杨杰，陈佳豪，顾小平，邓思敬

（四川轻化工大学 自动化与信息工程学院，四川自贡 643000）

引言

随着社会经济的不断发展，人们对电能需求日益增加，电网的复杂度也在逐渐增加。从节约投资以及其他客观条件限制等方面考虑，T接线路因其接线方式的独特性，在高压和超高压电力网中开始普遍应用。然而，这些线路常常伴随着大电厂和大系统，输电线路功率高、负荷重，当线路发生故障时，有可能造成大面积停电事故。因此，当其发生故障时，为防止事故扩大化，减小因停电而造成的经济损失，要求能够快速、准确地诊断故障[1-6]，进而排除故障。

长期以来，国内外学者对于T接线路故障诊断技术进行了大量的理论和试验研究，这些研究工作主要分为故障识别、故障测距两个方面。从本质上来看，研究均集中在对T接输电线路故障定位，只是各自对定位的要求有所不同。

1 T接线路故障识别

目前，国内外学者对T接线路故障识别的研究主要有基于工频量的故障识别方法和基于暂态量的故障识别方法。基于工频量的T接线路故障识别方法主要利用电压电流工频全量、故障分量或者线路分布参数等信息建立相应判据识别故障；基于暂态量的T接线路故障识别方法主要利用电压、电流行波信息识别T故障。

1.1 基于工频量的故障识别

文献[7]利用T接线路三端电压故障分量相量和与电流故障分量相量和的比值大小识别区内外故障。文献[8]利用T接线路三端电流故障分量之和结合三端电流故障分量中的最大电流与另外两端电流之和的矢量差建立判据，识别区内外故障，但是判据中制动系数的选取会对故障识别的灵敏性和可靠性造成影响。文献[9]针对文献[8]中存在的问题，利用T接线路三端故障电流分量中的最大电流结合另外两端电流之和及其余弦夹角建立判据，识别区内外故障。文献[10]根据文献[8,9]中所提判据建立综合判据，实现光伏T接高压配电网络区内外故障的识别，该判据能满足区内故障的灵敏性和区外故障的可靠性，并且有较强的抗过渡电阻的能力，但文献[10]未对算法性能进行分析。文献[11]在T接线路三端分别计算T节点处的正序电压，通过比较T节点正序电压叠加分量的最大幅值与三端正序电压叠加分量的最大幅度的关系识别区内外故障。文献[12]首先利用T接线路三端分别计算得到的T节点正序叠加电压的最大值判别线路是否故障，然后利用特定端子处的正序叠加电压与电流之间的相位关系识别区内外故障。文献[13]利用T接线路三侧电压幅值差和测量阻抗特征建立的综合电压幅值差主判据，结合自适应距离辅助判据识别区内外故障。文献[14]在两端电源配电网中T接入分布式电源，在原有电流纵联差动判据的基础上，仅借助T接高压输电线路两端原有电压、电流互感器信息，利用线路两端正序补偿电压差值建立的辅助判据结合正序补偿电压和正序差动电流的相位关系识别区内外故障，但是该算法忽略了分布式电源暂态控制作用的影响。文献[15]在目前双端线路电流差动保护研究成果基础上，采用一种基于分布参数模型的T接线路电流差动保护方法识别区内外故障。

1.2 基于暂态量的故障识别

文献[16]将T接线路继电端测量得到的电压、电流信号提供给二阶泰勒-卡尔曼-傅里叶（T2KF）滤波器，以此估计电压、电流信号相量的瞬时值，然后通过相量信息求得的正序阻抗识别故障。文献[17]结合母线的高速停止过滤属性，由3个基于数学形态学的滤波器连续处理电流采样信息，然后将输出故障产生的瞬变分别与三个预定阈值进行比较，实现区内外故障的判别。文献[18,19]将小波变换应用于T接线路故障识别中，但高频噪声信号的灵敏度会影响故障识别的效果。文献[18]首先采用bior3.1小波分解T接线路三端原始电流信号，然后对分解的信号进行重建，再利用重建信号求解各相运行电流和抑制电流，最后通过对比三端相应相位运行电流与抑制电流的关系识别区内外故障。文献[19]则是通过对比Haar小波函数在T接线路每端检测到的故障电流极性来判别区内外故障。文献[20]提出了一种基于电流反行波多尺度S变换能量熵和极限学习机（ELM）的T接线路故障识别算法，该算法将3端反行波电流S变换后多个频率下的电流数据求取得到的能量熵组成的特征样本输入极限学习机识别故障支路，该算法不仅能识别区内外故障，而且能识别具体故障支路。

1.3 研究的难点与建议

从仿真结果来看，以上基于工频量和基于暂态量的T接线路故障识别算法都能较好地识别故障。从目前已有T接线路故障识别的国内外文献综述来看，基于工频量的T接线路故障识别研究均是在电流差动保护原理的基础上改进而成的。在电力系统继电保护中，电流差动保护简单可靠且反应灵敏，是一种较为理想的保护判据，但将其应用到高压输电线路时还应考虑分布电容电流对保护产生的影响。因此，基于工频量的T接线路故障识别方法仍需改进。

基于暂态量的T接输电线路故障识别方法，主要是利用线路故障时产生的高频暂态分量来识别故障。只要能可靠地检测出故障产生的高频分量并区别于系统的噪声成分，就能很好地实现故障识别，但是受获取故障时暂态信息方法的限制，利用暂态量的T接线路故障识别方法还需进行深入研究。

2 T接线路故障测距

故障测距不但是电力系统继电保护研究领域中的一个重要课题，也是对高压输电线路故障点查找与排除的重要依据，其基本要求是对故障点快速且精准地定位。精确的故障测距不仅能缩短故障排除的时间、减轻传统人工巡线巡查故障点的艰辛工作以及减小因故障进一步扩大而造成的经济损失，而且能有效地排查人工巡检难以发现的故障，为排除绝缘隐患、修复线路以及提高供电可靠性提供有力保障。因此，输电线路故障测距方法的研究对保证电力系统的安全稳定及经济运行有着十分重要的作用。

在电力系统继电保护中，评判故障测距算法优劣的一项重要指标是故障定位的精确度。近年来，国内外学者为寻求精确有效的T接线路故障测距方法进行了大量的研究。目前，T接线路故障测距的方法主要分为基于故障分析法的故障测距、基于行波法的故障测距以及基于神经网络的故障测距。

2.1 基于故障分析法的故障测距

基于故障分析法的故障测距主要分为先判别故障支路再对故障点进行定位[21-25,29,30]及将故障支路判别与故障点的求解合二为一[26-28,31]两种方式。文献[21]通过比较各端采集到的T接线路序电压幅值大小确定故障支路，然后对构建的定位函数和测距方程迭代求解而测距，但该算法是在全线范围迭代测距，计算量很大。文献[22]利用各端正序电压、电流信息求得的故障附加分量电压值判断故障支路，在化简合并非故障支路的基础上，采用双端测距方法对故障点定位。文献[23]首先利用正序电压判断故障支路，然后将非故障支路化简合并，最后针对对称和非对称故障分别利用不同电压序分量建立测距方程组求解故障距离。文献[24]采用不受分布电容影响的π型等值正序网，利用三端测量的电压、电流信息求取T节点电压，根据所建立的判据判别故障支路，然后根据建立的一元二次测距方程组求解故障点位置。文献[25]利用T接线路各侧电压、电流和线路正序阻抗参数等信息在各侧分别计算得到的T节点电压幅值信息判别故障支路，进而利用T节点和故障支路首端电气信息实现故障测距。以上文献都是利用求得的T节点电压信息先判别故障支路，然后对故障点定位的方法，但当T节点附近发生高阻抗短路时，会因各端计算得到的T节点电压信息相等而无法判别故障支路。因此，在T节点附近发生高阻短路故障时，以上故障测距方法存在故障判别死区。

近年来，国内外学者针对上述故障测距算法在T节点附近存在故障判别死区这一不足提出了很多新的故障测距方法。文献[26,27]根据测距函数在故障点前后的相位发生突变与在正常支路相位保持不变的相位特性提出T接线路故障测距算法，算法在一定程度上改善了测距死区问题，但算法的故障定位速度因计算量的增加而降低。文献[28]根据过渡电阻纯电阻性质提出了一种基于参数计算的测距方法，该算法无需事先判别故障支路即可测距，但该算法较为复杂，而且对信号采集的要求很高。文献[29]根据线路分布参数模型推导出测距函数，利用测距函数在各支路首末两端的相位信息判断故障支路，进而利用故障距离的解析式求解出故障位置，实现故障定位，该算法不仅需要在全线范围搜索寻找故障点，而且需要判别测距函数求解的数值的伪根。文献[30]由改进高斯-牛顿法求解多时刻输电线路拓扑结构的描述方程实现测距，但该算法较为复杂且计算量较大，而且后续还需解决算法的实用化问题。文献[31]根据T接线路三端分别计算的T接点正序电压大小判别是否发生故障，再根据特定终端的正序电压与正序电流之间的相位关系区分内外部故障，当发生内部故障时，根据三端分别估计的T节点正序电压之间的大小关系判别具体故障支路，最后通过相应计算得到故障点的位置。

2.2 基于行波法的故障测距

行波法是以行波传输理论为依据，对输电线路发生故障后产生的暂态行波信号进行分析与计算，进而对故障点定位的方法。从理论上讲，利用行波法对故障点测距的精度不受故障类型、过渡电阻以及线路运行方式的影响。近年来，国内外学者对基于行波法的T接线路故障测距进行了大量研究。文献[32-34]将T接线路看作双端线路，先利用双端原理判别故障分支，再对故障点定位。但文献[32]所提算法在T节点附近发生故障时，该方法对故障支路的判定容易出错，而文献[34]中对波速的估计会直接影响故障测距效果。文献[35]提出一种基于小波变换的T接线路行波测距算法，该算法利用电流初始行波到达三端时间差和故障点距三端长度差关系判别故障支路，进而通过计算得到故障点位置，该算法仅针对一种确定的T接线路进行测距，算法适用范围较小。

文献[36]基于D型行波原理，利用初始行波波头到达三端的绝对时间和线路本身长度信息进行两次双端故障测距，以两次计算中的较大值作为故障测距结果。与文献[36]不同，文献[37]根据计算波速与行波波速v的大小关系判别故障支路，然后对由行波波速相等构建的测距方程求解，得出故障位置。然而文献[36,37]所提算法在T节点附近发生故障时，可能会因为故障支路判别错误而导致测距失败。文献[38]通过TT变换获取故障产生的高频分量确定故障行波到达各测量端的瞬态时间，然后利用行波到达的瞬态时间确定故障支路并最终定位故障位置。文献[39]利用三端量计算得到的故障发生的绝对时刻或者波速的大小关系来判断故障支路，进而利用测距方程计算故障点距离，但当故障发生在T节点附近时，可能误判故障分支，进而测距失败。该算法针对T节点附近死区故障情况，讨论了算法在T节点附近可能误判的范围。文献[40,41]将故障支路识别与故障测距结合起来，直接实现故障点的定位，但在求解故障距离时，直接利用双端行波原理在故障分支的识别上存在误判的可能。

2.3 基于神经网络的故障测距

随着人工智能理论以及相关学科的发展，人工智能技术被越来越多地应用到电力系统故障诊断算法的研究中。文献[42]通过DWT提取的故障瞬变的行进时间信息结合递归神经网络（RNN）对T接线路故障定位，但该方法的准确性取决于线波传播速度的准确估计。文献[43]利用离散小波变换（DWT）处理三端测点同步测量的故障电流信息以获得小波系数，并将计算得到的小波标准差、范数熵和细节系数组成的特征向量输入深度神经网络以识别故障支路和确定故障点。文献[44]利用离散小波变换从T接线路区内3端测量到的故障电压信息中提取故障特征，并将其用于深度学习神经网络的训练，从而确定故障支路并同时得到该支路的故障位置。

2.4 研究的难点与建议

从目前已有T接线路故障定位研究的文献综述来看，基于故障分析法的T接线路故障测距方法依据的是故障发生后各端测量得到的电气量特征结合与系统相关的各种特征量来判别故障支路或者构造测距方程，然后经过分析计算实现测距。其中，基于单端工频量的测距算法难以实现故障测距，而基于多端工频量的故障测距算法在各端提取信息的同步问题上对故障测距也有一定的影响，并且基于工频量的故障分析法的故障测距精度也会受过渡电阻和互感器误差等因素的影响。相对于基于工频量的故障分析法的故障测距算法，基于故障行波的故障测距不受过渡电阻和运行方式变化的影响，并且采用行波法对故障测距具有较高的测距精度，但是基于行波法的故障测距算法在实际工程应用中存在暂态行波波头检测难度较大的问题。随着人工智能及其相关学科的不断发展，基于人工智能技术的输电线路故障测距方法的研究开始萌芽，但目前还处于起步阶段，需要不断地发展和完善。综上所述，基于故障分析法、行波法和神经网络的T接线路故障测距算法存在不足之处，还需要对其进行深入的研究。

3 研究展望

从目前的T接输电线路故障诊断研究来看，故障识别和故障测距算法研究相对比较成熟，但仍需提高故障识别的可靠性与灵敏性以及故障测距的快速性与精确性，而且在故障识别和故障测距方面也存在一些问题尚待解决。比如，传统T接线路故障识别算法未分析故障识别的性能，在理论与实际的结合中也还存在一定的问题。对于传统基于行波法的故障测距方法来说，行波信号的准确提取对故障测距尤其重要，但在实际工程中，当发生高阻接地故障和电压初相角很小的故障时，可能会使线路上没有明显的故障行波，因而难以检测到故障行波的奇异点导致测距失败。

由于神经网络具有高度的自适应性和不断学习的能力，基于神经网络的T接输电线路故障诊断研究会成为未来T接输电线路故障诊断的主要研究方向。但现阶段引入神经网络对电力系统进行故障诊断的研究理论还处于起步阶段，其安全性、可靠性以及灵敏性还有待进一步检验。

随着国家“坚强智能电网”概念的提出，电网发展以实现电网的可靠、安全、经济、高效、环境友好和使用安全为目标。未来电网的发展势必向着高度自动化与智能化发展，现阶段如何将已有T接线路故障诊断理论与智能化有效地结合是面对的新问题。