欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022110507816
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,所述方法步骤为:步骤1、对配电网馈线零序电流进行采样,获得t时刻零序电流 ,利用差分算法对零序电流信号进行处理,得到t时刻零序差分电流 ;

步骤2、采用变分模态分解法VMD对t时刻零序差分电流 分解,得到多个具有中心频率和有限带宽的本征模态分量;

步骤3、结合能量矩算法和故障高频特征构建能量矩指标,实现高阻接地故障识别;

步骤4、对识别结果进行判定,确认其是发生高阻接地故障或配电网非故障扰动。

2.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,步骤1中,所述t时刻零序差分电流 定义为:                      (1)式中, 代表t时刻零序电流, 代表工频周期, 代表t‑T时刻零序电流。

3.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,步骤2中,采用变分模态分解法VMD对零序差分电流进行分解的具体步骤为:步骤2‑1、构建约束变分模型如下:

 (2)

式中,t表示时间, 表示对t时刻波形数据求偏导; 表示t时刻Dirac函数; 代表卷积运算; 为预设分解个数; 为所有本征模态分量IMF构成的集合, 是由每一个IMF中心频率构成的集合, 和 分别表示第k个本征模态分量IMF及其中心频率,其中; 为t时刻第k个本征模态分量IMF;j为虚数单位;e为自然常数;π为圆周率常数;

步骤2‑2、对上述变分模型求解:

通过对式(2)引入二次惩罚项 和拉格朗日算子 ,将带约束的变分模型转换为如下非约束变分模型:       (3)

式中, 为t时刻的拉格朗日算子;使用交替方向乘子法求解式(3),所求得的解即为式(2) 和 的最优解。

4.根据权利要求3所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,为得到最优 和 ,使用交替方向乘子法求解式(3),其中使用交替方向乘子法运算的参数更新步骤为:首先输入预设分解个数K和收敛精度 ,令 、 、 对应的傅里叶变换为 、 、 ;对 、 和 进行初始化并通过如下式(4)~

(6)对其进行迭代更新:

        (4)

                         (5)              (6)

式中,n为迭代次数, 为频率, 、 、 分别为第n次迭代时的拉格朗日算子值、第n次迭代时第k个本征模态分量IMF和第n次迭代时第k个本征模态分量IMF的中心频率; 、 、 分别为第n+1次迭代时的拉格朗日算子值、第n+1次迭代时第k个IMF和第n+1次迭代时第k个本征模态分量IMF的中心频率; 为第n次迭代时第i个本征模态分量IMF, 且 ; 为噪声容忍系数;

迭代终止判定公式如下所示:

                 (7)

若公式(7)成立,则判定VMD分解所得各个IMF满足预设收敛精度要求并停止迭代,VMD分解过程结束,此时 和 为第k个本征模态分量IMF分量及其中心频率的最终分解结果, 。

5.根据权利要求1所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,步骤3中,构建高频分量表征指标具体为:步骤3‑1、提取能量矩特征,具体步骤如下:

步骤3‑1‑1、对 进行L层VMD分解得到L+1个信号序列 ,,n代表信号采样点位置,N代表总采样点个数,其中 为分解得到的信号序列, 为分解余项;

步骤3‑1‑2、对第l个信号 构建能量矩特征 ,其中 :                         (8)式中, 表示采样时间间隔, 代表采样点总数;

根据暂态过程持续的时间长短不同,非故障扰动的高频分量也会表现为不同的特征,为方便描述,将非故障扰动按照暂态过程持续时间分为两类:暂态过程在10个周期内结束的非故障扰动称为短暂态扰动;暂态过程持续超过10个周期的非故障扰动称为长暂态扰动;为便于高阻接地故障特征的识别,分别构建区别于上述两类非故障扰动高频分量特征的零序差分电流高频分量能量矩特征指标,即周期特征的能量矩指标和高频特征的能量矩指标;

步骤3‑2、构建周期特征的能量矩指标,并进行周期特征分析;

步骤3‑3、构建高频特征的能量矩指标,并进行高频特征分析。

6.根据权利要求5所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,对周期特征的能量矩指标进行特征分析具体步骤为:针对周期特征的能量矩指标:短暂态扰动的高频分量在10个周期内衰减至0,具有快速衰减特征,而高阻接地故障波形的高频分量在故障发生期间呈现周期特征,因此,通过构建半区间能量矩比值指标 来进行判别; 表征的是零序差分电流波形高频分量的衰减程度, 越高,说明衰减速度越快,表明该零序差分电流的高频分量不具有周期特征;对第l个本征模态分量使用式(8)进行能量矩计算得到 ;同理,计算前半个周期的能量矩 ,定义能量矩比值指标 计算公式如下:                            (9)由于短暂态扰动引起的波形高频分量衰减速度快,因此,波形前半个周期的能量远大于后半个周期,其波形序列的半区间能量矩比值指标远大于高阻接地故障时的指标;

若波形样本具有周期特征,应满足:

                  (10)式中, 为判断是否具有周期特征的阈值;当 不满足式(10)时,排除高阻接地故障发生的可能。

7.根据权利要求5所述的基于零序差分电流和能量矩指标的高阻接地故障识别方法,其特征在于,对高频特征的能量矩指标进行特征分析具体步骤为:针对高频特征的能量矩指标构建:长暂态扰动的高频分量不具有快速衰减特征,其满足式(10),但单一的 依然无法对长暂态扰动和高阻接地故障进行识别;经过研究分析发现,与高阻接地故障特征相比,长暂态扰动事件波形高次谐波频率相对较低,其谐波频率绝大部分低于400Hz;因此,构建高低频能量矩比值指标来进行判别; 表征的是零序差分电流内高频分量占比高低, 越高,表明原零序差分电流内高频分量占比越大;

为了进一步凸显不同波形能量矩数值之间的差异,对原始能量矩公式进行改进,公式如下:       (11)

在此基础上,按如下流程构建高低频能量矩比值指标 :(1)令第l个IMF的中心频率为 ,计算 的数量级大小:                                      (12)式中 为向下取整后的 数量级数值;

(2)将最大 所对应的所有IMF相加得到 ,将最小 所对应的所有IMF相加得到 ,运用式(11)计算分别得 和 ;

(3) 计算方法如下:

              (13)

若波形样本具有高频特征,应满足:

                      (14)式中, 为判断是否具有高频特征的阈值;当 指标不满足式(14)时,排除高阻接地故障发生的可能。