顾健 郭元萍 李波

摘   要：针对电力配电网系统的故障情况，提出了FTU采集单元与行波定位法相结合的配电网接地故障定位诊断方法。通过FTU采集单元对配电网线路中的故障信号进行采集，实时获取配电网系统中的不同监测节点的暂态电压和暂态电流数据，并通过A/D转换单元将采集到的原始故障波电压、电流模拟信号转换成数字信号，计算机处理系统利用行波定位方法对接收到的数字信号进行分析计算，利用EMD算法分析出信号中的模态混叠现象和端点效应，采用VMD算法对获取的故障信号分解，通过该方法大大减少配电网故障信号中的伪分量，有效地去除信号噪音，再利用行波定位公式计算配电网故障位置，得出故障信息。实验数据表示，设计的配电网故障诊断方法誤差较小。

关键词：电力配电网系统;FTU采集单元;A/D转换单元;EMD算法;VMD算法

中图分类号：TM63                                               文献标识码：A

Traveling Wave Positioning Method for Fault Diagnosis

of Distribution Network Based on FTU

GU Jian1?，GUO Yan-ping1，LI Bo2

（1. Bijie Power Supply Bureau，Guizhou Power Grid Co.，Ltd.，Bijie，Guizhou 551700，China;

2. Bijie Suburban Power Supply Bureau，Guizhou Power Grid Co.，Ltd.，Bijie，Guizhou 551700，China）

Abstract：Aiming at the fault condition of the power distribution network system，a fault diagnosis method for the grounding fault of the distribution network based on the FTU acquisition unit and the traveling wave positioning method is proposed. The FTU acquisition unit collects the fault signals in the distribution network line，and obtains the transient voltage and transient current data of different monitoring nodes in the distribution network system in real time，and collects the original faults through the A/D conversion unit. The wave voltage and current analog signals are converted into digital signals，and the computer processing system analyzes and calculates the received digital signals by using the traveling wave positioning method. The EMD algorithm is used to analyze the modal aliasing phenomenon and the endpoint effect in the signal. The VMD algorithm is used to decompose the acquired fault signal. This method greatly reduces the pseudo component in the fault signal of the distribution network，effectively removes the signal noise，and reuses it. The traveling wave positioning formula calculates the fault location of the distribution network and obtains the fault information. The test data indicates that the error of the distribution network fault diagnosis method designed is small.       .

Key words：power distribution network system;FTU acquisition unit;A/D conversion unit;EMD algorithm;VMD algorithm

随着配电网电力系统的应用和规模的不断扩大，电网中输电线路的负荷量呈剧烈增加的趋势[1-3]。其中电网配电网系统中线路故障测距技术对于配电网的安全稳定运行发挥着极其重要的作用。由于电力配电用户对电力电网的安全运行要求比较严格，在运行过程中，需要快速、准确地查找输电线路故障点位置[4-6]，保证故障的快速、及时隔离是实现电力、电网系统稳定运行的重要保障。在常规方法应用中，当电力配电网线路遇到故障时，通常由现场经验丰富的工作人员综合搜集电力系统用户提供的信息[7-9]，对潜在事故发生的位置进行综合诊断，然后再派遣巡线工作人员进行现场人工排查，以进一步确认故障位置，根据位置情况来排除故障。这种方法不仅效率低，还容易出错[10-12]。

电力配电网系统的故障诊断方法具有实时性不足、精确度低等问题，如何能够快速、准确地定位单相接地故障发生位置，对于电力系统的稳定运行具有重要意义[13-14]。

1   整体方案设计

在本技术方案中，采用FTU采集单元采集配电网电路中的故障电流、电压数据，对故障行波传播时间进行测量。如图1所示，在本设计中，通过配电网电路采集信号，然后将采集到的信号通过A/D转换单元将检测到的原始故障波电压、电流信号进行模-数转换，最终转换成单片机、计算机能够识别的数字信号。然后根据行波传输的基本理论计算故障位置。当配电网系统中的单相接地发生故障时，则接地点的电压呈现为零的状态，这将等效为配电网故障信号瞬间在接地点附加与原电压值相等、相位相反的附加电压源，附加电源在故障瞬间瞬时接入，在故障点产生行波电压和电流信号。

计算机处理系统能够将获取到的暂态电压、电流数据形成检测点波形，其中在配电网电路中，故障检测点波形包括位于同一线路上的所有检测点形成的波形和同一检测点在不同时间形成的波形，通过行波故障定位分析模型来分析配电网系统中的故障信息。配电网故障诊断方法在下文中将详细介绍。分析出的数据可以通过本地数据共享，也可以上传到远端进行数据管理，用户通过远程数据管理中心监控监测数据。

2   配电网故障诊断方法

根据行波定位原理的不同，可将行波定位法分为单端行波法和双端行波法，现以单端行波法作为配电网故障诊断的方法进行说明。在采用行波定位方法进行诊断配电网故障诊断时，首先对行波定位方法的原理进行以下说明，如图2所示。图2为配电网结构简图。假设其由3条配电线路L1、L2、L3组成，在配电网线路上设置行波测量装置，在设置该装置时，将其设置在线路L1上靠近配电网电源的位置处。

当检测到配电网上的故障时，由于故障点的存在，其将由于电压的突然增加向外部发出故障行波，在行波传播过程中，由于受到各种因素的阻力而将行波发出反射和折射，如图3所示。

行波在传输过程中，通常在母线、电源、故障点等位置发生折射、反射。采用行波定位的方法检测故障点位置时间，通常在多个时间点来测试，假设第1次检测的故障行波的时间点为t1，第2次检测的故障行波的时间点是t2，那么故障行波在2个时间点之间先后在母线l和不同的故障点上发生了2次发射。则利用以下公式计算故障点的位置：

在上述公式中，其中L为故障点与母线l之间的距离， v表示行波的传播速度，t1和t1是不同时间点检测的行波。根据公式（1）可得，实现对故障距离进行测量的方法是基于对故障行波在故障点与任意一端母线之间的传播速度和传播时间进行测量来实现的，该方法取决于行波速度和行波传播时间测量的准确性。基于上述介绍，下面对配电网故障诊断方法进行介绍。如图4所示。

（1）首先，通过FTU采集单元采集配电网线路中的故障信号，实时获取配电网的输电线路上的各个检测节点的暂态电压和暂态电流数据。在配电网系统中，为其中的每条线路设置不同的线路编号，每个检测节点均设置有检测节点编号。通过FTU采集单元实时获取配电网的输电线路上的各个检测节点的暂态电压和暂态电流数据。

（2）对线路中的故障信号进行解耦变换，分离出故障行波的分量信号。利用EMD算法中的模态混叠现象和端点效应，能够有效提高了行波信号的信噪比。EMD经验模态分解（Empirical Mode Decomposition，简称EMD） 依据配电网故障数据自身的时间尺度特征而进行信号分解[15]，使用时，无须预先设定任何基函数。在进行EMD计算时，同时将获取到的暂态电压以及暂态电流数据转变为检测点波形，检测点波形包括位于同一线路上的所有检测点形成的波形和同一检测点在不同时间形成的波形。

（3）对获取的故障信号进行VMD分解，输出分解后的模态分量信息，再通过VMD算法进行自适应维纳滤波组，能够减少配电网故障信号中的伪分量，使得模态混叠现象不明显，有效地去除信号噪音，如图5所示。然后在同一检测点将不同的时间阶段形成的波形通过调整时间来确定各条线路故障波形出现的时间顺序，并确定最早检测到故障波形的线路。

（4）利用Hilbert变换函数处理得到配电网故障信号的模态分量的瞬时频率，如图6所示，根据Hilbert变换函数所提取的模态分量信号的瞬时频率，实现初始波头的到达时间标定，然后再结合VMD 变换、Hilbert变换实现行波波头的检测，继而有效地提高行波波头的检测精度，由检测到的配电網故障初始行波信号即可定位到故障点的位置，然后基于提取的瞬时频率来确定配电网故障信号的初始行波的分量信号的到达时刻，在根据不同时间检测到故障波形的线路，比较同一线路上的所有检测点形成的波形与预存的标准波形，确定最早检测到故障的两个检测节点，从而可以提高故障点的定位精度、可靠性。

（5）通过使用故障初始行波的分量信号的到达时刻确定得到故障点的位置，再根据最早检测到故障的两个检测节点的检测时间和故障波形的线路情况计算故障发生的具体位置。在本方案设计中，利用故障行波反射波的传输路程来消除行波传播速度对故障点定位结果的影响，在一定程度上提高了配电网故障信号故障定位精度，使用该类方法需要检测故障点产生故障信号所发生的前后三个故障行波到达线路各端的时间。

3   仿真实验与分析

配电网故障信号暂态行波从低频到高频都具有连续、不同的频谱，各种不同频段的频率分量的行波传播速度各不相同，下面基于MATLAB 仿真软件建立仿真模型，其中实施硬件模型为110 kV高压配电线路的JMarti频变参数模型。在试验时，选择配电线路的长度L为500 km。假设t = 0.02 s时刻在故障点A处发现A相接地短路故障，则在故障点A处测量线路检测端M端距离故障点分别为50 km，100 km，200 km 和 250 km。据此分别对不同距离的故障点进行仿真试验。在下文中，M端为测试位置处。

在距离M端50 km的位置处发生的 A 相接地故障，通过MATLAB 仿真，结果如图7所示，t1 = 0.352 ms，t2 = 0.684 ms。由式（1）可以计算出故障距离为49.912 km。

在距离M端100 km的位置处发生的 A 相接地故障，通过MATLAB 仿真，结果如图8所示，t1 = 0.435 ms，t2 = 1.375 ms。由式（1）可以计算出故障距离为99.873 km。

在距离M端200 km的位置处发生的 A 相接地故障，通过MATLAB 仿真，结果如图8所示，t1 = 0.597 ms，t2 = 1.397 ms。由式（1）可以计算出故障距离为200.095 km。

通过上述试验，将上述数据组成表格进行对比起误差率。

[故障测试点/km 测量距离/km 误差率/% 49.912 50 0.176% 99.873 100 0.127% 200.095 200 0.048% ]

通过上述分析，采用本设计的方案误差率较低，具有很好应用价值。

4   结 论

基于配电网故障诊断问题，采用FTU采集单元对配电网故障电路的故障信息采集，并提供的配电网行波故障定位方法，能够实时获取电力配电网的运行情况。本设计的方案能够根据获取到的电力配电网记录波形，进而快速、准确发现电力系统故障信号产生的位置，并且根据信号算法、信号数据实时分析、保存故障波形。最后通过试验分析，本设计的方案误差率较小，对电力配电网的故障原因分析提供技术支持和理论依据，大大提高了电力系统供电的可靠性，降低了人工劳动强度，具有一定的实用价值。

参 考 文 献

[1]    范李平，张晓辉，苏伟，等. 基于大数据挖掘的变电设备故障预警研究及应用[J]. 电力大数据，2019（1）：7-13.

[2]    柳毅. 基于数据挖掘的城市配电网故障定位方法[J]. 设备管理与维修，2018（Z1）：109-112.

[3]    周云祥，曹昉. 基于数据挖掘的变电站监控后台告警信号自动分析[J]. 工业控制计算机，2018（2）：121-122.

[4]    朱勇，陶用伟，李泽群，等. 基于FTU的配电网故障快速定位的研究[J]. 能源与环保，2017（2）：126-131.

[5]    陈冰斌，赵健. 配电网无功补偿节能计算方法优化研究[J]. 电网与清洁能源，2017，33（10）：27-32.

[6]    王磊，陈青，高洪雨，等. 基于大数据挖掘技术的智能变电站故障追踪架构[J]. 电力系统自动化，2018，42（3）：9-13.

[7]    韩晓慧，杜松怀，苏娟，等. 触电信号暂态特征提取及故障类型识别方法[J]. 电网技术，2016，40（11）：3591-3596.

[8]    周改云，张国平，马丽，等. 基于阻抗分析和行波分析的配电网故障定位方法[J]. 电网与清洁能源，2015（9）：26-31.

[9]    张扬，刘艳丽. PSO优化BP神经网络的串联故障电弧识别方法[J]. 传感器与微系统，2016，35（7）：27-30.

[10]  劉鑫，贾云献，孙磊，等. 基于BP神经网络的变速箱故障诊断方法研究[J]. 计算机测量与控制，2017，25（1） ：17-20.

[11]  高迪，路瑶，赵娟娟，等. 基于 Tabu 算法的配电网无功补偿 [J]. 电气自动化，2015（1）：91-93.

[12]  顾明宏，孙为兵，顾颖歆，等. 综合无功优化与网络重构的配电网优化运行研究[J]. 智能电网，2017，33（7）：8-12.

[13]  莫易敏，齐飞，张健，等. 基于动态学习率与BP神经网络的变速箱故障诊断研究[J]. 机械设计与制造. 2017（11）：49-52.

[14]  何春，李琦，吴让好，等. 基于故障传播的模块化BP神经网络电路故障诊断[J]. 计算机应用，2018，38（2）：304-311.

[15]  张卫明，黄智达，孟祥红，等. 分布式配电网故障行波定位方法[J/O]. 电力科学与技术学报，2016，31（1）：25-33.