CEEMD与小波包单相接地故障选线算法对比

赵 儒，史慧文，关 瑞，毕 胜

(1.山西煤炭进出口集团 河曲旧县露天煤业有限公司， 山西 河曲 036500；2.太原理工大学 矿用智能电气技术国家地方联合工程实验室， 山西 太原 030024；3.太原理工大学 煤矿电气设备与智能控制山西省重点实验室， 山西 太原 030024)

随着矿井自动化技术的不断进步，矿井供电容量进一步增加，供电电压等级不断提升，加上矿井工作环境潮湿，发生单相接地故障的概率不断升高，煤矿生产存在巨大安全隐患[1]. 尽管绝大多数的矿井均采用中性点经消弧线圈接地的供电系统，对单相接地电容电流起到了补偿作用，但是经过该补偿作用后，基于稳态分量的选线方法不再适用[2-3]，原有的井下单相接地保护装置将不再适用。为解决这一问题，基于暂态分量的故障选线方法相继被提出。但由于井下条件的限制，基于暂态分量的选线装置频繁误动、拒动，故障选线准确率较低[4]. 如何选择一种适用于矿井供电系统的单相接地故障选线算法具有重要意义，因此对小波包选线方法[5-7]以及CEEMD选线方法[8-11]进行了比较，分别对两种选线算法在理想情况以及非理想情况下进行仿真测试，得出两种选线算法的选线准确性并进行对比分析。

1 矿井供电系统的模型搭建

由于矿井供电系统较为复杂，仅用一般的仿真软件难以模拟实际工况，因此，选用RTDS实时仿真模拟器进行实际矿井系统模型的搭建，见图1.

该系统主变电站为35 kV/6 kV系统，变压器T1变比为35/6 kV，其二次侧的中性点经消弧线圈接地，并采用过补偿10%方式。出线均为纯电缆线路，共包括4条6 kV的高压馈线以及4条低压馈线，其中L0=1.5 km，L1=6 km，L2=7 km，L3=10 km，L4=8 km，L5=0.8 km，L6=1 km，L7=0.8 km，L8=1 km. 设置L4为故障线路，线路长度均根据实际矿井系统图设定。变压器T2-T5变比分别为6/0.66，6/0.69，6/0.69，6/0.66 kV. 线路正序零序参数见表1,2.

2 理想情况下两种算法的对比

2.1 线路故障

利用RTDS进行故障仿真，设置故障条件为故障初相角90°，接地电阻0，故障位置在线路长度80%处，线路L4故障。仿真得到的零序电流波形见图2.

2.1.1小波包分解

对各条线路的零序电流进行小波包分解，选取dB10小波基函数进行5次分解，提取分解得到的各条线路的小波频带能量总和并排序，根据能量最大原则选取特征频带并进行小波包系数的提取，得到小波包分解系数,见图3.

图1 RTDS仿真模型图

表1 线路正序参数表

表2 线路零序参数表

图2 线路零序电流图

图3 小波包分解系数图

根据小波包系数模最大值处极性相反的原则可看出线路L4的小波包分解系数的极性与其余3条线路相反，因此可判断为线路L4发生故障。

2.1.2CEEMD分解

对各条线路的零序电流进行CEEMD分解，参数设置为信噪比0.2迭代50次，得到一系列IMF函数，提取各条线路的IMF1高频分量，分解结果见图4.

图4 各条线路IMF1高频分量图

计算各条线路在故障点处的差分系数，分别为-2.709、-3.588、-3.835与9.751，根据差分系数极性相反可判断线路L4为故障线路。

2.2 母线故障

设置故障条件为故障初相角0°，接地电阻5 000 Ω，故障位置在线路长度30%处，母线故障。仿真得到的各条线路零序电流波形见图5.

图5 线路零序电流图

2.2.1小波包分解

对各条线路的零序电流进行小波包分解，参数配置同上，提取分解得到的各条线路的小波频带能量总和并排序，根据能量最大原则选取特征频带并进行小波包系数的提取，得到小波包分解系数见图6.

图6 各条线路小波包分解系数图

根据小波包系数模最大值处极性相反的原则可看出各条线路的小波包分解系数极性均相同，因此可判断为母线发生故障。

2.2.2CEEMD分解

对各条线路的零序电流进行CEEMD分解，参数设置同上，得到一系列IMF函数，提取各条线路的IMF1高频分量，分解结果见图7.

图7 各条线路IMF1高频分量图

计算各条线路在故障点处的差分系数，分别为-0.034、-0.034、-0.035与-0.034，根据差分系数极性相反可判断为母线故障。但通过观察图7可看出，CEEMD分解后的IMF1高频分量具有较大的震荡，这将会影响选线的可靠性。

3 非理想情况下两种算法的对比

3.1 线路故障

利用RTDS进行故障仿真，参数配置同上，加入20 dB高斯白噪声模拟实际信号。仿真得到的线路零序电流波形见图8.

图8 线路零序电流图

3.1.1小波包分解

对各条线路加噪后的零序电流进行小波包分解，参数配置同上，提取分解得到的各条线路的小波频带能量总和并排序，根据能量最大原则选取特征频带并进行小波包系数的提取，得到小波包分解系数见图9.

图9 各条线路小波包分解系数图

根据小波包系数模最大值处极性相反的原则可看出线路L4的小波包分解系数的极性与其余3条线路相反，因此可判断为线路L4发生故障。

3.1.2CEEMD分解

对各条线路加噪后的零序电流进行CEEMD分解，参数设置同上，得到一系列IMF函数，提取各条线路的IMF1高频分量，分解结果见图10.

图10 各条线路IMF1高频分量图

计算各条线路在故障点处的差分系数，分别为-3.044、-3.057、-2.713与9.339，根据差分系数极性相反可判断线路L4为故障线路。

3.2 母线故障

设置故障条件为故障初相角0°，接地电阻5 000 Ω，故障位置在线路长度30%处，母线故障。仿真得到的各条线路零序电流加入20 dB高斯白噪声后的波形见图11.

图11 线路零序电流图

3.2.1小波包分解

对各条线路加噪后的零序电流进行小波包分解，参数配置同上，提取分解得到的各条线路的小波频带能量总和并排序，根据能量最大原则选取特征频带并进行小波包系数的提取，得到小波包分解系数见图12.

图12 各条线路小波包分解系数图

进一步分析可知，当零序电流信号受到噪声干扰并且故障特征不明显时，即故障点经高阻抗接地时，小波包算法无法正确选线，小波包分解系数也变得没有规律可寻。

3.2.2CEEMD分解

对各条线路加噪后的零序电流进行CEEMD分解，参数设置同上，得到一系列IMF函数，提取各条线路的IMF1高频分量，分解结果见图13.

图13 各条线路IMF1高频分量图

分析图13可知，当故障特征不明显时，CEEMD分解得到的IMF1高频分量杂乱无章，无法通过故障点处的差分系数进行故障选线，选线失败。

4 选线结果对比分析

以前述仿真模型为基础，分别仿真分析了故障初相角、故障点接地电阻、故障点位置、消弧线圈补偿度、线路长度对故障选线的影响，可见故障点位置、消弧线圈补偿度对各线路影响很小，因此所有分析均建立在消弧线圈过补偿5%的情况下。

分别对两种选线算法在理想状态与非理想状态进行了大量仿真测试，选线结果分别见表3，表4.

表3 小波包算法在不同状态下的选线结果表

表4 CEEMD算法在不同状态下的选线结果表

5 结 论

针对矿井供电系统单相接地故障选线算法选线准确率低的问题进行了分析，对比目前的两种主流选线算法，得出如下结论：

1) 在理想情况下，两种选线算法均能表现出较为理想的选线准确率；而在非理想情况下，小波包算法可对过渡电阻为800 Ω以内的情况进行正确选线，而CEEMD算法只能对过渡电阻为100 Ω以内的情况进行正确选线。因此小波包算法在非理想情况下有着更高的阈值与可靠性。

2) 运用RTDS进行仿真较纯仿真软件更接近实际情况，较现有论文的对比结果更可靠、更全面；并且考虑到实际信号中的噪声问题，所做结果更贴近于实际情况。

3) 通过仿真测试与对比，结果表明采集到的零序电流信号的理想程度直接影响到算法的选线结果，因此选线装置选线准确率低的原因可能与采集到的信号有关，若要提高选线准确率，需要对零序电流信号进行处理，需要提高零序电流互感器的灵敏度或改进现有的滤波去噪算法。