论文部分内容阅读
【摘要】我国电力系统中性点的接地方式有中性点直接接地方式和中性点不直接接地方式两种。我国的110kV及以上的系统中性点大多采用直接接地的方式，3～66kV系统的中性点一般采用不直接接地的方式，也称为小电流接地。小电流接地系统发生单相接地故障之后，非故障相的电压将会升高，这可能会使线路绝缘薄弱的地方击穿，使故障发展成相间短路故障，引起事故的扩大，影响系统安全稳定运行。所以，在小电流接地系统出现单相接地故障之后，迅速找出故障线路并予以切除意义重大。
【關键词】小电流接地系统；故障选线；人工神经网络
中图分类号：TM77文献标识码A文章编号1006-0278（2015）12-162-01
国内外科研工作者针对小电流接地系统故障选线问题提出了基于不同选线原理的众多选线方法。根据故障后各种选线方法利用的故障信号的不同，现有的故障选线方法主要包括三类。第一类：基于稳态信号的故障选线方法。主要有零序电流幅值比较法、注入信号法等。第二类：基于暂态信号的故障选线方法。暂态选线法利用线路故障后出现的暂态信号来进行故障线路的选择。暂态选线法主要有首半波法、小波法、行波法等。第三类：基于人工智能的故障选线方法，主要有模糊理论、神经网络以及将多种智能方法相结合的算法。
一、稳态选线法
（一）零序电流幅值比较法
零序电流幅值比较法利用故障线路的零序电流工频分量的幅值比正常线路大的规律来实现故障选线。一般是将工频零序电流幅值高于设定值的线路或者将幅值最大的线路确定为发生故障的线路。该方法检测灵敏度较低，当发生故障的线路较长或者故障时过渡电阻比较大时不能进行故障线路的选取，另外此法不能够应用于谐振接地电网。
（二）注入信号法
信号法指在系统出现故障之后，从中性点向线路注入某个频率的信号，注入之后的信号会经故障点进入大地，通过对各条线路进行检测，存在注入信号的线路就是出现故障的线路。注入信号法不受消弧线圈影响，对谐振接地系统也适用，但是由于TV会限制注入信号的能量，线路的对地电容使信号的能量减小，导致选线失败。
二、暂态选线法
（一）首半波法
首半波法利用系统故障后在一定的时间段内各线路的暂态零序电流与暂态零序电压的极性关系的差异来进行故障线路的选择。对于故障线路，极性不同；对于非故障线路，极性相同。该方法具有不受中性点接地方式影响的优点，但是暂态零序电流与暂态零序电压的极性关系只在短时间内成立，并且较容易受一些外在因素的影响，导致该方法在实际中没有得到推广应用。
（二）小波法
小波法是利用小波变换对各条线路故障之后的暂态电流信号进行处理，找到能够区别线路是否故障的特征量，如幅值、极性、相位等信息，通过对这些信息进行比较可以找出故障线路。小波法只利用了特定频率范围内的信号，没能充分的利用暂态信号。另外在实践中，小波法的检测灵敏度不高，可靠性也不能得到保证。
（三）行波法
系统出现故障后，故障线路会产生从故障点沿着线路向两端传播的初始行波，当波阻抗发生变化时，会发生折反射。行波法通过比较各个线路的初始波头到达母线处的幅值与极性可以实现故障线路的选择。行波选线法存在初始波头不易捕捉、成本高等缺点。
随着微机保护的快速发展，对故障后的暂态过程进行采集不再是问题，暂态选线方法得到了推广应用。但是由于各个方法都有一些条件限制，因此近年来出现了利用人工智能的选线方法。
三、利用人工智能的选线方法
（一）模糊理论
利用模糊理论进行故障选线的方法主要是建立一个隶属度函数，将获取的故障特征与相应的故障线路建立相关关系，生成故障线路的集合，再利用已建立的隶属度函数计算出各线路的值，用这个值来表示各条线路出现故障概率。利用每个故障特征生成一个相对应的集合，再对这些集合进行计算得到隶属度值最大的线路即为故障线路，从而正确的找出故障线路。利用模糊理论进行选线的方法理论本身有一定缺陷，模糊控制的设计缺乏系统性，另外针对如何获得模糊规则与隶属函数，到现在为止基本上借助经验进行，缺乏相关理论依据。
（二）人工神经网络
在小电流接地系统出现故障的时候，各馈线终端设备会实时的采集故障信息，不同线路的故障会有不同的故障信息，因此可以将小电流接地故障的故障线路的选择问题表示为人工神经网络来解决的模式识别问题。利用神经网络来进行小电流接地系统的故障选线的原理为：将采集的故障信息进行预处理之后获取的故障特征量作为神经网络的输入，相对应的故障线路的选择结果作为神经网络的输出。该方法首先利用获取的故障样本对神经网络进行训练，即将不同故障条件时提取的不同故障特征量作为样本，样本尽可能覆盖所有故障条件，然后利用样本集对神经网络进行训练，这样就可以将样本集中故障线路与故障特征量的映射关系存储在神经网络中各神经单元之间的连接权当中，最后利用训练好的神经网络进行故障选线，从而实现了故障线路的选择。
四、结论
本文对国内外学者针对小电流接地系统故障选线问题所提出的故障选线方法进行了全面总结，对各种选线方法的原理和具体应用现状做了介绍，并且对基于不同原理的故障选线方法进行评价，指出各方法的优缺点。随着信息技术的快速发展，人工智能技术也得到了快速的发展，为小电流接地系统的故障选线提供了新的方法，由于配电网的结构非常复杂，规模很大，很难建立准确描述其特性的数学模型，而人工智能尤其是人工神经网络能够很好地处理非线性问题，其容错性及适应性好，因此在小电流接地系统故障选线中的应用必有良好的前景。
参考文献：
[1]梁睿，辛健，王崇林，等.应用改进型有功分量法的小电流接地选线[J].高电压技术，2010，36（2）：375-379.
[2]殷培峰，刘石红.基于谐波与首半波结合的单相接地选线分析与研究[J].自动化与仪器仪表，2013，6（4）：19-21.
[3]吴乐鹏，黄纯，林达斌，等.基于暂态小波能量的小电流接地故障选线新方法[J].电力自动化设备，2013，33（5）：70-75.
[4]朱大萌，孙宏军.BP神经网络在小电流接地选线中的应用[J].电测与仪表，2004，41（6）：5-7；10.
【關键词】小电流接地系统；故障选线；人工神经网络
中图分类号：TM77文献标识码A文章编号1006-0278（2015）12-162-01
国内外科研工作者针对小电流接地系统故障选线问题提出了基于不同选线原理的众多选线方法。根据故障后各种选线方法利用的故障信号的不同，现有的故障选线方法主要包括三类。第一类：基于稳态信号的故障选线方法。主要有零序电流幅值比较法、注入信号法等。第二类：基于暂态信号的故障选线方法。暂态选线法利用线路故障后出现的暂态信号来进行故障线路的选择。暂态选线法主要有首半波法、小波法、行波法等。第三类：基于人工智能的故障选线方法，主要有模糊理论、神经网络以及将多种智能方法相结合的算法。
一、稳态选线法
（一）零序电流幅值比较法
零序电流幅值比较法利用故障线路的零序电流工频分量的幅值比正常线路大的规律来实现故障选线。一般是将工频零序电流幅值高于设定值的线路或者将幅值最大的线路确定为发生故障的线路。该方法检测灵敏度较低，当发生故障的线路较长或者故障时过渡电阻比较大时不能进行故障线路的选取，另外此法不能够应用于谐振接地电网。
（二）注入信号法
信号法指在系统出现故障之后，从中性点向线路注入某个频率的信号，注入之后的信号会经故障点进入大地，通过对各条线路进行检测，存在注入信号的线路就是出现故障的线路。注入信号法不受消弧线圈影响，对谐振接地系统也适用，但是由于TV会限制注入信号的能量，线路的对地电容使信号的能量减小，导致选线失败。
二、暂态选线法
（一）首半波法
首半波法利用系统故障后在一定的时间段内各线路的暂态零序电流与暂态零序电压的极性关系的差异来进行故障线路的选择。对于故障线路，极性不同；对于非故障线路，极性相同。该方法具有不受中性点接地方式影响的优点，但是暂态零序电流与暂态零序电压的极性关系只在短时间内成立，并且较容易受一些外在因素的影响，导致该方法在实际中没有得到推广应用。
（二）小波法
小波法是利用小波变换对各条线路故障之后的暂态电流信号进行处理，找到能够区别线路是否故障的特征量，如幅值、极性、相位等信息，通过对这些信息进行比较可以找出故障线路。小波法只利用了特定频率范围内的信号，没能充分的利用暂态信号。另外在实践中，小波法的检测灵敏度不高，可靠性也不能得到保证。
（三）行波法
系统出现故障后，故障线路会产生从故障点沿着线路向两端传播的初始行波，当波阻抗发生变化时，会发生折反射。行波法通过比较各个线路的初始波头到达母线处的幅值与极性可以实现故障线路的选择。行波选线法存在初始波头不易捕捉、成本高等缺点。
随着微机保护的快速发展，对故障后的暂态过程进行采集不再是问题，暂态选线方法得到了推广应用。但是由于各个方法都有一些条件限制，因此近年来出现了利用人工智能的选线方法。
三、利用人工智能的选线方法
（一）模糊理论
利用模糊理论进行故障选线的方法主要是建立一个隶属度函数，将获取的故障特征与相应的故障线路建立相关关系，生成故障线路的集合，再利用已建立的隶属度函数计算出各线路的值，用这个值来表示各条线路出现故障概率。利用每个故障特征生成一个相对应的集合，再对这些集合进行计算得到隶属度值最大的线路即为故障线路，从而正确的找出故障线路。利用模糊理论进行选线的方法理论本身有一定缺陷，模糊控制的设计缺乏系统性，另外针对如何获得模糊规则与隶属函数，到现在为止基本上借助经验进行，缺乏相关理论依据。
（二）人工神经网络
在小电流接地系统出现故障的时候，各馈线终端设备会实时的采集故障信息，不同线路的故障会有不同的故障信息，因此可以将小电流接地故障的故障线路的选择问题表示为人工神经网络来解决的模式识别问题。利用神经网络来进行小电流接地系统的故障选线的原理为：将采集的故障信息进行预处理之后获取的故障特征量作为神经网络的输入，相对应的故障线路的选择结果作为神经网络的输出。该方法首先利用获取的故障样本对神经网络进行训练，即将不同故障条件时提取的不同故障特征量作为样本，样本尽可能覆盖所有故障条件，然后利用样本集对神经网络进行训练，这样就可以将样本集中故障线路与故障特征量的映射关系存储在神经网络中各神经单元之间的连接权当中，最后利用训练好的神经网络进行故障选线，从而实现了故障线路的选择。
四、结论
本文对国内外学者针对小电流接地系统故障选线问题所提出的故障选线方法进行了全面总结，对各种选线方法的原理和具体应用现状做了介绍，并且对基于不同原理的故障选线方法进行评价，指出各方法的优缺点。随着信息技术的快速发展，人工智能技术也得到了快速的发展，为小电流接地系统的故障选线提供了新的方法，由于配电网的结构非常复杂，规模很大，很难建立准确描述其特性的数学模型，而人工智能尤其是人工神经网络能够很好地处理非线性问题，其容错性及适应性好，因此在小电流接地系统故障选线中的应用必有良好的前景。
参考文献：
[1]梁睿，辛健，王崇林，等.应用改进型有功分量法的小电流接地选线[J].高电压技术，2010，36（2）：375-379.
[2]殷培峰，刘石红.基于谐波与首半波结合的单相接地选线分析与研究[J].自动化与仪器仪表，2013，6（4）：19-21.
[3]吴乐鹏，黄纯，林达斌，等.基于暂态小波能量的小电流接地故障选线新方法[J].电力自动化设备，2013，33（5）：70-75.
[4]朱大萌，孙宏军.BP神经网络在小电流接地选线中的应用[J].电测与仪表，2004，41（6）：5-7；10.