趙 儒，史慧文，關(guān) 瑞，畢 勝

(1.山西煤炭進出口集團 河曲舊縣露天煤業(yè)有限公司， 山西 河曲 036500；2.太原理工大學 礦用智能電氣技術(shù)國家地方聯(lián)合工程實驗室， 山西 太原 030024；3.太原理工大學 煤礦電氣設(shè)備與智能控制山西省重點實驗室， 山西 太原 030024)

隨著礦井自動化技術(shù)的不斷進步，礦井供電容量進一步增加，供電電壓等級不斷提升，加上礦井工作環(huán)境潮濕，發(fā)生單相接地故障的概率不斷升高，煤礦生產(chǎn)存在巨大安全隱患[1]. 盡管絕大多數(shù)的礦井均采用中性點經(jīng)消弧線圈接地的供電系統(tǒng)，對單相接地電容電流起到了補償作用，但是經(jīng)過該補償作用后，基于穩(wěn)態(tài)分量的選線方法不再適用[2-3]，原有的井下單相接地保護裝置將不再適用。為解決這一問題，基于暫態(tài)分量的故障選線方法相繼被提出。但由于井下條件的限制，基于暫態(tài)分量的選線裝置頻繁誤動、拒動，故障選線準確率較低[4]. 如何選擇一種適用于礦井供電系統(tǒng)的單相接地故障選線算法具有重要意義，因此對小波包選線方法[5-7]以及CEEMD選線方法[8-11]進行了比較，分別對兩種選線算法在理想情況以及非理想情況下進行仿真測試，得出兩種選線算法的選線準確性并進行對比分析。

1 礦井供電系統(tǒng)的模型搭建

由于礦井供電系統(tǒng)較為復雜，僅用一般的仿真軟件難以模擬實際工況，因此，選用RTDS實時仿真模擬器進行實際礦井系統(tǒng)模型的搭建，見圖1.

該系統(tǒng)主變電站為35 kV/6 kV系統(tǒng)，變壓器T1變比為35/6 kV，其二次側(cè)的中性點經(jīng)消弧線圈接地，并采用過補償10%方式。出線均為純電纜線路，共包括4條6 kV的高壓饋線以及4條低壓饋線，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. 設(shè)置L4為故障線路，線路長度均根據(jù)實際礦井系統(tǒng)圖設(shè)定。變壓器T2-T5變比分別為6/0.66，6/0.69，6/0.69，6/0.66 kV. 線路正序零序參數(shù)見表1,2.

2 理想情況下兩種算法的對比

2.1 線路故障

利用RTDS進行故障仿真，設(shè)置故障條件為故障初相角90°，接地電阻0，故障位置在線路長度80%處，線路L4故障。仿真得到的零序電流波形見圖2.

2.1.1小波包分解

對各條線路的零序電流進行小波包分解，選取dB10小波基函數(shù)進行5次分解，提取分解得到的各條線路的小波頻帶能量總和并排序，根據(jù)能量最大原則選取特征頻帶并進行小波包系數(shù)的提取，得到小波包分解系數(shù),見圖3.

圖1 RTDS仿真模型圖

表1 線路正序參數(shù)表

表2 線路零序參數(shù)表

圖2 線路零序電流圖

圖3 小波包分解系數(shù)圖

根據(jù)小波包系數(shù)模最大值處極性相反的原則可看出線路L4的小波包分解系數(shù)的極性與其余3條線路相反，因此可判斷為線路L4發(fā)生故障。

2.1.2CEEMD分解

對各條線路的零序電流進行CEEMD分解，參數(shù)設(shè)置為信噪比0.2迭代50次，得到一系列IMF函數(shù)，提取各條線路的IMF1高頻分量，分解結(jié)果見圖4.

圖4 各條線路IMF1高頻分量圖

計算各條線路在故障點處的差分系數(shù)，分別為-2.709、-3.588、-3.835與9.751，根據(jù)差分系數(shù)極性相反可判斷線路L4為故障線路。

2.2 母線故障

設(shè)置故障條件為故障初相角0°，接地電阻5 000 Ω，故障位置在線路長度30%處，母線故障。仿真得到的各條線路零序電流波形見圖5.

圖5 線路零序電流圖

2.2.1小波包分解

對各條線路的零序電流進行小波包分解，參數(shù)配置同上，提取分解得到的各條線路的小波頻帶能量總和并排序，根據(jù)能量最大原則選取特征頻帶并進行小波包系數(shù)的提取，得到小波包分解系數(shù)見圖6.

圖6 各條線路小波包分解系數(shù)圖

根據(jù)小波包系數(shù)模最大值處極性相反的原則可看出各條線路的小波包分解系數(shù)極性均相同，因此可判斷為母線發(fā)生故障。

2.2.2CEEMD分解

對各條線路的零序電流進行CEEMD分解，參數(shù)設(shè)置同上，得到一系列IMF函數(shù)，提取各條線路的IMF1高頻分量，分解結(jié)果見圖7.

圖7 各條線路IMF1高頻分量圖

計算各條線路在故障點處的差分系數(shù)，分別為-0.034、-0.034、-0.035與-0.034，根據(jù)差分系數(shù)極性相反可判斷為母線故障。但通過觀察圖7可看出，CEEMD分解后的IMF1高頻分量具有較大的震蕩，這將會影響選線的可靠性。

3 非理想情況下兩種算法的對比

3.1 線路故障

利用RTDS進行故障仿真，參數(shù)配置同上，加入20 dB高斯白噪聲模擬實際信號。仿真得到的線路零序電流波形見圖8.

圖8 線路零序電流圖

3.1.1小波包分解

對各條線路加噪后的零序電流進行小波包分解，參數(shù)配置同上，提取分解得到的各條線路的小波頻帶能量總和并排序，根據(jù)能量最大原則選取特征頻帶并進行小波包系數(shù)的提取，得到小波包分解系數(shù)見圖9.

圖9 各條線路小波包分解系數(shù)圖

根據(jù)小波包系數(shù)模最大值處極性相反的原則可看出線路L4的小波包分解系數(shù)的極性與其余3條線路相反，因此可判斷為線路L4發(fā)生故障。

3.1.2CEEMD分解

對各條線路加噪后的零序電流進行CEEMD分解，參數(shù)設(shè)置同上，得到一系列IMF函數(shù)，提取各條線路的IMF1高頻分量，分解結(jié)果見圖10.

圖10 各條線路IMF1高頻分量圖

計算各條線路在故障點處的差分系數(shù)，分別為-3.044、-3.057、-2.713與9.339，根據(jù)差分系數(shù)極性相反可判斷線路L4為故障線路。

3.2 母線故障

設(shè)置故障條件為故障初相角0°，接地電阻5 000 Ω，故障位置在線路長度30%處，母線故障。仿真得到的各條線路零序電流加入20 dB高斯白噪聲后的波形見圖11.

圖11 線路零序電流圖

3.2.1小波包分解

對各條線路加噪后的零序電流進行小波包分解，參數(shù)配置同上，提取分解得到的各條線路的小波頻帶能量總和并排序，根據(jù)能量最大原則選取特征頻帶并進行小波包系數(shù)的提取，得到小波包分解系數(shù)見圖12.

圖12 各條線路小波包分解系數(shù)圖

進一步分析可知，當零序電流信號受到噪聲干擾并且故障特征不明顯時，即故障點經(jīng)高阻抗接地時，小波包算法無法正確選線，小波包分解系數(shù)也變得沒有規(guī)律可尋。

3.2.2CEEMD分解

對各條線路加噪后的零序電流進行CEEMD分解，參數(shù)設(shè)置同上，得到一系列IMF函數(shù)，提取各條線路的IMF1高頻分量，分解結(jié)果見圖13.

圖13 各條線路IMF1高頻分量圖

分析圖13可知，當故障特征不明顯時，CEEMD分解得到的IMF1高頻分量雜亂無章，無法通過故障點處的差分系數(shù)進行故障選線，選線失敗。

4 選線結(jié)果對比分析

以前述仿真模型為基礎(chǔ)，分別仿真分析了故障初相角、故障點接地電阻、故障點位置、消弧線圈補償度、線路長度對故障選線的影響，可見故障點位置、消弧線圈補償度對各線路影響很小，因此所有分析均建立在消弧線圈過補償5%的情況下。

分別對兩種選線算法在理想狀態(tài)與非理想狀態(tài)進行了大量仿真測試，選線結(jié)果分別見表3，表4.

表3 小波包算法在不同狀態(tài)下的選線結(jié)果表

表4 CEEMD算法在不同狀態(tài)下的選線結(jié)果表

5 結(jié) 論

針對礦井供電系統(tǒng)單相接地故障選線算法選線準確率低的問題進行了分析，對比目前的兩種主流選線算法，得出如下結(jié)論：

1) 在理想情況下，兩種選線算法均能表現(xiàn)出較為理想的選線準確率；而在非理想情況下，小波包算法可對過渡電阻為800 Ω以內(nèi)的情況進行正確選線，而CEEMD算法只能對過渡電阻為100 Ω以內(nèi)的情況進行正確選線。因此小波包算法在非理想情況下有著更高的閾值與可靠性。

2) 運用RTDS進行仿真較純仿真軟件更接近實際情況，較現(xiàn)有論文的對比結(jié)果更可靠、更全面；并且考慮到實際信號中的噪聲問題，所做結(jié)果更貼近于實際情況。

3) 通過仿真測試與對比，結(jié)果表明采集到的零序電流信號的理想程度直接影響到算法的選線結(jié)果，因此選線裝置選線準確率低的原因可能與采集到的信號有關(guān)，若要提高選線準確率，需要對零序電流信號進行處理，需要提高零序電流互感器的靈敏度或改進現(xiàn)有的濾波去噪算法。