冷 月，杨洪耕，王智琦

（四川大学电气信息学院，四川 成都 610065）

基于EEMD样本熵的直流牵引网故障电流识别

冷 月，杨洪耕，王智琦

（四川大学电气信息学院，四川 成都 610065）

针对地铁直流牵引网的振荡电流容易引起继电保护系统频繁误动的问题，提出一种结合总体平均经验模态分解(ensemble empirical mode decomposition，EEMD)和样本熵的直流牵引网振荡电流与短路故障电流识别方法。利用EEMD方法对直流牵引网的馈线电流信号进行分解，求取各固有模态函数（intrinsic mode function，IMF）分量的样本熵值，并将计算结果求和，进而获得反映直流牵引网运行状态信息的特征量。通过对典型馈线电流信号进行分析计算，可知EEMD和样本熵相结合的特征提取方法可以有效地区分直流牵引网振荡电流与短路故障电流。算例分析验证该方法的有效性。

短路故障电流；振荡电流；样本熵；总体平均经验模态分解；直流牵引网

0 引 言

近年来，随着我国各大城市交通拥挤问题越来越严重，城市轨道交通为多数城市所青睐。然而，由于城市轨道交通运载能力提升、行车密度增加及多车启动等原因，致使直流牵引网出现振荡电流。

目前，城市轨道交通直流牵引网的馈线主保护采用di/dt-ΔI（电流变化率-电流增量）保护，它能很好地区分短路电流和启动电流[1]。而牵引网振荡电流的增量和上升率特征均接近于短路电流[2]，致使di/dt-ΔI保护不能有效地识别这两种电流，容易造成馈线保护频繁误动作。因此，要改善直流牵引网馈线保护频繁误动问题，需在研究牵引网振荡电流和短路故障电流波形特点的基础上，寻求新的特征提取方法。……