基于PSO算法和Butterworth低通滤波器的参数自适应故障测距时域法.pdf

第29卷第3期 电力自动化设备 V01．29No．3 ElectricPowerAutomation Mar．2009 2009年3月 Equipment 参数自适应故障测距时域法 王钢，梁远升，李海锋，李文辉 (华南理工大学电力学院，广东广州510640) 摘要：利用故障前、后线路两端电气信息，分别建立参数自适应和故障测距时域观测方程；利用粒子群优化 (PSO)算法的全局寻优能力，构造相应的PSO求解模型以求取最优解，从而确保了观测方程求解的精确性和 消除故障暂态高频信号频谱混淆和线路参数依频特性的影响。基于电磁暂态仿真程序ATP-EMTP，采用 JMarti依频线路模型建立超高压输电系统仿真模型进行全面系统的仿真验证，结果表明所提故障测距方案 在精度、稳定性和实用性等方面都能很好地满足工程要求。 关键词：故障测距；时域法；参数自适应；粒子群优化算法；Butterworth滤波器 711 中图分类号：TM 文献标识码：A 依频特性突出。再者，目前常采用Bergeron线路模 0引言 型对算法验证，这无法反映实际线路参数的依频特 输电线路故障的准确测距对于减少停电检修时 性，算法的实用性难免受质疑。 间，提高电网供电可靠性具有重大意义[1]。现有故 因此，本文利用故障前正常稳态运行的双端电 障测距方法可分为行波法[2。4]与阻抗法2大类，其中压、电流的同步采样冗余信息，建立仅含线路分布电 阻抗法又可分为时域法[5。7]和频域法[8。9】。按照故障阻、电感和电容的观测方程，对线路参数预先进行自 测距以时间换取精度的原则，频域法的故障测距更 适应计算；然后，以自适应获得的线路参数作为已知 为有效；然而，频域故障测距法要求较长的时间窗， 的参数，建立仅含故障距离的一维测距观测方程，进 在有效时间窗较短的情况下，频域测距法精度较难 行求解。 保证。而时域法的故障测距所需的时间窗较短，一 将参数白适应与故障距离的计算分成前后两 般只需数毫秒的故障数据即可实现测距，因此在一 步，将能有效地提高时域法测距的稳定性和准确性。 定程度上，时域测距法可以弥补频域法的不足。 对参数自适应及故障测距观测方程的求解，基于粒 Swarm 高压输电线路在实际运行中受沿线地质、气候 子群优化算法PSO(ParticleOptimization)， 等因素变化的影响，使得线路参数时常发生改变而 通过建立PSO粒子模型，搜索最优解。分别采用 偏离实测值L1引。不准确的线路参数将会给故障测距 带来较大误差。因此，故障测距时域算法必须考虑 析不同采样频率对测距的影响特性，论证故障测距 线路参数的不确定性。目前，对时域测距法的研究 采用前置低通滤波器的必要性，并选取了Butter- worth低通滤波器。以提高算法的稳定性和精度。 大多基于集中电阻的Bergeron线路传输方程，利用 kV 故障暂态电压、电流的采样信息，建立包含线路分布 利用电磁暂态仿真程序ATP-EMTP，建立500 电阻、电感、电容和故障距离为未知量的测距观测 超高压输电线路频变参数JMarti模型，验证本文所 方程[7’11]。 提测距方案的正确性。 由