基于电流行波图像的输电线故障类型识别

张洪伟 何 义

（贵州大学 电气工程学院,贵州 贵阳550000）

1 概述

目前在输电线路故障的研究中有了许多的成果，如：文献[1]中提出了小波变换法，可以获取行波信号的频率信息，但此方法不具有自适应性，难以采取小族一波对所有的故障类型进行分析。文献[2-3]中提到获取的行波电压和电流存在干扰对波头信号产生影响，使得波头不再像理想情况时那样清晰，给波头识别带来困难。以上的研究中因为存在干扰和实际情况的问题导致故障的定位不准确、计算量复杂、诊断的耗时长的现象。为了提高故障测距和定位分析的正确性，本文主要的过程分为特征提取和分类器模式识别设计，本文提出了一种对故障电流行波波谱图识别的方法。

2 故障电流行波波形模式识别流程

针对电流行波时域波形图像的模式识别包括步骤：输入局放时域波形图像、局放时域波形图像预处理、局放时域波形图像识别。其中图像预处理步骤中利用图像处理技术将输入图像进行较好的特征表达，有助于识别分类。

图1 模式识别过程

3 行波图像采集及处理

电流行波采集系统由电流行波传感器，信号调理单元、示波器，图像采集卡采集卡、控制单元等组成。本文利用供电局在输电线路双端安置的电流行波传感器采集行波，在输电线路发生故障时刻，采集1200us 的波形，经过信号调理单元，把波形传入示波器，之后把波形采集到图像采集卡当中。

采集到雷击故障中的绕击和反击的典型波形，另外采集到树障、山火两种故障典型波形。

本文应用二值形态学的基本变换腐蚀和膨胀。若用记号B[x]表示集合B 关于向量x 的平移，则可以表示为

式（1）表明，集合B 中的每一个元素b（向量）都与向量x 相加后形成的新集合B[x]。

稀疏降噪处理：

采样的行波信号通常容易受到各类噪声的影响，本文中引入形态学滤波器对噪声进行滤除。对信号f 进行闭- 开运算，则可以得到两种形态交替滤波器如下：

4 故障图像类型识别

模式识别方法是利用模糊数学中的概念、原理与方法解决分类识别问题。模式识别的本质特征：一是事先已知若干标准模式，称为标准模式库；二是有待识别的对象。

建立问题的数学模型：

设在论域X 上有若干模糊集：A1，A2，…，An∈F ( X )，将这些模糊集视为n 个标准模式，x0∈X 是待识别的对象，讨论x0应属于哪个标准模式Ai( i =1，2，…，n ) 。最大隶属原则：设Ai(i=1，2，3，…，c)是论域U 上的模糊集，这里每个模糊集Ai，表示一个模糊模式类 ωi。论域中的各个元素x 对每个Ai都有隶属度，如果对于给定的

贴近度定义：设A,B|F(U),

为A 与B 的内积

为A 与B 的外积。

按照上面方法采集每一段的电流行波图，利用数字转换器软件将每一块块图像数字化处理。所以每一个不同区域对于不同波形图，也会对应不同的模糊矩阵。

5 实验结果及分析

本文主要使用最大隶属原则和择近原则法。共讨论五种线路故障原因：非雷击（A：树障，B：山火，C：飘浮物，D：覆冰）和E：雷击。通过对采集到的5 种标准模式下波形图的3 种征兆，分别为：B1：半峰值时间小于50μs，B2：波前时间小于80μs，B3：电流峰值500A。实验结果表明，贴近度最大的说明此段线路与该故障的相似度最大。根据故障电流波形实验分析，得出故障原因与故障征兆的隶属关系模糊矩阵：

六段线路待测对象分别对波形图识别，记为Y1,Y2,Y3,Y4,Y5,Y6,得到数据表格

测量项目 B1 B2 B3 Y1 0.7 0.8 0.3 Y2 Y3 Y4 Y5 Y6 0.5 0.6 0.6 0.5 0.7 0.9 0.5 0.4 0.6 0.8 0.5 0.4 0.5 0.7 0.8

根据

分别计算六段格贴近度为

线路1 与故障A 贴近度：

线路1 与故障B 贴近度：

线路1 与故障C 贴近度：

线路1 与故障D 贴近度：

线路1 与故障E 贴近度：

所以线路一最有可能是故障E，即雷击。

6 结论

本文在输电线路故障的定位上，对比传统的单端法和双端法的基础上，提出了一种对故障电流行波波谱的识别和图像的处理，进而对输电线故障进行精确的定位。