基于数学形态学的分支网络故障定位.docx

基于数学形态学的分支网络故障定位摘要：本文针对分支网络提出了一种新的基于行波的故障定位方法。利用基于数学形态学（MM）的滤波器分析故障诱发的瞬态信号，并检测行波的到达时间。在所提出的算法中，利用电网中行波检测器（TWDs）检测到的行波第一波头到达时间来构建一组线性方程。求解这个方程，确定电网主线上的可能故障发生点。最后，引入适当的评估标准（EC），以确定主线上的精确断层侧向分支或故障位置。使用EMTP和MATLAB进行广泛的模拟研究以检查所提出的方法的有效性，所获得的结果验证了所提出的方法拥有高精度，良好的抗噪声性和故障阻抗鲁棒性。关键词：故障定位，数学形态学，行波，电网。1 简介配电网中的故障影响电力系统的可靠性，安全性和供电质量。精确的故障定位可明显提高供电连续性，并且还最大限度地减少了恢复电力和降低成本所需的时间。对于具有多个支线，非对称线，高度不平衡操作和时变负载的配电网络，故障定位是具有挑战性的。因此，传输线的故障定位方法不适用于配电系统。如今已经提出了用于分配系统中的故障定位的各种方法。一般来说，故障定位方法可以分为三大类：1）基于阻抗的方法[1] - [7]; 2）基于行波的方法[8] - [13]; 3）基于神经网络的方法[14]，[15]。基于阻抗的方法是通过将测量阻抗与预先知道的线数据进行比较来估计故障距离。它们对具有某些分支，子分支和负载抽头的分发网络的应用可能导致定位精度的降低。另一方面，基于行波的故障定位方法已经广泛用于传输线。它可以分为波头识别（单端[16]，双端[13]和多端[17]）和特征频率[9]的两种方法。传输线最常用的单端算法是时域反射测量法。然而，由于配点网络有大量分支，不连续点处的反射波很难分析。一些方法是在配电网中使用人工神经网络（ANN）来实现故障定位[18] - [22]。一些ANN的故障定位方法是采用基本频率分量[18]，19]，其他的采用故障起始波的高频分量[20] - [22]。在这些方法中，负载和故障起始角的影响使算法变得复杂。一些方法通过估计分布网络中的路径特征频率来识别故障的位置[9]，[14]，[23]。在这些方法中，算法精度取决于估计路径特征频率。此外，这些方法并不能适用于任何配电网。最近，一种行波故障定位方法已被提出[24]。然而，该方法的主要缺点是必须在每个分支端接都配备故障定位器。在所提及的基于行波和特征频率方法中，小波变换（WT）已经广泛应用于提取和处理瞬态信号。尽管小波变换是用于信号处理的强有力的工具并且具有良好的时频分辨率，但在一些情况下，它会受到噪声干扰。在具有低起始角和高阻抗故障的故障条件下，行波的振幅变得太小，以至于很难通过小波变换来检测。与小波变换相反，从集合理论和积分几何学[25]，[26]中衍生的数学形态学（MM）已经发展为一种几何描述和分析的重要工具。 MM已广泛用于图像和信号处理。因为MM中的唯一的数学计算是加法和减法，所以其计算量低，并且使故障定位快速并准确。，本文提出了一种使用于有限行波检测器的配电网中的新的行波故障定位方法。MM滤波器用于处理瞬态信号和检测行波到达时间。与[24]中的方法相反，本文提出的方法中，只有电网的主线路终端需要配备行波检测器。根据所安装的行波检测器测量到的初识行波到达时间，引入一组线性方程来确定位置和故障起始时间。通过求解这些线性方程，判断主线上的可能的故障发生点。最后，引入两个适当的评估标准以准确地确定在配电网络中的主线路和故障侧向分支上的故障位置。基于数学形态学的分支网络故障定位2．数学形态行波故障定位的准确操作需要一个强大的工具，用于处理瞬态信号。MM是一种非线性分析技术，它具有精度高、计算量小的特点，可用于提取不同电力系统扰动引起的高频信号信息。它也集中关注时域下的信号波形，并需要一个较短的数据窗口[ 27 ]。在MM中，结构元素（SE）用于提取原始信号的特征[ 28 ]。用MM处理信号时SE的选择是非常重要的，并依赖于特定的应用程序。SE可以具有不同的形状，其中一些是平的，正方形，曲线，三角形和半圆形[30]。在其中信号是一维的电力系统中，最合适的SE是平坦的。在本文中，考虑平面SE（g（m）= {0,0,0}）。扩张和侵蚀是数学形态学中的两个基本的运算，基于这两种运算，可以定义其他复杂运算符，例如定义开和关。假设定义为离散函数输入信号，振幅为，并且假设定义振幅为的一个SE，由g然后扩张信号f，记为（F⊕G），由g侵蚀的信号f，记为（F?G）。如下定义：（1）（2）这里，。用公式（1）和（2）的这两种基本运算。其他两种开运算和关运算包含着这两中运算。由g开运算f 定义为，由g关运算f 定义为。定义为：（3）（4）通过组合这四种运算，一个适当的形态滤波器（MF）的定义为：（5）图1.滤波器提取的?(