福州大学考研，福州大学考研专业目录及考试科目
配电网发生高阻接地故障（HIF）时，接地介质的电阻较大，故障电流比负荷电流要小得多，故障特征不明显。现有的电流或电压保护装置均难以对其进行动作，寻找方法对其进行准确快速的辨识意义重大。福州大学配电网及其自动化研究中心的王康、高伟、杨耿杰，在2022年第2期《电气技术》上撰文，首先通过连续小波变换对故障线路的零序电流进行时频域分析，选定特征频段内的时频矩阵作为识别特征量，随后使用改进的LeNet-5网络对识别特征量进行辨识以判定HIF是否发生。且在PSCAD/EMTDC上进行了大量的仿真验证，最终结果表明本文所提算法能够准确辨识发生在不同中性点接地系统的HIF与各类干扰，且抗噪声能力较强。
团队介绍
福州大学配电网及其自动化研究中心长期致力于电力配电网监测、控制与保护新技术的研究与应用；结合人工智能技术、大数据分析技术、电力电子功率变换技术和智能优化调控技术，在电力配电网及其主设备故障诊断与抑制领域开展了基础研究以及工程应用。主要涉及配电网单相接地故障选线及区段定位、配电网单相接地故障柔性消弧、配电变压器故障诊断、光伏发电系统故障诊断、可再生能源发电与并网等研究方向。近年来，该团队完成了多个国家，省和电网企业的研究项目。
研究背景
高阻接地故障（high impedance faults，HIF）是配电网运行过程中十分常见的故障。当通电导体与导电性能较差的表面接触时通常会发生HIF，例如混凝土、沥青或沙地等。HIF是一种低电流故障，其难以使传统的电流或电压保护装置动作，一般伴随交流电弧的燃烧，任其发展可能会导致严重的后果。相关研究表明，在配电网中发生的故障有5%～20%是HIF，其实际占比可能要更高。对HIF进行有效的辨识并做出正确的反应，对配电网的安全可靠运行意义重大。
论文所解决的问题及意义
本文通过傅里叶变换发现HIF与各类扰动的零序电流频谱在高频段存在差异，进一步使用连续小波变换对零序电流进行时频分析，发现其在高频段存在明显的规律；选定特征频段后，将该频段的时频矩阵作为识别的特征量；引入LeNet-5网络并对其进行改进，使用改进的LeNet-5网络对时频矩阵进行辨识，实现对HIF的有效诊断。
论文方法及创新点
1
连续小波变换提取时频特征
为分析发生HIF时零序电流高频分量的变化，使用快速傅里叶变换（fast Fourier transform，FFT）对图1所示的波形进行处理，其频谱图如图2所示。从图2中可以发现，其高频分量主要为奇次谐波，包括3次谐波、5次谐波及7次谐波等。
图1 HIF零序电流波形
图2 HIF零序电流经FFT处理后的频谱图
考虑到HIF发生时“零休”现象总会周期性出现，而频域特征无法对“零休”现象的周期性出现规律进行表征，故本文引入连续小波变换（continue wavelet transform,CWT），通过时频域变换的方法既提取其频域特征，又提取其时域特征。
使用CWT对图3（左）所示的HIF零序电流进行处理，该波形的“零休”现象较为微弱。考虑到基波分量能量比高次谐波能量要高得多，且通过图2的频谱图可以看到HIF的高频分量主要集中在100~600Hz。故本文选定100~600Hz频段作为特征频段，使用该频段的时频矩阵作为故障检测的特征量，得到的时频图如图3（右）所示。
图3 HIF零序电流及CWT时频图
从图3（右）可以看到，发生HIF时高频分量十分丰富，三次谐波一直较大，而更高次的谐波分量则是随着“零休”现象的出现呈现增减的周期性变化。与时域信号中微弱的“零休”现象相比，时频图中的高频谐波含量的周期性变化更为明显。
电容投入、负荷投入与励磁涌流发生时的零序电流波形及进行CWT后的时频图如图4所示。对比图3可以看到使用CWT获得的时频图能够体现故障特征，将故障与各类干扰区分开来，故本文使用经CWT处理后特征频带的时频矩阵作为识别特征量具有可行性。
图4 各类扰动的零序电流及CWT时频图
2
基于改进LeNet-5网络的故障诊断方法
原始LeNet-5网络仅使用了大小为5×5的卷积核进行卷积操作，为增强模型的特征提取能力，本文使用3×3、5×5及7×7的卷积核并行提取特征。本文加入了dropout层，忽略一部分特征检测器，减少过拟合现象以改进模型性能。最终确定的模型结构如图5所示。
图5 改进的LeNet-5模型结构
本文使用稳态信号进行故障识别，3个工频周期的数据作为一个样本。故障诊断的流程如下：对样本使用CWT进行特征提取后，选取100~600Hz频段的二维时频矩阵作为故障识别的特征量；使用部分数据训练改进的LeNet-5模型；将待检测数据输入到训练完成的故障检测模型中，通过故障检测模型的输出判定其是否为高阻接地故障。具体流程图如图6所示。
图6 故障识别流程
结论
通过对HIF及各类干扰进行时频域分析，发现HIF在选定的特征频段内有着与其他干扰完全不同的特征，随后引入改进的LeNet-5网络对特征进行辨识。
通过从PSCAD/EMTDC获取的HIF与各类干扰数据对算法进行测试，得到如下结论：使用CWT提取特征频段的时频矩阵作为故障特征，能够有效提取HIF的故障特征；改进的LeNet-5网络能够有效地对HIF故障特征进行识别，能将HIF与各类干扰进行区分；在20dB的强噪声干扰下，本文所提算法仍能够实现较为准确的检测。
引用本文
王康, 高伟, 杨耿杰. 基于高频分量的配电网高阻接地故障识别[J]. 电气技术, 2022, 23(2): 61-66. WANG Kang, GAO Wei, YANG Gengjie. High impedance fault detection for distribution networks based on high-frequency components. Electrical Engineering, 2022, 23(2): 61-66.
中国电工技术学会
新媒体平台
学会官方微信
电工技术学报
CES电气
学会官方B站
CES TEMS
今日头条号
学会科普微信
新浪微博
抖音号
《电工技术学报》：010-63256949/6981 邮箱：dgjsxb@vip.126.com 《电气技术》：010-63256943 邮箱：dianqijishu@126.com 编务：010-63256994；订阅：010-63256817 广告合作：010-63256867/6838
福州大学考研(福州大学考研专业目录及考试科目)