基于小波包時(shí)間熵的配電網(wǎng)運(yùn)行狀態(tài)特征提取方法

余南華，李傳健，楊 軍，蔡 茂，董 蓓，龔凌云，馬悠悠

（1.廣東電網(wǎng)公司電力科學(xué)研究院，廣東 廣州 510000；2.武漢大學(xué) 電氣工程學(xué)院，湖北 武漢 430072）

0 引言

配電網(wǎng)處于電力系統(tǒng)末端，擔(dān)負(fù)著保證用戶可靠持續(xù)供電和提供良好質(zhì)量電能的重要任務(wù)。在配電網(wǎng)運(yùn)行過(guò)程中產(chǎn)生的各類異常運(yùn)行工況引發(fā)的狀態(tài)監(jiān)測(cè)問(wèn)題，已經(jīng)成為配網(wǎng)領(lǐng)域的重點(diǎn)和難點(diǎn)。配電網(wǎng)運(yùn)行情況復(fù)雜多變，產(chǎn)生的電氣量信息所含成分復(fù)雜，為了及時(shí)監(jiān)測(cè)配電網(wǎng)運(yùn)行情況進(jìn)而快速準(zhǔn)確甄別配電網(wǎng)的正常、異常以及故障狀態(tài)并進(jìn)行快速處理，首先必須提取能反映各運(yùn)行狀態(tài)的特征量。因此，研究一套高效、準(zhǔn)確的配電網(wǎng)運(yùn)行狀態(tài)信號(hào)特征提取方法十分必要。

近年來(lái)研究人員已針對(duì)配網(wǎng)運(yùn)行狀態(tài)特征提取展開(kāi)了一些研究。傳統(tǒng)傅里葉算法能夠處理普通故障，但對(duì)于區(qū)分不同單相接地故障無(wú)能為力；文獻(xiàn)[1]根據(jù)故障發(fā)生后三相電壓和三相電流的幅值變化進(jìn)行故障識(shí)別；文獻(xiàn)[2-3]根據(jù)故障電流信號(hào)的低次諧波和低次頻譜的變化來(lái)檢測(cè)線路故障，并提出了相應(yīng)的故障檢測(cè)、識(shí)別和定位算法；S.A.Probert[4]和U.D.Dwivedi[5]利用多分辨率小波分析對(duì)故障電流和電壓進(jìn)行處理，從而完成對(duì)故障的判別和檢測(cè)；文獻(xiàn)[6]應(yīng)用相平面和分層聚類方法研究了配電網(wǎng)因樹(shù)木、動(dòng)物、雷電等引起的單相接地故障分類識(shí)別問(wèn)題。 除此之外，如小波熵[7-9]、形態(tài)小波[10]、模態(tài)小波[11]分析等方法也被用于配網(wǎng)運(yùn)行狀態(tài)特征信號(hào)提取[12-13]中。但迄今為止，上述方法大部分只是針對(duì)部分特殊信號(hào)或工況，應(yīng)用效果不是特別理想。

小波包時(shí)間熵[14-16]在頻變系統(tǒng)與時(shí)變系統(tǒng)中都有較好的狀態(tài)表征能力，為配電網(wǎng)運(yùn)行狀態(tài)信號(hào)特征提取提供了新思路。本文提出基于小波包時(shí)間熵的配電網(wǎng)運(yùn)行狀態(tài)特征提取方法，給出了其小波基函數(shù)、分解層數(shù)、尺度及時(shí)間窗等相關(guān)參數(shù)的選擇規(guī)范，分析了小波包時(shí)間熵對(duì)系統(tǒng)狀態(tài)表征的機(jī)理；搭建了典型配網(wǎng)模型，并對(duì)大電機(jī)啟動(dòng)、過(guò)負(fù)荷運(yùn)行、勵(lì)磁涌流、斷線故障、相間短路、穩(wěn)定型單相接地故障、穩(wěn)定電弧型單相接地故障[17]、間歇電弧型單相接地故障[18]等多種運(yùn)行工況進(jìn)行模擬仿真，對(duì)所提小波包時(shí)間熵特征提取方法進(jìn)行了仿真驗(yàn)證。

1 小波包時(shí)間熵模型

1.1 小波包時(shí)間熵

信號(hào)x（t）經(jīng)過(guò)n層小波包分解之后，得到尺度k下的小波重構(gòu)系數(shù) Xn，k（i），其中 i=1，2，…，H（H為此信號(hào)序列的長(zhǎng)度），k=0，1，…，Kn－1（Kn=2n）。表示信號(hào)在尺度k下i時(shí)刻小波包能量系數(shù)?，F(xiàn)在n層分解尺度k下的單支重構(gòu)后的小波包能量系數(shù)上定義一滑動(dòng)窗，設(shè)窗寬為ω＜H，滑動(dòng)因子σ＜H，于是滑動(dòng)窗為：

其中，m＝1，2，…，M，M 表示時(shí)間段內(nèi)滑動(dòng)窗的總數(shù)，M=（H－ω）/σ。將每一個(gè)滑動(dòng)窗內(nèi)所有小波重構(gòu)系數(shù)值均勻地劃分為如下L個(gè)區(qū)間，有：

其中，Zn，kl= [Sn，kl－1，Sn，kl）（l=1，2，…，L），Sn，k0＜Sn，k1＜Sn，k2＜…＜Sn，kL區(qū)間兩兩互不相交。

設(shè) pn，km（Zn，kl）為第 m 個(gè)滑動(dòng)窗中尺度 k下的小波包能量系數(shù) En，k（i）落入?yún)^(qū)間 Zn，kl的概率，按古典概率論，即等于 En，k（i）落入 Zn，kl的數(shù)目與滑動(dòng)窗中小波包能量系數(shù)數(shù)目ω之比，。 由信息熵[17]的基本理論，定義某時(shí)間段內(nèi)信號(hào)序列經(jīng)n層小波包分解尺度k下沿滑動(dòng)窗分布的小波包時(shí)間熵為：

各尺度同樣可計(jì)算相應(yīng)小波包時(shí)間熵WpnT，Ek（m）（m=1，2，…，M），即可以對(duì)不同頻帶特征的信號(hào)進(jìn)行表征。

選取n層尺度k下的小波包時(shí)間熵作為特征元素構(gòu)造一個(gè)特征向量。

1.2 模型參數(shù)的選擇

a.采樣頻率的選擇。

由采樣定理可知，采樣頻率fs必須大于等于采集信號(hào)最高頻率的2倍，所以采樣頻率必須滿足此條件。同時(shí)還需根據(jù)被分析信號(hào)的特點(diǎn)以及現(xiàn)有錄波器的硬件水平合適地對(duì)采樣頻率進(jìn)行選擇。

b.小波基函數(shù)的選擇。

dbN小波族是工程上應(yīng)用較多的小波基函數(shù)。這一小波族共有的特點(diǎn)是能量無(wú)損性和功率互補(bǔ)性，N表示此小波族中的小波序號(hào)，N越大，正則性越好，所以頻域局部性較好，時(shí)域局部性較差；反之，N越小，時(shí)域分支變短，時(shí)域局部性變好，頻域局部性變差。配電網(wǎng)運(yùn)行狀態(tài)特征提取的研究中，故障狀態(tài)信號(hào)中一般包含豐富的高次諧波分量，所以可采用序號(hào)較大的小波基函數(shù)，使信號(hào)在頻域上有較好的分辨率；同時(shí)考慮到異常狀態(tài)信號(hào)在時(shí)域上的突變性，經(jīng)多次實(shí)驗(yàn)對(duì)比，最后選用db4作為小波基函數(shù)。

c.分解層數(shù)和尺度的選擇。

根據(jù)小波（包）分析的基本理論可知，一個(gè)長(zhǎng)度為H的原始信號(hào)S，小波包分解層數(shù)越多，頻率尺度也同樣增加，計(jì)算量將變大，同時(shí)可能會(huì)引起信號(hào)失真；反之，分解層數(shù)太少則無(wú)法體現(xiàn)多尺度分析的思想，不能發(fā)揮小波分析的優(yōu)勢(shì)。所以應(yīng)該根據(jù)實(shí)際應(yīng)用和需要來(lái)選擇小波包分解的層數(shù)，一般取2～4層為宜。此外，在實(shí)際的工程問(wèn)題中，尺度的大小需要根據(jù)信號(hào)的特征和處理的目的來(lái)決定，例如僅需要反映信號(hào)整體的輪廓特性，一般選擇較大的時(shí)域尺度（對(duì)應(yīng)較小的頻域尺度）上的小波包分解重構(gòu)系數(shù)；反映信號(hào)局部、細(xì)節(jié)上的變換則選用較小的時(shí)域尺度（對(duì)應(yīng)較大的頻域尺度）上的小波包分解重構(gòu)系數(shù)。實(shí)際的應(yīng)用中應(yīng)選擇小波包分解層數(shù)n≥2。對(duì)于本文的分析對(duì)象，即配電網(wǎng)運(yùn)行狀態(tài)信號(hào)的特點(diǎn)，結(jié)合選擇的采樣頻率 fⅠs=800 Hz 和 fⅡs=4 kHz，當(dāng)小波包分解層數(shù)n分別為1和2時(shí)，取尺度0下的小波包重構(gòu)系數(shù)，能很好地覆蓋信號(hào)的主要頻帶信息，同時(shí)在一定程度上消除噪聲的污染。

d.時(shí)間窗參數(shù)的選擇。

在小波包時(shí)間熵模型的算法中，時(shí)間滑動(dòng)窗寬度ω以及滑動(dòng)因子σ是2個(gè)重要的參數(shù)。首先，窗口的寬度決定了小波包時(shí)間熵對(duì)系統(tǒng)狀態(tài)信號(hào)特征提取的準(zhǔn)確性。當(dāng)ω取值比較小時(shí)，單個(gè)窗口內(nèi)的小波包重構(gòu)系數(shù)的個(gè)數(shù)較少，小波包時(shí)間熵在整個(gè)時(shí)域內(nèi)可能會(huì)出現(xiàn)好幾個(gè)突變，比較雜亂，無(wú)法有效分辨信號(hào)畸變，而且不容易區(qū)分由于系統(tǒng)信號(hào)突然混入噪聲等干擾信號(hào)引起小波包時(shí)間熵值突變的情況，同時(shí)對(duì)配電網(wǎng)不同運(yùn)行狀態(tài)信號(hào)的定量描述值將不穩(wěn)定，出現(xiàn)波動(dòng)現(xiàn)象，不便于特征的提取和分析；當(dāng)ω取值比較大時(shí)，此時(shí)小波包時(shí)間熵在信號(hào)突變時(shí)刻（如以圖1為原始信號(hào)的圖2（c）中短時(shí)突變時(shí)刻）的尖峰寬度太大，影響了檢測(cè)精度，信號(hào)狀態(tài)的表征能力將嚴(yán)重退化，所以時(shí)間窗寬要根據(jù)小波包時(shí)間熵的特點(diǎn)以及所分析信號(hào)的特征、采樣頻率等進(jìn)行合適的選取。經(jīng)多次實(shí)驗(yàn)，對(duì)配網(wǎng)信號(hào)數(shù)據(jù)而言，窗口寬度取一個(gè)周期內(nèi)采樣點(diǎn)的整數(shù)倍效果較好。而滑動(dòng)因子σ主要影響信號(hào)發(fā)生畸變起始時(shí)刻確定的精確度，實(shí)際分析中一般采用逐點(diǎn)滑動(dòng)，即σ=1；或逐窗滑動(dòng)，即σ=ω。

圖1 原始信號(hào)Fig.1 Original signal

圖2 不同窗口寬度下的小波包時(shí)間熵曲線圖Fig.2 Wavelet packet time entropy curve for different window widths

同時(shí)，小波包時(shí)間熵的定義中窗區(qū)間L不宜太小，否則會(huì)影響小波包時(shí)間熵的狀態(tài)表征能力，但同時(shí)考慮計(jì)算量與計(jì)算速度的影響，L同樣不能太大，一般情況下取 L=cω（c=1，2，…）?；驹瓌t是：選擇的L能夠使不同狀態(tài)下的小波包時(shí)間熵區(qū)分性較大（即熵值不同）。

2 小波包時(shí)間熵對(duì)系統(tǒng)狀態(tài)的表征機(jī)理分析

由小波包時(shí)間熵的模型可知，其對(duì)信號(hào)處理結(jié)果是由M個(gè)時(shí)間熵值組成的特征值矩陣，M個(gè)特征值分別是M個(gè)窗內(nèi)的小波包時(shí)間熵值。當(dāng)信號(hào)發(fā)生變化時(shí)，其會(huì)反映在變化信號(hào)所處的時(shí)間窗的熵值發(fā)生變化，即小波包時(shí)間熵的特征矩陣也會(huì)發(fā)生變化。下面具體分析小波包時(shí)間熵對(duì)系統(tǒng)狀態(tài)的表征機(jī)理。

對(duì)于頻變系統(tǒng)，假定一頻變系統(tǒng)信號(hào)（如圖3所示）為：其中，f1=50Hz，f2=150Hz，f3=250Hz，f4=350 Hz。 信號(hào)在時(shí)間段[0，0.5 s）內(nèi)由基波組成，記為狀態(tài)1；在時(shí)間段[0.5 s，1 s）內(nèi)由基波和3次諧波組成，記為狀態(tài)2；在時(shí)間段[1 s，1.5 s）由基波、3 次、5 次和 7 次諧波組成，記為狀態(tài)3。以上述假定信號(hào)的時(shí)間離散序列為被分析對(duì)象，采樣頻率取fs=800 Hz，選用db4小波基，各小波熵窗參數(shù)ω=16、σ=1。小波包時(shí)間熵WpTE的小波包分解層數(shù)n=1。計(jì)算上述頻變系統(tǒng)信號(hào)尺度0下的WpTE值，如圖4所示。

圖4給出了小波包時(shí)間熵在窗區(qū)間參數(shù)L取值16、32、64的熵值變化規(guī)律?？梢园l(fā)現(xiàn)圖4中當(dāng)L=32時(shí)，狀態(tài)1、2、3下的小波包時(shí)間熵值WpTE幾乎相等；L=64時(shí)，狀態(tài)2和狀態(tài)3下的小波包時(shí)間熵值WpTE沒(méi)區(qū)別，所以窗區(qū)間參數(shù)此時(shí)應(yīng)選擇L=16。

圖3 原始信號(hào)Fig.3 Original signal

圖4 不同窗區(qū)間數(shù)下的小波包時(shí)間熵變化規(guī)律Fig.4 Wavelet packet time entropy curve for different window intervals

對(duì)于時(shí)變系統(tǒng)，現(xiàn)假定一時(shí)變系統(tǒng)信號(hào)（如圖5所示）為：

圖5 原始信號(hào)Fig.5 Original signal

圖6中當(dāng)L=16和L=64時(shí)，小波包時(shí)間熵WpTE同樣能定量區(qū)分狀態(tài)1、狀態(tài)2和狀態(tài)3，由此能夠檢測(cè)類似時(shí)變系統(tǒng)參數(shù)的變換。例如，狀態(tài)1代表配電網(wǎng)系統(tǒng)正常負(fù)荷電流，狀態(tài)2代表配電網(wǎng)系統(tǒng)過(guò)負(fù)荷電流，狀態(tài)3代表配電網(wǎng)系統(tǒng)短路電流，基于小波包時(shí)間熵在各狀態(tài)下熵值的不同，可對(duì)這3種情況進(jìn)行分類識(shí)別。

由此可見(jiàn)，應(yīng)用小波包時(shí)間熵并選擇合適的窗函數(shù)后，當(dāng)信號(hào)的幅值或頻率發(fā)生變化后，波形所處的窗內(nèi)的小波包時(shí)間熵值也會(huì)發(fā)生變化。對(duì)于配電網(wǎng)而言，遭受擾動(dòng)后從正常運(yùn)行狀態(tài)轉(zhuǎn)換為大電機(jī)啟動(dòng)、過(guò)負(fù)荷運(yùn)行、勵(lì)磁涌流、斷線故障、相間短路、穩(wěn)定型單相接地故障、穩(wěn)定電弧型單相接地故障、間歇電弧型單相接地故障等典型運(yùn)行狀態(tài)時(shí)，從電路理論的角度分析，其等值電路及其等值參數(shù)必然發(fā)生變化，因此必然導(dǎo)致其電流波形在時(shí)域內(nèi)和頻域內(nèi)也會(huì)發(fā)生相應(yīng)的變化；當(dāng)采用小波包時(shí)間熵進(jìn)行特征提取時(shí)，可以捕捉并放大這些差異，并得到放大后的特征矩陣，從而區(qū)分出具體運(yùn)行狀態(tài)。

圖6 不同窗區(qū)間數(shù)下的小波包時(shí)間熵變化規(guī)律Fig.6 Wavelet packet time entropy curve for different window intervals

3 仿真驗(yàn)證

通過(guò)配電網(wǎng)典型運(yùn)行狀態(tài)數(shù)據(jù)的統(tǒng)計(jì)和分析，常見(jiàn)運(yùn)行狀態(tài)可分為兩大類：一類面向相電流，記為類別I，此類包含5種運(yùn)行狀態(tài)，即大電機(jī)啟動(dòng)、過(guò)負(fù)荷運(yùn)行、變壓器勵(lì)磁涌流、相間短路、斷線故障；一類面向零序電流，記為類別Ⅱ，此類包含3種單相接地故障狀態(tài)，即穩(wěn)定型接地故障、穩(wěn)定電弧型接地故障以及間歇電弧型接地故障?？紤]現(xiàn)有錄波器技術(shù)參數(shù)及類別I與類別Ⅱ中各類狀態(tài)的特點(diǎn)，設(shè)類別I中樣本的采樣頻率為800 Hz，取故障前5個(gè)周期與故障后100個(gè)周期共1 680個(gè)點(diǎn)作為數(shù)據(jù)樣本；類別Ⅱ中檢測(cè)到有零序電流后采樣頻率轉(zhuǎn)為4 000 Hz，取零序電流波形突變后8個(gè)周期共640個(gè)點(diǎn)作為實(shí)際數(shù)據(jù)樣本?，F(xiàn)對(duì)上述被分析信號(hào)的樣本劃分時(shí)間段，仿真中類別I中各小波熵窗參數(shù)ω=128，σ=128；類別Ⅱ中各小波熵窗參數(shù)ω=80，σ=80，即采用逐窗滑動(dòng)。這樣的處理方法相當(dāng)于類別I中所有信號(hào)樣本（每個(gè)樣本為1680個(gè)數(shù)據(jù)點(diǎn)）劃分為13個(gè)時(shí)間段（每個(gè)時(shí)間段128個(gè)點(diǎn)），以此對(duì)應(yīng)由13個(gè)特征元素組成的特征向量；同樣，將類別Ⅱ中所有運(yùn)行狀態(tài)信號(hào)樣本（每個(gè)樣本為640個(gè)數(shù)據(jù)點(diǎn)）劃分為8個(gè)時(shí)間段（每個(gè)時(shí)間段80個(gè)點(diǎn)），以此對(duì)應(yīng)由8個(gè)特征元素組成的特征向量。需注意的是，本文最終選擇的參數(shù)都是為突出每種配電網(wǎng)運(yùn)行狀態(tài)的典型特征，經(jīng)反復(fù)仿真實(shí)驗(yàn)驗(yàn)證的參數(shù)。

3.1 小波包時(shí)間熵與其他特征量提取方法仿真比較

圖7 東莞—萬(wàn)江110 kV石美變電站F27舊杯線Fig.7 F27 Jiubei line of Dongguan-Wanjiang 110 kV Shimei substation

以廣州—東莞—萬(wàn)江電網(wǎng)內(nèi)石美變電站舊杯線這一故障常發(fā)線路為例（如圖7所示），同時(shí)選擇事故常發(fā)季節(jié)，即夏季（6—8月份），負(fù)荷電流平均值為200 A左右，在PSCAD中搭建模型，模擬每種運(yùn)行狀態(tài)，對(duì)每種配電網(wǎng)運(yùn)行狀態(tài)典型波形進(jìn)行小波包時(shí)間熵特征提取仿真分析，并且與常用的標(biāo)量小波系數(shù)特征量提取方法（通過(guò)計(jì)算最后一層小波分解后的各個(gè)小波系數(shù)的能量值來(lái)組成特征量）進(jìn)行比較。當(dāng)采用標(biāo)量小波法進(jìn)行特征提取時(shí)，類別I中小波分解層數(shù)為n=3，類別Ⅱ中的小波分解層數(shù)為n=4。當(dāng)采用小波包時(shí)間熵進(jìn)行特征提取時(shí)，類別I中小波包分解層數(shù)n=1、時(shí)間窗區(qū)間參數(shù)L＝128，類別Ⅱ中小波包分解層數(shù)n=2、時(shí)間窗區(qū)間參數(shù)L＝80，分別得到特征曲線見(jiàn)圖8、圖9。

圖8 配電網(wǎng)運(yùn)行狀態(tài)信號(hào)及其小波特征曲線（類別Ⅰ）Fig.8 Operating state signals and wavelet characteristic curves of distribution network（typeⅠ）

圖9 配電網(wǎng)運(yùn)行狀態(tài)信號(hào)及其小波特征曲線（類別Ⅱ）Fig.9 Operating state signals and wavelet characteristic curves of distribution network（typeⅡ）

圖8表明，對(duì)于類別I，大電機(jī)啟動(dòng)、變壓器的勵(lì)磁涌流以及斷線故障這3種運(yùn)行狀態(tài)的標(biāo)量小波系數(shù)特征曲線分布情況非常相似，容易造成誤識(shí)別；而小波時(shí)間熵的特征曲線之間有明顯的差異，因而可以清楚地進(jìn)行區(qū)分。圖9表明，對(duì)于類別Ⅱ，標(biāo)量小波系數(shù)的特征曲線中穩(wěn)定性單相接地故障和穩(wěn)定電弧型單相接地故障的分布曲線非常相似，幾乎是相同的；穩(wěn)定型接地故障和穩(wěn)定電弧型接地故障的小波包時(shí)間熵的熵值分布以及變化差異相對(duì)而言比較小，但是仍然可以有效地區(qū)分。

因此，通過(guò)與標(biāo)量小波系數(shù)的特征量提取方法相比較，采用小波包時(shí)間熵作為特征量提取方法在區(qū)分配電網(wǎng)各運(yùn)行狀態(tài)方面具有明顯的優(yōu)勢(shì)，通過(guò)其特征曲線可以分別輕松地區(qū)分類別I和類別Ⅱ中的各運(yùn)行狀態(tài)。

3.2 各種工況下的小波包時(shí)間熵的仿真分析

為進(jìn)一步分析小波包時(shí)間熵算法的普適性，針對(duì)不同網(wǎng)架結(jié)構(gòu)、不同線路（架空線或電纜線）、不同地點(diǎn)、不同過(guò)渡電阻、不同相角等不同工況進(jìn)行仿真，結(jié)果見(jiàn)圖10—17（每個(gè)圖中均有10條曲線，即代表10種不同工況）。

由圖10—17中可以看出：所有狀態(tài)的不同工況下，隨時(shí)間窗分布的小波包時(shí)間熵WpTE都會(huì)在一定范圍間波動(dòng)，并且它們的變化趨勢(shì)大體一致（除個(gè)別變化較大的情況之外），具有一定的聚類性。所以，配電網(wǎng)運(yùn)行狀態(tài)的小波包時(shí)間熵特征量在不同工況下的分布差異不大。

從上述仿真結(jié)果可以知道，小波包時(shí)間熵在信號(hào)突變時(shí)刻均會(huì)發(fā)生顯著畸變，具有較好的定位能力；而且，小波包時(shí)間熵同其他暫態(tài)檢測(cè)特征量（如小波變換模極大值）相比，計(jì)算結(jié)果不易受故障時(shí)刻、過(guò)渡電阻、故障位置等因素的影響，具有較好的適應(yīng)性。

圖10 不同工況下大電機(jī)啟動(dòng)時(shí)的WpTE變化規(guī)律Fig.10WpTEof motor startup for different operating conditions

圖11 不同工況下過(guò)負(fù)荷運(yùn)行時(shí)的WpTE變化規(guī)律Fig.11WpTEof overload for different operating conditions

圖12 不同工況下勵(lì)磁涌流時(shí)的WpTE變化規(guī)律Fig.12WpTEof exciting inrush for different operating conditions

圖13 不同工況下相間短路時(shí)的WpTE變化規(guī)律Fig.13WpTEof inter-phase short circuit for different operating conditions

圖14 不同工況下斷線故障時(shí)的WpTE變化規(guī)律Fig.14 WpTEof line break for different operating conditions

圖15 不同工況下穩(wěn)定型單相接地時(shí)的WpTE變化規(guī)律Fig.15 WpTEof stable single-phase grounding for different operating conditions

圖16 不同工況下穩(wěn)定電弧型故障時(shí)的WpTE變化規(guī)律Fig.16 WpTEof stable arc fault for different operating conditions

圖17 不同工況下間歇電弧型故障時(shí)的WpTE變化規(guī)律Fig.17 WpTEof intermittent arc fault for different operating conditions

4 結(jié)論

我國(guó)配電網(wǎng)運(yùn)行情況復(fù)雜多變，為了及時(shí)監(jiān)測(cè)配電網(wǎng)運(yùn)行情況進(jìn)而快速準(zhǔn)確甄別配電網(wǎng)的正常、異常以及故障狀態(tài)并進(jìn)行快速處理，高效、準(zhǔn)確并能適應(yīng)各種運(yùn)行工況的配網(wǎng)運(yùn)行狀態(tài)特征提取方法已成為關(guān)鍵。

本文提出了基于小波包時(shí)間熵的配網(wǎng)運(yùn)行狀態(tài)特征提取方法，給出了其小波基函數(shù)、分解層數(shù)、尺度及時(shí)間窗等相關(guān)參數(shù)的選擇規(guī)范，討論了小波包時(shí)間熵對(duì)系統(tǒng)狀態(tài)表征的機(jī)理；基于PSCAD仿真軟件搭建了典型配網(wǎng)模型，針對(duì)大電機(jī)啟動(dòng)、過(guò)負(fù)荷運(yùn)行、勵(lì)磁涌流、斷線故障、相間短路、單相穩(wěn)定型接地故障、單相穩(wěn)定電弧型接地故障、單相間歇電弧型接地故障等典型運(yùn)行工況進(jìn)行了模擬仿真，仿真結(jié)果表明：小波包時(shí)間熵在區(qū)分配電網(wǎng)各運(yùn)行狀態(tài)方面有著明顯優(yōu)勢(shì)，并且這種小波熵對(duì)配電網(wǎng)運(yùn)行狀態(tài)的表征不受故障時(shí)刻、過(guò)渡電阻、故障位置等因素的影響，具有較好的適應(yīng)性。因此，該基于小波包時(shí)間熵的配網(wǎng)運(yùn)行狀態(tài)特征提取方法可以結(jié)合人工神經(jīng)網(wǎng)絡(luò)、粗糙集、支持向量機(jī)等分類方法，實(shí)現(xiàn)配網(wǎng)運(yùn)行狀態(tài)的智能識(shí)別，在配電網(wǎng)運(yùn)行狀態(tài)檢測(cè)中具有較好的應(yīng)用價(jià)值。