论文部分内容阅读
我国中压配电网广泛采用谐振接地方式。谐振接地系统的消弧线圈电感电流具有补偿电网接地电容电流的作用,可有效限制接地故障电流的破坏作用,使得系统仍可持续运行l~2h。但此时其他两相的对地电压会升高,对配电系统的绝缘产生威胁,因此必须及时、准确地判断出故障馈线,防止故障进一步扩大。当系统发生单相接地故障时,消弧线圈限制了接地故障电流,使残余电流的接地电弧易于熄灭。然而正是由于消弧线圈的补偿作用,将导致故障特征更微弱,增加故障馈线检测的难度。本文总结了现有的各种故障选线方法的基本原理和优缺点,综合考虑单相接地的暂稳态特征及各单一故障特征选线方法的互补性。针对传统机器学习中故障特征量的选取及其与分类方法的配合造成配电网单相接地故障选线难的问题,提出了一种简单而有效的基于连续小波变换(CWT)与卷积神经网络(CNN)的谐振接地系统故障选线方法。首先,将经连续小波变换后的各馈线暂态零序电流的时频灰阶图作为输入到卷积神经网络的图像样本,接着利用卷积神经网络自适应地提取故障关键特征,通过不同故障条件下的大量训练样本形成CNN分类器。CNN可以同时实现特征提取和故障馈线识别。然而一般的分类方法通常需要人为构造故障特征量,并选取合适的分类器与它配合。因此作为对比,本文提出了基于人工特征量提取分别与AdaBoost+CART和支持向量机(SVM)两类分类器结合的两种故障馈线检测方法,对采集到的各馈线暂态零序电流信号做离散小波包变换(DWPT)处理获取时频矩阵,采用统计量对原始波形数据和时频矩阵做特征量提取。通过不同故障条件下的大量训练样本形成AdaBoost+CART和SVM分类器实现故障选线。利用基于PSCAD/EMTDC软件搭建的10kV配电网模型和基于配电网动态模拟系统的物理实验模型获取训练样本和测试样本。结合单相接地故障暂态零序电流的影响因素,对典型故障和特殊故障类型样本进行训练和测试。测试结果表明,三种方法对配电网单相接地故障中的典型接地故障、弧光接地故障的馈线识别率都比较高,在噪声干扰、系统网络结构改变、分布式电源接入等情况下均有较好的适应性,在两点接地与互感器反接两种情况下,基于C NN的故障选线方法具有明显的优势。在混合样本测试中,三种方法对不同网络系统的样本兼容性良好。基于CNN的配电网单相接地故障选线方法无需人为构造和求取特征量,相比另外两种方法在鲁棒性和适应性上更具优势。