中，产生一个四位二进制数（B3B2B1B0）来表示故障类型。表3中给出了包含每种故障类型的二进制数及其相应的等效十进制数的完整图表。 这些规则用于模糊系统的输出。模糊逻辑的发展如图所示的方案。 5用于应用所提出的方法。四个输入分别为A相、B相、C相和零序电流的归一化能量。它们是从故障期间的采样值计算的262M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257表3故障代码表。故障类型B3B2B1B0等价十进制数A-G10019B-G01015C-G00103A-B110012B-C01106C-a101010A-B-G110113B-C-G01117C-A-G101111A-B-C111115表4模糊变量用于表示不同类型的故障。故障类型三胞胎一BCA-G8.599.5B-G4.555.5C-G2.533.5A-B11.51212.5B-C5.566.5C-a9.51010.5A-B-G12.51313.5B-C-G6.577.5C-A-G10.51111.5A-B-C14.51515.5见图4。三角隶属函数。A相、B相、C相三相电流。因为，这些值本质上是明确的;然后需要将它们转换为相应的模糊变量。在本文中，单例模糊化器（孟德尔，1995年）已被采用的模糊化的赋值。在模糊化之后，模糊化的输入用于检测故障并用作模糊推理系统（FIS）的输入FIS基于所提出的模糊规则，将适当类型的故障分类为输出。输出图五.故障分类的FLS。M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257263见图6。MATLAB®中模糊逻辑工具箱的典型FIS编辑器。见图7。 MATLAB®中FIS的Simulink模型。的推理系统也是模糊的性质。这些模糊输出不能直接用于宣告故障，而是首先需要被去模糊化以正确地确定故障的实际类型质心去模糊化功能已被实现，用于开发目的FIS。FLS方法的仿真已经在MATLAB®/Simulink软件的模糊逻辑模块中进行（如图所示）。 6）（Matlab，2015）. 在MATLAB ®中开发的FIS系统的simulink模型如图所示。7.第一次会议。对于给定的四个输入，对应于四个电流的能级，获得结果的规则如下：1. 如果能量A“2. 如果能量A“3. 如果能量A“264M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257表5总线633上不同故障的FLS输出。总线633模糊输出A-G9.52B-G5.52C-G3.44A-B12.5B-C6.5C-a10.5A-B-G13.5B-C-G7.44C-A-G11.4A-B-C15.5表6不同母线IEEE 13母线系统故障的FLS输出路公交车类型的故障A-GB-GC-GA-BB-CC-aA-B-GB-C-GC-A-G三相故障6719.525.523.4412.56.510.513.57.4411.415.56349.52255.52653.41212.56.510.513.57.4411.415.54. 如果能量A是通过使用不同的Rf值和故障起始角（FIA）来模拟不同的十种故障使用不同的Rf值和故障起始角（FIA）获得的结果几乎是相似的，因为只有能量的变化被测量。因此，它是独立的不同值的FIA。在IEEE 13母线辐射状配电系统633母线处不同故障时，FLS的典型输出如表5所示。3. 结果和讨论所提出的算法进行了测试，使用模拟以及实时数据。测试数据的不同来源1) MATLAB生成的数据。2) IEEE 13总线径向配电馈线。3) Janpur配电系统故障数据（M.P.，印度）由MIPOWER公司提供（如图所示）。 8）。对于总线P27处的故障，各种结果如表6所示，模糊输出的相应值也如表7所示。本文设计了一种基于模糊逻辑和离散小波变换的故障检测系统该设计在IEEE 13节点辐射状配电系统和辐射状配电网络上进行了实时仿真验证表7不同母线故障的FLS输出：配电系统，Janpur（M.P.，印度）。路公交车类型的故障A-GB-GC-GA-BB-CC-aA-B-GB-C-GC-A-G三相故障P259.025.183.3011.876.510.4512.857.1211.3815.45P319.14165.19493.275512.056.510.454612.847.2511.3615.65M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257265见图8。配电系统SLD，Janpur（M.P.，印度）。数据和MATLAB®/Simulink软件。不同类型故障的能量值如表8所示。FLS的最终结果非常精确，如表9所示。 它能够检测所有十种类型的故障，即。A-G、B-G、C-G、A-B、B-C、C-A、A-B-G、B-C-G、C-A-G和三相对称故障。它已被发现，故障可能发生在所有可能的组合，因此，在宣布的各种类型的故障的模糊隶属函数的重要性被证明。基于模糊逻辑的设计的简单性意味着配电系统上的负载损失和能量损失的大幅减少，这是由于长时间的停电导致故障条件下更长的馈线停机时间。研究得出的各种结论和结果如下：表8归一化能量的典型值：Janpur（M.P.，印度）。类型的故障能量A能源B能量C能GA-G10.11740.09110.0724B-G0.095510.12340.079C-G0.1210.092210.077A-B10.60070.26700B-C0.273810.61270C-a0.61960.263410A-B-G0.853610.01760.2172B-C-G0.01780.830610.2136C-A-G10.01710.81740.2150A-B-C10.97530.98110266M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257表9总线P27上不同故障的FLS输出。P27母线故障类型模糊输出A-G9.52B-G5.52C-G3.44A-B12.5B-C6.5C-a10.5A-B-G13.5B-C-G7.44C-A-G11.4A-B-C15.51) 所提出的方法具有约95%的精度为轻度不平衡系统（即不太不平衡的系统）。2) 所提出的方法提供了良好的结果，为不同的FIA值和它独立的FIA变化。3) 为了保证准确性，采用了8层symlet母小波4) 该算法具有模糊隶属度函数，根据实验结果自适应。4. 结论由于电力系统的动态性和负荷的多样性，配电系统的运行条件和电气参数变化范围很大由于负荷模式的变化、电力系统设备的切换、发电机组的突然故障等，任何配电系统的结构都经常发生变化。配电系统的故障电阻、故障起始角和不同的负载条件也影响任何故障检测和分类方法的性能所提出的方法被发现是相当令人满意的分类故障类型的配电系统即 IEEE 13总线系统和公用事业配电系统Janpur，Madhya Pradesh（印度）。但是空间限制迫使我们显示在总线633处发生的故障的结果所提出的方法是完全有效的分类所有十种类型的故障和不同的电力系统参数的任何可能的组合建议研究中考虑的故障起始角为0.90，故障电阻值为0▲。该方法的计算结果不受FIAs、故障电阻等分布参数取值的影响结果的观察（如表2所示）表明，相应三相的归一化能量的值本质上是脆的，并且通常在0到1之间变化。FIS的输出取决于故障类型，因此解模糊输出从1到15不等（如表3所示）。在不同的运行条件、不同的故障电阻和故障起始角下对所提出的方法进行了测试，并得到了相应的结果，结果是令人满意的。引用阿杜，T.，2002年。 电力系统监测装置故障准确分类技术。 IEEE Trans. 电力熟食店v. 17（July（3）），684-690.Aggrawal，R.K.，Xuan，Q.Y.，邓恩，R.W.，贝内特，A.，1999. 基于无监督/有监督组合神经网络的双回线故障分类新技术。IEEETrans. 电力熟食店v. 14（October（4）），1250-1256.Alanzi，E.A.，Younis，M.A.，Ariffin，上午，2014年。 基于单端电压测量的配电系统缺相类型检测。电子 电力能源系统54，288-292.陈文辉Liu，C.W.，Tsai，M.S.，两千基于模糊规则的混合因果网络在配电站故障诊断中的应用。IEEETrans. 电力熟食店v. 15（April（2）），710-717.Das，B.，2006. 基于模糊逻辑的不平衡径向配电系统故障类型识别。IEEETrans. 电力熟食店v. 21（January（1）），278-285.Ferrero，A.，Sangiovanni，S.，Zapitelli，E.，1995. 数字继电保护故障类型识别的模糊集方法。IEEETrans. 电力熟食店v. 10（January（1）），169-175.Gayatri，K.，Kumarappan，N.，德维角，2007年提出了一种基于离散小波变换的超高压输电线路故障识别与分类方法。In：InternationalIEEEPowerEngineeringConference，Singapore，pp. 217-222M. Jamil等人/Journal of Electrical Systems and Information Technology 2（2015）257267吉吉斯，匿名戒酒会，Johns，M.B.，1989. 断层断面识别、断层类型分类及断层定位算法选择的混合专家系统。IEEETrans. 电力熟食店v.4（April（2）），978-985.格兰杰，J. J.，史蒂文森，W. D.，一九九四年 电力系统分析 麦格拉·希尔，纽约。贾米尔，M.，卡拉姆，A.，Ansari，A.Q.，Rizwan，M.，2014年。基于广义神经网络和小波变换的输电线路故障定位方法。应用软件计算19（June），322-332.Kirsting，W. H.，一九九一年 径向分布测试馈线。 IEEE Trans. 电源系统 6（August（3）），975-985.Lin，W.-M.，杨角D、Lin，J.H.，2001年提出了一种基于OLS学习过程的RBF神经网络故障分类方法。 IEEE Trans. 电力熟食店v. 16（October（4）），473-477.MATLAB软件Mathwork Inc.（第7.13版）。孟德尔，J.M.，一九九五年工程用模糊逻辑系统教程。 Proc. IEEE 84（6月6日），345-377。普罗托帕帕斯州，Psatiras，K.P.，Machias，A.V.，1991. 变电站故障诊断与报警处理专家系统。IEEETrans. 电力熟食店v. 6（April（2）），648-655.Rizwan，M.，卡拉姆，文学硕士，贾米尔，M.，Ansari，A.Q.，2013年。 一种基于矢量-模糊神经网络的输电线路故障定位方法。 电子 Eng. Res. 1（3），77-82，ISSN：2327-7254（印刷版），2327-7564。Togami，M.，Abe，N.，Kitahashi，T.，小川，H.，1995. 机器学习技术在配电线路故障诊断中的应用。IEEETrans. 电力熟食店v. 10（October（4）），1927-1936.王，H.，Keerthipala，W.W.L.，1998. 输电线路保护故障分类的模糊神经网络方法。IEEETrans. 电力熟食店v. 13（October（4）），1093-1104.