[发明专利]基于集成经验模式分解的配电网高阻故障定位和模拟方法

说明书

本发明涉及一种基于集成经验模式分解的配电网高阻故障定位和模拟方法，包括以下步骤：采集测量点的相电压和相电流，计算零序电压和零序电流；采用集成经验模式分解方法对所述零序电压和零序电流进行分解，筛选反映暂态故障特征的一系列本征模式分量；根据所述本证模式分量，分别计算零序电压量谱和零序电流量谱，实现配电网高阻故障定位的确定。本发明利用集成经验模式分解方法对采集变换得到的各母线零序电压和各馈线零序电流进行离散分析，计算速度快，不仅能够灵敏、有选择性地检测高阻接地故障，而且不受过渡电阻和故障时刻等随机因素影响。

技术领域

本发明涉及故障定位领域，具体为一种基于集成经验模式分解的配电网高阻故障定位方法和定位模拟方法。

背景技术

配电系统中，单相接地故障是电网运行故障的主要形式，甚至大部分的相间故障也是由单相故障发展而来的。单相接地故障的类型分为金属性接地和高阻接地，其中高阻接地故障发生时，三相线电压几乎还是对称，同时故障电流很小，故障特征不明显，很难对特征量进行准确的提取，从而加大了高阻故障检测的难度。高阻接地故障会影响输配电系统正常运行，对弧光接地故障来说由于空气游离的缘故，接地阻抗变化很大，使现有保护反复启动、恢复，可能会导致相邻线路、设备的保护越级跳闸，使电力系统出现更严重的故障。在故障停电对用户恢复供电时，高阻故障会造成火灾、人身触电等严重后果，给生命财产带来损失，因此，高阻抗故障的检测十分重要。

目前对高阻接地故障的研究主要集中于线路高阻接地保护，有文献采用线电流的三次谐波来检测伴随有电弧的高阻抗故障，也有利用卡尔曼滤波方法研究高阻接地故障的方法，此外，人工神经网络也被尝试用于高阻故障检测，但由于神经网络需要大量训练样本，目前难以应用于电力系统实际中。

集成经验模式分解与FFT、小波分解等不同，集成经验模式分解方法无需选择基函数，其分解完全基于信号本身极值点分布，通过多次筛选，将信号分解为多个表征信号中某种单一模态的本征模式分量(Instrinsic Mode Function,IMF)与一个趋势项，得到国内外广泛关注，然而，当信号的极值点分布不均时，集成经验模式分解分解结果会出现“过冲”、“欠冲”现象，导致模式混淆。

发明内容

针对现有技术中存在的不足，本发明提出了一种基于集成经验模式分解的配电网高阻故障定位方法，该方法基于信号本身极值点分布，采用加、减法对信号进行处理，计算速度快，不仅能够灵敏、有选择性地检测高阻接地故障，而且几乎不受过渡电阻和故障时刻等随机因素影响。

本发明采用下面的技术方案：

一种基于集成经验模式分解的配电网高阻故障定位方法，包括以下步骤：

(1)采集测量点的相电压和相电流，计算零序电压和零序电流；

(2)采用集成经验模式分解方法对所述零序电压和零序电流进行分解，筛选反映暂态故障特征的一系列本征模式分量；

(3)根据所述本证模式分量，分别计算零序电压量谱和零序电流量谱，选择零序电压量谱中的最大值，确定故障母线所在的位置；选择零序电流量谱中的最大值，确定故障分支的位置；实现配电网高阻故障定位的确定。

进一步的，在步骤(2)中，首先对所述零序电压和零序电流的信号加入高斯白噪声，然后再采用集成经验模式分解方法分解所述零序电压和零序电流。

进一步的，根据下式确定高斯白噪声的幅值：

或者

式中α为加入幅值为e的高斯白噪声平均N次后分解误差，N＝100，e取值为0.05倍的信号标准差。

进一步的，对所述本征模式分量的绝对值进行设定时间的固定浮动时间窗的计算，得到零序电压量谱和零序电流量谱。

进一步的，步骤(4)中采用下式计算零序电压量谱和零序电流量谱：