高壓直流輸電線路的雙向故障位置診斷方法研究

秦 岳

（國網(wǎng)青海省電力公司海南供電公司，青海 海南州 813000）

高壓直流輸電具有輸電能量大、傳輸距離遠的優(yōu)點，在電能的長距離傳輸方面具有明顯優(yōu)勢。然而，由于我國能源分布和負荷分布不匹配，高壓直流輸電在解決能源和負荷間的供需矛盾方面發(fā)揮了重要作用。因此，高壓直流輸電在我國國情下具有較高的應用價值。直流輸電線路長度長，沿途地域環(huán)境復雜多樣，以常規(guī)的巡檢方式進行故障定位十分不便，因此對高壓直流輸電線路的故障位置診斷技術進行研究十分必要且意義重大。

目前，直流輸電線路的故障定位方法主要基于故障行波技術，分為單端行波法和雙向行波法[1-2]。單端行波法對辨識第二個反射行波具有較高要求，但是發(fā)生高阻接地故障時，精確辨識第二個反射行波不易實現(xiàn)[3]。雙向行波法對辨識首個行波具有較高要求，但是直流輸電系統(tǒng)中的平波電抗器、直流濾波器等會對行波的特性產(chǎn)生較大影響，較難有效辨識首個行波。

1 基于高頻衰減特性的直流輸電測距

目前，直流輸電線路普遍采用雙極運行方式，兩極之間存在電氣耦合關系，因此必須要對線路上的信號進行解耦處理，才能夠進行衰減特性分析[4]，其解耦公式如公式（1）所示。

式中：u1、u0分別代表整流器側和逆變器側瞬態(tài)電壓的線模分量和零模分量，u+、u-分別代表對應側的正極線瞬態(tài)電壓和負極線瞬態(tài)電壓[5]。

高頻分量的衰減效應在直流輸電線路上表現(xiàn)較明顯。高頻分量的衰減程度與其通過直流輸電線路的長度緊密相關[6-7]，基于高頻衰減特性的直流輸電線路測距原理如圖1所示。

圖1 高頻衰減特性計算下的直流輸電測距

故障發(fā)生位置距整流器側的測距設備的距離x與到達整流器側和逆變器側測距設備處某個頻率下的故障電壓幅值具有一定的關系[8]，如公式（2）所示。

式中：L為輸電線路全長；αj為線路的模衰減參數(shù)；|Uj1（f）|和|Uj2（f）|分別為整流器側和逆變器側測距設備檢測到的來源于故障位置且頻率為f的故障電壓幅值[9]。

在故障分析過程中，需要對到達整流器側和逆變器側的故障特征進行仔細觀察和分析。需要確定行波首個波首的幅值比和特定頻率的高頻分量。這些特征可以通過在故障位置采集數(shù)據(jù)來獲取。整流器側和逆變器側的故障位置也需要進行確認，以便更準確地定位故障，則公式（2）可以變換為公式（3）。

式中：α'為相應頻率下的衰減參數(shù)，|Uja|為測距設備采集的整流器側行波模分量第一個波首幅值；|Ujb|為采集的逆變器側相行波模分量第一個波首幅值。

由此可得以頻率為自變量的函數(shù)構成線路衰減參數(shù)。對直流輸電而言，如果所得輸電線路的基本電氣參數(shù)為精確值，就能夠得到任意頻率時線路的衰減參數(shù)，再利用公式（3）就能得知故障位置與整流器側測距設備和逆變器側測距設備的間隔距離，從而進行故障定位。

隨著電力系統(tǒng)運行，衰減特性會對故障特征產(chǎn)生影響。行波模分量是故障特征的重要表現(xiàn)形式，其中波首幅值比對故障定位具有重要意義。然而，非線性關聯(lián)關系在公式（3）中有所體現(xiàn)，它可能會干擾測距設備正常工作，影響故障定位的準確性。逆變器和整流器是電力系統(tǒng)中的重要設備，在運行過程中可能會發(fā)生故障，從而影響整個系統(tǒng)的穩(wěn)定性。因此，衰減特性和故障特征的檢測對故障定位至關重要。使用測距設備可有效檢測故障位置，并利用非線性關聯(lián)關系進行故障分析，從而為故障修復提供有力支持。這些技術的應用和發(fā)展將有助于提高電力系統(tǒng)的安全性和穩(wěn)定性。

2 基于神經(jīng)網(wǎng)絡的直流輸電線路雙向故障定位方法

由于常規(guī)的基于高頻分量衰減特性來進行故障定位的方法存在一定誤差（原因是難以準確求取輸電線路的高頻分量衰減參數(shù)），因此，找到一種不依賴高頻分量衰減參數(shù)來計算故障距離的方法對故障定位至關重要。神經(jīng)網(wǎng)絡技術具有非線性數(shù)據(jù)擬合能力，因此，對于x與的非線性關系，基于神經(jīng)網(wǎng)絡技術可實現(xiàn)故障精確定位。

2.1 神經(jīng)網(wǎng)絡的概念

目前，運用神經(jīng)網(wǎng)絡過程中，普遍運用的網(wǎng)絡模型均是以BP網(wǎng)絡為基礎發(fā)展起來的。數(shù)學方法已經(jīng)證明任意一個具有隱含層級的三層級網(wǎng)絡能夠?qū)θ我夥蔷€性函數(shù)進行無限近似。BP神經(jīng)網(wǎng)絡是一種常用的人工神經(jīng)網(wǎng)絡模型，具有強大的非線性擬合能力。它由輸入層、隱藏層和輸出層組成。在訓練過程中，通過反向傳播算法，將輸出誤差逐層反向傳遞到隱藏層和輸入層，然后根據(jù)誤差大小，利用梯度下降法調(diào)整每個神經(jīng)元的權重和閾值，不斷優(yōu)化網(wǎng)絡性能。BP神經(jīng)網(wǎng)絡的訓練是一個迭代過程，需要提供一組已知的輸入和對應的輸出樣本進行訓練。通過計算網(wǎng)絡輸出與實際輸出間的誤差，利用誤差反向傳播來調(diào)整權值和閾值，以使網(wǎng)絡輸出與實際輸出盡可能接近。BP神經(jīng)網(wǎng)絡應用廣泛，包括模式分類、數(shù)據(jù)預測和模式識別等領域。它可以處理非線性問題，并可通過增加隱藏層和神經(jīng)元的數(shù)量來提高網(wǎng)絡的表達能力。因此，BP網(wǎng)絡的核心是將輸出誤差倒回到模型中，逐步對應調(diào)整運算權值和運算閾值，來修正輸出誤差，保證最終的輸出預測值無限逼近期望目標輸出量，從而得到最終的輸出結果。

2.2 基于神經(jīng)網(wǎng)絡的直流輸電線路雙向故障定位方法的實現(xiàn)

為了診斷直流輸電線路的故障位置和類型，可以采取一種研究樣本并進行數(shù)據(jù)預處理，以構建神經(jīng)網(wǎng)絡模型。這種模型的全范圍覆蓋能夠適應多種類型的故障，使用特征電壓行波信號來分析波首幅值比特征，通過處理復雜的波形信息來提升泛化性能。該策略將在數(shù)據(jù)驅(qū)動的基礎上提供故障診斷的有效手段。該文設定的神經(jīng)網(wǎng)絡如下：1）瞬態(tài)電壓信號是電力系統(tǒng)中常見的故障特征信號之一，具有較高的幅值和高頻帶寬。傳統(tǒng)的測距設備往往難以準確測量首個波首的到達時間，進而無法提取故障特征信號。為了解決該問題，該文提出了一種基于小波變換技術的解耦運算方法。首先，通過預處理步驟對瞬態(tài)電壓信號進行尺度變換和帶通濾波，以提高信號的清晰度和準確性。其次，利用小波變換技術將瞬態(tài)電壓信號分解成瞬態(tài)電壓線模分量和同頻帶寬分量。在整流器側，第一個波首的幅值為U1a1、U1a2、U1a3、U1a4，利用解耦運算提取出瞬態(tài)電壓線模分量，并進一步計算出首個波首的到達時間。同樣地，在逆變器側，第一個波首的幅值為U1b1、U1b2、U1b3、U1b4，解耦運算可以提取出同頻帶寬分量，并計算出故障特征信號的幅值比為通過以上步驟，可以在輸電線路上準確測量首個波首的到達時間，并提取出故障特征信號的幅值比。該方法克服了傳統(tǒng)測距設備的局限性，為電力系統(tǒng)的故障檢測和故障定位提供了可靠的技術手段?；谏鲜鲅芯靠傻醚芯繕颖镜妮斎肓繛閜=[p1，p2，p3，p4]。2）該文仿真數(shù)據(jù)來自實際運行線路參數(shù)，選用云南到廣東的800kV特高壓直流輸電示范工程為研究對象。因此直流輸電系統(tǒng)的實際運行狀態(tài)可根據(jù)設計的模型反應。為了確保所研究輸電線路多故障特征信號能被全部監(jiān)測，從距離直流輸電系統(tǒng)整流器側5km位置開始配置故障點，然后每10km位置配置一處故障點，直到距離整流器側1415km時（該處距離逆變器側10km）結束故障位置配置，因此輸電線路中包括142處故障位置，即模型中涵蓋了142組故障信息。3）選取系統(tǒng)的過渡電阻為0～100Ω，步長為10Ω。4）在研究中，樣本是指用于分析的數(shù)據(jù)集合。研究樣本的輸入量數(shù)值通常會存在較大差異，會影響模型的準確性。模型是利用輸入節(jié)點與權值的作用來進行系統(tǒng)運算的。通過隱含層輸出結果，模型可以進一步處理其他節(jié)點的輸入量數(shù)值，并進行系統(tǒng)運算。因此必須對模型的輸入量進行歸一化運算，保證輸入量為0～1，即能夠保證研究樣本的各輸入量具備同等的地位。

經(jīng)上述4個步驟構建的神經(jīng)網(wǎng)絡模型如圖2所示。該神經(jīng)網(wǎng)絡模型中分為輸入層級j、隱含層級i和輸出層級l，輸入層級的神經(jīng)元為xk、xk-1、xk-2，具體的神經(jīng)網(wǎng)絡輸入層級神經(jīng)元分別與4個頻帶內(nèi)整流器側和逆變器側采集的波首幅值比一一對應。隱含層級包括15個神經(jīng)元，輸出層級僅有一個神經(jīng)元，其與故障位置相對應?；跈C器學習算法的神經(jīng)網(wǎng)絡，經(jīng)約1100個學習過程后誤差達標，且收斂速度快。學習收斂曲線如圖3所示，由圖3可知，學習率為0.01，學習收斂精度為10-5，學習極限次數(shù)為10000。

圖2 神經(jīng)網(wǎng)絡模型

圖3 學習收斂曲線示意圖

3 仿真研究

根據(jù)某高壓直流輸電線路參數(shù)及線路接線形式，搭建直流輸電系統(tǒng)仿真模型。該系統(tǒng)的輸電電壓等級為±800kV，輸電額定功率為5000MW，輸電額定電流為3.125kA，輸電線路總長度為1425km，線路電阻率平均值為1000Ω·m，導線選用6×LGL-630/45。

利用神經(jīng)網(wǎng)絡技術，該文提出了一種基于瞬態(tài)電壓線模分量的故障位置診斷方法，能夠有效地對輸電線上的接地故障進行準確定位。該方法使用測距設備測量了故障點處過渡電阻的數(shù)值，并將d1、d2、d3、d4頻帶的首個波首幅值作為輸入?yún)?shù)，通過神經(jīng)網(wǎng)絡對輸電線上的故障位置進行診斷和定位。在試驗中，使用頻帶的數(shù)據(jù)進行訓練和測試，并取得了良好效果，首個波首幅值為1.4506、1.4267、1.3905、1.3828。該文基于瞬態(tài)電壓線模分量和神經(jīng)網(wǎng)絡技術的故障定位方法具有較高的精度和穩(wěn)定性，可在實際應用中提供準確的故障位置信息，具有廣闊的應用前景。所得神經(jīng)網(wǎng)絡模型的輸入量p=[1.4506，1.4267，1.3905，1.3828]，將其輸入神經(jīng)網(wǎng)絡模型進行運算，輸出的距離測量結果為400.17km，存在0.17km的誤差。由此可見，基于神經(jīng)網(wǎng)絡技術對故障位置進行診斷的方法不依賴輸電線路的衰減參數(shù)，并能進行高精度定位。

4 結論

該文采用4個高頻帶寬的輸電線路故障定位模型，利用電壓行波信號進行故障特征數(shù)據(jù)采集，通過神經(jīng)網(wǎng)絡模型自主運算，使輸入量與輸出量精準匹配，進行直流輸電線路故障定位。通過分析線模首個波首幅值比等關鍵特征數(shù)據(jù)，進一步提升了故障定位的精度。使輸電線路故障的高頻特征能高效傳輸，對保障電力系統(tǒng)安全運行具有重要意義。該文研究得到結論如下：1）直流輸電線路兩端逆變器及整流器側所得高頻分量第一個波首幅值與故障位置之比是非線性的關系。2）采用神經(jīng)網(wǎng)絡時，直流輸電線路故障位置確定不依賴輸電線路的衰減參數(shù)，定位精度高，具有較強的過渡電阻耐受能力。3）直流輸電線路故障位置確定由神經(jīng)網(wǎng)絡進行計算并采集行波數(shù)據(jù)，該數(shù)據(jù)來自故障發(fā)生的極短時間內(nèi)，不依賴故障特征行波的傳輸速度和傳輸時間。