CN109765460A - 一种基于自适应尺度Symlets小波的配电网故障选线方法 - Google Patents

Abstract

本发明公开了一种基于自适应尺度Symlets小波的配电网故障选线方法，包括以下步骤：S1：接收配电网各线路的电压增量和电流增量；S2：利用Symlets小波对电压增量进行小波变换，得到电压增量系数序列；S3：对电压增量系数序列进行奇异性检验，得到电压增量系数序列中最大值对应的时刻tk；S4：对电流增量进行多尺度分解，得到时刻tk时电流增量对应的模极大值矩阵Z_ij；S5：根据不同尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max；S6：在相同选线比较尺度j_max下，对不同线路序号的模极大值进行比较：将模极大值的数值最大且极性与其他线路的极性相反对应的线路作为故障线路。本发明具有故障选线快速准确、简单高效的技术特点。

Description

一种基于自适应尺度Symlets小波的配电网故障选线方法

技术领域

本发明属于电力领域，尤其涉及一种基于自适应尺度Symlets小波的配电网故障选线方法。

背景技术

随着我国电力行业的迅猛发展，配电网规模随着负荷的增长而不断扩建和发展，配网自动化改造的进程也在不断加快，现代电力***结构的日益复杂，线路故障对轨道交通供电***运行安全的危害与日俱增。短路故障发生后，有时故障点很难查找，虽然保护动作切除故障，但由于绝缘的变化，无法及时排除故障隐患。单相接地故障发生概率高，选线与定位问题长期以来一直得不到有效的解决。如何及时准确的选出故障线路，一直是电力工作者面临的刻不容缓的问题，也是配网自动化、智能化***面临的问题态势。在出现接地故障时，需要尽快的恢复***的电压。所以单相接地故障是急需要解决的工程实践问题，这关系到全***配电网供电的可靠性。

发明内容

本发明的技术目的是提供一种基于自适应尺度Symlets小波的配电网故障选线方法，具有故障选线快速准确、简单高效的技术特点。

为解决上述问题，本发明的技术方案为：

一种基于自适应尺度Symlets小波的配电网故障选线方法，包括以下步骤：

S1：接收所述配电网各线路的电压增量和电流增量；

S2：利用Symlets小波对所述电压增量进行小波变换，得到电压增量系数序列；

S3：对所述电压增量系数序列进行奇异性检验，得到所述电压增量系数序列中最大值对应的时刻tk；

S4：对所述电流增量进行多尺度分解，得到所述时刻tk时所述电流增量对应的模极大值矩阵Z_ij，其中，i为所述配电网络的线路序号，j为所述多尺度分解的尺度；

S5：根据不同所述尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max，其中，所述j_max为所述最大值Z_∑i对应列的尺度；

S6：在相同所述选线比较尺度j_max下，对不同所述线路序号的所述模极大值进行比较：将所述模极大值的数值最大且极性与其他线路的极性相反对应的线路作为故障线路。

根据本发明一实施例，在所述步骤S2中，所述Symlets小波为：

式中，j为尺度，k为时移因子，t为时间。

根据本发明一实施例，在所述步骤S2中，所述电压增量系数序列为所述电压增量经小波变换后的低频系数序列，所述小波变换为：

式中，为低通平滑因子θ(t)在所述尺度j下的伸缩函数，X(t)为所需所述小波变换的信号。

根据本发明一实施例，在所述步骤S3中，所述奇异性检验采用Lipschitz指数α表征：

|X(t₀+h)-P_n(t₀+h)|≤A|h|^α

式中，X(t)在时间t₀处的Lipschitz指数为α，h为一个充分小的量，P_n(t)为过X(t₀)点的前n次多项式，A为一个常数。

根据本发明一实施例，在所述步骤S4中，所述Z_ij为：

式中，Z_mn的所述线路序号为m，所述尺度为n。

根据本发明一实施例，在所述步骤S5中，所述Z_∑i为：

根据本发明一实施例，在所述步骤S6中，所述故障线路的所述模极大值为所述故障线路的所述模极大值的数值最大且极性与其他线路的极性相反，表征为：

式中，表示所述j_max对应的所有线路的所述模极大值的集合。

本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：

本发明可针对小电流接地***中各馈线电流增量的含量不同，模极大值奇异量所在的尺度分布存在较大差异的情况，小波的自适应尺度选择可以选择信号突变特征最明显的尺度，使得模极大值位置与信号突变点的位置对应关系更准确，进而对于故障线路的判断更加准确，达到故障选线准确的技术效果，同时，本发明的方法可通过计算机或处理单元自动化执行，达到故障选线快速、简单高效的技术效果。

附图说明

图1为本发明的一种基于自适应尺度Symlets小波的配电网故障选线方法的流程示意图；

图2为本发明一实施例的故障仿真结构图；

图3为图2对应的实施例的接收到的电压增量波形图；

图4为图2对应的实施例的电压增量系数序列示意图；

图5为图2对应的实施例的故障时刻电压增量波形局部放大图；

图6为图2对应的实施例的故障时刻接收到的三条线路电流增量波形图；

图7为图2对应的实施例的故障时刻三条线路电流增量尺度分解后的波形图。

具体实施方式

以下结合附图和具体实施例对本发明提出的一种基于自适应尺度Symlets小波的配电网故障选线方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。

参看图1，本实施例提供一种基于自适应尺度Symlets小波的配电网故障选线方法，包括以下步骤：

S1：接收配电网各线路的电压增量和电流增量；

具体地，处理器或计算单元接收配电网各线路的电压增量和电流增量；

S2：利用Symlets小波对电压增量进行小波变换，得到电压增量系数序列；

具体地，处理器或计算单元利用Symlets小波对电压增量进行小波变换，得到电压增量系数序列；

具体地，Symlets小波为：

式中，j为尺度，k为时移因子，t为时间；

具体地，电压增量系数序列为电压增量经小波变换后的低频系数序列，处理器或计算单元利用Symlets小波对电压增量进行小波变换为：

式中，为低通平滑因子θ(t)在尺度j下的伸缩函数，X(t)为所需小波变换的信号，即X(t)为电压增量；

S3：对电压增量系数序列进行奇异性检验，得到电压增量系数序列中最大值对应的时刻tk；

具体地，处理器或计算单元对电压增量系数序列进行奇异性检验，得到电压增量系数序列中最大值对应的时刻tk；

具体地，所述奇异性检验采用Lipschitz指数α表征：

|X(t₀+h)-P_n(t₀+h)|≤A|h|^α

式中，X(t)在时间t₀处的Lipschitz指数为α，h为一个充分小的量，P_n(t)为过X(t₀)点的前n次多项式，A为一个常数；

S4：对电流增量进行多尺度分解，得到时刻tk时电流增量对应的模极大值矩阵Z_ij，其中，i为配电网络的线路序号，j为多尺度分解的尺度；

具体地，处理器或计算单元对电流增量进行多尺度分解，得到时刻tk时电流增量对应的模极大值矩阵Z_ij，其中，i为配电网络的线路序号，j为多尺度分解的尺度；

具体地，模极大值矩阵Z_ij为：

式中，Z_mn的线路序号为m，尺度为n；

S5：根据不同尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max，其中，j_max为最大值Z_∑i对应列的尺度；

具体地，处理器或计算单元根据不同尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max，其中，j_max为最大值Z_∑i对应列的尺度；

具体地，Z_∑i为：

S6：在相同选线比较尺度j_max下，对不同线路序号的模极大值进行比较：将模极大值的数值最大且极性与其他线路的极性相反对应的线路作为故障线路；

具体地，处理器或计算单元在相同选线比较尺度j_max下，对不同线路序号的模极大值进行比较：将模极大值的数值最大且极性与其他线路的极性相反对应的线路作为故障线路；

具体地，故障线路的模极大值为故障线路的模极大值的数值最大且极性与其他线路的极性相反，表征为：

式中，表示j_max对应的所有线路的模极大值的集合。

本实施例可针对小电流接地***中各馈线电流增量的含量不同，模极大值奇异量所在的尺度分布存在较大差异的情况，小波的自适应尺度选择可以选择信号突变特征最明显的尺度，使得模极大值位置与信号突变点的位置对应关系更准确，进而对于故障线路的判断更加准确，达到故障选线准确的技术效果，同时，本发明的方法可通过计算机或处理单元自动化执行，达到故障选线快速、简单高效的技术效果。

参看图2至图7，现结合本实施例的执行过程对本实施例进行说明：

参看图2，为本实施例的一仿真配电网发生故障，其中，本实施例中配电网有三条线路，以简化说明，显然地，本实施例的配电网中的线路数量还可为多条，可实现多条线路的故障选线。

在步骤S1中，本实施例在消弧线圈上接收电压增量U_{0_xq}，电压增量波形图为图3中所示，接收到的电流增量波形型图为图6所示。

在步骤S2中，将接收到的电压增量利用Symlets10小波进行小波变换，得到电压增量系数序列D1，具体参看图4。其中，Symlets10小波为Symlets小波的具体形式。

在步骤S3中，对电压增量系数序列进行奇异性检验，在故障发生的局部时刻确定出模极大值最大值的对应时刻tk，时刻tk即为故障时刻，参看图5，图5为故障时刻tk的电压增量波形局部放大图。

在步骤S4中，将如图6在母线上接收到的电流增量I_{0_L1}，I_{0_L2}和I_{0_L3}进行多尺度分解，得到时刻tk时电流增量对应的模极大值矩阵。

在步骤S5中，根据不同尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max，j_max为最大模极大值平方和对应的尺度。

在步骤S6中，在选线比较尺度为j_max下，确定每条线路的电流增量对应时刻模极大值和比较三者的数值大小和极性，参看图7，显然地，可以确定故障线路为线路1。

现从原理上对本实施例的方法进行说明：

当小波函数可以看做某一平滑函数的一阶导数时，小波变换模的局部极值点对应故障发生时刻信号的突变点，即小波变换的模极大值与信号的突变点是一一对应的，其极性表示突变点的变换方向，大小表示突变点的变化强度。在故障后，干扰信号的小波变换模极大值随尺度的增大而减小，而有用的特征增量产生的小波变换模极大值随尺度的增大保持不变或增大，可以有效的区分干扰信号与特征增量。故障线路在故障发生后，波形偏离时间轴，存在一个较大的电流增量流经故障线路与消弧线圈形成的通路，而流经未故障线路的电流增量较小，所以线路电流增量的模极大值数值越大，说明流经该线路的电流增量变化大，对应线路即为故障线路。根据基尔霍夫定律，在同一母线上所有线路的电流之和为零，故障线路与非故障线路的电流增量极性是相反的。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。

Claims (7)

1.一种基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，包括以下步骤：

S1：接收所述配电网各线路的电压增量和电流增量；

S2：利用Symlets小波对所述电压增量进行小波变换，得到电压增量系数序列；

S3：对所述电压增量系数序列进行奇异性检验，得到所述电压增量系数序列中最大值对应的时刻tk；

S4：对所述电流增量进行多尺度分解，得到所述时刻tk时所述电流增量对应的模极大值矩阵Z_ij，其中，i为所述配电网络的线路序号，j为所述多尺度分解的尺度；

S5：根据不同所述尺度对应的模极大值之和的最大值Z_∑i，确定选线比较尺度j_max，其中，所述j_max为所述最大值Z_∑i对应列的尺度；

S6：在相同所述选线比较尺度j_max下，对不同所述线路序号的所述模极大值进行比较：将所述模极大值的数值最大且极性与其他线路的极性相反对应的线路作为故障线路。

2.根据权利要求1所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S2中，所述Symlets小波为：

式中，j为尺度，k为时移因子，t为时间。

3.根据权利要求2所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S2中，所述电压增量系数序列为所述电压增量经所述小波变换后的低频系数序列，所述小波变换为：

式中，为低通平滑因子θ(t)在所述尺度j下的伸缩函数，X(t)为所需小波变换的信号。

4.根据权利要求3所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S3中，所述奇异性检验采用Lipschitz指数α表征：

|X(t₀+h)-P_n(t₀+h)|≤A|h|^α

式中，X(t)在时间t₀处的Lipschitz指数为α，h为一个充分小的量，P_n(t)为过X(t₀)点的前n次多项式，A为一个常数。

5.根据权利要求1-4任意一项所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S4中，所述Z_ij为：

式中，Z_mn的所述线路序号为m，所述尺度为n。

6.根据权利要求5所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S5中，所述Z_∑i为：

7.根据权利要求6所述的基于自适应尺度Symlets小波的配电网故障选线方法，其特征在于，在所述步骤S6中，所述故障线路的所述模极大值为所述故障线路的所述模极大值的数值最大且极性与其他线路的极性相反，表征为：

式中，表示所述j_max对应的所有线路的所述模极大值的集合。