姜曉東， 任 力, 劉 銘， 李 彥, 陳 平

(1. 山東理工大學 電氣與電子工程學院，山東 淄博 255049；2.國網(wǎng)山東省電力公司日照供電公司， 山東 日照 276826)

?

基于BP神經網(wǎng)絡的小電流接地故障選線方法

姜曉東1， 任 力2, 劉 銘1， 李 彥1, 陳 平1

(1. 山東理工大學 電氣與電子工程學院，山東 淄博 255049；2.國網(wǎng)山東省電力公司日照供電公司， 山東 日照 276826)

針對電力系統(tǒng)出現(xiàn)的小電流接地故障，提出一種利用BP神經網(wǎng)絡對暫態(tài)主頻分析的選線方法.該方法提取各出線初始零模電流暫態(tài)主頻的實部、虛部，利用BP神經網(wǎng)絡實現(xiàn)故障線路的選取.使用建模軟件ATP-EMTP建立小電流接地故障模型，對各條線路分別設置不相同故障狀態(tài)(故障距離、過渡電阻和故障初相角)進行仿真，得到BP神經網(wǎng)絡所需訓練樣本和測試數(shù)據(jù)，利用MATLAB進行編程實現(xiàn)神經網(wǎng)絡的學習與訓練，實現(xiàn)非線性映射.再利用訓練好的神經網(wǎng)絡模型對小電流故障接地故障進行選線.仿真結果表明，采用本方法可以很好地完成小電流故障接地系統(tǒng)的選線.

小電流接地系統(tǒng)；暫態(tài)；BP神經網(wǎng)絡；故障選線

1 暫態(tài)主頻的提取和變換

1.1 基本理論

當小電流接地系統(tǒng)出現(xiàn)單相接地故障后，故障初始電流行波從故障處向母線方向和負荷側傳播，經過不斷的折反射疊加之后會形成暫態(tài)電流行波.將三相電流經過相模變換之后得到零模電流.對于諧振接地系統(tǒng)，由于消弧線圈的補償作用導致各條線路間的工頻分量沒有明顯差異.因此，利用工頻進行選線的方法將失效.

通過仿真得到每條線路的三相電流，將三相電流經過相模變換得到各條線路的零序電流，將零序電流信號利用快速傅里葉變換后能夠獲取暫態(tài)主頻分量的實部和虛部.然后通過提取到暫態(tài)主頻的實部和虛部輸入到訓練好的BP神經網(wǎng)絡進行訓練最終實現(xiàn)小電流接地系統(tǒng)故障線路的選取.

1.2 暫態(tài)主頻故障特征的提取

通過快速傅里葉變換可以對小電流接地系統(tǒng)由于故障產生的非周期連續(xù)性時間信號x(t)進行頻譜分析，x(t)的傅里葉變換X(ω)為

(1)

由上面的公式計算可以得到x(t)的頻譜為連續(xù)的，但是在實際中能夠得到的往往是對x(t)進行離散采樣得到的值x(nT),對離散信號的頻譜分析通常運用離散傅里葉變換(DFT)

(2)

由于DFT的計算量比較大，而通過快速傅里葉變換(FFT)可以減少運算量，F(xiàn)FT利用了WN的對稱特性和周期特性，將其中一個N點的轉換為N/2點進行離散傅里葉變換，經過變換之后的計算量減少為原來的1/2，不斷繼續(xù)進行分解，計算量將減少很多.快速傅里葉變換的公式可以表示為

(3)

在經過快速傅里葉變換后能夠得到一個復數(shù)的實部和虛部，而且可以使運算量大幅減少.

2 利用BP神經網(wǎng)絡選線方法

2.1 選線原理

如圖1所示，將仿真后獲取的小電流接地系統(tǒng)單相接地故障的三相電流，經過相模變換之后得到零序電流，對故障發(fā)生后的各線路零序電流信號進行快FFT得到其暫態(tài)主頻的實部和虛部.將提取出的各條線路零序電流的暫態(tài)主頻實部和虛部當作樣本輸入到BP神經網(wǎng)絡中，故障線路作為神經網(wǎng)絡的輸出，對建立好的BP神經網(wǎng)絡進行訓練.

圖1 神經網(wǎng)絡選線流程圖

2.2 神經網(wǎng)絡的建立

BP神經網(wǎng)絡是神經網(wǎng)絡模型中應用最廣泛的，其名稱是由于在網(wǎng)絡訓練學習的過程中，調整權值采用的算法為誤差反向傳播的學習算法BP神經網(wǎng)絡由于結構簡單，可以進行調整的參數(shù)多，并且用于對其訓練的算法很多，得到了大量應用.根據(jù)神經網(wǎng)絡理論，任何的非線性函數(shù)的逼近都可以由三層的神經網(wǎng)絡來完成.BP神經網(wǎng)絡信號前向傳遞，誤差反向傳遞，根據(jù)預測誤差調節(jié)網(wǎng)絡權值和閾值，從而使神經網(wǎng)絡預測輸出不斷接近于期望輸出.具體的訓練過程詳見文獻[11].

圖2中，X1…Xn是BP神經網(wǎng)絡的輸入值，Y1…Yn是BP神經網(wǎng)絡的預測值，根據(jù)是神經網(wǎng)絡理論，每個樣本能夠提取出的6條線路共12個特征量，作為BP神經網(wǎng)絡的輸入信號，令X=(X1，X2，…，X12)，其中X1…X6為各條線路初始電流零模分量暫態(tài)主頻實部，X7…X12為各條線路初始電流零模分量暫態(tài)主頻虛部.每一個X變量作為BP神經網(wǎng)絡的一個神經元，輸入層則需要相應的設置12個神經元.隱含層采用12個神經元.輸出層對應著每條線路發(fā)生了故障或是沒有發(fā)生故障，采用6個神經元，令輸出Y=(Y1，Y2，Y3，Y4，Y5，Y6)，線路L1…L6某條發(fā)生故障時對應的Y1…Y6分量為1，否則為0.

這里利用MATLAB作為仿真軟件對BP人工神經網(wǎng)絡進行學習和訓練.利用newff建立BP網(wǎng)絡，格式為net=newff(minmax(P),[12,6],{′tansig′,′purelin′},′traingda′)，其中，P為訓練樣本，12和6分別為隱含層和輸出層神經元個數(shù)，tansig(S型正切函數(shù))和purelin(線性傳輸函數(shù))分別對應著隱含層和輸出層的神經元傳遞函數(shù).traingda 為訓練函數(shù).訓練目標誤差取0.01.學習速率采用0.1.

圖2 BP神經網(wǎng)絡模型

3 仿真建模

3.1 ATP仿真建模

以圖3中具有六回架空出線的小電流接地系統(tǒng)為例，驗證本文提出的選線方法.該系統(tǒng)具有六回架空出線，電源為110kV的三相電源，變壓器的參數(shù)為：變壓器的額定容量為40MVA，勵磁磁通為202.2Wb，空載損耗為35.63kW，勵磁電流為0.672A，磁路電阻為400K；高壓側的電壓等級為110kV，低壓側的電壓等級為10.5kV；電源側單相中性點線圈的阻值為0.40，線路側單相中性點線圈的阻值0.006；電源側電感值為12.2，線路側電感值為0.183.線路采用分布參數(shù)的正序阻抗為Z1=(0.17+j0.38)/km，正序對地導納為b1=(j3.045)s/km；零序線路阻抗為Z0=(0.23+j1.72)/km，零序對地導納為b0=(j1.884)s/km.線路長度分別為3 000m、6 000m、9 000m、12 000m、15 000m、20 000m.消弧線圈采用過補償，補償設置為8%，根據(jù)計算所得設置電感線圈的數(shù)值為8.25H.使用ATP-EMPT作為建模軟件，根據(jù)小電流接地系統(tǒng)故障電路模型建立的仿真模型.設置仿真步長為1s，設置采樣頻率為1MHz.

圖3 故障模型電路圖

圖4 故障模型仿真

3.2 BP神經網(wǎng)絡的訓練

使用BP神經網(wǎng)絡前都要經過訓練，用訓練數(shù)據(jù)來訓練伸進網(wǎng)絡，在訓練過程中根據(jù)網(wǎng)絡預測誤差調整網(wǎng)絡的權值和閾值.

為了獲取故障樣本來對BP神經網(wǎng)絡進行訓練，需要設置不同的故障條件，在每條線路的不同的位置設置故障(位于線路20%，40%，60%、80%處)、不同的過渡電阻(分別設置為5，50，200)、不同故障初相角(5°，30°，60°，90°)進行仿真，提取各種情況下暫態(tài)主頻的實部和虛部，得到實驗樣本，實驗樣本的數(shù)量為288，對BP神經網(wǎng)絡進行初始化以后，使用MATLAB開始訓練.

3.3 故障選線驗證

在測試線路4的中點處設置故障，設置故障初相角45°，過渡電阻值為60，仿真得到各條線路故障后三相電流波形.

圖6和圖7為每條線路初始零序電流經過FFT后的幅頻和相頻特性.根據(jù)提取的電流零模分量暫態(tài)主頻的實部和虛部可以得到

(X1…X6)=(5，8，13，-81，27，37),

(X7…X12)=(351，713，1098，-7241，2004，3038).

綜合得到輸入信號X=(5，8，13，-81，27，37,351，713，1098，-7241，2004，3038)，將數(shù)據(jù)X輸入訓練好的BP神經網(wǎng)絡后得到Y=(-0.0337，0.0271，0.0672，0.7957，-0.0716，-0.1094).因此可以選出故障線路為線路4.

圖5 電流行波零模分量暫態(tài)圖圖6 零模電流的幅頻特性圖7 零模電流相頻特性

表1 暫態(tài)主頻數(shù)據(jù)

故障線路故障距離/km線路1線路2線路3線路4線路5線路6L11.5994-j5321-69+j364-110+j578-160+j841-225+j1194-426+j2312L23-22+j245559-j6216-71+j785-102+j1112-135+j1513-222+j2526L34.5-11+j302-23+j616246-j6840-48+j1330-63+j1776-93+j2779L465+j3518+j71313+j1098-81-j724127+j200437+j3038L57.511+j39722+j80534+j123558+j1702-219-j7478104+j3303L61033+j46866+j946101+j1448142+j1984178+j2579-506-j7459

表2 選線結果

測試數(shù)據(jù)Y1Y2Y3Y4Y5Y6選線結果11.00400.02560.0943-0.1094-0.1166-0.1787L120.00021.0317-0.1530-0.0026-0.1159-0.2834L230.00300.01931.1865-0.1324-0.1414-0.1830L34-0.03370.02710.06720.7957-0.0716-0.1094L450.012830.05150.244144-0.134780.7031-0.1326L560.0356-0.002-0.17960.1564-0.14790.8987L6

4 結束語

利用人工神經網(wǎng)絡基于零序電流暫態(tài)主頻的實部和虛部對小電流接地系統(tǒng)故障的選線算法，是利用將不同的故障特征量作為樣本輸入神經網(wǎng)絡訓練，利用訓練好的神經網(wǎng)絡進行故障選線.仿真證明，該方法能夠確定小電流接地系統(tǒng)的故障線路.

[1]徐丙垠，薛永端，李天友,等.小電流接地故障選線技術綜述[J].電力設備，2005,6(4)：1-7.

[2]龔靜，李英姿，王亞慧，等.基于DSP的小電流接地系統(tǒng)暫態(tài)首半波法實現(xiàn)[J].電工技術，2005,6(9)：34-36.

[3]薛永端，馮祖仁，徐丙垠，等. 基于暫態(tài)零序電流比較的小電流接地選線研究[J]. 電力系統(tǒng)自動化，2003，27(9)：48-53.

[4]張新慧，潘貞存，徐丙垠,等.基于暫態(tài)零序電流的小電流接地故障選線仿真[J].繼電器，2008，36( 3): 5-9．

[5]薛永端，徐丙垠，馮祖仁，等.小電流接地故障暫態(tài)方向保護原理研究[J].中國電機工程學報，2003,23(7):51-56.

[6]朱丹，賈雅君，蔡旭，等.暫態(tài)能量法原理選線 [J].電力自動化設備，2004,24(3):75-78.

[7]吳樂鵬，黃純，林達斌，等.基于暫態(tài)小波能量的小電流接地故障選線新方法[J].電力自動化設備，2013,33(5)：70-75.

[8]張新慧，潘馨雨，何柏娜,等.基于暫態(tài)主頻零模電流的故障選線仿真研究[J].計算機仿真，2013,30(10)：157-161.

[9]劉穎異，譚博學.利用暫態(tài)行波的小電流接地故障檢測方法研究[J].山東理工大學學報，2013,27(2)：43-49.

[10]董新洲，畢見廣．配電線路暫態(tài)行波的分析和接地選線研究[J]．中國電機工程學報，2005，25(4)：1-6．

[11]葛哲學，孫志強. 神經網(wǎng)絡理論與MATLAB7實現(xiàn)[M]．北京：電子工業(yè)出版社，2007.

(編輯：劉寶江)

Research on fault line detection for non-effectively earthed system based on BP neural networks algorithm

JIANG Xiao-dong1,REN Li2, LIU Ming1,LI Yan1,CHEN Ping1

(1. School of Electrical and Electronic Engineering, Shandong University of Technology, Zibo 255049, China; 2.Rizhao Power Supply Company State Grid Shandong, Rizhao 276826, China)

For the non-effectively earthed system, this paper propose a method of using neural network to solve the problem of fault line selection. This method extract real and imaginary parts of transient frequency to use the BP neural network to find the fault line. First, a simulation model of non-effectively earthed system was put up by ATP-EMTP software, to simulate different fault distance, transition resistance and fault initial angle in the model to obtain training samples and testing samples. Second,MATLAB was used to train the BP neural network model. At last, the trained neural network was used to find the fault line. The simulation proved that the method can solve the problem of line selection of the non-effectively earthed system.

non- effectively earthed system；transient state；BP neural network; fault line selection

2016-05-13

姜曉東，男，1016466541@qq.com； 通信作者：陳平，男，pingchen1969@263.net

1672-6197(2017)01-0067-04

TM773

A