配电网复杂早期接地故障辨识技术

汇报人：梁永亮1汇报时间：2025.12 01 研究背景 02电缆早期接地故障辨识 目录 CONTENTS 03架空线早期接地故障辨识 04总结 学无止境气有浩然 1 研究背景 配电网高质量发展保障电力安全可靠供应作为首要任务接地故障约占配电网故障总数80%以上接地故障引起火灾、触电、山火等严重事故 高压线坠地？浏阳一对老夫妻不幸触电身亡！2018-06-24 19:12:10 穿段)ET业后 政府信息公开 福安：高压线断裂落地七旬翁不幸触电身亡 1 研究背景 对于永久性接地故障而言，目前的检测手段较为成熟，且相当比例的永久性故障是因为线路的绝缘劣化导致的一一存在着一段瞬时性故障频发的阶段，称为早期接地故障 早期接地故障的准确检测与辨识，有利于提升供电的安全可靠，实现故障的自动防御。 学无止境气有浩然 第二部分 电缆早期接地故障辨识 2电缆早期接地故障瓣识 在电缆发生永久性故障之前的绝缘劣化过程中，同一位置会发生多次自恢复短时微能量接地故障，在此称之为电缆早期故障，该故障信号微弱、持续时间短、能量低，系统保护装置无法准确识别触发保护动作。 传统电缆早期故障模型及其缺陷 电缆早期接地故障 定义：在发生永久性故障前，电缆同一位置所发生的具有瞬时性、可自恢复的接地故障 缺陷： 黑盒模型最初用于气体断路器，与潜伏性故障差异大其热损失主要来自电极传导和对流。该模型依赖数学迭代，初值对暂态波形影响显著。模型用于拟合非线性因素，函数关系缺乏物理解释，导致关键参数物理意义模糊，难以确定。 2电缆早期接地故障瓣识 电缆早期故障的演变过程也是其绝缘层逐渐碳化加深的过程，通过对电缆潜伏性故障碳化过程进行分析，将故障电阻用长期碳化过程与短时击穿非线性过程结合描述，建立了电缆早期故障机理模型。 电缆早期故障碳化过程 基于固体介质击穿的双时间尺度建模 长期碳化过程与短时击穿非线性过程结合建模 电缆及其附件缺陷引起电场畸变诱发局部放电和树枝状放电 碳化通道电阻以潜伏性故障发生次数为时间尺度，碳化电阻逐渐减小 缺陷位置逐渐碳化，形成离散分布的碳化点，绝缘能力降低进而发展为早期故障。 随着放电持续，碳化物质沿放电通道表面堆积，最终贯通线芯与接地极，形成碳化通道，引发永久性故障。 固体绝缘介质击穿电阻 2电缆早期接地故障辨识 通过10kV真型试验获取了电缆早期故障波形数据，并结合仿真对故障模型进行了验证，通过故障波形拟合证明所提故障模型能有效模拟电缆早期接地故障。 真型试验验证 仿真分析及波形拟合 在真型试验中通过不完全打孔方式模拟电缆缺陷，经限流电阻对电缆样本施加10kV工频运行电压，获得电缆早期故障波型数据。 2电缆早期接地故障辨识 基于批量仿真获得多种辨识样本，通过时频域分析对一般性波形特征进行提取，并基于线性判别分析提出改进SAE算法，实现一般性故障特征数据重构、特征精简，结合故障机理性特征构建早期故障特征数据库 2电缆早期接地故障辨识 改进SAE算法基于线性判别分析将其减小类内散度、增大类间散度的判别性思想通过损失函数的形式引入到疏自编码器中，提出了一种联合优化目标函数，使降维过程能同时兼顾数据重构、特征精简与类别判别。 AE是一种无监督算法，理想训练效果与PCA一致，基于方差分布评估特征，无法有效识别并剔除不具有判别性的高方差特征。在SAE中引入类别标签进行改进。 SAE损失函数 2电缆早期接地故障瓣识 中压电缆潜伏性故障辩识领域经验知识 极限学习机模型 提炼以下两条经验知识： （1）若故障或暂态扰动持续时间达到五个周波及以上，则一定不是电缆潜伏性故障； 2）若故障前后电流不平衡度变化相对量系统对地电容电流：29A>采样设备：变电站选线装置：采样频率12.8kHz，记录母线三相电压、零序电压、馈线零序电流接地电流记录装置：采样频率5kHz，记录故障点接地电流 故障情景：避雷器击穿、绝缘子闪络、导线对横担放电、线路坠地 3架空线早期接地故障辨识 通过多维时频域分析，基于零序电流提出故障自恢复性、零休时间、畸变度、随机度、过渡时间5项对架空线早期故障具有强指向性的故障特征，揭示了复杂故障原因下接地故障的多维时频特征。 早期故障特征提取 》自恢复能力：判断故障是否能自行恢复 》零休时间：反映电弧间隙的阻抗特性 波形畸变度：体现过渡阻抗的非线性强弱 （h））THD () =,×100% >过渡时间：故障发生至进入稳态的时间 随机度：稳态阶段波形畸变的波动程度Rand= 3架空线早期接地故障辨识 模糊推理系统以五个特征为输入，通过模糊化、规则库推理、解模糊化输出故障类型。该系统能处理特征不确定性，识别准确率94.2%，优于传统BP神经网络，适用于小样本下的故障诊断。 33架空线早期接地故障辨识 构建架空线路接地故障的多标签分类体系，从时域连续性、时域稳定性、过渡阻抗伏安特性、过渡阻抗大小和故障点介质五个维度，建立基于KNN-Bayesian的接地故障辨识模型 多标签分类流程 KNN-Bayesian方法 计算k个最近邻样本中的标签的数量Ct()，并将其与kmin()进行比较。分类结果h(D)是输出。Kmm ()=min p(H|E)≥ p(H|E)[1, C (0)≥ kmm (0)h(0)=[-1,C, ()配电网早期接地故障（弱故障、潜伏性故障）的检测与辨识，受到了广泛关注; >故障机理模型、特征分析与提取; >物理-数据等多维驱动的检测与辨识方法; >在风险预警和差异化运维方面，开展进一步研究 为天下储人才为国家强 汇报完毕！谢谢！ Thank You For Your Listening