高壓交流輸電線路故障特征挖掘與故障原因辨識.pdf

1、輸電線路是電網(wǎng)的重要組成部分，覆蓋范圍廣，運行環(huán)境惡劣復雜，極易由于自然災害、人為破壞等原因而發(fā)生故障。作為省級電網(wǎng)的骨干電力網(wǎng)絡，220kV及以上的高壓交流輸電線路的故障必然給電網(wǎng)帶來沖擊，威脅電網(wǎng)的安全穩(wěn)定運行。同時，繼電保護裝置的快速動作可能導致故障線路損壞痕跡不明顯，增加了故障檢修困難程度。在線路跳閘后，準確、及時地判斷出故障的可能誘因同時結(jié)合測距位置以及當?shù)氐匦螤顩r，可指導巡線，快速、準確地發(fā)現(xiàn)故障點，減少故障排除時間，提高電

2、力系統(tǒng)的供電可靠性及和運行穩(wěn)定性，具有重大的經(jīng)濟效益及社會效益。目前國內(nèi)外的辨識研究較少，多為針對某種故障的規(guī)律統(tǒng)計以及防治措施建立，尚無系統(tǒng)的辨識方法。
　　本文針對輸電線路常見的雷擊、風偏、鳥閃、污閃、樹閃以及山火六種原因引起的輸電線路單相故障進行研究。在各故障類型故障機理分析的基礎上，對故障特征規(guī)律進行深入剖析，結(jié)合歷史經(jīng)驗對故障相關的外部特征以及內(nèi)部特征進行總結(jié)。外部特征包括故障發(fā)生時對應的天氣、季節(jié)以及時間特征，內(nèi)部特征

3、則指反映故障本質(zhì)的故障重合閘情況、故障相電流直流含量、三次諧波含量、過零點畸變情況以及過渡電阻大小和性質(zhì)，并通過實際故障錄波數(shù)據(jù)的處理分析進行驗證。更進一步，本文采用基于Fisher分數(shù)的特征挖掘方法實現(xiàn)對六種故障模型辨識而言各特征的重要性程度計算并進行排序，從而探究出各故障原因類型辨識的主要影響因素，有針對性地建立不同的故障原因辨識模型。
　　鑒于輸電線路故障樣本的不完備，本文采用具有強泛化能力的支持向量機(SVM)實現(xiàn)故障原因

4、的分類辨識，算法以結(jié)構(gòu)風險最小化為目標，在一定程度上避免了過學習問題。針對六種故障原因分別帶入相關特征，利用樣本進行訓練建立辨識模型，并且使用粒子群算法(PSO)對各模型參數(shù)進行優(yōu)化。預測階段，將待測故障樣本進行相應的特征分析，并分別帶入該六種故障模型，得出對應于各種故障類型的概率，取其中的最大值所對應的故障原因類型為判別結(jié)果并進行驗證測試。并對于算法提出了基于樣本數(shù)據(jù)不平衡問題以及算法自學習能力的改進。最后通過測試結(jié)果表明，基于PSO

5、優(yōu)化的SVM算法辨識效果得到了提升，并且通過選取特征重要性排序靠前的特征可以在保證辨識準確率的同時簡化模型計算量，提高效率。
　　綜上，本文基于雷擊、風偏、鳥閃、污閃、樹閃以及山火六大輸電線路故障的綜合分析研究，提出一種綜合故障外部特征以及故障內(nèi)部特征的PSO-SVM故障原因自學習辨識的方法。本方法建立在對實際故障數(shù)據(jù)的挖掘分析的基礎上，理論依據(jù)充分，算法仿真證明準確率高。同時本方法所用故障數(shù)據(jù)信息容易獲取，應用時可結(jié)合當?shù)毓收弦?guī)