一种基于小波奇异熵的有源配电网故障辨识方法技术

本发明专利技术提出一种基于小波奇异熵的有源配电网故障辨识方法：首先利用采样得到的三相电流数据构造故障辨识算法的启动判据，故障辨识算法启动后，利用中位原点矩滤波算法对采样得到的三相电流数组进行滤波处理；然后利用滤波后得到的故障三相电流数组计算并比较突变电流导数、突变电流有效值、突变电流波形一致程度，并据此来判别故障点前区段和正常线路区段；最后计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，利用故障相的小波奇异熵值比非故障相大的特点，构造基于小波奇异熵的故障选相判据并进行故障相判断。障选相判据并进行故障相判断。障选相判据并进行故障相判断。

【技术实现步骤摘要】
一种基于小波奇异熵的有源配电网故障辨识方法


[0001]本专利技术属于含分布式电源的有源配电网故障辨识
，具体涉及一种基于小波奇异熵的有源配电网故障辨识方法。

技术介绍

[0002]当前，配电网中分布式电源的渗透率越来越高。随着配电网分布式电源(DG)的接入及容量的不断增加，其网络结构和运行方式日益复杂，使得传统的故障定位与辨识方法难以满足要求。在配电网发生故障后快速有效地诊断出故障位置、辨识故障类型，对减少故障恢复时间、提高配电网的安全稳定运行和供电可靠性具有重要意义。
[0003]在传统单电源放射状结构配电网中，一般利用故障点上游开关处能够检测到故障电流而故障点下游开关处检测不到故障电流的现象来实现故障区段的定位。根据故障线路的三相电流、三相电压等工频稳态量来进行单相接地、两相短路、两相接地短路、三相短路等短路故障类别的判断。
[0004]但这些方法不仅故障检测灵敏度不高、故障类型识别速度慢、易受过渡电阻、故障距离等因素的影响。更为关键的是在分布式电源接入后，由于配电网的拓扑结构及形态变化，会使短路电流特征发生显著改变，进而造成传统的故障定位方法失效，故障辨识的结果不准确，对配电系统继电保护的可靠性带来巨大挑战。
[0005]针对上述问题，亟需对传统配电网的故障定位和辨识方法进行改进，提升含分布式电源配电网继电保护的动作正确率。

技术实现思路

[0006]本专利技术针对配电网接入分布式电源后，由于配电网的拓扑结构和短路电流分布特征复杂化，导致传统故障辨识方案难以准确、迅速的定位故障区段，以及故障类别判断结果不准确的问题，提出了一种基于小波奇异熵的有源配电网故障辨识方法，极大的提高了对含分布式电源配电网进行故障辨识的能力。
[0007]本专利技术针对配电网的网络结构和运行方式因分布式电源接入而日益复杂，传统的故障定位与辨识方法难以满足要求的问题，综合利用可靠的故障辨识算法启动判据、性能优越的滤波算法、三相电流突变量以及故障三相电流的小波奇异熵，形成了一种基于小波奇异熵的有源配电网故障辨识方法：
[0008]首先利用采样得到的三相电流数据构造故障辨识算法的启动判据，故障辨识算法启动后，利用中位原点矩滤波算法对采样得到的三相电流数组进行滤波处理；然后利用滤波后得到的故障三相电流数组计算并比较突变电流导数、突变电流有效值、突变电流波形一致程度，并据此来判别故障点前区段和正常线路区段；最后计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，利用故障相的小波奇异熵值比非故障相大的特点，构造基于小波奇异熵的故障选相判据并进行故障相判断。
[0009]本专利技术具体采用以下技术方案：
[0010]一种基于小波奇异熵的有源配电网故障辨识方法：首先利用采样得到的三相电流数据作为故障辨识算法的启动判据，故障辨识算法启动后，利用中位原点矩滤波算法对采样得到的三相电流数组进行滤波处理；然后利用滤波后得到的故障三相电流数组计算并比较突变电流导数、突变电流有效值、突变电流波形一致程度，并据此来判别故障点前区段和正常线路区段；最后计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，利用故障相的小波奇异熵值比非故障相大的特点，通过基于小波奇异熵的故障选相判据进行故障相判断。
[0011]进一步地，具体包括以下步骤：
[0012]步骤S1、利用智能电子保护设备IED进行实时三相电流数据采样，形成采样数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]、I
b
＝[I
b1
,I
b2
,
···
I
bk
]、I
c
＝[I
c1
,I
c2
,
···
I
ck
]；
[0013]步骤S2、构造故障辨识算法的启动判据：I
a
、I
b
、I
c
数组中任一相数组一周期的电流采样值之和是否大于整定电流值，将步骤S1中采样数组的数据代入启动判据中，判断基于小波奇异熵的故障辨识算法是否启动；
[0014]步骤S3、当故障辨识算法的启动条件满足后，对采样所得的故障三相电流数组进行中位原点矩滤波处理：首先选择滑动窗，将滑动窗元素从小到大排序得到新数组；并用其中位数代替原数组中的元素，得到新故障三相电流数组对Y取滑动窗，得到数组计算数组的k阶原点矩，得到中位原点矩滤波后的新数组I
a
'＝[I
a1
',I
a2
',
···
I
ak
']；最终得到滤波后的故障三相电流数组为
[0015]步骤S4、利用滤波后得到的故障三相电流数组计算包括突变电流导数、突变电流有效值和表征突变电流波形一致程度的相关系数的判别指标；并与门槛值进行比较，据此判别故障点前区段和正常线路区段；进而实现故障区段定位；
[0016]步骤S5、计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，所述小波奇异熵由小波变换、奇异值分解和信息熵结合形成；然后利用故障相的小波奇异熵值比非故障相大的特点，通过叠加累积故障相和非故障相小波奇异熵相对差异，对A、B、C三相信号的各阶小波奇异熵进行处理；最后构造获得基于小波奇异熵的故障选相判据并进行故障相判断。
[0017]进一步地，步骤S1中实时采样线路的A、B、C三相电流，具体包括：
[0018]利用智能电子保护设备IED实时采样线路的A、B、C三相电流，形成采样数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]、I
b
＝[I
b1
,I
b2
,
···
I
bk
]、I
c
＝[I
c1
,I
c2
,
···
I
ck
]；
[0019]其中，k为采样数组保存数量，采样频率为25kHz，即每工频周波20ms内采样点数为500，采样数组共保存2周波的采样数据，即k取值为每周波采样数的2倍，对应为1000。
[0020]进一步地，步骤S2中进行故障辨识算法的启动判据计算具体过程如下：
[0021]构造故障辨识算法的启动判据，将步骤S1中采样数组的数据代入启动判据中，判断基于小波奇异熵的故障辨识算法是否启动；
[0022]步骤S2故障辨识算法启动判据，具体包括：
[0023]当I
a
、I
b
、I
c
数组中任一相数组一周期的电流采样值之和大于整定值时故障辨识算法启动，即下式值为1时故障辨识算法启动，值为0时故障辨识算法不启动：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波奇异熵的有源配电网故障辨识方法，其特征在于：首先利用采样得到的三相电流数据作为故障辨识算法的启动判据，故障辨识算法启动后，利用中位原点矩滤波算法对采样得到的三相电流数组进行滤波处理；然后利用滤波后得到的故障三相电流数组计算并比较突变电流导数、突变电流有效值、突变电流波形一致程度，并据此来判别故障点前区段和正常线路区段；最后计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，利用故障相的小波奇异熵值比非故障相大的特点，通过基于小波奇异熵的故障选相判据进行故障相判断。2.根据权利要求1所述的一种基于小波奇异熵的有源配电网故障辨识方法，其特征在于，具体包括以下步骤：步骤S1、利用智能电子保护设备IED进行实时三相电流数据采样，形成采样数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]、I
b
＝[I
b1
,I
b2
,
···
I
bk
]、I
c
＝[I
c1
,I
c2
,
···
I
ck
]；步骤S2、构造故障辨识算法的启动判据：I
a
、I
b
、I
c
数组中任一相数组一周期的电流采样值之和是否大于整定电流值，将步骤S1中采样数组的数据代入启动判据中，判断基于小波奇异熵的故障辨识算法是否启动；步骤S3、当故障辨识算法的启动条件满足后，对采样所得的故障三相电流数组进行中位原点矩滤波处理：首先选择滑动窗，将滑动窗元素从小到大排序得到新数组；并用其中位数代替原数组中的元素，得到新故障三相电流数组对Y取滑动窗，得到数组计算数组的k阶原点矩，得到中位原点矩滤波后的新数组最终得到滤波后的故障三相电流数组为步骤S4、利用滤波后得到的故障三相电流数组计算包括突变电流导数、突变电流有效值和表征突变电流波形一致程度的相关系数的判别指标；并与门槛值进行比较，据此判别故障点前区段和正常线路区段；进而实现故障区段定位；步骤S5、计算滤波后得到的故障三相电流A、B、C三相的小波奇异熵，所述小波奇异熵由小波变换、奇异值分解和信息熵结合形成；然后利用故障相的小波奇异熵值比非故障相大的特点，通过叠加累积故障相和非故障相小波奇异熵相对差异，对A、B、C三相信号的各阶小波奇异熵进行处理；最后构造获得基于小波奇异熵的故障选相判据并进行故障相判断。3.根据权利要求2所述的一种基于小波奇异熵的有源配电网故障辨识方法，其特征在于，步骤S1中实时采样线路的A、B、C三相电流，具体包括：利用智能电子保护设备IED实时采样线路的A、B、C三相电流，形成采样数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]、I
b
＝[I
b1
,I
b2
,
···
I
bk
]、I
c
＝[I
c1
,I
c2
,
···
I
ck
]；其中，k为采样数组保存数量，采样频率为25kHz，即每工频周波20ms内采样点数为500，采样数组共保存2周波的采样数据，即k取值为每周波采样数的2倍，对应为1000。4.根据权利要求2所述的一种基于小波奇异熵的有源配电网故障辨识方法，其特征在于，步骤S2中进行故障辨识算法的启动判据计算具体过程如下：构造故障辨识算法的启动判据，将步骤S1中采样数组的数据代入启动判据中，判断基
于小波奇异熵的故障辨识算法是否启动；步骤S2故障辨识算法启动判据，具体包括：当I
a
、I
b
、I
c
数组中任一相数组一周期的电流采样值之和大于整定值时故障辨识算法启动，即下式值为1时故障辨识算法启动，值为0时故障辨识算法不启动：其中，n为每周期电流采样点数；n+1≤i≤k，i∈Z；I
set
为整定电流值，设置如下：I
set
＝5I
max
其中，I
max
为线路正常运行时，对应相电流在每个周波内的最大采样值。5.根据权利要求2所述的一种基于小波奇异熵的有源配电网故障辨识方法，其特征在于，步骤S3中当故障辨识算法的启动条件满足后，对采样所得的故障三相电流数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]、I
b
＝[I
b1
,I
b2
,
···
I
bk
]、I
c
＝[I
c1
,I
c2
,
···
I
ck
]进行中位原点矩滤波处理，A相电流数组I
a
具体的滤波处理算法如下：步骤S31：选择长度为h的滑动窗，即选取I
a
中的h个数据组成数组I
ah
＝[I
a(i)
,I
a(i+1)
,
…
,I
a(i+h
‑
1)
]，其中i＝1,2,
…
,k
‑
h+1，将每个数组中的元素按照从小到大的顺序进行排序，得到新数组步骤S32：计算新数组的中位数，计算方法为：将计算得到的中位数y
i
代替原数组I
a
＝[I
a1
,I
a2
,
···
I
ak
]中的元素I
a(i)
，从i＝1至i＝k
‑
h+1更新数组I
a
中的k
‑
h+1个元素，得到新数组步骤S33：根据步骤S32中得到的数组Y，仍取长度为h的滑动窗长，得到数组其中i＝1,2,
…
,k
‑
h+1；计算数组的K阶原点矩，具体算法为：在上式中，为数组中第j个元素的K次幂；将数组的K阶原点矩代替数组Y的第i个元素按照此方式，从i＝1至i＝k
‑
h+1更新数组Y中的k
‑
h+1...

【专利技术属性】
技术研发人员：陈灵，翟博龙，黄见虹，宋福海，吕庭钦，林美华，林叶青，余定文，童纯洁，吴晨阳，叶雷，郑益琴，郑南章，郭健生，邱碧丹，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：