[发明专利]一种特高压换流站中故障波形的自动识别方法

说明书

本发明公开了一种特高压换流站中故障波形的自动识别方法，主要包括：1.有效数据分类，2.切换事件分类，3.故障分类，4.电能质量分类。本发明采用离故障更近的线路装置来收集故障波形，使得收集的数据更加精确，且不需要大的数据集并采用简单的算法即可实现对特高压换流站故障事件的自动分类，提高分类的准确性和效率。

技术领域

本发明属于特高压换流站故障领域，具体的说是一种特高压换流站中故障波形的自动识别方法。

背景技术

随着中国电网建设的飞速发展，特高压换流站故障的性质、定位及诊断分析对电力系统的安全、可靠、经济运行具有重要意义。采用“智能”重合闸装置是电网技术的一个重要进步，该装置通过监测三相电压和电流中每相的原始电压和电流波形来提供配电自动化，以便保护线路人员和设备，隔离故障，消除意外跳闸以及清除临时故障。位于田纳西州查塔努加当地的电力公司的电力委员会在其整个配电网中部署了1200个线路装置，其中大约350个处于“正常开放”状态。在操作过程中，平均每个月记录700个特殊的故障，然而，由于连接的线路装置可能会报告同样的扰动，实际报告的扰动数量会高得多。特高压换流站目前使用“手工”技术进行电气扰动分析，但是这种技术仅能分析记录扰动总数的2％。在六个月的时间里，收集到的故障数据大约有25,000份，这使得使用“手工”方法筛选和分析所有收集到的数据的时间和成本过高。

现有技术的工作主要集中于对特高压换流站中特定故障类型的分析和分类，其中大部分集中在电能质量上。对电能质量扰动的分析和分类主要包括:电压骤降和骤升、谐波、瞬间中断、闪烁、缺口、尖峰或瞬变。还有些工作集中于对故障或者与变压器相关的故障工件的识别。

1.目前大多数特高压换流站故障分析技术都使用了模拟波形数据，使用实验室生成的波形或者仿真波形的大数据集进行开发/训练，并使用真实或实验室生成的波形集来验证其方法。但是，即使在使用真实波形数据的情况下，数据也是由位于特高压换流站内的继电器或传感器收集的，位于特高压换流站的记录装置与故障事件本身之间存在累积阻抗，这会消除故障的许多波形特征。

2.多数技术需要使用大数据集、复杂的波形变换或计算复杂的分类算法。尽管现有的特高压换流站的数据库很大，但某些事件类型却很少发生，不是每种电干扰事件类型都有大的数据集。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种特高压换流站中故障波形的自动识别方法，以期采用离故障更近的线路装置来收集故障波形，使得收集的数据更加精确，且不需要大的数据集并采用简单的算法即可实现对故障事件的自动分类，提高分类的准确性和效率。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种特高压换流站中故障波形的自动识别方法的特点是按如下步骤进行：

步骤一：从数据库中获取一个故障事件所对应瞬态数据交换文件，并计算瞬态数据交换文件中任意第k个波形数据的均方根包络x_r(k)，当均方根包络x_r(k)中所包含的样本数量达到所设定的阈值时，表示所述故障事件为有效数据并记录；

步骤二：计算归一化后的第k个波形数据的均方根包络并与电流阈值τ_x作比较，从而利用式(1)得到第k个波形数据的二进制波形函数y(k)：

步骤三：利用式(1)得到第k个波形数据的一阶差分t(k)：

式(2)中，y(k-1)表示第k-1个波形数据的二进制波形函数，Δh表示第k个波形数据和第k-1个波形数据之间的增量；

步骤四：根据所述一阶差分t(k)确定故障事件的状态变化：