基于零序差分电流和能量矩指标的高阻接地故障识别方法技术

本发明专利技术公开了基于零序差分电流和能量矩指标的高阻接地故障识别方法，首先，基于高阻接地故障零序电流高频分量的时频特征，提出了基于差分运算的零序电流波形处理方法，获取含有非工频周期分量的零序差分电流；然后，运用变分模态分解方法对零序差分电流进行分解，提取多个本征模态分量；基于能量矩特征，定义了半区间能量矩比值指标和高低频能量矩比值指标；最后，给出了高阻接地故障识别方法。可以有效提升高阻接地故障识别正确率，提高了故障识别方法的灵敏性和安全性。别方法的灵敏性和安全性。别方法的灵敏性和安全性。

【技术实现步骤摘要】
基于零序差分电流和能量矩指标的高阻接地故障识别方法


[0001]本专利技术涉及配电自动化
，具体涉及一种基于零序差分电流和能量矩指标的高阻接地故障识别方法。

技术介绍

[0002]高阻接地故障（High impedance fault，HIF）是配电网系统中发生概率最高的故障类型，约占配电网故障事件总数的85%。由于配电网系统多分布在城乡居住区，一旦发生高阻接地故障，极易导致人员触电伤亡事故；同时，故障产生的电弧在短时间内会释放巨大能量，对配电网系统内的旋转电机等绝缘强度较低设备都存在较大威胁，容易引发设备损坏、火灾等事故，造成重大财产损失。目前，我国低压配电网的接地方式主要采用中性点不接地或经消弧线圈接地。当发生高阻接地故障时，故障电流信号微弱，相电流跌落较小，导致传统的故障识别成功率较低。在新型配电系统建设背景下，实现高阻接地故障的准确识别具有重要意义。
[0003]目前针对高阻接地故障识别的研究主要是从频域分析、时域分析和时频域分析三个方面开展。频域分析方法主要是通过提取故障波形中的奇次谐波分量特征来实现故障的识别，如基于3次谐波和5次谐波幅值特征的故障识别方法，基于3次谐波相位角变化特征的故障识别方法等，这类方法不受负载电流影响，但高阻接地故障奇次谐波分量与断路器动作等正常扰动类似，在部分场景会发生误判。时域分析方法主要分为两种，一种是通过挖掘高阻接地故障波形的畸变特征实现故障识别，如基于相电流偏态系数的故障识别方法，基于零序电流波形斜率的“M”型特征的故障识别方法等，这类方法不需要进行频域分析，计算简单，但在三相负载不平衡时容易失效；另一种是通过比较电压与电流的关系进行识别，如基于计算故障过渡电阻的识别方法，基于中性点零序电流和馈线零序电流投影分量幅值关系的故障识别方法等，这类方法准确率相对较高，但计算复杂，对配电网结构参数较为敏感，缺乏普适性。时频域分析方法则主要是通过提取故障信号的局部特征对故障进行识别，如基于离散小波变换后细节系数变化趋势的故障识别方法，基于重叠离散小波包变换后能量谱的故障识别方法，基于经验模态分解和功率谱密度的故障识别方法，基于Stockwell变换后的平均谐波振幅的故障识别方法等。与频域分析方法和时域分析方法相比，时频域分析方法利用高阻接地故障谐波表现出的时序分布特征来提高识别方法的准确率，但现有方法大多只选取信号高频分量的频域特征而忽略了在时域上的变化趋势，缺乏一定的可靠性。目前，神经网络、支持向量机、随机森林等机器学习算法也已被尝试用于高阻接地故障识别，但机器学习算法需要大量训练数据，而现有配电网故障信息一般为小样本数据，通常难以满足模型训练需求。
[0004]高阻接地故障零序电流高频分量呈现周期特性和高频特性。一方面，由于电弧起弧熄弧过程的非线性，高阻接地故障的高频波形在一个工频周期内会出现两次；与发生正常扰动后的自由衰减高频分量不同，高阻接地故障波形的随机分量在故障发生期间持续存在；另一方面，与负荷投切、变压器空载励磁涌流等配电网系统的正常扰动相比，高阻接地
的高频分量频率更高，且能量信号在300Hz到800Hz的频域范围内分布较为均匀，部分随机程度较高的故障波形其高频信号频率甚至可达1kHz。配电网高阻接地故障特征不明显、故障识别困难成为目前急需解决的问题。

技术实现思路

[0005]为解决上述技术问题，本专利技术聚焦于高阻接地故障高频分量的时频特征，提出了一种基于零序差分电流和能量矩指标的高阻接地故障识别方法，利用差分算法和变分模态分解对零序电流信号进行处理；结合能量矩算法和故障高频特征构建能量矩指标以实现高阻接地故障的识别，提高高阻接地故障识别的准确性和可靠性。
[0006]本专利技术所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法，步骤为：步骤1、对配电网馈线零序电流进行采样，获得t时刻零序电流，利用差分算法对零序电流信号进行处理，得到t时刻零序差分电流；步骤2、采用变分模态分解法VMD对t时刻零序差分电流分解，得到多个具有中心频率和有限带宽的本征模态分量；步骤3、结合能量矩算法和故障高频特征构建能量矩指标，实现高阻接地故障识别；步骤4、对识别结果进行判定，确认其是发生高阻接地故障或配电网非故障扰动。
[0007]进一步的，步骤1中，所述t时刻零序差分电流定义为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，代表t时刻零序电流，代表工频周期，代表t
‑
T时刻零序电流。
[0008]进一步的，步骤2中，采用变分模态分解法VMD对零序差分电流进行分解的具体步骤为：步骤2
‑
1、构建约束变分模型如下： (2)式中，t表示时间，表示对t时刻波形数据求偏导；表示t时刻Dirac函数；代表卷积运算；为预设分解个数；为所有本征模态分量IMF构成的集合，是由
每一个IMF中心频率构成的集合，和分别表示第k个本征模态分量IMF及其中心频率，其中；为t时刻第k个本征模态分量IMF；j为虚数单位；e为自然常数；π为圆周率常数；步骤2
‑
2、对上述变分模型求解：通过对式（2）引入二次惩罚项和拉格朗日算子，将带约束的变分模型转换为如下非约束变分模型：
ꢀꢀꢀꢀꢀꢀꢀ
（3）式中，为t时刻的拉格朗日算子；使用交替方向乘子法求解式（3），所求得的解即为式（2）和的最优解。
[0009]进一步的，为得到最优和，使用交替方向乘子法求解式（3），其中使用交替方向乘子法运算的参数更新步骤为：首先输入预设分解个数K和收敛精度，令、、对应的傅里叶变换为、、；对、和进行初始化并通过如下式（4）~（6）对其进行迭代更新：
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
式中，n为迭代次数，为频率，、、分别为第n次迭代时的拉格朗日算子值、第n次迭代时第k个本征模态分量IMF和第n次迭代时第k个本征模态分量IMF的中心频率；、、分别为第n+1次迭代时的拉格朗日算子值、第n+1次迭代时第k个IMF和第n+1次迭代时第k个本征模态分量IMF的中心频率；为第n次迭代时第i个本征模态分量IMF，且；为噪声容忍系数；迭代终止判定公式如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)若公式（7）成立，则判定VMD分解所得各个IMF满足预设收敛精度要求并停止迭代，VMD分解过程结束，此时和为第k个本征模态分量IMF分量及其中心频率的最终分解结果，。
[0010]进一步的，步骤3中，构建高频分量表征指标具体为：步骤3
‑
1、提取能量矩特征，具体步骤如下:步骤3
‑1‑
1、对进行L层VMD分解得到L+1个信号序列，，n代表信号采样点位置，N代表总采样点个数，其中为分解得到的信号序列，为分解余项；步骤3
‑1‑
2、对第l个信号构建能量矩特征,其中：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于零序差分电流和能量矩指标的高阻接地故障识别方法，其特征在于，所述方法步骤为：步骤1、对配电网馈线零序电流进行采样，获得t时刻零序电流，利用差分算法对零序电流信号进行处理，得到t时刻零序差分电流；步骤2、采用变分模态分解法VMD对t时刻零序差分电流分解，得到多个具有中心频率和有限带宽的本征模态分量；步骤3、结合能量矩算法和故障高频特征构建能量矩指标，实现高阻接地故障识别；步骤4、对识别结果进行判定，确认其是发生高阻接地故障或配电网非故障扰动。2.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法，其特征在于，步骤1中，所述t时刻零序差分电流定义为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，代表t时刻零序电流，代表工频周期，代表t
‑
T时刻零序电流。3.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法，其特征在于，步骤2中，采用变分模态分解法VMD对零序差分电流进行分解的具体步骤为：步骤2
‑
1、构建约束变分模型如下： (2)式中，t表示时间，表示对t时刻波形数据求偏导；表示t时刻Dirac函数；代表卷积运算；为预设分解个数；为所有本征模态分量IMF构成的集合，是由每一个IMF中心频率构成的集合，和分别表示第k个本征模态分量IMF及其中心频率，其中；为t时刻第k个本征模态分量IMF；j为虚数单位；e为自然常数；π为圆周率常数；步骤2
‑
2、对上述变分模型求解：通过对式（2）引入二次惩罚项和拉格朗日算子，将带约束的变分模型转换为如下非约束变分模型：
ꢀꢀꢀꢀꢀꢀꢀ
（3）式中，为t时刻的拉格朗日算子；使用交替方向乘子法求解式（3），所求得的解即为式（2）和的最优解。4.根据权利要求3所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法，其特征在于，为得到最优和，使用交替方向乘子法求解式（3），其中使用交替方向乘子法运算的参数更新步骤为：首先输入预设分解个数K和收敛精度，令、、对应的傅里叶变换为、、；对、和进行初始化并通过如下式（4）~（6）对其进行迭代更新：
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)式中，n为迭代次数，为频率，、、分别为第n次迭代时的拉格朗日算子值、第n次迭代时第k个本征模态分量IMF和第n次迭代时第k个本征模态分量IMF的中心频率；、、分别为第n+1次迭代时的拉格朗日算子值、第n+1次迭代时第k个IMF和第n+1次迭代时第k个本征模态分量IMF的中心频率；为第n次
迭代时第i个本征模态分量IMF，且；为噪声容忍系数；迭代终止判定公式如下所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)若公式（7）成立，则判定VMD分解所得各个IMF满足预设收敛精度要求并停止迭代，VMD分解过程结束，此时和为第k个本征模态分量IMF分量及其中心频率的最终分解结果，。5.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法，其特征在于，步骤3中，构建高频分量表征指标具体为：步骤3
‑
1、提取能量矩特征，具体步骤如下:步骤3
‑1‑
1、对进行L层VMD分解得到L+1个信号序列，，n代表信号采样点位置，N代表总采样点个数，其中为分解得到的信号序列，为分解余项；步骤3<...

【专利技术属性】
技术研发人员：张腾飞，王玮乐，朱三立，丁孝华，徐俊俊，胡震，刘明祥，蔡月明，吴巨爱，姜永将，程奕凌，张文峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：