电气技术

参数	数值
采样频率/Hz	0~2 000
小波基函数	db10
最大分解尺度J	4
窗口移动范围/s	0.02
时间窗口宽度/s	0.02

参数	数值
采样频率/Hz	0~2 000
小波基函数	db10
最大分解尺度J	4
窗口移动范围/s	0.02
时间窗口宽度/s	0.02

影响因素	条件	WEE值
信号幅值突变	较小	较小
较大	较大
信号频率成分	单一	较小
丰富	较大
小波最大分解尺度	较小	较小
较大	较大

影响因素	条件	WEE值
信号幅值突变	较小	较小
较大	较大
信号频率成分	单一	较小
丰富	较大
小波最大分解尺度	较小	较小
较大	较大

运行状态	WEE值变化情况
正常运行	基本不变	基本不变
三相短路故障	突变较大	突变较大
两相短路故障	突变较大	基本不变
两相接地短路故障	突变较大	突变较小
单相接地故障	突变较大	突变较小

运行状态	WEE值变化情况
正常运行	基本不变	基本不变
三相短路故障	突变较大	突变较大
两相短路故障	突变较大	基本不变
两相接地短路故障	突变较大	突变较小
单相接地故障	突变较大	突变较小

特征代码	仿真计算结果	现场计算结果
$E WEE A /nat$	0.010 7	0.018 4
$E WEE B /nat$	0.001 4	0.016 6
$E WEE C /nat$	0.014 8	0.002 2
E_A/V	320.382 0	273.370 0
E_B/V	320.911 0	266.969 0
E_C/V	320.400 0	278.164 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A /nat$	0.010 7	0.018 4
$E WEE B /nat$	0.001 4	0.016 6
$E WEE C /nat$	0.014 8	0.002 2
E_A/V	320.382 0	273.370 0
E_B/V	320.911 0	266.969 0
E_C/V	320.400 0	278.164 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A /nat$	0.031 2	0.041 3
$E WEE B /nat$	0.094 6	0.020 1
$E WEE C /nat$	0.081 7	0.036 9
E_A/V	121.867 0	247.469 0
E_B/V	121.580 0	230.138 0
E_C/V	121.430 0	174.863 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A /nat$	0.031 2	0.041 3
$E WEE B /nat$	0.094 6	0.020 1
$E WEE C /nat$	0.081 7	0.036 9
E_A/V	121.867 0	247.469 0
E_B/V	121.580 0	230.138 0
E_C/V	121.430 0	174.863 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A$ /nat	0.044 2	0.019 6
$E WEE B$ /nat	0.035 1	0.024 8
$E WEE C$ /nat	0.014 8	0.015 0
E_A/V	173.124 0	234.984 0
E_B/V	168.007 0	256.828 0
E_C/V	320.275 0	304.360 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A$ /nat	0.044 2	0.019 6
$E WEE B$ /nat	0.035 1	0.024 8
$E WEE C$ /nat	0.014 8	0.015 0
E_A/V	173.124 0	234.984 0
E_B/V	168.007 0	256.828 0
E_C/V	320.275 0	304.360 0
u₀/V	0	0

特征代码	仿真计算结果	现场计算结果
$E WEE A / nat$	0.031 0	0.072 3
$E WEE B / nat$	0.095 8	0.064 8
$E WEE C / nat$	0.013 4	0.099 5
E_A/V	121.470 0	143.919 0
E_B/V	121.338 0	144.621 0
E_C/V	270.827 0	162.926 0
u₀/V	7 893.469 8	0

特征代码	仿真计算结果	现场计算结果
$E WEE A / nat$	0.031 0	0.072 3
$E WEE B / nat$	0.095 8	0.064 8
$E WEE C / nat$	0.013 4	0.099 5
E_A/V	121.470 0	143.919 0
E_B/V	121.338 0	144.621 0
E_C/V	270.827 0	162.926 0
u₀/V	7 893.469 8	0

特征代码	仿真计算结果	现场计算结果
$E WEE A / nat$	0.031 6	0.040 2
$E WEE B / nat$	0.002 3	0.016 0
$E WEE C / nat$	0.013 7	0.009 5
E_A/V	120.845 0	180.046 0
E_B/V	269.718 0	270.591 0
E_C/V	278.171 5	296.735 0
u₀/V	8 415.796 7	895.470 3

特征代码	仿真计算结果	现场计算结果
$E WEE A / nat$	0.031 6	0.040 2
$E WEE B / nat$	0.002 3	0.016 0
$E WEE C / nat$	0.013 7	0.009 5
E_A/V	120.845 0	180.046 0
E_B/V	269.718 0	270.591 0
E_C/V	278.171 5	296.735 0
u₀/V	8 415.796 7	895.470 3

基因	片段1	片段2	…	片段n
基因1	N₁₁	N₁₂	…	N₁_n
基因2	N₂₁	N₂₂	…	N₂_n
$⋮$	$⋮$	$⋮$	$⋮$	$⋮$
基因m	N_m₁	N_m₂	…	N_mn

基因	片段1	片段2	…	片段n
基因1	N₁₁	N₁₂	…	N₁_n
基因2	N₂₁	N₂₂	…	N₂_n
$⋮$	$⋮$	$⋮$	$⋮$	$⋮$
基因m	N_m₁	N_m₂	…	N_mn

规则号	运行状态	规则条件	优先级别
1	正常运行	(E_A>ξ₁, E_B>ξ₁, E_C>ξ₁)\|\|( $E WEE A$ <ξ₂, $E WEE A$ <ξ₂, $E WEE A$ <ξ₂ $E WEE A$ &&(u₀<ξ₃)	0
2	三相短路	(E_A<ξ₁, E_B<ξ₁, E_C<ξ₁ $)$ &&( $)$ >ξ₂, $)$ >ξ₂, $)$ >ξ₂)&&(u₀<ξ₃)	1
3	A相单相接地短路	((E_A<ξ₁ $)$ &&(E_B>ξ₁, E_C>ξ₁ $)$ &&(( $)$ >ξ₂)&&( $)$ <ξ₂, $)$ <ξ₂ $)$ &&(u₀>ξ₃)	2
4	AB两相短路	((E_A<ξ₁, E_B<ξ₁ $)$ &&(E_C>ξ₁ $)$ &&(( $)$ >ξ₂, $)$ >ξ₂)&&( $)$ <ξ₂ $)$ &&(u₀<ξ₃)	3
5	AB两相接地短路	((E_A<ξ₁, E_B<ξ₁ $)$ &&(E_C>ξ₁ $)$ &&(( $)$ >ξ₂, $)$ >ξ₂)&&( $)$ <ξ₂ $)$ &&(u₀>ξ₃)	4
6	其他工况	除以上组合之外的情况	5

规则号	运行状态	规则条件	优先级别
1	正常运行	(E_A>ξ₁, E_B>ξ₁, E_C>ξ₁)\|\|( $E WEE A$ <ξ₂, $E WEE A$ <ξ₂, $E WEE A$ <ξ₂ $E WEE A$ &&(u₀<ξ₃)	0
2	三相短路	(E_A<ξ₁, E_B<ξ₁, E_C<ξ₁ $)$ &&( $)$ >ξ₂, $)$ >ξ₂, $)$ >ξ₂)&&(u₀<ξ₃)	1
3	A相单相接地短路	((E_A<ξ₁ $)$ &&(E_B>ξ₁, E_C>ξ₁ $)$ &&(( $)$ >ξ₂)&&( $)$ <ξ₂, $)$ <ξ₂ $)$ &&(u₀>ξ₃)	2
4	AB两相短路	((E_A<ξ₁, E_B<ξ₁ $)$ &&(E_C>ξ₁ $)$ &&(( $)$ >ξ₂, $)$ >ξ₂)&&( $)$ <ξ₂ $)$ &&(u₀<ξ₃)	3
5	AB两相接地短路	((E_A<ξ₁, E_B<ξ₁ $)$ &&(E_C>ξ₁ $)$ &&(( $)$ >ξ₂, $)$ >ξ₂)&&( $)$ <ξ₂ $)$ &&(u₀>ξ₃)	4
6	其他工况	除以上组合之外的情况	5

状态	说明
E_A<ξ₁	A相电压信号有突变或含有高频分量
E_A>ξ₁	A相电压信号无故障或突变较小
$E WEE A$ >ξ₂	A相电压信号有突变或含有高频分量
$E WEE A$ <ξ₂	A相电压信号无故障或突变较小
u₀≠ξ₃	零序电压幅值较大

状态	说明
E_A<ξ₁	A相电压信号有突变或含有高频分量
E_A>ξ₁	A相电压信号无故障或突变较小
$E WEE A$ >ξ₂	A相电压信号有突变或含有高频分量
$E WEE A$ <ξ₂	A相电压信号无故障或突变较小
u₀≠ξ₃	零序电压幅值较大

基于小波熵的配电网线路运行工况特征基因库构建

PDF下载

王良锋 , 李瑞 , 尚筱雅 , 李沁雪 , 邱泽锦

电气技术 | 研究与开发 2025,26(2): 35-41

收起

电气技术 | 研究与开发 2025, 26(2): 35-41

基于小波熵的配电网线路运行工况特征基因库构建

全屏

王良锋, 李瑞, 尚筱雅, 李沁雪, 邱泽锦

作者信息

广州航海学院低空装备与智能控制学院，广州 510700

王良锋（2002—），男，广东茂名人，本科生，研究方向为AI在智能配电网领域的应用。

Construction of a distribution network line operating condition characteristic gene bank based on wavelet entropy

Liangfeng WANG, Rui LI, Xiaoya SHANG, Qinxue LI, Zejin QIU

Affiliations

School of Low Altitude Equipment and Intelligent Control, Guangzhou University of Navigation, Guangzhou 510700

出版时间: 2025-02-15

文章导航

摘要

收起

为了提高对配电网线路故障的识别诊断效率，提升供电可靠性，本文采用一种基于小波熵的配电网线路运行工况特征基因库构建方法。首先，搭建配电网线路仿真模型；然后，提取各工况运行数据，搭建基于小波熵的特征提取算法模型；最后，基于特征数据开发特征基因库。仿真结果表明，基于小波熵的特征提取算法和特征基因库能有效地识别与诊断配电网线路的多种运行工况，满足配电网可持续发展的要求。

关键词

配电网线路 / 小波熵 / 特征提取 / 特征基因库

Abstract

收起

In order to improve the efficiency of identification and diagnosis of distribution network line faults and improve the reliability of power supply, this paper adopts a method based on wavelet entropy to construct a distribution network line operating condition characteristic gene bank. Firstly, the distribution network line simulation model is built to extract the operation data, and then, combined with the effective simulation data, the feature extraction algorithm model based on wavelet entropy is built, and finally, the characteristic gene bank is developed based on the feature data. The simulation results show that the feature extraction algorithm and characteristic gene bank based on wavelet entropy can effectively identify and diagnose a variety of operating conditions of distribution network lines, which meets the requirements of sustainable development of distribution network.

Key words

distribution network lines / wavelet entropy / feature extraction / characteristic gene bank

引用本文

王良锋, 李瑞, 尚筱雅, 李沁雪, 邱泽锦. 基于小波熵的配电网线路运行工况特征基因库构建. 电气技术, 2025 , 26 (2) : 35 -41 .

Liangfeng WANG, Rui LI, Xiaoya SHANG, Qinxue LI, Zejin QIU. Construction of a distribution network line operating condition characteristic gene bank based on wavelet entropy[J]. Electrical Engineering, 2025 , 26 (2) : 35 -41 .

正文

收起

0 引言

收起

“双碳”目标的快速推进及多能源电力系统的深入研究，推动了“双高（高比例清洁能源、高比例电力电子装置）电网”的普及^[1-2]。配电网作为局部地区多类分布式资源的整合者^[3]、电能输送的终端，是提高用电可靠性、优化运行方式的重要环节。配电网线路故障特征复杂，导致故障诊断准确性较低。此外，现场采集数据虽然日益丰富，但是海量数据难以得到有效利用，导致配电网线路故障的处理效率不高^[4]。

目前，通过配电网线路运行工况特征提取进行故障诊断的方法有很多。文献[5]提取不同频带单节点暂态零序数据的伏安特性特征向量和零序功率累加和作为故障特征，通过对特征频带的筛选与统计来确定故障区段；文献[6]通过K均值聚类算法提取伏安特性特征向量，并与零序功率方向特征向量进行综合特征向量融合，利用模糊C均值聚类即可判别健全区段和故障区段；文献[7]提出基于全景电压特征和视觉变压器的高压直流电网故障定位方法，其中全景电压特征的提取采用格拉姆角场、递归图、马尔可夫过渡场和连续小波变换四种信号处理技术，该方法不仅能够精确估计故障距离，还具备高过渡电阻、低采样频率和强噪声干扰的鲁棒性，且具有实际可行性；文献[8]提出一种基于低压侧特征电压的中压配电网故障定位方法，该方法可与功耗信息采集系统、智能融合终端等广泛使用的低压测量设备结合使用，无需增加新的测量设备即可获取低压侧电压，正确有效且经济实用性强；文献[9]通过建立大数据采集系统，利用主成分分析方法对大数据进行特征提取，然后结合分布式计算和长短期记忆（long short term memory, LSTM）网络机器学习算法构建了故障诊断模型；文献[10]利用数字孪生技术建立虚拟空间，通过与物理电网实施映射交互，刻画其运行画像，与实际运行数据展开对比，从而实现了运行特征的提取，最后通过局部异常因子的检测，完成对配电网故障的精准辨别；文献[11]利用图像融合技术得到综合特征图像，通过构建双通道卷积神经网络模型进行特征挖掘，最后基于所提取特征利用Sigmoid函数实现故障线路的筛选；文献[12]通过Hausdorff距离算法计算零序电流小波低频重构系数的不匹配度特征值，与归一化后的综合小波能量特征值共同作为输入量，搭配随机森林算法建立了故障选线判别模型；文献[13]采用欧拉变换在复平面中将信号转化为图像，通过残差网络模型对图像进行特征提取与分类，最终实现对故障线路的识别；文献[14]以信号时域特征和变分模态分解固有模态能量熵构成多维特征向量，利用随机森林模型进行分类决策，进而得出故障电弧，准确率可达99%，且适用于多种典型负载和非线性负载工作的低压配电故障电弧识别；文献[15]介绍了一种多特征融合的故障电弧辨识方法，验证结果表明，该方法在实际工程应用中的平均辨识准确率为90%，满足工程应用中的准确性和稳定性要求。此类基于特征提取的运行工况诊断方法虽各具特点与优势，但缺乏一种能够有效地将众多运行工况特征量有机统一的方法。

因此，本文以基于小波熵的特征提取方法为例，构建一个可综合多种特征数据、不断优化更新的配电网线路运行工况特征基因库，以达到更高的适用性，进而提高配电网线路故障识别诊断的效率。

1 小波熵特征提取算法模型

收起

小波变换是一种有效的暂态信号分析工具，利用它分析配电网线路的暂态信号，并提取有效信息，可实现线路异常状态的检测和诊断^[16]。小波熵结合了小波变换多分辨率分析的特点和信息熵对信息具有较强表征能力的优点，既能达到信息融合的目的，又能更有效地分析突变信号^[17]。因此，利用基于小波熵的特征提取算法进行信号分析，并在此基础上构建特征基因库有益于配电网线路故障的识别诊断，符合配电自动化要求。

在搭建特征算法模型前，建立基于PSCAD的配电网10kV线路仿真模型，通过大量仿真实验为本文特征提取算法的设计提供有效数据支撑，限于篇幅，本文不在此进行展开。

1.1 小波熵建模

根据参考文献[18 -20]，下面给出小波变换、Shannon信息熵、小波能谱熵（wavelet energy entropy, WEE）的定义。

1）小波变换

设信号x(k)经离散小波变换后，在第j分解尺度下k时刻的高频分量系数为d_j(k)，低频分解系数为a_j(k)，进行单支重构后得到的信号分量D_j(k)、A_j(k)所包含的信息频带范围为

（1）

$\left\{\begin{array}{l}{D}_{j}(k):\left[{2}^{-(j+1)}{f}_{\text{s}},{2}^{-j}{f}_{\text{s}}\right]\\ {A}_{j}(k):\left[0,{2}^{-(j+1)}{f}_{\text{s}}\right]\end{array}\right.j=1,2,\cdots,J$

式中：f_s为信号采样频率；J为最大分解尺度。

原始信号序列x(k)可以表示为各分量的和，即

（2）

$\begin{array}{c}x(k)={D}_{1}(k)+{A}_{1}(k)={D}_{1}(k)+{D}_{2}(k)+{A}_{2}(k)\\ ={\displaystyle \sum _{j=1}^{J}{D}_{j}(k)+{A}_{J}(k)}\end{array}$

为了统一，用D_J₊₁(k)代替A_J(k)，则有

（3）

$x(k)={\displaystyle \sum _{j=1}^{J+1}{D}_{j}(k)}$

D_j(k)表征了信号x(k)在不同尺度下的分量，也称为信号的多尺度表示。

2）Shannon信息熵

假设一个由n个离散随机变量组成的样本空间集X={x₁, x₂,…, x_n}，其中每个状态x_i对应一个概率P_i=P(x_i)，有0≤P_i≤1，${\displaystyle \sum _{i=1}^{n}{P}_{i}\text{=1}}$。状态x_i的不确定信息量定义为

（4）

$I({x}_{i})=-{\mathrm{log}}_{a}{P}_{i}i=1,2,\cdots,n$

其中，对数底a决定熵的单位，Shannon熵以e作为对数底，单位为nat。

输出I又称为自信息量，无法表征整个信息源的信息度量。因此，定义自信息量的数学期望作为信息源的平均自信息量，即熵，记为H(X)。

（5）

$H(X)=E\left[I(X)\right]=-{\displaystyle \sum _{i=1}^{n}{P}_{i}\mathrm{ln}{P}_{i}}$

3）WEE

将小波变换的系数矩阵处理成一个概率分布序列，由这些系数计算的熵值反映此系数矩阵的稀疏程度，即信号概率分布的有序程度。

假设给定一个离散信号x含有n个采样点数，则WEE的求解步骤如下：

（1）信号x进行小波变换，然后进行系数重构得到由逼近系数和细节系数构成的系数矩阵D。

（2）定义在不同尺度j时刻k下的信号能量${E}_{jk}$= ${\left|{D}_{j}\text{(}k\text{)}\right|}^{\text{2}}$，${E}_{j}={\displaystyle \sum _{k=1}^{N}{E}_{jk}}$为在尺度j上所有时刻的能量之和，则E_WEE定义为

（6）

${E}_{\text{WEE}}=-{\displaystyle \sum _{j=1}^{J}{P}_{j}\mathrm{ln}{P}_{j}}$

式中，P_j=E_j/E，E为信号总能量，定义为$E={\displaystyle \sum _{j=1}^{J}{E}_{j}}$。

1.2 模型参数的选择

小波熵特征提取算法模型参数见表1。

1.3 小波熵算法分析

配电网线路故障暂态过程伴随着大幅度的幅值波动和丰富的频率成分^[21]。基于WEE的定义，现对小波熵算法进行时、频两域的波形分析^[22]。

1）时域波形分析

假设信号频率固定、幅值变化，给定信号s₁(t)，其频率f₁=50Hz。信号s₁(t)的仿真波形如图1所示。

（7）

${s}_{1}(t)=\left\{\begin{array}{ll}\mathrm{sin}\left(2\text{π}{f}_{1}t\right)\hfill & 0＜t＜0.1\hfill \\ 3\mathrm{sin}\left(2\text{π}{f}_{1}t\right)\hfill & 0.1\le t＜0.2\hfill \\ 5\mathrm{sin}\left(2\text{π}{f}_{1}t\right)\hfill & 0.2\le t＜0.3\hfill \end{array}\right.$

${E}_{{\text{WEE}}_{J}}$表示最大分解尺度J下的WEE值，分别在J=2, 3, 4的情况下，由式（6）计算得到信号s₁(t)

的WEE值，仿真结果如图2所示。

2）频域波形分析

假设信号幅值固定、频率变化，给定信号s₂(t)，其频率f_i的变化关系为f_i=[50+(i-1)×200] Hz。信号s₂(t)的仿真波形如图3所示。

（8）

${s}_{2}(t)=\left\{\begin{array}{ll}\mathrm{sin}\left(2\text{π}{f}_{1}t\right)\hfill & 0＜t＜0.1\hfill \\ 0.5{\displaystyle \sum _{i=1}^{2}\mathrm{sin}\left(2\text{π}{f}_{i}t\right)}\hfill & 0.1\le t＜0.2\hfill \\ 0.25{\displaystyle \sum _{i=1}^{4}\mathrm{sin}\left(2\text{π}{f}_{i}t\right)}\hfill & 0.2\le t＜0.3\hfill \end{array}\right.$

由式（6）计算最大分解尺度分别为2、3、4的情况下，信号s₂(t)的WEE值，仿真结果如图4所示。

以上信号的时频两域仿真结果分析见表2。由表2可知，WEE可以有效衡量信号的不确定性和复杂度。

3）仿真数据分析

利用小波熵算法通过仿真模拟对正常状态、三相短路故障、两相短路故障、两相接地短路故障及单相接地故障5种常见配电网运行状态进行特征提取与分析，各运行状态故障瞬间的电压与电流WEE值变化情况见表3。由表3可知，针对配电网线路不同故障的暂态过程，WEE可以做出有效的变化反馈。

1.4 特征提取算法设计

经大量数据计算及分析，本文决定以配电网线路各暂态信号的电压波形作为特征提取算法的设计基础。基于配电网线路电压信号的特征提取算法如下：

1）以发生故障前三个周波至后五个周波为区间，设t_s为故障发生时刻，则处理区间为[t_s-0.06s, t_s+0.1s]，在此区间内取小波总能量E_p（p为相别A、B、C）为故障特征。

设置时间窗的长度及滑动步长均为0.02s（1个周期），小波总能量E_p定义为

（9）

${E}_{p}={\displaystyle \sum _{j=1}^{J}{E}_{j}}$

式中：j为尺度因子；E_j为在尺度j上所有时刻的能量之和，${E}_{j}\text{=}{\displaystyle \sum _{k=1}^{N}{E}_{jk}}$，k为时间因子，E_jk为在不同尺度j时刻k下的信号能量，${E}_{jk}$=${\left|{D}_{j}\text{(}k\text{)}\right|}^{\text{2}}$。

2）在处理区间[t_s-0.06s, t_s+0.1s]内，取${E}_{{\text{WEE}}_{p}}$（p为相别A、B、C）作为故障特征。

${E}_{{\text{WEE}}_{p}}$定义为

（10）

${E}_{{\text{WEE}}_{p}}=-{\displaystyle \sum _{j=1}^{J}{P}_{j}\mathrm{ln}{P}_{j}}$

式中，P_j=E_j/E_p。

3）设故障后一个周波即t_s+0.02s时刻，配电网线路A、B、C三相的相电压分别为${\dot{U}}_{\text{A}}$、${\dot{U}}_{\text{B}}$、${\dot{U}}_{\text{C}}$，取此时刻的零序电压幅值u₀作为故障特征。零序电压${\dot{U}}_{0}$定义为

（11）

${\dot{U}}_{0}=\frac{1}{3}\left({\dot{U}}_{\text{A}}+{\dot{U}}_{\text{B}}+{\dot{U}}_{\text{C}}\right)$

所以，零序电压幅值u₀=$\left|{\dot{U}}_{0}\right|$。

综合上述分析及提取的特征量，确定故障识别流程，特征提取算法流程如图5所示。

经大量仿真实验，本文将阈值ξ₁设置为260V，阈值ξ₂设置为0.019nat，阈值ξ₃设置为400V。在实际应用中进行配置时，可根据现场具体情况进行调整。

2 特征基因库的开发

收起

2.1 案例验证及分析

限于篇幅，本文仅针对5种典型常见配电网线路运行工况，分别以基于PSCAD的配电网10kV线路仿真模型测得的波形数据和广东某供电局实际线路上装配的在线录波监测装置记录的数据作为案例验证及分析对象。首先计算出各特征量并与预设经验阈值比较，然后给出特征量所对应的状态，最后返回配电网线路的相关运行工况。

特征说明：${E}_{{\text{WEE}}_{\text{A}}}$、${E}_{{\text{WEE}}_{\text{B}}}$、${E}_{{\text{WEE}}_{\text{C}}}$分别为A、B、C相电压小波能谱熵的值；E_A、E_B、E_C分别为A、B、C相电压小波总能量；u₀为ABC三相的零序电压幅值。

1）正常运行工况

正常运行工况的计算结果见表4。由表4可知，仿真计算和现场计算的验证结果均为E_p（p=A, B, C）>ξ₁或${E}_{{\text{WEE}}_{p}}$（p=A, B, C）<ξ₂且u₀<ξ₃，符合正常运行工况的判断条件。

2）三相短路故障

三相短路故障工况的计算结果见表5。由表5可知，仿真计算和现场计算的验证结果均为E_p（p=A, B, C）<ξ₁且${E}_{{\text{WEE}}_{p}}$（p=A, B, C）>ξ₂且u₀<ξ₃，符合三相短路故障工况的判断条件。

3）两相短路故障

两相短路故障工况的计算结果见表6。由表6可知，仿真计算和现场计算的验证结果均为E_A<ξ₁、E_B<ξ₁、E_C>ξ₁，且${E}_{{\text{WEE}}_{\text{A}}}$>ξ₂、${E}_{{\text{WEE}}_{\text{B}}}$>ξ₂、${E}_{{\text{WEE}}_{\text{C}}}$<ξ₂且u₀<ξ₃，符合两相短路故障工况的判断条件。

4）两相接地短路故障

两相接地短路故障工况的计算结果见表7。由表7可知，仿真计算的验证结果为E_A<ξ₁、E_B<ξ₁、E_C>ξ₁，且${E}_{{\text{WEE}}_{\text{A}}}$>ξ₂、${E}_{{\text{WEE}}_{\text{B}}}$>ξ₂、${E}_{{\text{WEE}}_{\text{C}}}$<ξ₂且u₀>ξ₃，符合两相接地短路故障工况的判断条件。

现场计算的验证结果为E_p（p=A, B, C）<ξ₁且${E}_{{\text{WEE}}_{p}}$（p=A, B, C）>ξ₂且u₀<ξ₃，不符合两相接地短路故障工况的判断条件。分析验证失败的原因为：非故障相C相发生了较大突变，超过了算法的阈值裕度。算法诊断结果为三相短路故障，实际故障为AB两相永久短路。采取以下改进策略：增加现场数据采集样本数量，设定更加准确的判断阈值；配合其他特征提取方法，扩充特征基因库的基因片段，提高基因判断的准确性。

5）单相接地故障

单相接地故障工况的计算结果见表8。由表8可知，仿真计算和现场计算的验证结果均为E_A<ξ₁、E_B>ξ₁、E_C>ξ₁，且${E}_{{\text{WEE}}_{\text{A}}}$>ξ₂、${E}_{{\text{WEE}}_{\text{B}}}$<ξ₂、${E}_{{\text{WEE}}_{\text{C}}}$<ξ₂，且u₀>ξ₃，符合单相接地故障工况的判断条件。

2.2 特征基因库设计

采用上述特征提取算法，根据暂态信号反映的特性区分故障类型，再根据所提取特征量的组合差异辨别线路的运行状态，确定与某一故障或工况类型相对应的特征基因，再组合成为特征基因库。

根据上述5种运行工况构建的特征基因库见表9。其中，每一横行对应一个基因，代表不同的故障或工况类型，每一纵列对应一个基因片段，代表所有样本数据计算出的特征值。

由于特征值都是实数值，为了提高基因库的匹配效率和减少计算量，本文将N_mn的值取为0或1，即当N_mn满足特征算法条件时取1，不满足时取0。

2.3 基因匹配规则

根据配电网线路运行状态的优先级别进行基因匹配诊断。在本文中，首先对正常运行状态进行匹配诊断，然后依次判别三相短路、单相接地、两相接地短路和两相短路故障。基因匹配规则见表10，其中B、C相对地短路与A相同理，AC、BC两相短路和两相接地短路与AB相同理。规则表中每个特征向量的对应状态及说明见表11，其中E_B、E_C与E_A同理，${E}_{{\text{WEE}}_{\text{B}}}$、${E}_{{\text{WEE}}_{\text{C}}}$与${E}_{{\text{WEE}}_{\text{A}}}$同理。

鉴于篇幅、技术等原因，本文的特征基因库暂时只包括典型故障工况中的短路故障，对于其他运行工况，还有待完善。

2.4 基因库更新扩充机制

基因库更新是在实际的诊断系统中根据现场具体应用的数据进行调整并更新各特征量对应的阈值。

基因库的扩充机制有两种：一是横向扩充，发掘更多特征量作为基因片段以提高故障诊断的准确性；二是纵向扩充，加入其他故障或运行工况模型数据以增加故障诊断的适用性。

3 结论

收起

本文所采用的基于小波熵的配电网线路运行工况特征基因库构建方法，可用于缓解当前点多面广的配电网线路海量现场数据处理效率低造成的线路故障诊断排查不及时的现状。该方法先利用小波熵对配电网线路的电气信息开展运行特征提取，再利用提取的特征数据构建特征基因库，最后通过与实际案例比对进行故障识别诊断。该基因库适用性强，可根据实际应用数据的不断积累而自由扩展和改进更新。

在未来的应用中，本文方法可根据不同的配电网线路系统所提取的数据特征，构建适用于该配电网线路系统的运行工况特征基因库，达到一法万用的效果，为智能配电网的建设提供了一种可参考的新策略。

基金

收起

国家自然科学基金-青年科学基金项目(62006052)
广州市科技计划项目(202102020663)
配网设备快速运维关键技术研究(2019KY046)
广州市高等教育教学质量与教学改革工程课程教研室项目(2022KCJYS012)
大学生创新创业训练计划项目(S20240138)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

马伟明. 关于电工学科前沿技术发展的若干思考[J]. 电工技术学报, 2021, 36(22): 4627-4636.

[2]

秦苏亚, 薛永端, 刘砾钲, 等. 有源配电网小电流接地故障暂态特征及其影响分析[J]. 电工技术学报, 2022, 37(3): 655-666.

[3]

倪萌, 王蓓蓓, 朱红, 等. 能源互联背景下面向高弹性的多元融合配电网双层分布式优化调度方法研究[J]. 电工技术学报, 2022, 37(1): 208-219.

[4]

史鸿飞, 邓丰, 钟航, 等. 基于暂态时-频特征差异的配电网高阻接地故障识别方法[J]. 中国电机工程学报, 2024, 44(16): 6455-6470.

[5]

肖文妍, 郭谋发, 林佳壕, 等. 基于多频带多特征融合的配电网单相接地故障选段方法[J]. 电气技术, 2024, 25(7): 7-14.

[6]

林骏捷, 林佳壕, 郭谋发. 基于多暂态特征量聚类的配电网接地故障区段定位方法[J]. 电气技术, 2023, 24(5): 16-22.

[7]

REN

, LUO

Yongjie

, ZHOU

Niancheng

, et al. Fault location in high-voltage direct-current grids based on panoramic voltage features and vision transformers[J]. International Journal of Electrical Power and Energy Systems, 2024, 158: 109958.

[8]

ZHANG

Dehai

, ZHANG

Wenhai

, WANG

Changzhi

, et al. Fault segment location for MV distribution system based on the characteristic voltage of LV side[J]. Electronics, 2023, 12(7): 1734.

[9]

徐江泽. 基于大数据的配电网络故障监测与诊断研究[J]. 电气技术与经济, 2024(8): 348-350.

[10]

梁海生. 基于数字孪生的配电网局部异常因子故障辨识仿真[J]. 电气传动, 2024, 54(7): 66-72.

[11]

苏斌, 侯思祖, 郭威. 基于图像融合和双通道卷积神经网络的配电网故障选线方法研究[J]. 电子测量与仪器学报, 2024, 38(9): 54-66.

[12]

白浩, 李巍, 杨建洲, 等. 基于小波包分解多信息融合的配电网故障选线保护方法[J]. 电子器件, 2024, 47(3): 757-763.

[13]

WANG

Haozhi

, SHI

Yuntao

, GUO

Wei

. Fault line selection method for power distribution network based on graph transformation and ResNet50 model[J]. Information, 2024, 15(7): 375.

[14]

董志文, 苏晶晶. 基于变分模态分解能量熵混合时域特征和随机森林的故障电弧检测方法[J]. 电气技术, 2024, 25(1): 1-7.

[15]

何志鹏, 李伟林, 邓云坤, 等. 低压交流串联故障电弧辨识方法[J]. 电工技术学报, 2023, 38(10): 2806-2817.

[16]

窦嘉炜, 杨小煜, 杨晓忠. 基于分数阶小波变换的电力系统谐波检测方法[J]. 中国电机工程学报, 2024, 44(3): 872-879.

[17]

胡安平, 姜玉洁, 陶以彬, 等. 基于小波能量熵的配电网电压暂降源定位方法[J]. 电工电能新技术, 2021, 40(5): 50-56.

[18]

代亚杰. 基于傅里叶变换和小波变换的电能质量谐波检测及扰动分析[D]. 太原: 中北大学, 2020.

[19]

高海洋, 王玮, 尚同同, 等. 基于小波能谱熵的串联型故障电弧检测方法[J]. 电工电能新技术, 2022, 41(12): 63-71.

[20]

邹丹旦, 项成恩, 廖昊爽, 等. 基于小波能谱熵和PSO-SVM的输电线路故障类型识别[C]// 2022年江西省电机工程学会年会论文集, 南昌, 2022.

[21]

梁睿, 彭楠, 张政一, 等. 暂态特征模量时频分析的电缆型配电网单相接地故障区段定位[J]. 中国电机工程学报, 2023, 43(23): 9098-9114.

[22]

张才庆, 王铭, 李潘, 等. 基于能量特征的配电网接地故障暂态选线方法研究[J]. 节能, 2021, 40(9): 68-71.

2025年第26卷第2期

PDF下载

引用本文

BibTeX

文章信息

接收时间：2024-08-16
首发时间：2025-11-09
出版时间：2025-02-15

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-08-16
修回日期：2024-11-01

基金

国家自然科学基金-青年科学基金项目(62006052)

广州市科技计划项目(202102020663)

配网设备快速运维关键技术研究(2019KY046)

广州市高等教育教学质量与教学改革工程课程教研室项目(2022KCJYS012)

大学生创新创业训练计划项目(S20240138)

作者信息

广州航海学院低空装备与智能控制学院，广州 510700

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/dqjs/CN/1194266549084189666

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

运行状态	WEE值变化情况
运行状态	故障相	非故障相
正常运行	基本不变	基本不变
三相短路故障	突变较大	突变较大
两相短路故障	突变较大	基本不变
两相接地短路故障	突变较大	突变较小
单相接地故障	突变较大	突变较小