一种基于离散率、异常侦测的在线10KV主干供电线路故障诊断方法

2019-03-07南斗星

中国设备工程 2019年4期

南斗星

（内蒙古电力（集团）有限责任公司薛家湾供电局，内蒙古鄂尔多斯 017000）

1 问题概述

配电网是直接面向用户的供电网络，是电力系统的重要组成部分，配网的发展速度与经济发展水平及人们的生活息息相关、密不可分。目前我国大部分城市采用10kV电压等级向用户供电。城市配电网络规模随着城市的发展而日益庞大和复杂，然而配电网供电的可靠性与供电质量难以较好地满足经济快速发展的需求。在线状态检修技术系统在配电网中的应用，可以实现对配电网的实时长期在线监测控制，有效提高其运行维护管理技术水平，为配电网实现数字化、智能化的监测管理提供重要的技术支撑。

2 配电线路发生断线的原因

目前国内外学者和工程技术人员对单相接地故障的检测及定位进行了深入的研究，提出了各种保护方法。近几年来断线故障发生频率呈现增高趋势，已不可忽视。配电线路发生断线的原因有很多，主要有：（1）机械外力导致断线。例如树害、施工、车辆穿梭、金具和导线盗窃以及温度较低时的导线荷载力会导致线路断线。（2）电气作用导致断线。例如各种短路故障烧断导线，绝缘导线由于电场不均匀会导致断线。（3）雷击、恶劣天气导致断线。导线着雷后，往往会从绝缘子处与横担部位闪烁放电，形成电弧烧伤导线。（4）线路陈旧、瓷横担断裂导致断线。（5）施工质量不过关、导线磨损、运行管理过程中的隐患和缺陷也会导致断线。

在线路发生断线故障后，故障位置负荷侧的电压质量将会受到明显的影响，配电网出现大量负序电流，电压将会出现严重不平衡现象，系统的三相对称性遭到破坏，致使三相电路不再平衡，同时电动机会因缺相运行而烧毁，降低设备的使用寿命，电能质量变坏，供电可靠性降低。

10kV 供电网络中线路众多，设备数量庞大且水平不一，在日常运行过程中，容易因自身和外部原因发生故障。10kV 架空线路发生断线故障，不但影响供电可靠性，而且由于断线下垂至地面，容易引发安全事故。因此迫切需要对10kV配网线路的断线故障诊断开展研究。

3 诊断方法

针对断线故障分析方法方面，研究人员用复合序网和边界条件对小电流接地系统线路断线故障进行了分析，得出故障情况下电压变化及绝缘监察装置动作情况，重点分析单电源单回线路断线及相继金属性接地时的电压指示，为调度、运行人员分析判断故障情况提供一些参考。针对配电线路单相断线故障后故障检测问题，研究人员分析了配电网发生单相断线故障时负序电流的一般变化规律，可为配电网断线故障检测提供了理论依据，并提出了基于能量测度的断线故障选线新方法。目前的研究具有一定的深度并且取得了一定的成就，但相互之间的工作都是独立的，在不同的系统中完成的，且对配电线路断线故障后电压、电流等电气量变化特征还缺乏系统、详细的分析，尚未具备应用于实际配网线路的断线诊断条件。

3.1 离散率分析

离散度分析法是测度一组数据分散程度的方法，如图1。分散程度反映了一组数据远离其中心值的程度，因此也称为离中趋势。从集中趋势和分散程度2个方面才能完整的说明一组数据的变动趋势。集中趋势的测度值是对数据水平的一个概括性度量，它对一组数据的代表程度取决于该组数据的离散水平。数据的分散程度越小，集中趋势的测度值对这组数据的代表性就越好，反之，分散程度越大，代表性就越差。

图1 离散率分析法

离散率的计算方法如下：

（1）异众比例法

异众比例的主要作用是衡量众数对一组数据的代表程度。异众比例越大，说明非众数组的频数占总频数的比重越大，众数作为这组数据的代表值的代表性就越差。反之，代表性就越好。虽然，对于顺序数据和数值型数据也可以计算异众比例，但异众比例主要用于测度分类数据的分散程度。

（2）分位差法

四分位差反映了一组数据处于中间位置的50%数据的离散程度，其数值越小，说明中间的数据越集中，反之，则说明中间的数据比较分散。由于四分位差仅由2个处于四分位点处的数值之差决定，与其他数值没有关系，因此四分位差不受极值的影响。此外，中位数处于数据的中间位置，因此四分位数的大小在一定程度上反映了中位数对一组数据代表性的好坏。除顺序数据外，数值型数据也可计算四分位差，但分类数据不能。本研究针对10kV配网线路的相电流和相电压，建立离散率分析模型，通过离散率指标来进行断线诊断。基于8年的配网线路的历史数据，逐条线路分析其断线的样本，提取其断线前后的电压离散率和电流离散率的特征，并结合有功功率和无功功率的变化趋势，进而确定断线的判断条件。

3.2 异常侦测分析

异常侦测模型分为单指标异常侦测和多指标异常侦测2种方法，并将2种方法耦合应用。选择用户比较关注的指标作为监测和分析的对象。对每一指标，一方面根据报警上下限进行报警判断，另一方面采用单指标异常侦测算法进行异常分析。当单指标报警或者异常时，自动向相关人员进行推送。然后运维人员即可采取适当的措施，消除生产异常或者报警。在实际生产过程中，可能会出现单个指标都在正常范围，但整体上处于异常状态。因此有必要采用多维变量异常侦测算法，对关键指标整体进行异常分析，由操作人员对数据进行判断，决定是否采取措施进行干预。生产异常分析应用的建设需包括以下2个方面的功能：

（1）单指标异常分析

采用箱线图的算法进行单指标异常分析。箱线图的绘制方法如下：先找出一组数据的最大值、最小值、中位数和2个四分位数；然后，连接2个四分位数画出箱子；再将最大值和最小值与箱子相连接，中位数在箱子中间。主要包含6个数据节点，将一组数据从大到小排列，分别计算出他的上边缘，上四分位数Q3，中位数，下四分位数Q1，下边缘，以及异常值。四分位距IQR为上四分位数Q3与下四分位数Q1的差值。在Q3+3IQR和Q1－3IQR处画2条线段，称其为外限。处于内限以外位置的点表示的数据都是异常值，其中在内限与外限之间的异常值为温和的异常值，在外限以外的为极端的异常值。对于温和异常值和极端异常值，需要进行剔除处理。

图2 单指标异常侦测算法

（2）多指标异常分析

首先进行主成分分析。根据累计方差贡献率大于0.85的原则，确定主成分数，并提取相应的主成分列作为聚类的对象。主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。

图3 多指标异常侦测算法

使用FOR循环判断聚类中心数，循环次数=样本数-1。当聚类优度大于0.8时，选择最小的聚类中心数为最后聚类的聚类中心数量。按照上面的聚类中心进行聚类操作。计算每个样本点到与其对应的聚类中心的欧式距离，然后按从大到小排序。选取某个阈值作为异常的判据。当距离大于阈值时，即可判断异常。随着实时数据的写入，主成分分析、聚类分析和欧式距离计算过程要实时进行，以实现对异常值的即时捕捉。

本文基于历史数据，对每条线路的相电流、相电压、线电压、有功功率和无功功率等数据进行聚类分析，然后计算每个时间点各个参数的数据组成的多维数据点与聚类中心的距离，当距离大于某个阈值时，即可判断为异常点。根据异常的结果，对配网线路的断线诊断进行辅助。

针对主干线路单相断线或者多相断线时，可能存在的多种场景分别进行分析，例如：通过观察其单相或者多相断线时电流和电流离散率的大小，有功功率、无功功率及功率因数的变化，得出判断该条线路单相或多相断线的条件有以下5个：（1）电流的离散率大于某个阈值（比如：80%）；（2）电流的极差大于1；（3）电压的离散率大于某个阈值（比如：2%）；（4）有功功率和无功功率均下降；（5）功率因数升高。