一种基于接地介质自适应参数的高阻接地故障电弧建模方法

1.本发明属于电力系统故障检测与保护领域，具体涉及一种基于接地介质自适应参数的高阻接地故障电弧建模方法。


背景技术：

2.我国10kv中压配电网采用小电流接地方式，发生单相接地故障率极高。当架空线路断裂坠地或垂落，与水泥、沥青、沙地、树枝、草坪等高阻介质发生接触时，通常伴随着空气电弧的产生和固态介质的击穿。弧光高阻接地故障特征微弱，很难及时准确检测出故障发生，长时间带故障运行会造成接地介质的过渡电阻下降，电弧由瞬时性燃弧转变为稳定燃弧，极易造成电缆、开关柜等重要设备的烧毁，引发火灾，对人员的安全产生危害以及经济造成巨大损失。
3.为了评估弧光高阻接地的电弧热功率与致火灾机理之间的关联，需要对高阻接地故障电弧进行精确建模。目前传统的电弧模型建模主要分为以下几种：基于热平衡的cassie和mayr模型以及两者的串并联组合。mayr电弧模型将电弧耗散功率看为一个常数，不符合实际电力系统中变化情况，cassie模型适用于对大电流、小电阻的故障特征进行模拟。因此传统电弧模型无法精确的反映高阻接地故障下电弧的热功率。


技术实现要素：

4.为解决上述技术问题，本发明提出一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其基于不同接地介质下的实测电弧数据，建立不同接地介质下的归一化标准模型。然后通过采集实际故障电路数据，确定故障接地介质的类别。最后，基于matlab-pscad联合仿真计算，将已经确定的介质类型的归一化模型为目标，通过pso参数寻优算法确定pscad中电弧模型的最优参数设定。该方法能够根据接地介质的不同自动修订电弧模型参数，从而更加精确的分析电弧的热功率，从而电气火灾的预防提供技术基础，保障人员的用电安全以及减少设备损坏等经济损失。
5.为达到上述目的，本发明采用如下技术方案：
6.一种基于接地介质自适应参数的高阻接地故障电弧建模方法，包括如下步骤：
7.步骤1、通过故障电弧发生装置采集得到三种不同接地介质下，电弧发生过程中的数据，然后对数据进行归一化处理，得到三种接地介质下的目标模型；所述三种接地介质分别为湿草地、湿水泥、湿土地；
8.步骤2、通过采集电力系统发生弧光接地故障时的数据，对其做归一化处理后，与三种接地介质下的目标模型进行对比，通过两者之间的误差率来确定当前接地故障的介质类型，作为pscad仿真模型参数优化的目标模型；
9.步骤3、利用matlab/pscad数据接口进行数据的传输和参数的更新；在pscad中搭建配电网高阻接地故障模型，并对其电弧模型参数初始化，仿真数据通过matlab/pscad数据接口接入到matlab中的pso算法模块；以已经确定的介质模型作为目标模型，通过粒子群
优化算法对仿真模型里的模型参数进行迭代寻优，循环更新pscad中仿真模型参数，最终确定最优模型参数。
10.进一步地，所述步骤1包括：通过故障电弧发生装置模拟不同接地介质条件下的情况，利用电流互感器采集多组不同接地介质条件下的实测数据，该实测数据以各自最大瞬时值为基准进行归一化处理，得到与接地介质对应的归一化模型，将其作为数据库目标模型，用于实际电力系统故障类型判别的标准。
11.进一步地，所述步骤2包括：通过采集电力系统发生高阻接地故障下的实时故障电流数据，以最大瞬时值为基准经过归一化处理之后，对一个工频周期下的高频采样的电流信号进行数p据处理，通过一定的数据处理，比对两组数据的逼近情况，得到两组数据的均方根误差率δes，用于表征两种数据的逼近情况，作为确定故障接地介质类型的标准，如下式所示：
[0012][0013]
其中，es(u)和ei(u)分别表示一个工频周期下故障发生时第u个采样点的实际电力系统数据和目标模型中的数据，表示es(u)与ei(u)差值的平方，表征实际电力系统数据与目标模型中的数据的逼近情况；m为一个工频周期下不同采样频率下的采样点个数；通过以上处理，均方根误差率被视作确定故障接地介质类型的标准，即获取均方根误差率为最小的归一化模型作为粒子群优化算法的参数优化的实测目标模型。
[0014]
进一步地，所述步骤3包括：基于热平衡理论的mayr模型，qs表示电弧中存储的能量，p
l
为电弧的耗散功率，表示电弧能量在对流、传导和辐射下的耗散功率，其随着激励功率u
·
i变化而变化，u
·
i分别表示电弧的电压和电流；根据mayr公式，以下公式：
[0015][0016][0017]
其中，g为电弧电导，为非线性电阻r
g.f
的倒数；τ和g均为变量，分别表示时间常数和基准电导；τ
′
为中间参数；描述非线性电弧电阻r
g.f
的关系式如下：
[0018][0019]
首先对电弧模型进行参数的初始化设置，仿真得到的实验数据通过pscad/matlab数据接口，以最大瞬时值为基准归一化处理后导入参数寻优模块；粒子群优化算法每迭代一次，pscad中的模型参数都会随之更新，直至获取最小的仿真波形与与目标波形的拟合误差导入最优模型参数。
[0020]
进一步地，所述步骤3包括：将来自pscad的归一化仿真数据与接地故障类型判别模块确定目标模型实测数据进行误差对比，关系式如下：
[0021][0022]
其中，和分别表示实测和仿真故障电流，n表示一个工频周期中的第n个采样点，n
t
表示每个工频周期采样点总数；即是以一个工频周期去反映拟合误差，u表示实测和仿真的故障电流均是归一化处理后的数据；
[0023]
pscad中的故障电流高频采样数据自动导出后由matlab函数实现格式数据的读取和转换，通过计算仿真波形与实测目标波形的拟合误差δ
error
去调整pso的优化方向，通过粒子群优化算法有效解决电弧电流仿真波形向实测波形逼近的单目标优化问题，循环更新pscad中仿真模型参数，经过逐步迭代之后获取最优模型参数；
[0024]
对于粒子群优化算法第k+1代迭代，粒子i的速度向量和位置向量更新为：
[0025][0026]
其中，分别用vi(k)和xi(k)来表示第k代粒子i的速度向量和位置向量，p表示粒子个数，pbi(k)和gbi(k)分别表示第k代粒子i的局部最优位置和种群全局最优位置，pb为p
×
4维矩阵，gb为1
×
4维矩阵；ω是随着迭代线性降低的惯性权重，c1、c2表示加速系数；r1、r2表示0到1之间的随机数；
[0027]
迭代结束，将最优模型参数反馈至pscad仿真模型中。
[0028]
有益效果：
[0029]
本发明根据接地介质的不同自动修订电弧模型参数，从而更加精确的分析电弧的热功率，从而电气火灾的预防提供技术基础，保障人员的用电安全以及减少设备损坏等经济损失。
附图说明
[0030]
图1为本发明的基于接地介质自适应参数的高阻接地故障电弧建模方法流程图；
[0031]
图2为故障电弧发生拓扑结构和数据采集装置示意图；
[0032]
图3为湿草地接地介质条件下故障电流波形图；
[0033]
图4为湿水泥接地介质条件下故障电流波图；
[0034]
图5为湿土地接地介质条件下故障电流波形图；
[0035]
图6a为弧光高阻接地故障示意图；
[0036]
图6b为弧光高阻接地故障仿真模型；
[0037]
图7a为配电网弧光高阻电弧模型示意图；
[0038]
图7b为配电网弧光高阻电弧仿真模型；
[0039]
图8为湿土地接地条件下实测数据和仿真数据波形图。
具体实施方式
[0040]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要
彼此之间未构成冲突就可以相互组合。
[0041]
如图1所示，本发明提出的一种基于接地介质自适应参数的高阻接地故障电弧建模方法通过实验测量模块、接地故障类型判别模块、参数寻优模块以及pscad仿真建模模块实现。
[0042]
所述实验测量模块主要通过故障电弧发生装置采集得到三种不同接地介质下，电弧发生过程中的数据，然后对数据进行归一化处理，得到三种接地介质下的目标模型。所述三种接地介质分别为湿草地、湿水泥、湿土地。
[0043]
所述接地故障类型判别模块通过采集电力系统发生弧光接地故障时的数据，对其做归一化处理后，与三种接地介质下的目标模型进行对比，通过两者之间的误差率来确定当前接地故障的介质类型，作为pscad仿真模型参数优化的目标模型。
[0044]
所述参数寻优模块和pscad仿真模块利用matlab/pscad数据接口进行数据的传输和参数的更新。在pscad中搭建配电网高阻接地故障模型，并对其电弧模型参数初始化。仿真数据通过matlab/pscad数据接口接入到matlab中的pso算法模块。以已经确定的介质模型作为目标模型，通过粒子群优化算法对仿真模型里的模型参数进行迭代寻优，循环更新pscad中仿真模型参数，最终确定最优模型参数。
[0045]
通过上述方法，可以自适应建立当前故障接地介质下的最优仿真模型，从而精确的对故障电弧进行热功率的分析，从而为弧光高阻接地的电弧热功率与致火灾机理之间的关联提供了依据。
[0046]
为使得发明的目的、技术方案和有点更加清楚明白，下面将结合实施例和附图，对本发明进一步详细说明。
[0047]
所述实验测量模块通过故障电弧发生装置模拟不同接地介质条件下的情况，利用电流互感器采集多组不同接地介质(如湿土地、湿草地、湿水泥)条件下的实测数据，该数据以各自最大瞬时值为基准进行归一化处理，得到与接地介质对应的归一化模型，将其作为数据库目标模型，用于实际电力系统故障类型判别的标准。
[0048]
如图2所示，在电缆某处制作一个直径为mm级、连通至线芯的圆孔缺陷，通过细铜丝作为引弧线连接线芯与接地介质连接起来。通过ac交流电源为装置供电，其中rs为电源等效电阻，k为合闸开关，z为调节电抗。数据采集装置通过采用电流互感器测量燃弧过程的回路电流。
[0049]
所述故障电弧发生装置对在湿草地、湿水泥、湿土地三种接地介质条件下仿真得到多组实测数据，其波形如图3-图5所示：
[0050]
所述接地故障类型识别模块通过采集电力系统发生高阻接地故障下的实时故障电流数据，以最大瞬时值为基准经过归一化处理之后，对一个工频周期下的高频采样的电流信号进行数据处理，通过一定的数据处理，比对两组数据的逼近情况，得到两组数据的均方根误差率δes，如下式所示：
[0051][0052]
其中，es(u)和ei(u)分别表示一个工频周期下故障发生时第u个采样点的实际电力系统数据和目标模型中的数据，表示es(u)与ei(u)两组数据差值的平方，表征实际电力
系统数据与目标模型中的数据的逼近情况。m为一个工频周期下不同采样频率下的采样点个数。通过以上处理，均方根误差率被视作确定故障接地介质类型的标准，即获取均方根误差率为最小的归一化模型作为pso(粒子群优化算法)参数优化的实测目标模型。
[0053]
所述pscad仿真模块搭建10kv电压条件下的配电网高阻接地仿真模型拓扑结构电路图和配电网弧光高阻接地电弧模型。在pscad中，初始化参数的修正接收来自参数寻优模块迭代循环更新的过程，在仿真过程中，pscad可以有效输出电弧热功率情况，本发明对研究不同接地介质条件下电弧热功率变化情况能够有效表征，为预防火灾提供技术基础。
[0054]
配电网弧光高阻接地故障示意图和仿真模型如图6a，图6b所示，图6a中，该仿真模型中，#1为降压变压器高压侧，#2为降压变压器低压侧；设置了四条馈线l
1-l4用于仿真实验，其中l
1-l3为架空线路，l4为电缆线路；uf为故障点的电压；高阻故障的非线性电阻rg可分解为非线性电阻r
g.f
与线性电阻r
g.l
。
[0055]
图6b的pscad仿真模型中，首端是一个110kv三相交流电源，降压变压器变比110/10，10kv配电网以中性点不接地或谐振接地方式，三相电压平衡，三相电压分别是降压变压器低压侧连接着10kv母线，母线外接4条馈线，至上而下对应着图6a中，分别为架空线路l
1-l3，长度分别为16、20、24km,电缆线路l4总长度为2km，故障发生在馈线l4电缆线路1km处，通过pscad中的封装模块，在故障点建立了电弧模型，其模型线路参数如表1所示：
[0056]
表1
[0057][0058]
表1中r1、c1、l1为线路正序电阻、电容、电感参数；r0、c0、l0为线路零序电阻、电容、电感参数。
[0059]
应用于本发明的配电网弧光高阻接地电弧模型如图7a、图7b所示，uf为故障点电压，if为发生电弧故障时的电流。本发明将非线性电阻rg分解成由非线性部分r
g.f
和线性部分r
g.l
，非线性电阻r
g.f
反应了高阻故障中的电弧击穿的非线性特征，线性电阻r
g.l
反应的是接地介质的过渡电阻，即限流电阻。多数情况下将故障点高阻特征看作成空气击穿后产生的非线性电弧电阻r
g.f
和线性电阻r
g.l
的串联组合。基于热平衡理论的mayr模型，qs表示电弧中存储的能量，p
l
为电弧的耗散功率，表示电弧能量在对流、传导和辐射下的耗散功率，会随着激励功率u
·
i变化而变化。u
·
i分别表示电弧的电压和电流。根据mayr公式，可得以下公式：
[0060][0061][0062]
其中，g为电弧电导，为非线性电阻r
g.f
的倒数。τ和g均为变量，分别表示电弧模型的时间常数和基准电导。非线性电弧电阻r
g.f
反映了高阻故障的电弧击穿和固体介质击穿
的非线性，τ
′
为中间参数，方便计算。描述非线性电弧电阻r
g.f
的关系式如下：
[0063][0064]
首先对电弧模型进行参数的初始化设置，仿真得到的实验数据通过pscad/matlab数据接口，以最大瞬时值为基准归一化处理后导入参数寻优模块。粒子群优化算法每迭代一次，pscad中的模型参数都会随之更新，自至获取最小的仿真波形与与目标波形的拟合误差δ
error
时导入最优模型参数。
[0065]
(4)参数寻优模块是将来自pscad的归一化仿真数据与接地故障类型判别模块确定目标模型实测数据进行误差对比，得到仿真波形与与目标波形的拟合误差δ
error
，关系式如下：
[0066][0067]
其中，和分别表示实测和仿真故障电流，n表示一个工频周期中的第n个采样点，n
t
表示每个工频周期采样点总数。即是以一个工频周期去反映拟合误差，u表示实测和仿真的故障电流均是归一化处理后的数据。
[0068]
粒子群优化算法是一种启发式群体优化算法，其具有快速迭代和易于实现被广泛实现。pso算法在matlab中得以实现，pscad中的故障电流高频采样数据自动导出后由matlab函数实现格式数据的读取和转换，通过计算仿真波形与实测目标波形的δ
error
去调整pso的优化方向，通过粒子群优化算法有效解决电弧电流仿真波形向实测波形逼近的单目标优化问题，循环更新pscad中仿真模型参数，经过逐步迭代之后获取最优模型参数。
[0069]
对于pso算法第k+1代迭代，粒子i的速度向量和位置向量更新为：
[0070][0071]
其中，可以分别用vi(k)和xi(k)来表示第k代粒子i的速度向量和位置向量，p表示粒子个数，pbi(k)和gbi(k)分别表示第k代粒子i的局部最优位置和种群全局最优位置，pb为p
×
4维矩阵，gb为1
×
4维矩阵；ω是随着迭代线性降低的惯性权重，c1、c2表示加速系数；r1、r2表示0到1之间的随机数；
[0072]
参数寻优模块迭代结束，将最优模型参数反馈至pscad仿真模型中，到此为止，本发明自适应建立了不同接地介质条件下的最优化参数的仿真模型，该模型与实际发生的故障类型相匹配，通过对仿真模型电弧热功率的分析和处理，为预防火灾提供技术基础，保障人员的用电安全以及减少设备损坏等经济损失。
[0073]
经过四个模块的分析和处理，仿真模型能够精确模拟电力系统在不同接地介质条件下的弧光接地情况，以湿土地为例，故障电流数据经过归一化处理所得波形如图8所示。
[0074]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其特征在于，包括如下步骤：步骤1、通过故障电弧发生装置采集得到三种不同接地介质下，电弧发生过程中的数据，然后对数据进行归一化处理，得到三种接地介质下的目标模型；所述三种接地介质分别为湿草地、湿水泥、湿土地；步骤2、通过采集电力系统发生弧光接地故障时的数据，对其做归一化处理后，与三种接地介质下的目标模型进行对比，通过两者之间的误差率来确定当前接地故障的介质类型，作为pscad仿真模型参数优化的目标模型；步骤3、利用matlab/pscad数据接口进行数据的传输和参数的更新；在pscad中搭建配电网高阻接地故障模型，并对其电弧模型参数初始化，仿真数据通过matlab/pscad数据接口接入到matlab中的pso算法模块；以已经确定的介质模型作为目标模型，通过粒子群优化算法对仿真模型里的模型参数进行迭代寻优，循环更新pscad中仿真模型参数，最终确定最优模型参数。2.根据权利要求1所述的一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其特征在于，所述步骤1包括：通过故障电弧发生装置模拟不同接地介质条件下的情况，利用电流互感器采集多组不同接地介质条件下的实测数据，该实测数据以各自最大瞬时值为基准进行归一化处理，得到与接地介质对应的归一化模型，将其作为数据库目标模型，用于实际电力系统故障类型判别的标准。3.根据权利要求2所述的一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其特征在于，所述步骤2包括：通过采集电力系统发生高阻接地故障下的实时故障电流数据，以最大瞬时值为基准经过归一化处理之后，对一个工频周期下的高频采样的电流信号进行数p据处理，通过一定的数据处理，比对两组数据的逼近情况，得到两组数据的均方根误差率δe
s
，用于表征两种数据的逼近情况，作为确定故障接地介质类型的标准，如下式所示：其中，e
s
(u)和e
i
(u)分别表示一个工频周期下故障发生时第u个采样点的实际电力系统数据和目标模型中的数据，表示e
s
(u)与e
i
(u)差值的平方，表征实际电力系统数据与目标模型中的数据的逼近情况；m为一个工频周期下不同采样频率下的采样点个数；通过以上处理，均方根误差率被视作确定故障接地介质类型的标准，即获取均方根误差率为最小的归一化模型作为粒子群优化算法的参数优化的实测目标模型。4.根据权利要求3所述的一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其特征在于，所述步骤3包括：基于热平衡理论的mayr模型，q
s
表示电弧中存储的能量，p
l
为电弧的耗散功率，表示电弧能量在对流、传导和辐射下的耗散功率，其随着激励功率u
·
i变化而变化，u
·
i分别表示电弧的电压和电流；根据mayr公式，以下公式：
其中，g为电弧电导，为非线性电阻r
g.f
的倒数；τ和g均为变量，分别表示时间常数和基准电导；τ
′
为中间参数；描述非线性电弧电阻r
g.f
的关系式如下：首先对电弧模型进行参数的初始化设置，仿真得到的实验数据通过pscad/matlab数据接口，以最大瞬时值为基准归一化处理后导入参数寻优模块；粒子群优化算法每迭代一次，pscad中的模型参数都会随之更新，直至获取最小的仿真波形与与目标波形的拟合误差导入最优模型参数。5.根据权利要求4所述的一种基于接地介质自适应参数的高阻接地故障电弧建模方法，其特征在于，所述步骤3包括：将来自pscad的归一化仿真数据与接地故障类型判别模块确定目标模型实测数据进行误差对比，关系式如下：其中，和分别表示实测和仿真故障电流，n表示一个工频周期中的第n个采样点，n
t
表示每个工频周期采样点总数；即是以一个工频周期去反映拟合误差，u表示实测和仿真的故障电流均是归一化处理后的数据；pscad中的故障电流高频采样数据自动导出后由matlab函数实现格式数据的读取和转换，通过计算仿真波形与实测目标波形的拟合误差δ
error
去调整pso的优化方向，通过粒子群优化算法有效解决电弧电流仿真波形向实测波形逼近的单目标优化问题，循环更新pscad中仿真模型参数，经过逐步迭代之后获取最优模型参数；对于粒子群优化算法第k+1代迭代，粒子i的速度向量和位置向量更新为：其中，分别用v
i
(k)和x
i
(k)来表示第k代粒子i的速度向量和位置向量，p表示粒子个数，pb
i
(k)和gb
i
(k)分别表示第k代粒子i的局部最优位置和种群全局最优位置，pb为p
×
4维矩阵，gb为1
×
4维矩阵；ω是随着迭代线性降低的惯性权重，c1、c2表示加速系数；r1、r2表示0到1之间的随机数；迭代结束，将最优模型参数反馈至pscad仿真模型中。

技术总结
本发明提出一种基于接地介质自适应参数的高阻接地故障电弧建模方法，基于不同接地介质下的实测电弧数据，建立不同接地介质下的归一化标准模型。然后通过采集实际故障电路数据，确定故障接地介质的类别。最后，基于MATLAB-PSCAD联合仿真计算，将已经确定的介质类型的归一化模型为目标，通过PSO参数寻优算法确定PSCAD中电弧模型的最优参数设定。本发明能够根据接地介质的不同自动修订电弧模型参数，从而更加精确的分析电弧的热功率，从而电气火灾的预防提供技术基础，保障人员的用电安全以及减少设备损坏等经济损失。安全以及减少设备损坏等经济损失。安全以及减少设备损坏等经济损失。


技术研发人员：魏庆卫 张佳庆 袁桂林 程宜风 章彬彬 汪超 戚振彪 吴凯 余嘉文 谈俊 李玮 鞠鲁峰 张倩 江祖旺
受保护的技术使用者：国网安徽省电力有限公司电力科学研究院 安徽大学
技术研发日：2023.07.24
技术公布日：2023/10/15