基于多尺度行波功率的T接線路故障識(shí)別方法

楊 杰，吳 浩，2，胡瀟濤，顧小平，陳佳豪

（1.四川輕化工大學(xué)自動(dòng)化與信息工程學(xué)院，自貢 643000；2.人工智能四川省重點(diǎn)實(shí)驗(yàn)室，自貢 643000）

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，以及對(duì)電能需求的日益增加，電網(wǎng)變得越來(lái)越復(fù)雜。從節(jié)約投資以及其他客觀條件限制等方面考慮，T接線路因其接線方式的獨(dú)特性，在高壓和超高壓電網(wǎng)中得到廣泛應(yīng)用。然而，T接線路常常伴隨著大電廠和大系統(tǒng)，線路傳輸功率高，當(dāng)線路發(fā)生故障時(shí)，有可能造成大面積停電事故。因此，為防止事故擴(kuò)大，減小因停電而造成的經(jīng)濟(jì)損失，要求能快速準(zhǔn)確地診斷故障[1-6]和排除故障。

目前，國(guó)內(nèi)外學(xué)者對(duì)T接線路故障識(shí)別的研究主要是基于工頻或暫態(tài)故障信息建立判據(jù)，識(shí)別區(qū)內(nèi)外故障。文獻(xiàn)[7]利用T接線路三端電壓故障分量相量和與電流故障分量相量和的比值大小，識(shí)別區(qū)內(nèi)外故障。文獻(xiàn)[8]利用T接線路三端電流故障分量之和以及三端電流故障分量中的最大電流與另外兩端電流之和的矢量差建立判據(jù)，識(shí)別區(qū)內(nèi)外故障，但判據(jù)中制動(dòng)系數(shù)的選取會(huì)對(duì)故障識(shí)別的靈敏性和可靠性造成影響。文獻(xiàn)[9]針對(duì)文獻(xiàn)[8]中存在的問(wèn)題，利用T接線路三端故障電流分量中最大電流結(jié)合另外兩端電流矢量之和及其余弦?jiàn)A角建立判據(jù)，識(shí)別區(qū)內(nèi)外故障。文獻(xiàn)[10]根據(jù)文獻(xiàn)[8-9]中的判據(jù)建立綜合判據(jù)，實(shí)現(xiàn)光伏T接高壓配電網(wǎng)絡(luò)區(qū)內(nèi)外故障的識(shí)別，但未對(duì)算法性能進(jìn)行分析。文獻(xiàn)[11]通過(guò)比較T節(jié)點(diǎn)正序電壓疊加分量的最大幅值與三端正序電壓疊加分量的最大幅值關(guān)系，識(shí)別區(qū)內(nèi)外故障。文獻(xiàn)[12]利用T接線路三側(cè)電壓幅值差和測(cè)量阻抗特征建立的綜合電壓幅值差作為主判據(jù)，結(jié)合自適應(yīng)距離輔助判據(jù)識(shí)別區(qū)內(nèi)外故障。文獻(xiàn)[13]利用T接線路三端暫態(tài)電流的余弦相似度建立判據(jù)，識(shí)別區(qū)內(nèi)外故障。在傳統(tǒng)T接線路故障識(shí)別研究中，T接線路故障識(shí)別算法僅能識(shí)別區(qū)內(nèi)外故障，不能識(shí)別具體的故障支路，而且部分算法故障識(shí)別準(zhǔn)確度易受其他變量影響。在算法性能分析方面，傳統(tǒng)算法大都未對(duì)故障識(shí)別性能進(jìn)行進(jìn)一步研究。

近年來(lái)，學(xué)者們廣泛研究怎樣把神經(jīng)網(wǎng)絡(luò)應(yīng)用于電力系統(tǒng)故障診斷中，但神經(jīng)網(wǎng)絡(luò)用于T接線路故障診斷方面的研究還比較少。為克服傳統(tǒng)T接線路故障識(shí)別算法的不足，本文借鑒文獻(xiàn)[14-16]的研究思路，利用多尺度平均行波有功功率表征T接線路故障特征，結(jié)合神經(jīng)網(wǎng)絡(luò)強(qiáng)大的模式識(shí)別能力，提出了一種基于多尺度行波有功功率和概率神經(jīng)網(wǎng)絡(luò)的T接輸電線路故障識(shí)別新算法。該算法利用S變換后T接線路區(qū)內(nèi)三端行波保護(hù)單元的初始電壓和電流行波，計(jì)算多個(gè)S變換頻率下的行波平均有功功率，并將其組成T接線路故障特征向量樣本集，結(jié)合概率神經(jīng)網(wǎng)絡(luò)PNN（probabilistic neural network）故障智能識(shí)別模型進(jìn)行訓(xùn)練與測(cè)試，識(shí)別T接線路故障所在支路。仿真結(jié)果表明，所提算法在各種工況下均能快速準(zhǔn)確地識(shí)別T接輸電線路區(qū)內(nèi)外故障所在支路。

1 故障初始行波功率分析

1.1 故障行波的基本理論

圖1為500 kV的T接線路，由區(qū)內(nèi)支路AO、BO、CO和區(qū)外支路AD、BE、CF組成，行波保護(hù)單元TR1～TR3分別安裝在區(qū)內(nèi)支路靠近A、B、C 3端母線處。當(dāng)故障發(fā)生在區(qū)內(nèi)AO支路F1處時(shí)，行波沿線路從故障點(diǎn)向兩側(cè)傳播，在線路波阻抗不連續(xù)處發(fā)生折反射[17]。

圖1 500 kV的T接線路Fig.1 500 kV T-connection transmission line

根據(jù)行波傳播理論，設(shè)t0m分別為初始行波首次到達(dá)A、B、C 3端的時(shí)刻，t1m為行波在線路波阻抗不連續(xù)處發(fā)生折反射后第2次到達(dá)A、B、C 3端的時(shí)刻，m=1,2,3；在t0m～t1m時(shí)段內(nèi)，區(qū)內(nèi)支路近A、B、C 3端處的行波保護(hù)單元TRm獲取的故障行波分別稱為初始電壓行波Δum和初始電流行波Δim。

1.2 故障初始行波功率分布

1.2.1 區(qū)內(nèi)故障時(shí)初始行波功率分布

設(shè)電流方向流出母線為正，流進(jìn)母線為負(fù)，功率可根據(jù)各母線關(guān)聯(lián)線路電流方向定義正或負(fù)。

圖2 T接線路區(qū)內(nèi)支路OA故障時(shí)彼得遜等效電路Fig.2 Peterson equivalent circuit under fault in internal branch OA of T-connection transmission line

式中：PA為線路初始行波有功功率；QA為線路初始行波無(wú)功功率。

當(dāng)T接線路區(qū)內(nèi)故障時(shí)，PA可表示為

1.2.2 區(qū)外故障時(shí)初始行波功率分布

當(dāng)故障發(fā)生在T接線路區(qū)外AD支路F2處時(shí)，T接線路的彼得遜等值電路如圖3所示。

圖3 T接線路區(qū)外支路AD故障時(shí)彼得遜等效電路Fig.3 Peterson equivalent circuit under fault in external branch AD of T-connection transmission line

由等效電路可得，行波保護(hù)單元TR1的復(fù)功率為

當(dāng)T接線路區(qū)外故障時(shí)，PA可表示為

2 基于S變換計(jì)算初始行波有功功率

在三相輸電系統(tǒng)中，各相電壓和相電流之間的耦合會(huì)對(duì)電壓電流造成影響，因此需要對(duì)相電壓和相電流進(jìn)行解耦處理，本文采用Clarke變換，對(duì)相電壓和相電流進(jìn)行解耦處理，再利用組合模量法來(lái)反映T接線路的各種故障類型[16]。解耦處理后的模量電壓Δuz和模量電流Δiz可分別表示為

式中：Δuα、Δuβ分別為模電壓的α、β分量；Δiα、Δiβ分別為模電流的α、β分量。

本文采用文獻(xiàn)[19]所用方法，將對(duì)解耦后的故障電流、電壓行波模量進(jìn)行離散S變換，選取故障后多個(gè)頻率下的電流、電壓初始行波波頭附近的采樣點(diǎn)信息計(jì)算初始行波有功功率。

對(duì)信號(hào)進(jìn)行S變換后得到1個(gè)反映該信號(hào)時(shí)頻特性的復(fù)矩陣，矩陣的行對(duì)應(yīng)行波在離散S變換后的頻率信息，矩陣的列對(duì)應(yīng)行波時(shí)域下各采樣時(shí)間點(diǎn)的幅值信息和相位信息[19-21]。

2.1 S變換初始行波有功功率

以第m個(gè)行波保護(hù)單元TRm的某一特定頻率fn對(duì)應(yīng)的有功功率計(jì)算為例，具體步驟如下。

步驟1對(duì)行波保護(hù)單元TRm測(cè)得的初始電壓、電流行波分別進(jìn)行S變換，得到初始電壓、電流行波的復(fù)時(shí)頻矩陣，分別記作SVm、SIm矩陣。

步驟3求取頻率fn下各采樣點(diǎn)對(duì)應(yīng)的復(fù)功率ΔSmn(l)為

步驟4計(jì)算各行波保護(hù)單元TRm在頻率fn下20個(gè)采樣點(diǎn)的平均有功功率Pmn為

2.2 T接線路區(qū)內(nèi)外故障初始行波有功功率分析

2.2.1 區(qū)內(nèi)故障初始行波有功功率分析

設(shè)置T接線路區(qū)內(nèi)BO支路距O點(diǎn)155 km處發(fā)生AC相接地故障，故障初始角為60°，過(guò)渡電阻為300 Ω。以S變換后頻率為20 kHz對(duì)應(yīng)的信號(hào)為例，各行波保護(hù)單元TRm相關(guān)波形分別如圖4～6所示，其中Δim、Δum分別為行波保護(hù)單元TRm的初始電流、電壓行波，Pm為行波保護(hù)單元TRm的初始行波有功功率。

圖4 區(qū)內(nèi)BO支路故障時(shí)行波保護(hù)單元TR1相關(guān)波形Fig.4 Corresponding waveforms of traveling wave protection unitTR1under fault in internal branch BO

圖5 區(qū)內(nèi)BO支路故障時(shí)行波保護(hù)單元TR2相關(guān)波形Fig.5 Corresponding waveforms of traveling wave protection unitTR2under fault in internal branch BO

圖6 區(qū)內(nèi)BO支路故障時(shí)行波保護(hù)單元TR3相關(guān)波形Fig.6 Corresponding waveforms of traveling wave protection unitTR3under fault in internal branch BO

由圖4～6可知，當(dāng)T接線路區(qū)內(nèi)支路BO發(fā)生故障時(shí)，根據(jù)各行波保護(hù)單元初始電壓、電流行波波頭附近數(shù)據(jù)所求的有功功率均為負(fù)值。

2.2.2 區(qū)外故障初始行波有功功率分析

設(shè)置T接線路區(qū)外支路BE距O點(diǎn)270 km處發(fā)生AB相接地故障，故障初始角為45°，過(guò)渡電阻為200 Ω。以S變換后頻率為20 kHz對(duì)應(yīng)的信號(hào)為例，各行波保護(hù)單元TRm的相關(guān)波形分別如圖7～9所示。

圖7 區(qū)外BE支路故障時(shí)行波保護(hù)單元TR1相關(guān)波形Fig.7 Corresponding waveforms of traveling wave protection unitTR1under fault in external branch BE

圖8 區(qū)外BE支路故障時(shí)行波保護(hù)單元TR2相關(guān)波形Fig.8 Corresponding waveforms of traveling wave protection unitTR2under fault in external branch BE

圖9 區(qū)外BE支路故障時(shí)行波保護(hù)單元TR3相關(guān)波形Fig.9 Corresponding waveforms of traveling wave protection unitTR3under faut in external branch BE

由圖7～9可知，當(dāng)T接線路區(qū)外支路BE發(fā)生故障時(shí)，根據(jù)行波保護(hù)單元TR2初始電壓、電流行波波頭附近數(shù)據(jù)所求的有功功率均為正值；根據(jù)行波保護(hù)單元TR1、TR3初始電壓、電流行波波頭附近數(shù)據(jù)所求的有功功率均為負(fù)值。

3 PNN理論

PNN是一種結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練時(shí)間短且不易產(chǎn)生局部最優(yōu)的前饋型神經(jīng)網(wǎng)絡(luò)，其理論依據(jù)是貝葉斯最小風(fēng)險(xiǎn)準(zhǔn)則即貝葉斯決策理論。該網(wǎng)絡(luò)由輸入層、模式層、求和層和輸出層組成，其基本網(wǎng)絡(luò)結(jié)構(gòu)[22]如圖10所示。

圖10 PNN網(wǎng)絡(luò)結(jié)構(gòu)Fig.10 Structure of PNN

4 故障識(shí)別算法

圖11 故障支路識(shí)別算法流程Fig.11 Flow chart of fault branch identification algorithm

5 仿真與實(shí)驗(yàn)

利用PSCAD/EMTDC電磁暫態(tài)仿真軟件建立圖1所示500 kV的T接線路仿真模型，線路模型采用能精確反映暫態(tài)和諧波響應(yīng)的頻率相關(guān)的分布參數(shù)模型，線路型式選用3H5桿塔，輸電線配置如圖12所示，其中，C為導(dǎo)線，G為地線，輸電線路參數(shù)如表1和表2所示。母線雜散電容設(shè)定為Cm=0.01 μF ，仿真采樣頻率為200 kHz，各支路長(zhǎng)度分別為 AO=300 km，BO=200 km，CO=150 km，AD=170 km，BE=150 km，CF=180 km。

表1 輸電線路參數(shù)ITab.1 Transmission line parameters I

表2 輸電線路參數(shù)IITab.2 Transmission line parameters II

圖12 輸電線配置Fig.12 Configuration of transmission line

5.1 樣本數(shù)據(jù)

PNN的訓(xùn)練樣本由T接線路各支路隨機(jī)故障樣本和區(qū)內(nèi)近O點(diǎn)故障樣本2部分組成。

（1）各支路隨機(jī)故障樣本由T接線路區(qū)內(nèi)外6條支路在不同故障初始角、不同過(guò)渡電阻、不同故障類型及不同故障距離中4大類各選取5種不同故障情況，仿真得到120組故障特征向量。

（2）區(qū)內(nèi)近O點(diǎn)故障樣本是在區(qū)內(nèi)支路AO、BO、CO上分別選取距O點(diǎn)10 km、9 km、8 km、7 km、6 km、5 km、4 km、3 km、2 km、1 km的故障距離，以不同故障條件仿真得到30組故障特征向量。

各支路隨機(jī)故障樣本和區(qū)內(nèi)近O點(diǎn)故障樣本共同組成故障特征訓(xùn)練樣本集。

5.2 樣本實(shí)驗(yàn)結(jié)果與分析

把故障特征訓(xùn)練樣本輸入PNN中進(jìn)行訓(xùn)練，得到1個(gè)訓(xùn)練好的T接線路智能故障識(shí)別模型。

將故障訓(xùn)練樣本輸入訓(xùn)練好的PNN模型中測(cè)試，得到預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比如圖13所示。由圖13可知，訓(xùn)練樣本在識(shí)別模型中的測(cè)試結(jié)果正確率均為100%。

圖13 訓(xùn)練集預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比Fig.13 Comparison of prediction results based on training set with true values

5.3 測(cè)試樣本測(cè)試分析

5.3.1 不同故障類型測(cè)試

將區(qū)內(nèi)外不同故障類型的故障測(cè)試樣本輸入PNN故障識(shí)別模型中測(cè)試，預(yù)測(cè)結(jié)果如表3所示，與表3所對(duì)應(yīng)故障情況的預(yù)測(cè)結(jié)果對(duì)比如圖14所示。由圖14與表3可知，當(dāng)T接線路各支路發(fā)生不同類型故障時(shí)，算法均能準(zhǔn)確識(shí)別區(qū)內(nèi)外故障的具體支路，因此所提故障識(shí)別算法不受故障類型的影響。

表3 不同故障類型測(cè)試集仿真結(jié)果Tab.3 Simulation results of test sets of different fault types

圖14 不同故障類型測(cè)試集預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比Fig.14 Comparison of prediction results based on test sets of different fault types with true values

5.3.2 不同過(guò)渡電阻測(cè)試分析

將區(qū)內(nèi)外不同過(guò)渡電阻的故障測(cè)試樣本輸入PNN故障識(shí)別模型中測(cè)試，預(yù)測(cè)結(jié)果如表4所示。由4表可知，不同過(guò)渡電阻故障測(cè)試樣本在識(shí)別模型中測(cè)試均能準(zhǔn)確識(shí)別出故障支路，因此所提故障識(shí)別算法不受過(guò)渡電阻的影響。

表4 不同過(guò)渡電阻故障測(cè)試集仿真結(jié)果Tab.4 Simulation results of fault test sets with different transition resistances

5.3.3 不同故障距離測(cè)試分析

將區(qū)內(nèi)外不同故障距離的故障測(cè)試樣本輸入PNN故障識(shí)別模型中測(cè)試，預(yù)測(cè)結(jié)果如表5所示。

表5 不同故障距離測(cè)試集仿真結(jié)果Tab.5 Simulation results of test sets with different fault distances

由表5可知，不同故障距離與故障測(cè)試樣本在識(shí)別模型中測(cè)試均能準(zhǔn)確識(shí)別出故障支路，因此所提故障識(shí)別算法不受故障距離的影響。

5.3.4 不同故障初始角測(cè)試分析

將區(qū)內(nèi)外不同故障初始角的故障測(cè)試樣本輸入PNN故障識(shí)別模型中進(jìn)行測(cè)試，預(yù)測(cè)結(jié)果如表6所示。由表6可知，不同初始角故障測(cè)試樣本在故障識(shí)別模型中測(cè)試均能準(zhǔn)確識(shí)別出故障支路，因此所提故障識(shí)別算法不受故障初始角的影響。

表6 不同故障初始角測(cè)試集仿真結(jié)果Tab.6 Simulation results of test sets with different fault initial angles

5.4 故障識(shí)別算法性能分析

5.4.1 近O點(diǎn)故障測(cè)試樣本分析

將O點(diǎn)附近故障時(shí)的故障測(cè)試樣本輸入PNN故障識(shí)別模型中測(cè)試，得到對(duì)應(yīng)故障情況的仿真結(jié)果如表7所示。由表7可知，該保護(hù)算法能很好地識(shí)別T接線路近O點(diǎn)發(fā)生故障的支路。

表7 T接線路近O故障測(cè)試集仿真結(jié)果Tab.7 Simulation results of test sets under fault at the near-O point in T-connection transmission line

5.4.2 數(shù)據(jù)隨機(jī)丟失影響分析

保護(hù)裝置在實(shí)際運(yùn)行中可能出現(xiàn)數(shù)據(jù)丟失的情況，為驗(yàn)證該情況下的算法性能，以保護(hù)單元TR2測(cè)量到的初始電流行波數(shù)據(jù)隨機(jī)丟失為例，分別選取區(qū)內(nèi)支路BO和區(qū)外支路AD進(jìn)行仿真分析。

以數(shù)據(jù)窗中隨機(jī)丟失10個(gè)采樣點(diǎn)數(shù)據(jù)為例，圖15為區(qū)內(nèi)支路BO在距離O點(diǎn)120 km處發(fā)生ABG故障時(shí)初始電流行波波頭附近數(shù)據(jù)隨機(jī)丟失后有功功率分布的相關(guān)波形。圖16為區(qū)外支路AD在距離O點(diǎn)395 km處發(fā)生BG故障時(shí)初始電流行波波頭附近數(shù)據(jù)隨機(jī)丟失后有功功率分布的相關(guān)波形。

圖15 BO支路故障時(shí)TR2各采樣點(diǎn)有功功率分布Fig.15 Distribution of active power at each sampling point ofTR2under fault in branch BO

圖16 AD支路故障時(shí)TR2各采樣點(diǎn)有功功率分布Fig.16 Distribution of active power at each sampling point ofTR2under fault in branch AD

將故障特征測(cè)試樣本輸入PNN模型中測(cè)試，得到預(yù)測(cè)結(jié)果如表8所示。

表8 區(qū)內(nèi)支路BO和區(qū)外支路CF數(shù)據(jù)隨機(jī)丟失下的測(cè)試集仿真結(jié)果Tab.8 Simulation and verification results of test set when data is randomly lost in internal branch BO and external branch CF

由表8可知，當(dāng)T接線路區(qū)內(nèi)外支路發(fā)生故障并發(fā)生行波波頭附近采樣點(diǎn)數(shù)據(jù)隨機(jī)丟失時(shí)，該算法也能準(zhǔn)確識(shí)別故障所在支路。

5.4.3 抗CT飽和能力分析

為驗(yàn)證本文所提保護(hù)算法的抗CT飽和性能，對(duì)T接線路各支路發(fā)生故障時(shí)CT飽和分別進(jìn)行仿真分析，CT飽和仿真模型采用具有較好時(shí)頻特性的非線性時(shí)域等效電路模型[23]。

以T接線路區(qū)內(nèi)支路AO出現(xiàn)CT飽和為例，在T接線路區(qū)內(nèi)支路AO出現(xiàn)CT飽和的條件下，在T接線路各支路仿真一組故障，得到6組T接線路故障特征向量，將故障特征測(cè)試樣本輸入PNN識(shí)別模型中測(cè)試，得到測(cè)試集預(yù)測(cè)結(jié)果如表9所示。

表9 T接線路區(qū)內(nèi)支路AO出現(xiàn)CT飽和時(shí)測(cè)試集仿真結(jié)果Tab.9 Simulation results of test set when CT saturation occurs in internal branch AO of T-connection transmission line

由表9結(jié)果分析可知，當(dāng)T接線路區(qū)內(nèi)支路AO出現(xiàn)CT飽和時(shí)，該算法能100%識(shí)別故障支路，受CT飽和影響較小。

5.4.4 噪聲影響分析

為驗(yàn)證信號(hào)在噪聲影響下算法的可靠性，對(duì)T接線路各行波保護(hù)單元TRm測(cè)量得到的電壓、電流信號(hào)中加入噪聲，信噪比SNR（signal-noise ratio）為30～70 dB。

以行波保護(hù)單元測(cè)量到的電流行波在SNR為30 dB和S變換后頻率為20 kHz為例。圖17為T接線路區(qū)內(nèi)支路CO故障行波保護(hù)單元測(cè)量的電流相關(guān)行波波形。

圖17 T接線路區(qū)內(nèi)支路CO故障行波保護(hù)單元TR1測(cè)量的電流相關(guān)波形Fig.17 Measured current-dependent waveforms of traveling wave protection unitTR1under fault in internal branch CO of T-connection transmission line

在區(qū)內(nèi)AO支路和區(qū)外CF支路分別選取一種不同于訓(xùn)練樣本的故障情況，在電壓、電流信號(hào)中加入噪聲，SNR分別為30 dB、40 dB、50 dB、60 dB、70 dB，仿真得到10組T接線路故障特征向量，將故障特征測(cè)試樣本輸入PNN識(shí)別模型中測(cè)試，得到預(yù)測(cè)結(jié)果如表10所示。

由表10可知，當(dāng)區(qū)內(nèi)支路AO和區(qū)外支路CF在不同信噪比故障下時(shí)，該算法能100%識(shí)別故障支路，受噪聲影響很小。

表10 T接線路區(qū)內(nèi)支路AO和區(qū)外支路CF在不同SNR故障下的測(cè)試集仿真結(jié)果Tab.10 Simulation results of test set for internal branch AO and external branch CF in T-connection transmission line under different SNR faults

6 與傳統(tǒng)算法的對(duì)比分析

6.1 算法動(dòng)作速度分析

目前傳統(tǒng)T接線路區(qū)內(nèi)外故障識(shí)別算法廣泛使用全周或半周傅氏算法進(jìn)行計(jì)算，全周（半周）傅氏算法數(shù)據(jù)窗長(zhǎng)為20 ms（10 ms），而本文算法所需數(shù)據(jù)窗長(zhǎng)為0.1 ms，相較于傳統(tǒng)算法，大大縮短了數(shù)據(jù)窗長(zhǎng)，因此所提算法動(dòng)作速度將遠(yuǎn)高于傳統(tǒng)工頻量T接線路區(qū)內(nèi)外故障識(shí)別算法。

6.2 算法性能分析

目前，傳統(tǒng)T接線路判據(jù)類故障識(shí)別算法大都未對(duì)算法在噪聲影響、CT飽和及數(shù)據(jù)丟失情況下的性能進(jìn)行分析，故無(wú)法驗(yàn)證算法在極端情況下能否準(zhǔn)確判別故障。本文針對(duì)以上情況均對(duì)算法性能進(jìn)行了仿真分析，仿真結(jié)果顯示，本文所提算法在噪聲影響、CT飽和及數(shù)據(jù)丟失情況下均能較好地識(shí)別故障。

6.3 識(shí)別精度分析

傳統(tǒng)T接線路故障識(shí)別算法雖能識(shí)別T接線路的區(qū)內(nèi)外故障，但是不能識(shí)別到區(qū)內(nèi)外具體的故障支路，且部分算法識(shí)別效果易受其他變量影響。與傳統(tǒng)T接線路故障識(shí)別算法[2-13]相比，本文所提算法不僅能準(zhǔn)確識(shí)別區(qū)內(nèi)外故障，而且能對(duì)具體的故障支路進(jìn)行識(shí)別。

7 不同神經(jīng)網(wǎng)絡(luò)分類結(jié)果對(duì)比分析

為分析樣本數(shù)據(jù)在不同神經(jīng)網(wǎng)絡(luò)中故障識(shí)別的精確度，分別將樣本數(shù)據(jù)輸入反向傳播BP（back propagation）神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)ELM（extreme learning machine）及PNN中進(jìn)行測(cè)試，得到測(cè)試結(jié)果如表11所示。

表11 不同神經(jīng)網(wǎng)絡(luò)分類結(jié)果準(zhǔn)確度Tab.11 Accuracy of classification results of different neural networks

由表11結(jié)果分析可知，不同故障類型、不同過(guò)渡電阻、不同故障距離、不同故障初始角及近O點(diǎn)故障的測(cè)試樣本在3種網(wǎng)絡(luò)中均能準(zhǔn)確識(shí)別故障；而在3類性能分析的測(cè)試樣本中，僅PNN能準(zhǔn)確識(shí)別故障。

8 不同電壓等級(jí)及線路參數(shù)下算法可靠性分析

利用PSCAD/EMTDC電磁暫態(tài)仿真軟件建立圖1所示220 kV的T接線路仿真模型，T接線路各支路長(zhǎng)度分別為AO=130 km，BO=100 km，CO=80 km，AD=50 km，BE=70 km，CF=60 km，其中輸電線路參數(shù)如表12所示。

表12 仿真模型輸電線路參數(shù)ITab.12 Transmission line parameters I of simulation model

訓(xùn)練樣本由120組隨機(jī)故障特征向量（由T接線路6條支路對(duì)4類故障情況隨機(jī)各仿真5組故障）和30組近O點(diǎn)故障特征向量（區(qū)內(nèi)3條支路各仿真10組近O點(diǎn)故障）組成。測(cè)試樣本數(shù)據(jù)是在T接線路各支路下隨機(jī)仿真4組故障，得到24組T接線路故障特征向量，將故障特征測(cè)試樣本輸入PNN識(shí)別模型中測(cè)試，得到預(yù)測(cè)結(jié)果如表13所示。由表13可知，本文所提算法在該電壓等級(jí)及線路參數(shù)條件下均能可靠識(shí)別故障所在支路。

表13 隨機(jī)故障測(cè)試仿真結(jié)果Tab.13 Simulation results of random failure test

9 結(jié)論

本文提出了一種基于多尺度初始行波有功功率和PNN的T接線路故障識(shí)別新方法，分析了T接線路區(qū)內(nèi)故障和區(qū)外故障初始行波有功功率的特點(diǎn)，通過(guò)大量的仿真實(shí)驗(yàn)，驗(yàn)證了該故障識(shí)別方法的可行性，理論和仿真結(jié)果表明：

（1）該算法通過(guò)建立的T接線路智能故障識(shí)別模型，能識(shí)別T接線路區(qū)內(nèi)外故障支路，在各種工況下的仿真分析中，均能快速準(zhǔn)確地識(shí)別故障所在支路，基本克服了過(guò)渡電阻、故障初始角等因素的影響；

（2）該算法在數(shù)據(jù)丟失、CT飽和及噪聲等因素影響下，也能較好地識(shí)別故障支路；

（3）該算法與傳統(tǒng)判據(jù)類T接線路區(qū)內(nèi)外故障識(shí)別算法相比，構(gòu)建了新的特征量表征T接線路故障特征，并引入了人工智能的方法識(shí)別T接線路區(qū)內(nèi)外故障，在識(shí)別精度上不僅能識(shí)別區(qū)內(nèi)外故障，還能識(shí)別具體的故障支路。