摘 要
短路故障是输电线路中最容易出现的故障，同时也是后果最为严重的故障。因此，快速、准确的识别故障类型，将其从电网中切除，对电力系统的稳定运行有着重要意义。
在故障识别方面，为提高输电线路短路特征提取精度，提出一种自适应噪声的变分模态分解和模糊熵相结合的特征提取方法。该模型在提取故障特征方面拥有较高精度的同时，还具有良好的噪声鲁棒性。除此之外，针对故障特征分类面，还提出一种改进蜻蜓算法优化核极限学习机的输电线路故障识别模型，实现对输电线路短路故障的识别。实验表明，优化后的核极限学习机在故障分类方面优于传统的故障分类模型，不仅仅提高了识别速度，准确率方面也有明显的提高。
在故障定位方面，为提高现有双端行波法的定位准确性，本文提出一种基于线模分量的输电线路双端定位方法。通过分析输电线路故障信号中模分量的特点，选取线模分量作为故障定位的特征。该方法改进了传统算法中需要知道故障发生时刻的弊端，只需要测量行波达到线路两端的初时刻即可进行故障定位，提高了定位的准确性。除此之外，为获得初始行波波头到达线路两端的精确时刻，本文利用 LCD 与TEO 将结合的方法对故障信号进行分析，实验表明，该模型在噪声的影响下仍可精确提取故障到达时刻。
最后，通过对电缆-架空线路的特殊结构的线路进行分析，提出了一种混合输电线路的区段故障定位方法。该方法通过对比故障相电流的皮尔森系数，判断出故障地点所在区段，从而可以利用双端法对故障进行定位。
关键词 ： 输电线路, 故障识别, 故障定位, 混合线路, 区间定位 。
Abstract
Short-circuit faults are the most prone to faults in transmission lines, and they arealso the faults with the most serious consequences. Therefore, it is of greatsignificance for the stable operation of power system to quickly and accuratelyidentify the fault type and remove it from the power grid.
In terms of fault identification, in order to improve the accuracy of short-circuitfeature extraction of transmission lines, a feature extraction method combiningadaptive noise variational modal decomposition and fuzzy entropy is proposed. Themodel not only has high accuracy in extracting fault features, but also has good noiserobustness. In addition, according to the fault feature classification surface, animproved dragonfly algorithm is also proposed to optimize the transmission line faultidentification model of the nuclear extreme learning machine to realize theidentification of the short circuit fault of the transmission line. Experiments show thatthe optimized kernel extreme learning machine is superior to the traditional faultclassification model in fault classification, not only improves the recognition speed,but also significantly improves the accuracy.
In terms of fault location, in order to improve the positioning accuracy of theexisting two-terminal traveling wave method, a two-terminal positioning method fortransmission lines based on line mode components is proposed. By analyzing thecharacteristics of the modulus component in the fault signal of the transmission line,the line modulus component is selected as the characteristic of the fault location. Thismethod improves the disadvantages of the traditional algorithm that needs to know thetime when the fault occurs. It only needs to measure the initial moment when thetraveling wave reaches the two ends of the line to locate the fault and improve theaccuracy of the location. In addition, in order to obtain the precise time when theinitial traveling wave head arrives at both ends of the line, the fault signal is analyzedby the combination of LCD and TEO. Experiments show that the model can stillaccurately extract the fault arrival time under the influence of noise.
Finally, through the analysis of the special structure of cable-overhead lines, afault location method for mixed transmission lines is proposed. By comparing thePearson coefficient of the fault phase current, the fault location can be determined andthe fault location can be located by using the double-ended method.
Key words ： Transmission Line,Fault Identification,Fault Location,Hybrid Line,Interval Location 。
第一章 绪论
1.1、 研究背景与意义 。
目前已步入2021年，社会各界对电能的需求也在水涨长高，因此电能的可靠供给对国计民生的作用愈发重要[1]。与此同时，由于我国疆域辽阔，东西部的国内生产总值有着云泥之别，因此东西部地区对电力的需求也大相径庭。以北京、上海为首的东部地区经济发达，用电需求巨大，但这些地区的发电成本也远远高于西部地区，而以内蒙为首的西部地区发电成本低，用电需求少，这使得我国产生了电力资源不平衡的问题。为使电力系统的网损成本、投资成本、发电成本综合较低，我国电网提出了“西电东送、南电北送”的远距离输电方式[2]。随着电网的广泛互联，大规模的跨区域电力输送与日俱增，如何保障电力系统的安全、稳定运行，成为电力部门的一项艰巨任务。
高压输电线路是远距离输送电能的主动脉，分布范围广泛，常工作于恶劣的地理环境中。同时，输电线路上出现短路故障的概率远远超过电力系统中其他组成部分出现故障的概率[3-4]。为了提高远距离输电的效率，长距离输电采用的电压等级不断增加，目前，国内最高已达1000k V。在这种情况下，假设输电线路上发生了短路，并且继电保护装置没有及时的将短路部分从线路中切除，会造成不可名状的后果。近几年来，国内外发生的多起大停电事故均由短路故障所致[5-7]。
在允许短时非全相运行的电力系统中，高压输电线路发生单相接地短路故障时，为了保证快速恢复供电，并不要求三相线路全部跳闸，而是通过快速切除故障相并通过单相重合闸装置重合故障线路以恢复供电。若该故障为瞬时性故障，那么在线路重新合上后，电力系统仍可继续正常运行。因此，快速、精确的对短路故障的类型进行识别是继电保护中的主要任务，决定了是否能够快速恢复供电。同时，它也是实现故障定位的前提，在故障类型未知的前提下进行故障定位，会严重影响故障定位的精度，甚至造成定位失败。因此，研究输电线路的短路故障识别与故障定位有着重要意义。
随着我国电网的覆盖范围逐步增加，相比于传统电网来说，输电线路发生故障的概率和对故障进行定位的难度大幅增加[8]。输电线路上发生的故障大多都属于瞬时故障，也就是自动重合闸装置可以将其重合的故障。此外，还会发生永久故障，永久故障的故障现象较为显着，易于确定故障的位置，例如线路断线等。
对于瞬时故障，例如线路上出现短路等，由于继电保护装置的快速动作与自动重合闸装置的使用，使得因短路而造成的破坏并不容易被发现，难以确定故障的位置，而这类故障占比高达90%以上[9]。虽然瞬时短路故障所造成的破坏痕迹并不明显，但却严重的影响着线路的绝缘强度，很可能会再次诱发更严重的故障。图1.1为输电线路受瞬时短路故障冲击后，易产生的两种故障现象[10]。其中，断股不仅会降低输电效率，还存在着严重的安全隐患。相比于断股而言，散股更不易被发现，但也需要及时的进行排查修复。因此，对短路故障类型进行识别，定位出故障点的位置，有利于巡线工人排查到此类的潜在隐患，提高电力系统的稳定性。
自然环境与短路故障的发生概率息息相关，当天公不作美的时候，输电线路上更容易发生短路故障。例如雷击、风偏等引起的短路故障就发生在雷雨、大风等极端天气中。若重合闸失败后，为保证供电的可靠性，也需要及时的对故障进行处理。文献[11]
指出雷击引起的故障的重合成功率高达90%，而风偏引起的故障的重合成功率不足40%。在极端天气中对输电线路进行维护威胁着工作人员的生命安全。因此，研究输电线路的故障识别与定位不仅能减少巡线工作人员的工作强度，保障人员安全，还能快速排查到故障点的位置，减少检修时间，有着重要的意义。
【由于本篇文章为硕士论文，如需全文请点击底部下载全文链接】
1.2国内外研究现状.
1.2.1故障识别的研究现状.
1.2.2故障定位的研究现状.
1.3本文的主要工作和章节安排
第二章故障识别与 故障定位的相关理论分析
2.1引言
2.2输电线路的波过程
2.2.1无损单导线的波过程.
2.2.2三相完全换位线路的波过程.
2.2.3行波的折反射
2.3线路参数对波过程的影响
2.4不同类型故障的模分量特征
2.4.1相模变换矩阵.
2.4.2不同类型故障的模分量特征.
2.5本章小结.
第三章输电线路的短路故障识别.
3.1 故障信号的预处理
3.1.1变分模态分解.
3.1.2模糊熵
32故障识别模型
3.2.1核极限学习机
3.2.2改进蜻蜓算法.
3.3基于VMD-FE-IDA-KELM的输电线路故障识别模型分析.
3.4仿真分析
3.4.1仿真模型.
3.4.2故障数据特征提取
3.4.3故障数据特征分类
3.4.4识别结果对比分析
3.5 本章小结
第四章输电线路的故障定位.
4.1 不受波速影响的定位算法.
4.1.1传统双端定位算法的原理.
4.1.2改进的双端定位算法.
4.2 行波波头的检测方法
4.2.1局部特征尺度分解.
4.2.2 Teager能量算.
4.2.3基于LCD与TEO的行波波头检测算法.
4.3仿真分
4.3.1故障定位分析.
4.3.2适应性分析.
4.4本章小结
第五章混合线路的故障区段定位.
5.1混合线路输电线路模型
5.2混合线路行波传播路径分析
5.3故障区段检测
5.3.1皮尔森相关系数.
5.3.2区段检测
5.4仿真分析.
5.4.1仿真模型.
5.4.2仿真分析.
5.4.3适应性分析.
55本章小结
第六章 总 结
本文对输电线路短路故障识别与测距方法进行研究，总结全文如下：
1、介绍了短路故障识别与故障定位的原理，并解释了故障识别与故障定位的内在关系，为后续做铺垫2、首先，利用VMD对采集的故障电流数据进行分解，计算所得到模态函数的模糊熵值。实验表明，该方法提取的故障特征更为明显。
3、提出了IDA优化KELM参数的故障识别模型。实验结果表明：核极限学习机在输电线路短路故障识别方面具有更高的精度与识别速度。
4、提出了一种基于1模与2模分量的故障双端定位方法，通过分析输电线路相模分量特点，选取合适的线模分量进行故障定位，在行波波头提取方面，通过分解故障行波信号并进一步提取其瞬时能量值，从而定位到短路点的位置。
5、提出了混合输电线路的区段故障定位方法。通过计算故障相的皮尔森系数，判断出故障地点所在区段，从而可以利用双端法对故障进行定位。
今后，在该研究内容或研究方向上作以下展望：
1、本论文研究的输电线路短路故障是模拟发生在单回线上的单个故障，而在实际电力系统中，可能会在短时间内在同一输电线路上发生多处短路故障，也有多回线路发生短路的情况，此类的情况更加复杂，可以进行进一步研究。
2、文中采取的输电线路故障测距方法采用的是双端法，该方法只对两端供电系统其效果，在实际电力系统中还存在着多端供电的电力系统，因此，对于多端电力系统的故障测距方法也可进一步进行研究。
参考文献
[1] 韩侦祥。电力系统分析(第三版) [M]. 杭州:浙江大学出版社，2005.
[2]吴笑民,曹卫华,王典洪,等多支持向量机模型的输电线路故障诊断方法[J].高电压技术,2020,46(03);:957-963.
[3]张科,马长啸,曹雁庆,等.基于参数估计的风电场混合输电线路故障定位方法[J].太阳能学报,2020,41(08):323-329.
[4] Yann Qi Chen,Olga Fink,Giovanni Sansavini.Combined Fault Location andClassification for Power Transmission Lines Fault Diagnosis wi th IntegratedFeature Extracti on[J.IEEE Transactions on Industrial Electronics, 2018,65(1):561 -569.
[5]孙蓉,马寿虎，葛乐，等基于小波能量和EMD小电流接地故障选线[].中国科技论文,2017,12(11):1247-1251.
[6] Mohammed H.H.Musa,Zhengyou He, Ling Fu,et al. Linear regression index -based method for fault detection and classification in power tran smissionline[]. IEEJ Transactions on Electrical and Electronic Engineering ，2018, 13(7):979-987.
[7] Haidar S amet, Shabanpour Haghighi A,Teymoor Ghanbari. A fault c lssificationtechnique for transmission lines using an improved alienation coe ficientstechnique[J]，International Transactions on Electrical Energy Systems ，201 7,27():e2235.
[8] 宋晓星,高艳丰,丁光彬,等基于改进VMD的输电线路行波故障定位研究[J]电气应用,2019,38(07):26-33.
[9]王梦柯,蔡富东基于SR-WT的输电线路双端故障定位方法[J]水电能源科学,2019,37(07):154-156.
[10]吕志宁，输电线路常见故障分析与检测方法综述[J].自动化与仪器仪表，2020(01): 161-164+ 168.
[11]陆佳政，周特军，吴传平，等.某省级电网220kV及以上输电线路故障统计与分析[J].高电压技术，2016, 42(01): 200-207.
[12]李小鹏，林圣，何正友，等。基于工频量极性比较的高压输电线路超高速方向元件[J].中国电机工程学报，2014， 34 (31): 5685-5692.
[13]S .Kirubadevi, S.Sutha. Wavelet based transmission line fault identification andclassification[C]. International C onference on Computation of Power EnergyInformati on and Commuincation，2017， 737-741.
[14]Jiao M, Gao Y, Leng X, et al. Power Cable Fault Diagnosis Based on WaveletAnalysis and Neural Network[C]. The International Conference on AdvancedMachine Learni ng Technologies and Applicati ons，2020， 330-338.
[15]D. Wang, D. Yang, Z. Bowen, et al. Transmission Line Fault Diagnosis Based onWavelet Packet Analysis and Convolutional Neural Network[C] . IEEEInternational Conference on Cloud Computi ng and Inelligence Systems, 2018,425429. .
[16]Huang N E, Shen Z, Long S R. The empirical mode decomposition and thehi Ibert spectrum for nonlinear and non-stationary time series analysis[J]. Proc RSoc London A，1998， 903-995 .
[17]穆利智，李泽文，吕佳佳，等.结合EMD-WVD和布谷鸟搜索算法的输电线路故障暂态保护[J].电力系统自动化，2020,44(16):137-147.
[18]孙蓉，马寿虎，葛乐，等.基于小波能量和EMD小电流接地故障选线[J].中国科技论文，2017,12(11):1247-1251.
[19]徐耀松，邱尚龙.基于HHT与PNN的输电线路故障分类[J].测控技术，201 8,37(01):19-22+26.
[20]王浩，杨东升，周博文，等.基于并联卷积神经网络的多端直流输电线路故障诊断[J]，电力系统自动化，2020,44(12):84-95.
[21]吴笑民，曹卫华，王典洪，等.多支持向量机模型的输电线路故障诊断方法[J].高电压技术，2020,46(03):957 -963.
[22]曹雨，林顺富，于俊苏，等.基于差分和变换的高压输电线路故障行波测距方法[J].水电能源科学，201 9,37(12):171-175.
[23]高艳丰，朱永利，闫红艳，等. - -种新型的输电线路双端行波故障定位方法. [J]. 电力系统保护与控制，201 6,44(08):8-13.
[241王素云.浅谈高压输电线路接地故障的定位技术[J].电子元器件与信息技术，.2020,4 (07):141-142.
[25]钟哲，方鹏，陈炜，等.基于三维模型的输电线路耦合故障定位[J].信息技术，2020,44(08):93-97.
