2012年第2期 1500kV 输电线路故障诊断方法综述魏智娟1 李春明2 付学文1(1.内蒙古工业大学电力学院,呼和浩特 010080;2.内蒙古工业大学信息学院,呼和浩特 010080)摘要 对近几年国内外具有代表的中外文献进行了学习研究,重点论述了输电线路故障诊断的四种方法:阻抗法,神经网络和模糊理论等智能算法,小波理论,行波法。
综合输电线路的四种故障诊断方法,建议采用小波熵原理对输电线路故障模型进行故障类型识别,运用基于小波熵的单端行波测距方法实现故障定位。
关键词:故障诊断;阻抗法;智能算法;小波理论;行波法The Survey on Fault Diagnosis in the 500kV Power Transmission LinesWei Zhijuan 1 Li Chunming 2 Fu Xuewen 1(1.The Power College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080; 2.The Information College of Inner Mongolia University of Technological, Inner Mongolia, Hohhot 010080)Abstract Based on the overview of typical literatures at home and abroad, this research focused on the four methods of failure diagnosis of transmission lines, namely, Impedance method, Intelligent method such as Neural Network Theory and Fuzzy Theory, Wavelet Theory and Traveling Wave method. And based on the synthesis of the four methods, this research suggested that simulation should be conducted to the failure models of transmission line by applying Wavelet Entropy Principle and the results of the simulation should be analyzed in order to identify the failure types; and the failure simulation should be conducted by the single traveling wave distance-testing method of wavelet entropy, and the results of the simulation should be analyzed in order to realize failure location.Key words :failure diagnosis ;impedance method ;intelligent algorithm ;the Wavelet Theory ;the traveling wave method超高压输电线路是电力系统的命脉,它担负着传送电能的重任,其安全可靠运行是电网安全的根本保证。
输电线路在实际运行中经常发生各种故障,如输电线路的鸟害故障[1]、输电线路的风偏故障等[2],及时准确地对输电线路进行故障诊断就显得非常重要。
国家电网公司架空送电线路运行规程明确规定“220kV 及以上架空送电线路必须装设线路故障测距装置”[3-4]。
由于我国幅员辽阔,地形地貌的多样性致使输电线路工作环境极为恶劣,输电线路发生故障导致线路跳闸、电网停电,对电力系统安全运行造成了很大威胁,所以,在线路发生故障后迅速准确地进行故障诊断,减少因故障引起的停电损失,降低寻找故障点的劳动强度,尽最大可能降低对整个电力系统的扰动程度,确保电力系统的安全可靠稳定运行具有十分重要的意义。
本文在总结前人的基础上,重点论述了超高压输电线路的4种故障诊断方法,建议采用小波熵原理对输电线路故障类型进行故障识别,利用基于小波熵的单端行波测距方法实现故障定位。
1 输电线路故障诊断当输电线路发生故障时,早先的故障定位通常是由经验丰富的运行人员在阅读故障录波图的基础上,综合电力用户提供的信息,进行预测、判断可能出现的故障位置,然后派巡线人员通过查线确认故障位置并及时排除故障。
在电力市场竞争日渐激2012年第2期2烈的情况下,以及对供电可靠性要求越来越高的用电设备投入使用的今天,这种低效率的传统故障定位方法日益显示出其弊端。
可靠、准确地对输电线路进行故障诊断与定位可以缩短查找故障点的时间,大大减轻了人工巡线的艰辛劳动;而且,还能查出人们难以发现的故障及时发现线路的薄弱环节,排除故障,保证快速恢复供电,降低因停电而造成的经济损失。
因此,输电线路故障诊断与定位技术给电力生产部门带来的社会和经济效益是难以估计的,它也一直是国内外电力生产部门及科研单位密切关注的研究课题之一。
高压输电线路故障所引起的行波中包含着丰富的故障信息。
合理、准确地利用行波信号中的故障信息,可以构成超高速动作的行波保护,而且还可以形成精确的行波故障测距和不受中性点运行方式影响的小电流接地系统行波选线方法[5]。
而行波保护的优势主要表现在3个方面:1)具有快速动作性。
提高继电保护的快速动作性是增大输电线路传输容量、提高电力系统稳定性的简单、有效措施。
2)从原理上,行波保护可以解决传统的工频量保护所不能解决的理论和技术问题。
3)行波保护不易受故障点的过渡电阻、电力系统振荡、短路电流的大小、电压、电流互感器的误差等因素的影响。
在现场试验和实际运行中,现有的行波测距选线方法的正确性和有效性己经被证实[6-8]。
这说明了我们是可以利用行波中的故障信息对输电线路进行故障诊断与定位,同时又为行波保护的研究与应用提供了丰富的经验。
近年来,随着行波理论的不断完善以及小波变换和数学形态学等理论的发展,特别是现代微电子技术的迅速发展,行波保护技术也得到了快速发展,出现了许多基于单端、双端行波测距和保护的方法和理论。
因此,一些国内外学者也致力于行波保护的研究与应用。
目前,虽然基于GPS 的双端故障测距装置已在输电网中获得了广泛的应用,且具有较高的测距精度,但该装置需要在输电线路两端安装设备,成本较高;而且需要通信通道和GPS ,其可靠性相对较低。
所以,研究基于单端行波测距的方法具有一定的前景和意义。
2 输电线路故障诊断方法2.1 阻抗法将计算机技术引入到电力系统后,使得输电线路阻抗测距法得到了长足的发展。
阻抗法的基本原理是通过测量输电线路发生故障时的电压、电流量,计算出故障回路的阻抗。
由于线路长度与阻抗成正比,因此便可求出装置装设处到故障点的距离,或是利用故障时记录下来的电压、电流量。
通过分析计算,求出故障点的距离。
由于该方法容易实现,操作方便而得到广泛应用,但架空输电线路参数R 、L 、C 是沿输电线路是按照潮流分布的,一般不能当做集中参数元件处理,且阻抗法的测距精度受系统运行方式、过渡电阻和线路分布电容等因素影响,所以该方法误差较大,很难保证测距精度[7,9-10]。
2.2 神经网络和模糊理论等智能算法近几年国内外相关专家学者对输电线路智能诊断理论的研究也越来越多,其中以神经网络和模糊理论方法的研究尤多。
各种智能技术之间的交叉结合,如模糊专家系统、模糊神经网络、神经网络专家系统等也相继出炉,但大多数尚处于研究阶段,距离输电线路故障诊断的实际应用有很长的一段路要走。
相关学科的研究成果如:小波变换、优化方法、卡尔曼滤波技术、模式识别技术、概率与统计决策方法等也被引入到输电线路故障诊断与定位的研究中[7,9]。
目前,这些输电线路故障诊断方法大部分也尚处于开发立论阶段。
在神经网络诊断法中人工神经元模拟了脑神经元的基本特性,它按照不同的权重接收其他神经元传递来的信号,而输出则是这种加权和信号的非线性函数值。
人工神经网络由大量人工神经元相互广泛连接组成,如图1所示的前馈网络模型包含输入层、隐含层和输出层,每层由数量不等的神经元L 、M 、N 组成。
相邻的各神经元之间由连接线相互联系,信息分散地存储在连接线权重上[11-13]。
图1 前馈人工神经网络简图文献[14]研究了人工神经网络训练样本的本端等值系统阻抗及电势变化对故障测距或距离保护的影响,指出人工神经网络用于故障测距时应当考虑的因素极多,所需训练样本巨大,且训练很难收敛,人工神经网络实用于故障测距尚需进一步研究。
文献[15]2012年第2期 3提出了一种基于模糊理论的单回线单端故障方法,因伪根问题没有得到解决,所以其定位精度不高。
文献[16]对人工神经网络故障诊断做了简要概括,指出由于电力设备的实际结构非常复杂,要获得学习所需的放电数据难度很大,所以该方法距离实用阶段尚有相当距离。
2.3 小波理论小波分析(Wavelet Analysis )是近20年来发展起来的一个新的领域,其可以称为是对傅里叶分析方法的突破性的发展,它对数学和工程应用的发展都产生了深远的影响。
小波变换是一种信号的时间—尺度(时间-频率)分析方法,它具有多分辨率分析(Multi-resolution Analysis )的特点,而且在时频两域都具有表征信号局部特征的能力,是一种窗口大小固定不变,形状可以改变,时-频窗都可以改变的时频局部化分析方法。
即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适合于探测正常信号中夹带的瞬态反常信号并展示其成分[17],所以被誉为分析信号的“显微镜”。
正是由于这种特性,使小波变换具有对信号的自适应性。
小波分析是数值分析、傅里叶分析、泛函分析相结合而发展来一种新的数学分支,它广泛应用于生物医学工程、雷达、机器视觉、机器故障诊断、自动控制、信号处理、图像处理与分析、语音识别与合成、音乐、CT 成像、量子场论、地震勘探、天体物理、分形等领域。
原则上讲,传统上使用傅里叶分析的地方,现在都可以用小波分析来取代。
小波变换是通过多尺度分析对信号奇异点进行提取的。
利用小波多分辨率分析的特性将突变信号进行多尺度分解,然后通过分解后的信号来确定突变信号的突变位置。