【配网混合线路故障测距的研究现状的文献综述3100字】

–PAGE28–配网混合线路故障测距的研究现状的文献综述目录TOC\o"1-3"\h\u31548配网混合线路故障测距的研究现状的文献综述 1139961.1.1.现有的配网混合线路故障测距方法 1277841.1.2.行波测距中波头检测方法的分析 3现有的故障测距方法按原理可分为故障分析法、阻抗法、人工智能法和行波法；按检测点数量可分为单端法、双端法、以及三端法[11]；按应用特征的差异可以分为基于稳态量的方法和基于暂态量的方法[12]。由于混合线路故障特征非常复杂，所以现有的测距方法大多由双端法的故障分析法或行波法构成。现有的配网混合线路故障测距方法故障分析法故障分析法原理是由线路参数与线路故障电压、电流列写方程，求解方程得到故障距离[13-14]。故障分析法有着稳定、可靠的优点，但存在易受故障过渡电阻影响、高阶方程求解复杂的问题。所以该方法难以应用于实际线路故障测距中。阻抗法阻抗测距法利用线路集总参数模型测量线路电压、电流值，并推导出具体的故障方程。求解方程得到故障点到检测点的阻抗值。该方法将线路视为均匀传输线，计算出的阻抗值与故障点到检测点的距离正相关，从而得到线路故障位置[15]。阻抗法的优点是原理简单、成本低。但由于配网架空-电缆混合线路波阻抗不连续，影响阻抗法的直接应用。基于人工智能的方法基于人工智能的方法运用人工智能原理和算法进行故障测距[16-17]。如BP神经网络算法[18]、模拟退火算法[19]、粒子群算法[20]、自适应模糊神经网络算法[21]、遗传算法、模糊算法、模式识别、支持向量机等被应用于故障测距领域。目前，人工智能是各个领域的研究热点，但基于人工智能的方法基本都需要一个拥有大量准确样本的样本库进行训练，但对于电力系统故障测距来说，难以得到具有大量可靠数据的样本库，这是该方法应用中的难点。现有的基于人工智能的测距方法多是利用仿真数据作为样本，进行算法训练，但是仿真数据与实际线路故障情况还有一定差别，因此该问题限制了人工智能方法在故障测距领域的应用。行波法在20世纪50年代行波测距的概念被提出[22]，近年来行波测距获得了巨大的发展，目前行波测距在架空输电线路上已经获得了广泛应用，常见于110kV及以上的输电线路，其故障测距的平均绝对误差在400m以内[23]。行波法基本原理如下：线路中发生故障时，故障电压、电流在线路中以波的形式传播，当遇到两侧波阻抗不一致的点（如母线、故障点、架空-电缆线路连接点）时，会发生折反射。行波法利用故障行波在线路中的传播路径与传播速度计算故障距离。目前，行波测距方法有A、B、C、D、E、F共六种类型[24]，其中A、C、E、F型属于单端行波测距，B、D型属于双端行波测距。其中单端行波测距中的A型测距方法与双端法行波测距中的D型测距方法在故障时刻进行实时测量，且无需向线路中发射脉冲，所以更为简单便利、响应速度快、对不同故障适应性强，应用更为广泛，所以A型与D型是目前研究的主要对象[25]。考虑到配网混合线路中架空线路与电缆线路波阻抗差别较大，行波波速不同。因此配网混合线路故障测距中，往往需要先确定故障发生的线路段才能完成测距[26]。传统单端测距法（A型）具有设备投资低、无需双端检测点同步的优点，但是该方法需要检测故障点反射波或对端母线反射波，当面对配网混合线路中复杂的行波折反射情况时，通常难以有效区分出故障点反射波、对端母线反射波以及架空-电缆线路连接点反射波。所以目前针对配网混合线路的行波测距方法多以传统双端行波法（D型）为基础拓展而来。文献[27]提出了基于波速归一法的双端行波测距方法，以架空线路或电缆线路为基准，将另一种线路通过波速与距离的关系式进行折算，以此获得统一的波速，并按照折算后的线路长度进行D型双端行波测距。文献[28]通过计算架空-电缆线路连接点发生故障时初始行波到达两端检测点的时间差作为区段定位阈值，当混合线路发生故障时，将故障初始行波到达线路两端检测点的时间差与区段定位阈值做比较，确定故障所处区段，再进行D型双端行波测距。文献[29]与文献[28]中采用的区段定位方法一致，在故障区段确定后，将传统的D型行波法进一步拓展并提出了分段补偿的故障测距方法。以上文献所提出的故障测距方法都采用了传统双端行波测距原理，但是该原理会受到双端检测点时钟不同步的影响，最终影响测距结果的准确性。文献[30]考虑配电网混合线路行波复杂的折反射关系，提出一种利用波头相关性分析的单端测距方法，该方法在两段线路混合的情况下适用，但在三段线路混合或多段线路混合的情况下难以适用。文献[31]提出在母线处施加扰动信号产生行波进行故障测距的方法，该方法有扩大故障范围的风险。文献[32]提出了基于冗余度参数估计的多分支混合线路故障定位方法，该方法在区段定位与测距时没有考虑多检测点的同步问题。文献[33]中提出了一种基于线模、零模波速差的线路单端测距方法，该方法只需要检测故障初始行波波头信息进行测距，无需考虑线路折反射波与双端检测点时间同步问题。这种方法的提出对于混合线路故障测距具有一定意义，于是本文利用模量波速差的特征将该测距原理进一步推导并引入配网混合线路，以解决混合线路故障测距中传统双端测距原理易受检测点不同步时差影响的问题。综上所述，行波法有原理简单、测距精度高的优点，因此本文采用行波法进行故障测距。而针对现有混合线路行波测距原理易受检测点不同步时差影响的问题，基于模量波速差的测距原理不受检测点不同步时差的影响，也无需辨别线路折反射波，因此论文采用模量波速差作为特征量构建故障测距原理。行波测距中波头检测方法的分析行波测距法原理简单、测距准确度高，在混合线路故障测距中也受到了广泛应用。波头检测是行波测距中的关键步骤，直接影响了测距精度。但是由于配电网小电流接地系统发生单相接地故障后，故障暂态信号较弱，所能提取到的行波信号也较弱，因此为保证能准确检测行波波头，研究一种在行波特征微弱情况下也能准确提取行波波头信息的信号处理方法将更加重要。传统的行波波头检测方法有小波变换[34]、希尔伯特黄变换[35]、由经验模态分解改进而得出的集合经验模态分解（EEMD）与补充总体平均模态分解（CEEMD）等信号提取算法。但是以上提到的算法都有其自身的局限性。小波变换需要选择基函数，而小波基函数的选择只能依靠经验，不具有自适应性。希尔伯特黄变换方法通过经验模态分解(EmpiricalModelDecomposition，EMD)将信号分解为固有模态函数，再求出频率最高的固有模态函数(intrinsicmodefunction，IMF)分量的瞬时频率，将第一个频率突变点标记为初始行波波头，该方法能够根据故障信号特征对信号进行自适应分解，但是经验模态分解存在严重的模态混叠，会导致奇异点检测失败。文献[36]提出采用集合经验模态分解（EEMD）检测行波波头，来解决EMD分解的模态混叠问题，但是EEMD分解过程需要引入高斯白噪声，分解后的行波信号会存在一定噪声残留，这也会影响到行波的检测结果。文献[37]提出采用补充总体平均模态分解（CEEMD）检测行波波头，该方法可以在一定程度上解决EEMD噪声残留的问题，但是其整体的运算量较大，将增加设备投资。经验小波变换（Empiricalwavelettransform,EWT）结合了经验模态分解自适应性的优点和小波变换数学理论的优点，通过自适应地分割信号傅里叶频谱，划分出信号的不同模态，构建相应正交小波基函数，以实现信号自适应的小波变换，突现了信号的局部奇异性以及对噪声更好的抑制效果。经验小波变换具有自适应性，而且不存在模态混叠，适用于电力系统行波测距。对称差分能量算子（SymmetricDifferentialEnergyOperator,SDEO）相比于希尔伯特黄变换变换，运算成本低、波形平滑度高，适用于信号解调[38]。综上所述，目前常用的行波检测方法对于行波信号的提取仍