论文部分内容阅读
配电网是整个电力系统与用户直接相连的部分,这就决定了配电网具有结构复杂、设备多、线路覆盖面积大的特点。配电网络是电压等级在110kV及以下的网络,因此其绝缘水平较输电网低。电力系统绝大多数的事故都是由过电压造成的,而对配电设备的绝缘状态的评估、供电电压质量的改善、供电可靠性的提高等都十分依赖于对配电网过电压类型的及时准确识别。因此,针对配电网过电压类型识别方法的研究具有十分重要的意义。本文首先介绍了国内外学者研究过电压问题所采用的实验及仿真方法,围绕过电压特征表达和模式识别方法的研究,概述了适用于非平稳信号的信号分解方法、关于特征量提取与选择的基本思路以及针对选定特征量而搭配的分类器或神经网络。分析了不同类型内部过电压的机理,在此基础上分析了过电压暂态过程的影响因素。通过建立7类过电压的仿真模型,验证了对配电网内部过电压特征理论分析的正确性,为过电压类型识别方法的提出提供了理论依据。本文提出两种配电网内部过电压类型识别方法。方法一是基于奇异谱熵和LCD-Hilbert变换的配电网内部过电压类型识别方法,其采用数学统计量获取过电压的时域能量分布特征,采用LCD-Hilbert变换结合带通滤波算法获取过电压的频域能量分布特征,通过支持向量机确定特征量阈值实现过电压类型识别。方法二是基于乔-威廉斯分布(Choi-Williams Distribution,CWD)和卷积神经网络(Convolutional Neural Network,CNN)的配电网内部过电压类型识别方法,其利用CWD获取相电压时频谱,通过图像降维预处理方法有机整合三相电压时频谱,进而利用具有矩形卷积核的CNN实现过电压类型识别。利用基于EMTP/ATP软件搭建的配电网模型获取训练样本和测试样本。测试结果表明,两种方法对配电网单相金属接地、间歇性弧光接地、分频谐振、基频谐振、高频谐振、投切电容器组以及合闸空载线路共7种过电压类型的识别正确率高。在噪声干扰环境下,方法一需结合数字滤波或硬件滤波设备方能发挥该方法对投切操作过电压的识别性能。方法二无需人为构造和求取特征量,相比方法一在鲁棒性和适应性上更具优势,抗噪性更强。在配电网物理仿真系统获取的单相金属性接地实测样本,用本文方法均能成功识别。