黃南天, 劉洋, 蔡國(guó)偉

〔現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室(東北電力大學(xué)),吉林 吉林 132000〕

0 引 言

準(zhǔn)確定位輸電網(wǎng)故障位置,可以有效減少停電時(shí)間,避免不必要的經(jīng)濟(jì)損失［1-2］。目前常用的故障定位方法有行波法和阻抗法。其中,行波法的故障測(cè)距精度高,不受過(guò)渡電阻和故障類型等因素的影響,在工程實(shí)踐中得到了廣泛的應(yīng)用［3-4］。為了抑制行波噪聲,文獻(xiàn)［5］采用S變換提取行波首波頭高頻分量累加值作為定位判斷依據(jù),并利用小波Teager能量算子精確測(cè)距。文獻(xiàn)［6］利用小波變換對(duì)行波進(jìn)行處理,該方法具有較好的局部特性,抗噪聲性能較好,但面對(duì)不同采樣率與數(shù)據(jù)窗口,自適應(yīng)性較差。上述方法對(duì)噪聲的抑制起到了較好的效果,但缺少對(duì)各測(cè)點(diǎn)噪聲數(shù)據(jù)的聯(lián)合分析,忽略了測(cè)點(diǎn)間量測(cè)數(shù)據(jù)的時(shí)-空關(guān)聯(lián)特性。

針對(duì)上述分析,提出了一種考慮行波測(cè)點(diǎn)強(qiáng)噪聲數(shù)據(jù)干擾的輸電網(wǎng)故障定位方法,從時(shí)間及空間耦合角度對(duì)各節(jié)點(diǎn)故障時(shí)段數(shù)據(jù)進(jìn)行多級(jí)去噪。從而降低量測(cè)數(shù)據(jù)中噪聲信息對(duì)故障定位精度的影響。在此基礎(chǔ)上。利用時(shí)-空?qǐng)D卷積網(wǎng)絡(luò)(spatial-temporal graph convolutional network, S-TGCN)及故障時(shí)段各測(cè)點(diǎn)行波信號(hào)構(gòu)成的圖數(shù)據(jù),建立考慮輸電網(wǎng)全局特征感知的故障定位模型。

1 行波信號(hào)時(shí)-空多級(jí)去噪

1.1 行波信號(hào)時(shí)-空基礎(chǔ)去噪

(1)

對(duì)EpT中的所有序列分別進(jìn)行1-D離散余弦變換,然后對(duì)變換后的子序列矩陣進(jìn)行2D離散小波變換,獲得估計(jì)的相似子序列集合的稀疏表示ZpT。即:

ZpT=T-1F-1{R{F［T(EpT)］,η·λth2D}}

(2)

式中:T為1-D離散余弦變換算子;F為2-D酉變換算子;λth2D為閾值參數(shù);R為硬閾值濾波算子。對(duì)于中心位于pT的目標(biāo)子序列獲取其估計(jì)權(quán)重ωpT,即:

(3)

式中:Nht為硬閾值濾波后非零的變換系數(shù)數(shù)量。估計(jì)權(quán)重ωpT和補(bǔ)償權(quán)重ωA(pm)用于聚合所有估計(jì)的相似子序列?；A(chǔ)去噪結(jié)果zht(pi)由加權(quán)聚合得到,即

(4)

式中:pm為相似子序列集合EpT中的采樣點(diǎn);χpm為中心位于pm的子序列對(duì)應(yīng)的同尺寸特征函數(shù)。

1.2 行波信號(hào)最終去噪

行波信號(hào)最終去噪的流程與基礎(chǔ)去噪大致相同,區(qū)別在于:最終去噪通過(guò)式(5)計(jì)算子序列匹配的相似度距離d,用維納濾波器代替硬閾值濾波器,利用式(6)計(jì)算維納濾波算子WpT,通過(guò)式(7)獲得相應(yīng)的估計(jì)權(quán)重ωpT。

(5)

(6)

(7)

2 廣域行波信號(hào)和S-TGCN相結(jié)合的故障定位方法

為充分挖掘故障位置與各測(cè)點(diǎn)行波特征間的非線性映射關(guān)系,構(gòu)建廣域行波信號(hào)與S-TGCN相結(jié)合的故障定位總體架構(gòu)如圖1所示。

圖1 S-TGCN故障定位總體架構(gòu)

2.1 廣域行波圖數(shù)據(jù)構(gòu)建

設(shè)輸電網(wǎng)行波測(cè)點(diǎn)安裝在母線處。廣域行波圖數(shù)據(jù)由兩部分組成,一部分為反應(yīng)各母線聯(lián)結(jié)關(guān)系的鄰接矩陣A,另一部分為去噪后各母線電壓的行波線模量矩陣X={x1,x2,…,xN}。

(8)

式中:i,j∈{1,2,…,N}。若i節(jié)點(diǎn)與j節(jié)點(diǎn)直接相連時(shí),ai,j=1,否則為0。對(duì)于任意節(jié)點(diǎn)xi,采用波頭最先到達(dá)的測(cè)點(diǎn)為基準(zhǔn),截取各母線行波到達(dá)前0.05 ms和到達(dá)后0.95 ms內(nèi)的三相電壓,采樣率為1 MHz,并通過(guò)凱倫貝爾變換獲得行波線模量。

2.2 S-TGCN判定故障線路

采用S-TGCN對(duì)廣域行波圖數(shù)據(jù)進(jìn)行特征提取及故障線路識(shí)別。首先利用時(shí)-空?qǐng)D卷積層對(duì)輸電網(wǎng)全局時(shí)-空故障特征進(jìn)行提取,然后通過(guò)全連接層輸出故障線路。其中,空間注意力機(jī)制會(huì)得到各節(jié)點(diǎn)的自適應(yīng)權(quán)重,參與到故障測(cè)距計(jì)算中。時(shí)-空?qǐng)D卷積由空間圖卷積和標(biāo)準(zhǔn)時(shí)間卷積組成。

采用基于譜的圖卷積運(yùn)算提取輸電網(wǎng)各測(cè)點(diǎn)行波空間維度上的空間特征?；贙-1階切比雪夫圖卷積的定義為:

(9)

利用一個(gè)標(biāo)準(zhǔn)的2D卷積層來(lái)提取時(shí)間特征。第l層上的時(shí)域卷積運(yùn)算定義為:

X(l)=ReLU{Φ*［ReLU(gθ*GX(l-1))］}

(10)

式中:ReLU為激活函數(shù);Φ為卷積核的參數(shù);*為標(biāo)準(zhǔn)卷積運(yùn)算。

空間注意力機(jī)制通過(guò)空間注意力矩陣參與圖卷積層的運(yùn)算。空間注意機(jī)制定義如下:

P=Vp·σ［(X(l-1)Z1)Z2(Z3X(l-1))T+bp］

(11)

式中:Vp、bp、Z1、Z2、Z3為模型的可訓(xùn)練參數(shù);σ為sigmoid激活函數(shù);X(l-1)為第l層的輸入,X(l-1)=(X1,X2,…,XTl-1)∈RN×Cl-1×Tl-1;P為空間注意力矩陣。

2.3 自適應(yīng)多端融合故障測(cè)距

為確定故障點(diǎn)的具體位置,根據(jù)故障線路構(gòu)成多條測(cè)距鏈路,借助空間注意力機(jī)制輸出的自應(yīng)權(quán)重融合多條鏈路的測(cè)距結(jié)果,提高測(cè)距精度。具體步驟如下。

(1) 對(duì)各測(cè)點(diǎn)行波信號(hào)的線模量xi(t)引入Teager能量算子進(jìn)而準(zhǔn)確確定首波到達(dá)時(shí)刻:

(12)

(13)

式中:c為行波線模波速;lgh為測(cè)點(diǎn)h到g之間的電氣距離。

(3) 計(jì)算任意i-j鏈路的權(quán)重Wi,j,多鏈路的測(cè)距結(jié)果加權(quán)平均求取最終故障測(cè)距結(jié)果dp。

(14)

3 仿真驗(yàn)證

3.1 仿真介紹

在PSCAD/EMTDC中搭建圖2所示電壓等級(jí)為220 kV的輸電網(wǎng)。輸電線路采用頻率相關(guān)相域模型。輸電線路的長(zhǎng)度如圖2所示,單位為km。每個(gè)母線上安裝行波信號(hào)測(cè)點(diǎn)。

圖2 仿真系統(tǒng)圖

對(duì)每條線路模擬144次單相接地故障,故障位置在線路上均勻分布。故障初相角δ為75°～105°的隨機(jī)值,接地阻抗為0～100 Ω,每10 Ω遞增。共形成3 168個(gè)圖數(shù)據(jù)樣本,其中用于模型訓(xùn)練、驗(yàn)證和測(cè)試的樣本比例為6 ∶2 ∶2。

3.2 噪聲場(chǎng)景對(duì)故障線路定位的影響

為評(píng)估時(shí)-空多級(jí)去噪對(duì)噪聲的抑制效果,選取希爾伯特黃變換(Hilbert-Huang transform,HHT)和Kalman濾波方法,作為對(duì)比方法進(jìn)行分析。去除噪聲數(shù)據(jù)后S-TGCN對(duì)故障線路的識(shí)別率R作為去噪效果的評(píng)價(jià)指標(biāo)。

(15)

式中:TP為故障線路中識(shí)別正確的樣本;FP為故障線路中識(shí)別錯(cuò)誤的樣本;FN為被誤判為故障線路的其他線路樣本;TN為其他線路識(shí)別正確的樣本;C為全網(wǎng)線路總數(shù)。

對(duì)測(cè)試集數(shù)據(jù)添加不同的噪聲水平,經(jīng)不同方法去噪后輸入到S-TGCN故障定位模型中所得到的故障定位結(jié)果,如表1所示?？梢杂^察到,在不采取任何去噪措施時(shí),當(dāng)噪聲水平到達(dá)20 dB信噪比時(shí),故障定位模型的準(zhǔn)確率僅為92.3%?？梢?jiàn),強(qiáng)噪聲嚴(yán)重影響故障定位的精度。在三種去噪方法中,HHT具有顯著的模態(tài)混疊現(xiàn)象,在強(qiáng)噪聲的影響下,很難分辨出強(qiáng)噪聲的變化。時(shí)-空多級(jí)去噪方法在去噪過(guò)程中考慮了相鄰節(jié)點(diǎn)相似行波,當(dāng)信噪比從40 dB增為20 dB過(guò)程中,識(shí)別率僅降低了1%,但Kalman濾波方法下降了4.4%?？梢?jiàn),時(shí)-空多級(jí)去噪方法對(duì)噪聲有較強(qiáng)的抑制作用,能夠適應(yīng)復(fù)雜的環(huán)境干擾。

表1 不同噪聲水平下去S-TGCN故障識(shí)別率

3.3 故障測(cè)距分析

為驗(yàn)證自適應(yīng)多端融合故障測(cè)距方法的準(zhǔn)確性。隨機(jī)、分散地在輸電網(wǎng)的多個(gè)不同位置F1～F6進(jìn)行故障仿真。各故障位置及其定位結(jié)果如表2所示?？梢钥闯?本文方法具有可靠的故障測(cè)距能力,識(shí)別結(jié)果均與實(shí)際故障情況相吻合。測(cè)距誤差均小于100 m,表現(xiàn)出了較高的測(cè)距準(zhǔn)確性和穩(wěn)定性。

表2 不同故障點(diǎn)的故障定位試驗(yàn)結(jié)果

4 結(jié)束語(yǔ)

本文提出了一種基于時(shí)-空多級(jí)去噪和S-TGCN結(jié)合的輸電網(wǎng)故障定位模型。利用時(shí)-空多級(jí)去噪方法有效地抑制了各測(cè)點(diǎn)的噪聲數(shù)據(jù),提高了故障線路定位精度。利用自適應(yīng)多端融合故障測(cè)距方法,輸電網(wǎng)的故障測(cè)距誤差小于100 m。本文所提方法定位誤差小,可降低巡線工作的人力物力,提高輸電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。