High-impedance Fault Section Location for Distribution Networks Based on t-distributed Stochastic Neighbor Embedding and Variable Mode Decomposition
基于t分布随机邻域嵌入和变模态分解的配电网高阻故障区段定位
| DOI: 10.35833/MPCE.2023.000225
| 作者 殷志华 郑玉平 卫志农
孙国强 陈胜 臧海祥
配电网高阻故障检测的意义？
配电网作为电能供应的“最后一公里”，覆盖范围广泛、网络拓扑多变、穿越环境复杂，快速、准确定位故障位置对确保供电可靠性具有重要意义。近年来，国内外报道了多起因配电网接地故障引发的大停电、触电和山火事故，国家电网有限公司和中国南方电网有限公司为此均提出了快速就近隔离接地故障的处置原则。在所有配电网接地故障类型中，高阻故障因特征极其微弱、传感器测量误差等因素影响，目前还没有简单可靠的解决方案，是目前配电网继电保护领域少有的未获彻底解决的技术难题之一。
配电网高阻故障检测面临哪些挑战？
配电网高阻故障检测面临的挑战主要包括：①高阻故障发生时，流过馈线的故障电流极其微弱，故障特征难以检测，继电保护装置无法正常激活。②噪声干扰水平是影响算法检测结果准确性的重要因素。实际中，电流传感器的采样精度有限，合成的零序电流会有一定误差，而较高的过渡电阻会导致信噪比降低，噪声干扰掩盖了原始故障特征，进一步提高了检测难度。③故障检测方法需要在实际应用中有良好的适应性，能够在不同工况、不同环境、不同网络结构下都可以正常运作。
如何解决高阻故障易受噪声污染的问题？
为克服高阻故障信号采样过程中的噪声污染问题，本文利用变模态分解（VMD）对测量信号进行除噪。VMD方法在降噪和非平稳信号处理方面表现出优异的性能，其本质在于将信号分解问题转化为约束优化问题。在本文中，通过对高阻故障进行机理分析，最终确定K=3作为含噪信号分解的模态数，最终实现在-3 dB强噪声干扰下对含噪信号中故障特征有效提取。
图1 VMD除噪效果 （a）原始信号 （b）受噪声污染信号 （c）通过VMD对含噪信号分解重构
如何实现配电网高阻故障区段定位？
①VMD去噪：首先利用VMD方法对故障暂态零序电流进行去噪预处理。VMD方法能够有效处理非平稳信号，并将信号分解为多个模态，从而提取出有用的故障特征信息。②基于t分布随机邻域嵌入(t-SNE)流形学习算法对故障特征进行可视化降维：t-SNE是一种基于流形学习的非线性算法，能够有效实现高维数据的可视化和降维。在去噪后，使用基于t-SNE流形学习算法进一步降低故障暂态零序电流的冗余信息，并将高维故障信息在二维平面上可视化。③基于快速聚类实现故障区段定位：结合网络拓扑结构，使用快速聚类方法对每个测量点的信号进行分类，实现故障区段位置的快速、准确定位。高阻故障区段定位方案流程图如图2所示。
图2 高阻故障区段定位方案流程图
基于VMD和t-SNE的配电网高阻故障区段定位的效果如何？
基于实际配电网元件参数，本文在PSCAD/EMTDC中建立了配电网故障仿真模型。图3(a)是利用t-SNE算法对重构后的去噪信号进行可视化降维结果：故障点上游测点A、B、C紧密聚集为一簇，故障点下游所有测点紧密聚集为另一簇，快速聚类算法可以明显区分这两个不同的簇，如图4所示。图3(b)是对未经重构的原始信号可视化降维结果，发现测点K被错误划分类别，这充分表明本文使用VMD去噪的有效性。
图3 t-SNE的二维可视化结果 (a) 经VMD去噪 (b) 未经VMD去噪
图4 高阻故障区段定位结果
在某10 kV城市配电网上进行了人工单相接地试验，如图5所示，该变电站共有14条馈线，试验在其中的两条馈线上进行。采样频率为10 kHz，故障电阻值为2000 Ω，为典型的高阻接地故障。图6为分别在测点F1和F2获得的故障零序电流原始记录数据及其对应的重构信号，定位结果准确，表明本文所提方法具有较强的抗噪声干扰能力及广泛的适用性。
图5 现场试验配电网馈线结构
图6 原始信号及其对应的重构信号 (a) 测点F1 (b) 测点F2
综上，本文所提方法在仿真环境和现场测试中均表现出较好的可靠性，能够有效免疫噪声干扰，在信噪比极低的情况下也能正确定位故障区段，具有良好的工程适用性。
引文信息
Zhihua Yin, Yuping Zheng, Zhinong Wei et al. High-impedance fault section location for distribution networks based on t-distributed stochastic neighbor embedding and variable mode decomposition [J]. Journal of Modern Power Systems and Clean Energy, 2024, 12(5): 1495-1505.
作者介绍
ABOUT THE AUTHORS
殷志华
博士，河海大学电气与动力工程学院，主要研究方向为：配电网故障诊断。
郑玉平
博士，教授级高级工程师，南瑞集团有限公司，主要研究方向为：交流/直流混合电力系统的继电保护和控制。
卫志农
博士，教授，博士生导师，河海大学电气与动力工程学院，主要研究方向为：电力系统运行、分析和控制。
孙国强
博士，教授，博士生导师，河海大学电气与动力工程学院，主要研究方向为：电力系统分析、经济调度以及综合能源系统的最优控制。
陈胜
博士，副研究员（青年教授），河海大学电气与动力工程学院，主要研究方向为：综合能源系统的经济调度和安全分析。
臧海祥
博士，教授，博士生导师，河海大学电气与动力工程学院，主要研究方向为：可再生能源的生成、电力系统的运行和控制。
点击下面投稿网址，给我们投稿吧
郑重声明：根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信作品，需包含本微信名称、二维码等关键信息，并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。
