2014年第6期
DOI编码：10.3969/j.issn.1007-0079.2014.06.119
试论电力系统故障类型识别的研究现状
杨朝兵 付学文
摘要：对近几年具有代表的中外文献进行了学习研究，论述了输电线路故障诊断的背景和意义以及故障识别的研究现状，重点介绍了小波分析和熵理论在电力系统暂态处理中的应用。目前的理论研究与应用成果为电力系统暂态信号分析与检测开辟了新的道路，为暂态信号特征提取理论奠定了新的理论基础，建立了适合于电力系统暂态信号分析的小波熵理论。
关键词：故障诊断；故障识别；小波分析；熵理论
作者简介：杨朝兵（1982-），男，河北邢台人，国网河北省电力公司邢台供电分公司，工程师；付学文（1983-），男，河北邢台人，国网河北省电力公司邢台供电分公司。（河北 邢台 054001）
中图分类号：TM7 文献标识码：A 文章编号：1007-0079（2014）06-0238-03近年来，随着社会对电力需求的日益增加，电网呈现出高电压、远距离、大容量的发展趋势，高压输电线路特别是超高压输电线路在电力网中所占的地位也越来越重要。超高压输电线路既担负着传送大功率的任务，还作为联合电力系统运行的联络
[1-2]线使用，其运行可靠性影响着整个电力系统的供电可靠性。
源当做物质系统，可能输出的消息越多，信源的随机性越大，越紊乱，熵值也越大，所以信息熵可以被看做是系统紊乱程度在生物医学领域和机的量度。[5-7]小波分析和熵理论相结合，
械故障诊断领域已经得了很好的应用。[8-9]它结合了小波变换多分辨分析的特点和信息熵对信息具有较强的表征能力的优点，成功地分析了各种突变信号。所以，在暂态信号特征提取方面表现出独特优点的小波熵，在电力系统故障检测与分析中具有很好的应用前景。本文给出了小波包能量熵的定义及其应用领域，旨在探讨小波包能量熵在输电线路故障检测中应用的可能性，对于小波包能量熵在电力系统暂态信号分析中的应用研究具有重要意义。
二、故障类型识别的研究现状
传统的故障选相元件主要采用突变量与稳态量相结合，以工频量为基础。在多数情况下这些选相元件对于简单故障能正确地选择故障相，但其选相速度不够快，且易受系统的运行方式及故障接地电阻的影响，结果往往不理想。因此，新型快速的
[10]
故障选相方法成为众多学者研究的方向。
由于高压输电线路工作环境恶劣，故障时极难查找，在电力系统中又是发生故障最多的地方，随着现代大电网的结构和运行方式复杂多变，故障类型越来越复杂，对保护的要求也越来越高。因此，准确而迅速地排除故障不仅满足继电保护的速动性，缩短系统恢复供电时间，而且还能提高电力系统的稳定性，降低运行成本。而准确区分故障相是高压输电线路保护的重要前提，所以探索新的故障选相原理和方法、提高继电保护的性能是超高输电线路故障检测中的一个重要课题。
一、背景和意义
当输电线路发生故障的初始瞬间，通常都有一个既包含直流分量又包含高频暂态分量的暂态故障信号，其所包含的信息是继电保护动作的依据，所以需要先对采样的故障信号进行处理以便获得有意义的特征量。但高压输电线路的距离比较长，输电线路之间存在互感耦合，只有在故障发生的初始瞬间故障信号不容易识别等特点；而电力系统本身又是一个容易受环境干扰的动态系统，因此要准确地对故障进行检测与分类，并防止故障进一步发生是非常困难的。所以借助现代各种数字信号处理工具和方法准确地对故障信息的特征进行提取与分类就显得十分必要，特别是近年来基于暂态量原理的保护更需要快
[2-4] 速、可靠的故障类型识别元件。
新型的故障选相方法主要有：基于行波故障的选相元件和基于故障暂态量的选相元件。基于行波的选相元件[11-14]主要是利用故障时信号的行波波头所包含的信息进行故障选相。虽然基于行波的选相元件能在故障发生的第一时间捕获故障信息，与传统的选相方法相比具有灵敏度高、识别率好等优点，且对波头进行处理的方法也有很多。但基于行波的故障选相方法存在一些缺点，如初始行波受初始角、反射波、故障电弧等因素的影响。基于行波的选相元件由于计算量大，对处理器的运算能力要求也比较高，费用相对也就比较高，在嵌入式系统中难以做到实时性，这使得基于行波的故障选相方法具有很大局限性。
基于故障暂态量的选相[15-16]是利用输电线路发生故障时所产生的故障暂态信号实现故障选相，故障暂态信号与线路参数、故障情况等有关，不受系统运行方式、过渡电阻、电流互感器饱和、系统振荡、长线分布电容等的影响。近年来又随着硬件条件的实现和小波变换等信号处理工具的发展，使得大量、准确、实时地获取故障时产生的暂态电压和电流信号，并使对其作进一步的处理成为现实。这些丰富的故障暂态信号蕴涵了大量的故障特征信息，其频率成分贯穿于整个频谱中，如果能充分利用这些信息就能快速地对故障相作出判断。因此，基于故障
随着小波分析技术的引入，电力系统暂态信号特征量提取及分类技术得到了迅速发展。但是，由于小波变换结果中包含了大量的分解信息和数据，通常的检测方法都少不了对特定工况的假设或对特征提取的人工干预。而分类方法中，由于小波分解信息量比较大，使得一些智能判别系统（如模糊理论与神经网络等）变得比较庞大。因此对于小波分析还需研究合适的信息提取方法，给新型继电保护原理、系统故障判断与预测提供有效的依据。这些信息提取方法中最有效的是提供一个或系列描述系统的普适量，用这些普适量来检测、分类电力系统的故障。
[4]
信息熵是对系统不确定性程度的一种描述，若把一个信
238
2014年第6期
DOI编码：10.3969/j.issn.1007-0079.2014.06.119
试论电力系统故障类型识别的研究现状
杨朝兵 付学文
摘要：对近几年具有代表的中外文献进行了学习研究，论述了输电线路故障诊断的背景和意义以及故障识别的研究现状，重点介绍了小波分析和熵理论在电力系统暂态处理中的应用。目前的理论研究与应用成果为电力系统暂态信号分析与检测开辟了新的道路，为暂态信号特征提取理论奠定了新的理论基础，建立了适合于电力系统暂态信号分析的小波熵理论。
关键词：故障诊断；故障识别；小波分析；熵理论
作者简介：杨朝兵（1982-），男，河北邢台人，国网河北省电力公司邢台供电分公司，工程师；付学文（1983-），男，河北邢台人，国网河北省电力公司邢台供电分公司。（河北 邢台 054001）
中图分类号：TM7 文献标识码：A 文章编号：1007-0079（2014）06-0238-03近年来，随着社会对电力需求的日益增加，电网呈现出高电压、远距离、大容量的发展趋势，高压输电线路特别是超高压输电线路在电力网中所占的地位也越来越重要。超高压输电线路既担负着传送大功率的任务，还作为联合电力系统运行的联络
[1-2]线使用，其运行可靠性影响着整个电力系统的供电可靠性。
源当做物质系统，可能输出的消息越多，信源的随机性越大，越紊乱，熵值也越大，所以信息熵可以被看做是系统紊乱程度在生物医学领域和机的量度。[5-7]小波分析和熵理论相结合，
械故障诊断领域已经得了很好的应用。[8-9]它结合了小波变换多分辨分析的特点和信息熵对信息具有较强的表征能力的优点，成功地分析了各种突变信号。所以，在暂态信号特征提取方面表现出独特优点的小波熵，在电力系统故障检测与分析中具有很好的应用前景。本文给出了小波包能量熵的定义及其应用领域，旨在探讨小波包能量熵在输电线路故障检测中应用的可能性，对于小波包能量熵在电力系统暂态信号分析中的应用研究具有重要意义。
二、故障类型识别的研究现状
传统的故障选相元件主要采用突变量与稳态量相结合，以工频量为基础。在多数情况下这些选相元件对于简单故障能正确地选择故障相，但其选相速度不够快，且易受系统的运行方式及故障接地电阻的影响，结果往往不理想。因此，新型快速的
[10]
故障选相方法成为众多学者研究的方向。
由于高压输电线路工作环境恶劣，故障时极难查找，在电力系统中又是发生故障最多的地方，随着现代大电网的结构和运行方式复杂多变，故障类型越来越复杂，对保护的要求也越来越高。因此，准确而迅速地排除故障不仅满足继电保护的速动性，缩短系统恢复供电时间，而且还能提高电力系统的稳定性，降低运行成本。而准确区分故障相是高压输电线路保护的重要前提，所以探索新的故障选相原理和方法、提高继电保护的性能是超高输电线路故障检测中的一个重要课题。
一、背景和意义
当输电线路发生故障的初始瞬间，通常都有一个既包含直流分量又包含高频暂态分量的暂态故障信号，其所包含的信息是继电保护动作的依据，所以需要先对采样的故障信号进行处理以便获得有意义的特征量。但高压输电线路的距离比较长，输电线路之间存在互感耦合，只有在故障发生的初始瞬间故障信号不容易识别等特点；而电力系统本身又是一个容易受环境干扰的动态系统，因此要准确地对故障进行检测与分类，并防止故障进一步发生是非常困难的。所以借助现代各种数字信号处理工具和方法准确地对故障信息的特征进行提取与分类就显得十分必要，特别是近年来基于暂态量原理的保护更需要快
[2-4] 速、可靠的故障类型识别元件。
新型的故障选相方法主要有：基于行波故障的选相元件和基于故障暂态量的选相元件。基于行波的选相元件[11-14]主要是利用故障时信号的行波波头所包含的信息进行故障选相。虽然基于行波的选相元件能在故障发生的第一时间捕获故障信息，与传统的选相方法相比具有灵敏度高、识别率好等优点，且对波头进行处理的方法也有很多。但基于行波的故障选相方法存在一些缺点，如初始行波受初始角、反射波、故障电弧等因素的影响。基于行波的选相元件由于计算量大，对处理器的运算能力要求也比较高，费用相对也就比较高，在嵌入式系统中难以做到实时性，这使得基于行波的故障选相方法具有很大局限性。
基于故障暂态量的选相[15-16]是利用输电线路发生故障时所产生的故障暂态信号实现故障选相，故障暂态信号与线路参数、故障情况等有关，不受系统运行方式、过渡电阻、电流互感器饱和、系统振荡、长线分布电容等的影响。近年来又随着硬件条件的实现和小波变换等信号处理工具的发展，使得大量、准确、实时地获取故障时产生的暂态电压和电流信号，并使对其作进一步的处理成为现实。这些丰富的故障暂态信号蕴涵了大量的故障特征信息，其频率成分贯穿于整个频谱中，如果能充分利用这些信息就能快速地对故障相作出判断。因此，基于故障
随着小波分析技术的引入，电力系统暂态信号特征量提取及分类技术得到了迅速发展。但是，由于小波变换结果中包含了大量的分解信息和数据，通常的检测方法都少不了对特定工况的假设或对特征提取的人工干预。而分类方法中，由于小波分解信息量比较大，使得一些智能判别系统（如模糊理论与神经网络等）变得比较庞大。因此对于小波分析还需研究合适的信息提取方法，给新型继电保护原理、系统故障判断与预测提供有效的依据。这些信息提取方法中最有效的是提供一个或系列描述系统的普适量，用这些普适量来检测、分类电力系统的故障。
[4]
信息熵是对系统不确定性程度的一种描述，若把一个信
238