團隊介紹

福州大學配電網及其自動化研究中心長期致力于電力配電網監測、控制與保護新技術的研究與應用；結合人工智能技術、大數據分析技術、電力電子功率變換技術和智能優化調控技術，在電力配電網及其主設備故障診斷與抑制領域開展了基礎研究以及工程應用。主要涉及配電網單相接地故障選線及區段定位、配電網單相接地故障柔性消弧、配電變壓器故障診斷、光伏發電系統故障診斷、可再生能源發電與并網等研究方向。近年來，該團隊完成了多個國家，省和電網企業的研究項目。

研究背景

高阻接地故障（high impedance faults，HIF）是配電網運行過程中十分常見的故障。當通電導體與導電性能較差的表面接觸時通常會發生HIF，例如混凝土、瀝青或沙地等。HIF是一種低電流故障，其難以使傳統的電流或電壓保護裝置動作，一般伴隨交流電弧的燃燒，任其發展可能會導致嚴重的后果。相關研究表明，在配電網中發生的故障有5%～20%是HIF，其實際占比可能要更高。對HIF進行有效的辨識并做出正確的反應，對配電網的安全可靠運行意義重大。

論文所解決的問題及意義

本文通過傅里葉變換發現HIF與各類擾動的零序電流頻譜在高頻段存在差異，進一步使用連續小波變換對零序電流進行時頻分析，發現其在高頻段存在明顯的規律；選定特征頻段后，將該頻段的時頻矩陣作為識別的特征量；引入LeNet-5網絡并對其進行改進，使用改進的LeNet-5網絡對時頻矩陣進行辨識，實現對HIF的有效診斷。

論文方法及創新點

1 連續小波變換提取時頻特征

為分析發生HIF時零序電流高頻分量的變化，使用快速傅里葉變換（fast Fourier transform，FFT）對圖1所示的波形進行處理，其頻譜圖如圖2所示。從圖2中可以發現，其高頻分量主要為奇次諧波，包括3次諧波、5次諧波及7次諧波等。

圖1 HIF零序電流波形

圖2 HIF零序電流經FFT處理后的頻譜圖

考慮到HIF發生時“零休”現象總會周期性出現，而頻域特征無法對“零休”現象的周期性出現規律進行表征，故本文引入連續小波變換（continue wavelet transform,CWT），通過時頻域變換的方法既提取其頻域特征，又提取其時域特征。

使用CWT對圖3（左）所示的HIF零序電流進行處理，該波形的“零休”現象較為微弱。考慮到基波分量能量比高次諧波能量要高得多，且通過圖2的頻譜圖可以看到HIF的高頻分量主要集中在100~600Hz。故本文選定100~600Hz頻段作為特征頻段，使用該頻段的時頻矩陣作為故障檢測的特征量，得到的時頻圖如圖3（右）所示。

圖3 HIF零序電流及CWT時頻圖

從圖3（右）可以看到，發生HIF時高頻分量十分豐富，三次諧波一直較大，而更高次的諧波分量則是隨著“零休”現象的出現呈現增減的周期性變化。與時域信號中微弱的“零休”現象相比，時頻圖中的高頻諧波含量的周期性變化更為明顯。

電容投入、負荷投入與勵磁涌流發生時的零序電流波形及進行CWT后的時頻圖如圖4所示。對比圖3可以看到使用CWT獲得的時頻圖能夠體現故障特征，將故障與各類干擾區分開來，故本文使用經CWT處理后特征頻帶的時頻矩陣作為識別特征量具有可行性。

圖4 各類擾動的零序電流及CWT時頻圖

2 基于改進LeNet-5網絡的故障診斷方法

原始LeNet-5網絡僅使用了大小為5×5的卷積核進行卷積操作，為增強模型的特征提取能力，本文使用3×3、5×5及7×7的卷積核并行提取特征。本文加入了dropout層，忽略一部分特征檢測器，減少過擬合現象以改進模型性能。最終確定的模型結構如圖5所示。

圖5 改進的LeNet-5模型結構

本文使用穩態信號進行故障識別，3個工頻周期的數據作為一個樣本。故障診斷的流程如下：對樣本使用CWT進行特征提取后，選取100~600Hz頻段的二維時頻矩陣作為故障識別的特征量；使用部分數據訓練改進的LeNet-5模型；將待檢測數據輸入到訓練完成的故障檢測模型中，通過故障檢測模型的輸出判定其是否為高阻接地故障。具體流程如圖6所示。

圖6 故障識別流程

結論

通過對HIF及各類干擾進行時頻域分析，發現HIF在選定的特征頻段內有著與其他干擾完全不同的特征，隨后引入改進的LeNet-5網絡對特征進行辨識。

通過從PSCAD/EMTDC獲取的HIF與各類干擾數據對算法進行測試，得到如下結論：使用CWT提取特征頻段的時頻矩陣作為故障特征，能夠有效提取HIF的故障特征；改進的LeNet-5網絡能夠有效地對HIF故障特征進行識別，能將HIF與各類干擾進行區分；在20dB的強噪聲干擾下，本文所提算法仍能夠實現較為準確的檢測。

引用本文

王康, 高偉, 楊耿杰. 基于高頻分量的配電網高阻接地故障識別[J]. 電氣技術, 2022, 23(2): 61-66. WANG Kang, GAO Wei, YANG Gengjie. High impedance fault detection for distribution networks based on high-frequency components. Electrical Engineering, 2022, 23(2): 61-66.