利用暂态分量的含分布式电源配电系统故障诊断

2016-02-16雷倩吉兴全文福拴刘志鹏于永进许焕奇

电力建设 2016年2期

雷倩，吉兴全，文福拴，刘志鹏，于永进，许焕奇

(1. 山东科技大学电气与自动化工程学院，山东省青岛市 266510;2. 浙江大学电气工程学院，杭州市 310027; 3. 文莱科技大学电机与电子工程系，文莱斯里巴加湾 BE1410; 4. 海南电网公司电力调度控制中心，海口市 570203)

雷倩1，吉兴全1，文福拴2,3，刘志鹏4，于永进1，许焕奇1

在智能配电系统快速发展的背景下，分布式电源(distributed generation，DG)越来越多地接入配电系统，传统的针对单端电源的配电系统故障诊断方法不再适用。在此背景下，针对含有DG的配电系统，提出一种基于故障暂态分量和遗传算法的配电系统故障诊断方法。针对DG接入使故障点的暂态零序电流方向复杂化的问题，通过给定开关上下游电源的方式改善了终端的状态编码环节，且考虑了故障线路诊断的优先级。采用小波分析方法提取故障暂态分量，能够很好地适应我国中压配电系统广泛采用的小电流接地方式，在相当程度上解决了单相接地短路稳态故障信息不明显的问题。最后，用算例说明了所提出方法的可行性，分析了其对故障信息畸变和丢失的容错性能。

配电系统；故障诊断；分布式电源；暂态分量；遗传算法

0 引言

配电系统是连接输电系统和电力用户的桥梁。快速准确的配电系统故障定位对于尽快恢复向受故障影响的用户供电具有重要意义。现有的配电系统故障诊断方法从总体上可分为直接法和间接法。

直接法又称矩阵法[1-2]。文献[1]提出了一种配电系统故障区段判断和隔离的统一矩阵算法。文献[2]对统一矩阵算法进行了改进，基于故障过流和故障方向信息，构建了含分布式电源的配电系统故障检测与隔离算法并分析了其容错性。这种基于矩阵的故障诊断方法属于局部算法，且对故障信息要求较高，当故障信息发生畸变或者丢失时就可能导致故障错判和漏判问题。

间接法一般利用人工智能方法实现故障定位, 主要包括基于人工神经元网络[3]、遗传算法(genetic algorithm，GA)[4-7]、模糊集理论[8]、Petri网[9-10]等，其中GA应用最为广泛。文献[4]根据电流越限信号构造了故障诊断的评价函数，将故障诊断问题描述为优化问题, 之后采用GA求解，并用算例验证了所提出的方法对信息畸变具有较强的容错性。文献[5]对故障诊断优化模型的目标函数(即GA中的适应度函数)进行了改进，适用于多电源多重故障情况。文献[6]利用实时测量的暂态零序电流和零序电压的相位关系，设计了针对小电流接地系统的故障定位方法，采用GA求解，并对这种方法进行了现场测试。现有的基于GA等人工智能技术的故障诊断方法，一般依赖于配电系统中大量馈线终端单元(feeder terminal unit，FTU)所提供的短路故障过流信息，当有故障电流越限时便将故障信息上报到监控与数据采集(supervisory control and data acquisition, SCADA)系统，而我国中压配电系统多采用中性点小电流接地方式，发生单相接地短路故障时稳态故障电流不明显，上述方法有时无法正确诊断故障，存在漏判的可能性。

在上述背景下，本文提出一种基于暂态分量和遗传算法的故障诊断方法，利用小波变化对实时测量的零序电压和零序电流进行分析，根据故障后各个FTU处的暂态零序电流和零序电压的突变方向进行编码，以改善基于GA的故障诊断方法在故障信息缺失和发生畸变情况下的容错性。

1 基于故障暂态分量的故障诊断

1.1 暂态零序分量的检测

下面以单相接地短路故障为例进行讨论。故障发生瞬间将产生一个零序突变量，故障线路上零序电流突变的极性与非故障线路上零序电流突变的极性相反，故障线路零序电流突变幅值等于非故障线路零序电流突变幅值之和；这种关系是恒成立的，是基尔霍夫定律的体现。从原理上讲，可直接利用采集到的暂态分量判断故障；然而，故障暂态量受初始相角、过渡电阻等多种因素影响，且故障暂态过程时间短，直接比较很不可靠。为此，这里利用小波奇异性检测理论对采集到的故障信号先做小波变换，之后比较各条线路零序电流模极大值的数值和极性，进而判别故障线路。

根据信号奇异性检测中对小波基函数的光滑性、对称性、能量集中等的选取原则，此处选用3次B样条函数作为原函数，以其导函数作为小波母函数。3次B样条函数θ(t)的表达式[11]为

(1)

由于采集到的故障信号含有大量的稳态工频成分，其在小波变换结果中将叠加在故障突变量的小波变换模极大值上，这会导致相应的极值点不易识别。因此，首先对采集信号采用下述工频陷波传递函数[11]处理：

(2)

式中Ns为基波每周采样点数。

之后，对滤除工频后的信号进行小波变换。由于零序电压相对于零序电流而言数值大且信噪比高，这样识别故障线路时应先找出电压信号小波变换模极大值点。又因为零序电流的变化超前于零序电压的变化，所以电流模极大值点出现在电压极值点左侧。可在电压极值点左侧附近找出几个电流数值较大的点逐点比较二者极性，极性相反者为故障线路[11]。

1.2 DG接入配电系统后对零序电流的影响

对于图1所示的小电流接地系统[12]，线路2发生A相接地短路故障后的电容电流分布在图中用“→”表示。图1(a)为无DG接入时的情况，易知由故障线路流向母线的零序电流在数值上等于全系统非故障元件对地电容电流之和，且方向与非故障线路相反。

图1(b)和图1(c)分别为DG位于故障点上游和下游时的电容电流分布情况。可见分布式电源的加入使电容电流的分布发生了变化，但最关键的一点是流过故障线路2首端电流互感器(current transformer，CT)安装处的暂态零序电流变化很小，同时不受DG接入位置的影响，数值上仍为其他非故障线路零序电流之和，但方向与其相反[13]。这一结论在中性点经消弧线圈接地的配电系统中同样成立。

图1 单相接地时的电容电流分布图Fig.1 Capacitive current distribution for a single-phase grounding fault

可见，DG接入配电系统只影响了电容电流的分布，对于流过CT安装处的零序电流影响很小，不影响测量结果，因此基于暂态分量对含有DG的配电系统进行故障诊断是可行的。

2 故障诊断算法原理

2.1 问题描述

FTU采集到故障信息后，考虑到这些信息存在一定的畸变和丢失概率，在配网自动化主站可依据各开关之间的拓扑关系，通过参数编码构建合适的评价函数，实现对所采集故障信息的最佳逼近，并由此确定发生故障的真实区段[14]。故障诊断问题可归纳为如下0-1整数规划问题：

(3)

式中：F(L)为评价函数；L为由线路区段状态编码组成的n维变量；n为区段的数量。

采用式(3)所描述的优化模型进行配电系统故障诊断的关键在于参数编码和评价函数的构造。

2.2 参数编码

在用式(3)的优化模型进行故障诊断时，需要对实际配电系统采用适当的编码形式描述。编码环节包括终端状态编码和区段状态编码2部分。

(1)终端状态编码

现有故障诊断算法一般根据FTU有无过流信息进行判断。当有故障电流流过时相应开关编码为1，没有时则为0；这种编码只适用于单端电源情况且对小电流接地系统的单相接地故障存在盲区。考虑到对暂态分量进行小波分析后得到的故障信息的特点，对终端编码方法做下述改进。

对于每个FTU，首先按照就近原则选取其上游电源(当与2个电源距离相等时可取其中任意一个作为其上游电源)，规定某FTU的上游电源单独起作用情况下的潮流方向为该FTU的参考正方向。然后，采用小波分析寻找暂态零序电流和电压的突变方向，并进行对比；当暂态零序电流和零序电压的突变方向相同时相应终端编码为0，突变方向相反的终端编码为非零，其中零序电流与终端正方向同向时编码为-1，反向时编码为1(这是因为系统发生单相接地故障时的零序电流方向与故障电流方向相反)。

用图2所示的例子进行说明。开关S1～S7将线路分成了L1～L7共7个区段，在不至于引起混淆的情况下，也用符号S1～S7表示对应开关处的馈线FTU。根据就近原则，主电源S是S1～S4的上游电源，DG是S5～S7的上游电源，当L3发生单相接地故障时终端的编码为[111-1111]。另外，在终端故障信息丢失时，为避免漏判规定丢失信息终端编码为1。

图2 系统示意图

Fig.2 Schematic diagram of the system

(2)区段状态编码

以配电自动化FTU为边界, 可将配电系统网络划分为n个不同的区段，记为L1，L2，…，Ln，把线路区段是否发生故障用0-1编码表示，则所有区段状态可用以下数字串编码表示：

001……0L1L2L3…Li…Ln

其中编码1和0分别表示对应区段故障和正常。

例如，图2中的区段L3发生故障时，区段状态编码可表示为[0010000]。

2.3 评价函数

以文献[6,13]为基础，构造如下评价函数：

(5)

K3(L)=[0-(∪[00])]+∪[10000]=1

(6)

同理可得，K1(L)～K7(L)分别为[111-1111]，与L3故障时各FTU实际检测到的故障信号编码一致。这样，式(3)和式(4)就构成了故障诊断的优化模型，可以采用GA求取最优解。最优解以0-1字符串形式表示，其中字符为1所对应的区段为诊断出来的故障区段。

3 基于GA的含DG配电系统故障诊断算法

3.1 基本求解步骤

基于GA的含DG配电系统故障诊断流程如图3所示。

图3 基于GA的含DG配电系统故障诊断流程图Fig.3 Flowchart of GA based fault diagnosis for distribution systems with DGs

(1)形成初始种群。初始种群由N个染色体(数字串)组成，N为种群规模，其中每个染色体都是由0和1组成的长度为n的字符串，长度n与区段的个数相同，数字串的每一位数字表示相应区段的状态。

(2)将初始种群中每个染色体对应的区段编码通过开关函数转化成终端编码，并代入式(4)所描述的评价函数，采用GA求解式(3)所描述的优化模型。

(3)判断GA是否收敛。此处设置2个收敛判据：一是当前种群中δ%的最好解的适应度值均大于某给定值；二是迭代次数达到给定的最大允许次数。这2个判据满足任一个时，GA运算结束，转步骤(5)，否则执行步骤(4)。

(4)对父代种群进行选择、交叉、变异等遗传操作，产生子代种群，种群代数i加1，并在新的种群基础上转步骤(2)。

(5)输出所求得的最好解L*及其对应的评价函数值f(L*)。L*中数字1所对应的区段即为故障区段。

3.2 算法改进

根据IEEEStd.1547规约, 当配电系统发生故障时必须首先切除DG，以保证继电保护正确动作。这在一定程度上削弱了DG改善供电可靠性的能力。随着配电系统自动化水平的提高和保护配置的改进，故障发生后应尽可能维持DG并网运行。这里提出GA的编码和开关函数的改进方法，使其适用于发生故障后仍维持DG并网运行的情况[15]。

(1)编码改进

上述基于零序电流方向编码的方法能有效地将含有DG的配电系统故障诊断与基于暂态分量编码的GA合理地集成起来，既避免了小电流接地系统单相接地故障信号不明显的弊端，又适于处理含多个DG的配电系统故障诊断问题。

对于含DG的配电系统，这里采用考虑了线路区段故障诊断优先级的分层编码：优先确定主电源处的故障，再确定DG处的故障，最后确定负荷处的故障。首先对靠近主电源处的终端和线路进行编号，再依次对靠近DG的终端和线路编号，最后对负荷处的终端和线路编号。由于GA寻优过程是依次按照编号来

进行的，这样可实现对故障定位优先级别的区分，改善故障定位效率。

(2)开关函数改进

为使开关函数适用于因DG接入和退出而导致的配电系统拓扑结构复杂多变的问题，采取对每个DG加权(权值为1和0分别表示故障后仍并网运行和脱网)的方式，以使改进后的开关函数能同时适应单电源和多电源的网络拓扑结构：

(7)

4 算例与分析

4.1 系统结构

某中压配电系统如图4所示，S为主网电源，DG1和DG2为分布式电源。表1列出了各开关的上下游元件。开关S1～S6的上游电源是S；开关S7～S10的上游电源是DG1；开关S11～S13的上游电源为DG2。每个开关的正方向在图4中用箭头标出。假设故障后所有DG均继续并网运行以提高供电可靠性。

4.2 单一故障

当线路区段L4发生单相接地故障K1时，假设各FTU全都正常工作，由各FTU实际检测到的零序电流进行编码，得到[1111-1-11111111]。取适应度函数中的M值为26，采用Matlab编程并对算例进行仿真计算。算法的迭代过程如图5所示，迭代3次后收敛，最优解为[0001000000000]，即L4发生故障。

图4 含DG的配电系统示意图Fig.4 A distribution system with DGs表1 各开关的上下游元件(区段)Table 1 Upstream and downstream components of each switch

图5 单一故障诊断情形下的GA收敛过程Fig.5 GA convergence process of fault diagnosis under single fault scenario

现对故障诊断结果进行验证：区段L4发生单相接地故障K1，对应的线路区段编码为[0001000000000]。将区段编码代入开关函数式(7)，可得各终端的编码为K1(L)=1×0+∪(001000000000)=1，同理K2(L)、K3(L)、K4(L)的编码也为1，K5(L)=1×[0-∪(0001)]+∪(000000000)=-1。以此类推，K6(L)=-1、K7(L)～K13(L)的值均为1。以上各个开关函数所得编码可表示为[1111-1-11111111]，与故障后根据各终端实际检测结果得到的编码一致，这表明种群中的染色体[0001000000000]可使适应度函数取得最大值，从而此染色体即为最优解，对应于区段L4发生故障，诊断结果正确。

4.3 双重故障

当图4所示系统中区段L4和L5同时发生故障K1和K2时，各FTU实际检测到的故障信息可编码为[11110-11111111]。采用所提出的方法进行故障诊断，所求得的最优解的编码为[0001100000000]，对应于区段L4和L5同时发生故障。为验证结果的正确性，将区段编码[0001100000000]代入式(7)所描述的开关函数，可得各开关的编码为[11110-11111111]，与FTU实际检测到的零序电流所对应的编码一致，诊断结果正确。GA算法的求解过程如图6所示。

图6 双重故障诊断情形下的GA收敛过程Fig.6 GA convergence process of fault diagnosis under double-fault scenario

4.4 算法的容错性分析

在实际配电系统中，FTU检测装置多安装于户外，有些工作环境比较恶劣，实时故障信息有可能丢失或发生畸变，因此故障诊断方法的容错性能非常重要。

对于单一故障K1：

(1)假设终端S2和S3的故障信息丢失，按2.2节的编码规则，这2个终端的编码均为1，恰好与故障条件相符，即故障点位于终端S2和S3的下游，这显然对故障诊断结果没有影响；

(2)假设终端S3的故障信息发生畸变, 其他终端信号正常，此时终端编码为[1101-1-11111111]，以该编码为基础进行故障诊断，图7给出了GA求解过程，诊断结果仍为[0001000000000]，对应于区段L4发生故障，诊断结果依然正确。

为进一步验证所提方法的容错性，对不同区段故障时FTU监测到的故障信息发生畸变或丢失(信息丢失则编码用1补齐)的情况分别进行研究，多次进行故障诊断，得到的故障诊断结果如表2所示。

表2 故障信息畸变或丢失时的故障诊断结果

Table 2 Fault diagnosis results with distorted or missing fault information

图7 故障信息畸变时的GA收敛过程Fig.7 GA convergence process of fault diagnosis under single-fault scenario with distorted fault information

表2列出的7种案例中，案例1和2表明所提出的方法对不同区段发生单一故障时有一个终端信息畸变或丢失时具有容错性；案例3表明所提出的方法对单一故障时有2个终端信息畸变或丢失时具有容错性；案例4和5分别表明所提出的方法对双重故障时有1个和2个终端故障信息畸变或丢失时都有容错性；案例6和7表明所提出的方法对有3个终端故障信息畸变或丢失的情形的容错性较差。

5 结论

(1)针对大量DG接入配电系统后使故障信息复杂化的问题，提出了采用小波分析对暂态分量进行处理的故障检测方法，适用于含DG配电系统的故障分析和诊断；

(2)提出了一种基于终端状态编码、区段编码和开关函数的配电系统故障诊断模型，这种编码方法适用于含DG配电系统且考虑了线路故障诊断的优先级, 扩展了故障诊断模型的适用范围；

(3)采用算例对所提出的故障诊断进行了验证，表明其对故障信息发生畸变和丢失具有容错能力。

[1]刘健, 倪建立, 杜宇. 配电网故障区段判断和隔离的统一矩阵算法[J]. 电力系统自动化, 1999, 23(1): 31-33. LIU Jian, NI Jianli, DU Yu. A unified matrix algorithm for fault section detection and isolation in distribution system [J]. Automation of Electric Power Systems，1999，23(1)：31-33.

[2]康文文, 赵建国, 丛伟, 等. 含分布式电源的配电网故障检测与隔离算法[J]. 电力系统自动化, 2011, 35(9): 25-29. KANG Wenwen, ZHAO Jianguo, CONG Wei, et al. Fault detection and isolation algorithm for distribution network containing distributed generations[J]. Automation of Electric Power Systems, 2011, 35(9): 25-29.

[3]THUKARAM D, KHINEHA H P, VIJAYNARASIMHA H P. Artificial neural network and support vector machine approach for locating faults in radial distribution systems[J]. IEEE Transactions on Power Delivery, 2005, 20(2): 710-721.

[4]杜洪卫, 孙雅明, 刘弘靖, 等. 基于遗传算法的配电网故障定位和隔离[J]. 电网技术, 2000, 24(5): 52-55. DU Hongwei, SUN Yaming, LIU Hongjing, et al. Fault section diagnosis and isolation distribution networks based on genetic algorithm[J]. Power System Technology, 2000，24(5)：52-55.

[5]卫志农, 何桦, 郑玉平. 配电网故障区间定位的高级遗传算法[J]. 中国电机工程学报, 2002, 22(4): 127-130. WEI Zhinong, HE Ye, ZHENG Yuping. A refined genetic algorithm for the fault section location[J]. Proceedings of the CSEE, 2002, 22(4): 127-130.

[6]齐郑, 乔丰, 黄哲洙, 等. 基于暂态分量遗传算法的小电流接地故障定位方法[J]. 电力系统保护与控制, 2014, 42(1): 34-39. QI Zheng, QIAO Feng, HUANG Zhezhu, et al. Genetic algorithm fault location based on transient component for neutral point non-effective grounding system[J]. Power System Protection and Control, 2014, 42(1): 34-39.

[7]文福拴, 邱家驹, 韩祯祥. 只利用断路器信息诊断电力系统故障的高级遗传算法[J]. 电工技术学报, 1996, 11(2): 58-64. WEN Fushuan, QIU Jiaju, HAN Zhenxiang. A refined genetic algorithm for fault section estimation using information from circuit breakers[J]. Transactions of China Electro Technical Society, 1996, 11(2): 58-64.

[8]WANG T, ZHANG G X, ZHAO J B, et al. Fault diagnosis of electric power systems based on fuzzy reasoning spiking neural P systems[J]. IEEE Transactions on Power Systems, 2015, 30(3): 1182-1194.

[9]钟锦源, 张岩, 文福拴, 等. 利用电气量和时序信息的改进Petri网故障诊断模型[J]. 电力系统自动化, 2015, 39(11): 152-159. ZHONG Jinyuan, ZHANG Yan, WEN Fushuan, et al. An improved Petri net model for power system fault diagnosis employing electrical date and temporal constraints[J]. Automation of Electric Power Systems, 2015, 39(11): 152-159.

[10]吴文可, 文福拴, 薛禹胜, 等. 基于多源信息的延时约束加权模糊Petri网故障诊断模型[J]. 电力系统自动化, 2013, 37(24): 43-52. WU Wenke, WEN Fushuan, XUE Yusheng, et al. A weighted fuzzy Petri net based model with time-delay constraints for power system fault diagnosis employing information from multiple sources[J]. Automation of Electric Power Systems, 2013, 37(24): 43-52.

[11]贾清泉, 刘连光, 杨以涵, 等. 应用小波检测故障突变特性实现配电网小电流故障选线保护[J]. 中国电机工程学报, 2001, 21(10): 78-82. JIA Qingquan, LIU Lianguang, YANG Yihan, et al. Abrupt change detection with wavelet for small current fault relaying [J]. Proceedings of the CSEE, 2001, 21(10): 78-82.

[12]张姝, 杨健维, 何正友, 等. 基于线路暂态重心频率的配电网故障区段定位[J]. 中国电机工程学报, 2015, 35(10): 2463-2468. ZHANG Shu, YANG Jianwei, HE Zhengyou, et al. Fault section location of the distribution network based on transient center frequency[J]. Proceedings of the CSEE, 2015, 35(10): 2463-2468.

[13]钱虹, 黄正润, 阮大兵. 含DG的小电流接地系统单相接地故障定位[J]. 电机与控制学报, 2014, 18(8): 17-23. QIAN Hong, HUANG Zhengrun, RUAN Dabing. Single phase-to-earth fault location of small current grounding system with distributed generation[J]. Electric Machines and Control, 2014, 18(8): 17-23.

[14]郭壮志, 吴杰康. 配电网故障诊断区间定位的仿电磁学算法[J]. 中国电机工程学报, 2010, 30(13) :34-40. GUO Zhuangzhi, WU Jiekang. Electromagnetism-like mechanism based fault section diagnosis for distribution network[J]. Proceedings of the CSEE, 2010, 30(13): 34-40.

[15]刘健, 张志华, 黄炜, 等. 分布式电源接入对配电网故障定位及电压质量的影响分析[J]. 电力建设, 2015, 36(1): 115-121. LIU Jian, ZHANG Zhihua, HUANG Wei, et al. Influence of distributed generation on fault location and voltage quality of distribution network[J]. Electric Power Construction, 2015, 36(1): 115-121.

(编辑张媛媛)

Fault Diagnosis of Distribution System with Distributed Generation Employing Transient Component

LEI Qian1, JI Xingquan1, WEN Fushuan2,3, LIU Zhipeng4, YU Yongjin1, XU Huanqi1

(1. College of Electrical Engineering and Automation, Shandong University of Science and Technology, Qingdao 266510, Shandong Province, China;2. School of Electrical Engineering, Zhejiang University, Hangzhou 310027, China;3. Department of Electrical and Electronic Engineering, Institut Teknologi Brunei, Bandar Seri Begawan BE1410, Brunei;4. Power Dispatching and Control Center, Hainan Power Grid Corporation, Haikou 570203, China)

With the fast development of smart distribution systems, more and more distributed generation (DG) sources are connected, so traditional fault diagnosis approaches for distribution systems with single power source are no longer applicable. Given this background, this paper proposes a fault diagnosis method based on fault transient components and genetic algorithm for distribution systems with DGs. Considering that the DG connections make the transient zero-sequence current direction complicated at fault point, an improved coding method for feeder terminal units is presented by specifying the upstream and downstream power sources for each switch, and the priority level of a faulted line to be diagnosed is also taken into account. We adopt a wavelet based method to extract fault transient components, which is well applicable for the widely-implemented non-effective grounding in middle-voltage distribution systems in China, and can solve, to some extent, the problem of inconspicuous steady fault current with single-phase ground faults. Finally, we demonstrate the proposed method with a sample system, and analyze its fault tolerance performance for distorted and missing fault information.

distribution system; fault diagnosis; distributed generation; transient component; genetic algorithm

国家高技术研究发展计划项目 (863计划) (2015AA050202)

TM 727.2

1000-7229(2016)02-0042-08

10.3969/j.issn.1000-7229.2016.02.006

2015-11-29

雷倩(1991)，女，硕士研究生，主要从事配电系统自动化方面的研究工作；

吉兴全(1970)，男，副教授，本文通信作者，主要从事配电系统自动化、智能电网等方面的研究工作；

文福拴(1965)，男，教授，博士生导师，主要从事电力系统故障诊断、系统恢复和电力市场、智能电网与电动汽车等方面的研究工作；

刘志鹏(1983)，男，博士，工程师，主要从事电力系统运行与控制方面的研究工作；

于永进(1980)，男，讲师，主要从事电力系统自动化方面的研究工作；

许焕奇(1992)，男，硕士研究生，主要从事电力系统自动化方面的研究工作。