自动调谐小电流接地系统单相接地故障选线方法技术方案

本发明专利技术涉及一种自动调谐小电流接地系统单相接地故障选线方法，它包括以下步骤：选择特征参数，构建训练样本，训练单类支持向量机分类器，故障选线逻辑启动并采集故障数据，计算故障时的特征参数，建立测试样本，利用单类支持向量机分类器判别选线。由于小电流接地系统的单相接地故障存在样本数据不平衡，故障数据没有普遍性的特点，影响了目前通过聚类、神经网络和双类支持向量机的选线结果的准确性，本发明专利技术采用单类支持向量机进行选线，只采用正常运行时的数据构建单类分类器，分类器不受到故障数据与非故障数据不平衡以及故障数据没有普遍性的影响，解决了目前基于分类方法进行综合选线方法的不足，从而进一步提高了选线的可靠性。

【技术实现步骤摘要】

本专利技术涉及小电流接地系统单相接地故障选线方法，尤其是涉及一种自动调谐小电流接地系统发生单相接地故障时综合选线的方法。
技术介绍
我国3～66kV电网多数为小电流接地方式，当小电流接地系统发生单相接地故障时，由于电网线电压保持对称，故障电流很小，不影响对负荷的连续供电，我国规程规定小电流接地系统在发生单相接地故障情况下可以带电继续运行1～2小时。由于发生单相接地故障后，小电流接地系统非接地相电压升高倍，增加了线路绝缘性能要求，长时间的运行容易使故障扩大为相间短路，使事故升级扩大，同时弧光接地还可能引起全系统的过电压，为防止故障进一步扩大，要求尽快选出故障线路进行处理。小电流接地系统包括中性点不接地系统、中性点经高电阻接地系统和中性点经消弧线圈接地系统三种方式，中性点经消弧线圈接地系统中的消弧线圈补偿系统调节方式又分为固定补偿系统、手动调节补偿系统和自动调谐补偿系统，由于固定式补偿系统和手动调节补偿系统不适用于变动比较频繁的电网，现已基本淘汰，本专利技术主要针对自动调谐小电流接地系统。现有的故障选线原理，有主动式选线和被动式选线两种，主动式选线需要向电网注入信号，被动式选线主要利用故障时产生的电流、电压信号。被动式选线又分为基于故障稳态信号的选线方法、基于故障暂态信号的选线方法和基于信息融合技术的综合选线方法三种。由于基于信息融合的综合选线方法充分利用了稳态信号和暂态信号进行判断选线，使选线的可靠性得到极大的提高，是目前主要的选线方法。基于信息融合技术的选线方法主要包括证据理论、利用专家系统、模糊理论、神经网络、遗传算法和粗糙集理论等采用信息融合的方法进行故障选线。郭彦东，李荣在刊号为1003-7241的期刊《自动化技术与应用》2008年第27卷第9期第77页至79页《分类支持向量机在小电流接地选线中的应用》一文中公开了利用两类支持向量机进行选线的方法。张俊芳，刘鹏在刊号为1674-3415的期刊《电力系统保护与控制》2010年11月38卷22期第120页至125页《基于改进模糊神经网络的配电网故障选线研究》一文中公开了一种利用神经网络进行选线的方法。王媛媛，龙力宏等人在2011年12月14号中国专利说明书CN102279346A公开了一种利用聚类分类法进行选线的方法。以上三种综合选线方法都是基
于分类方法进行选线，这三种方法都存在两点不足，第一个不足是上述三种方法在分类时要求样本集是平衡的，而对于一个实际的小电流接地系统，正常线路数远大于故障线路数，正常线路的样本数据获取相对容易，故障线路的样本数据获取非常困难，即样本集是不平衡的。另外一种不足就是上述三种方法要求训练样本具备普遍性。由于单相接地故障状况复杂，随着接地距离、电压初相角、以及接地电阻的不同，故障样本变化非常大，因此，获得的故障样本数据就不具备普遍性，对于聚类、神经网络和两类支持向量机的训练带来极大的困难。这两种缺陷影响了上述三种综合选线的准确性。
技术实现思路
本专利技术要解决的技术问题在于：小电流接地系统单相接地故障时训练样本不平衡而且故障样本变化范围过大而不具有普遍性，造成包括两类支持向量机、神经网络和聚类这些基于分类的综合选线方法分类困难，导致选线准确度不高。为解决上述技术问题，本专利技术提供一种采用单类支持向量机对小电流接地系统进行选线的方法，这种方法只需要收集非故障样本，不需要收集故障线路的样本数据，克服了训练样本不平衡及故障样本数据不具备普遍性的不足，从而达到提高选线准确度的目的。本方法采取的技术方案包括以下步骤：步骤1、选择特征参数选择的特征参数有以下几个方面的要求：1、要求在系统正常运行时能够获得特征参数；2、要求线路在正常运行工况和其他线路故障时其特征参数保持一致；3、线路为故障线路和非故障线路时其特征参数有明显区别。根据这些特点，建立两种线路模型，选择5个特征参数。一种是线路用π型等值网络表示，选择线路的零序电容C0j、零序电阻R0j、零序电感L0j作为特征参数。在工频状态下，正常运行工况和其他线路故障时线路阻抗体现为容性，线路可以看成是导纳模型，因此，另一种模型线路用导纳模型表示，选择线路的零序电导G0j′和零序电容C0j′作为特征参数。对于n条线路的小电流接地系统，选择C0j、R0j、L0j、G0j′、C0j′(j＝1～n)这五种参数为特征参数。步骤2、构建训练样本对自动调谐小电流接地系统，对消弧线圈进行适当的失谐操作。利用消弧线圈的失谐状况和位移电压的相应改变，根据两种不同线路模型，建立小电流接地系统的零序网络，可计算出每条出线的零序电容C0j、零序电阻R0j、零序电抗L0j、零序电导G0j′、零序电容C0j′共5个元素组成的向量，每个向量构成一个训练样本。调整失谐比例，重复实验，可得到所需要的训练样本。步骤3、训练单类支持向量机分类器利用步骤2得到的训练样本数据对单类支持向量机进行训练，每一条线路对应于一个独立的单类支持向量机分类器；步骤4、故障选线逻辑启动并采集故障数据；步骤5、利用采集得到的故障数据计算每条线路的特征参数，构建检测样本；步骤6、利用单类支持向量机分类器检测选线：分别用每条线路由步骤3训练好的单类支持向量机分类器检测该线路系统故障时由步骤5得到的检测样本，如果该线路的检测样本属于该线路单类支持向量机分类器的超球范围内，则该线路为非故障线路，如果该线路的检测样本不在该线路单类支持向量机分类的超球范围内，则该线路属于故障线路，如果所有的线路都是非故障线路，则为母线故障。本专利技术的技术效果在于：由于小电流接地系统的单相接地故障数据极难获取而正常数据较易获取，造成样本集的不平衡，同时故障类型繁多造成故障数据没有普遍性，影响了目前通过聚类、神经网络和双类支持向量机的选线结果的准确性。单类支持向量机在解决非均匀分布样本的分类问题上具有独特的优势，本专利技术采用单类支持向量机进行选线，只采用正常运行时的数据构建单类分类器，由于单类分类器的构建不包含故障数据，因此分类器不受到故障数据与非故障数据不平衡以及故障数据没有普遍性的影响，解决了目前基于分类方法进行综合选线方法的不足，从而进一步提高了选线的可靠性。附图说明图1是本专利技术的流程图；图2是线路等效为π型等值电路，系统失谐状态下的零序网络等效图；图3是线路等效为π型等值电路，系统单相接地故障时的零序网络等效图；图4是线路等效为导纳等值电路，系统失谐状态下的等效网络结构图；图5是线路等效为导纳等值电路，系统单相接地故障时的等效网络结构图；图6是某变电站的一次系统接线图。具体实施方式下面结合附图和实例对本专利技术做进一步的详细描述：图1是本专利技术的选线系统流程图，下面介绍本专利技术的具体操作步骤：步骤1、选择特征参数。选择的特征参数有以下三个方面的要求：第一要求特征参数在系统正常运行是能够获得；第二要求每条线路的特征参数在系统正常运行工况和其他线路故障时保持一致；第三要求每条线路的特征参数在该线路为故障线路和非故障线路时有明显区别。一个具有n条出线具有自动调谐功能的小电流接地系统，正常运行时，可以通过调谐使系统处于失谐状态，将线路等效成π型模型，建立如图2所示零序等值电路，图中Dj为各出线检测点，Uf0为虚拟电源在零序网络上的压降，L0j、R0j、C0j分别为第j(j＝1本文档来自技高网...

【技术保护点】
自动调谐小电流接地系统单相接地故障选线方法，主要是基于分类的方法对自动调谐小电流接地系统进行综合选线，实现的过程为：(1) 选择特征参数；(2) 构建训练样本；(3) 训练分类器；(4) 故障选线逻辑启动并采集故障数据； (5) 利用采集得到的故障数据计算每条线路的特征参数，构建检测样本； (6)利用分类器检测选线；其特征是：(7)所选用的分类器是单类支持向量机分类器。

【技术特征摘要】
1.自动调谐小电流接地系统单相接地故障选线方法，主要是基于分类的方法对自动调谐小电流接地系统进行综合选线，实现的过程为：(1) 选择特征参数；(2) 构建训练样本；(3) 训练分类器；(4) 故障选线逻辑启动并采集故障数据； (5) 利用采集得到的故障数据计算每条线路的特征参数，构建检测样本； (6)利用分类器检测选线；其特征是：(7)所选用的分类器是单类支持向量机分类器。2.根据权利1所述的自动调谐小电流接地系统单相接地故障选线方法，其特征是：单类支持向量机分类器训练和测...

【专利技术属性】
技术研发人员：顾民，葛良全，李琳琳，蒋开明，罗耀耀，胡传皓，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：四川;51