1、 国外电子测量技术北大中文核心期刊D O I:1 0.1 9 6 5 2/j.c n k i.f e m t.2 2 0 4 2 3 6基于改进S S A-VMD和多尺度模糊熵的接地故障选线方法*陈博帆 孙岩洲 王 彬(河南理工大学电气工程与自动化系 焦作 4 5 4 0 0 3)摘 要:针对高压配电网发生单相接地故障时暂态工频电流分量利用不充分,提出一种基于改进麻雀搜索算法优化变分模态分解(S S A-VMD)和多尺度模糊熵的接地故障选线方法。首先,利用精英反向学习策略提高麻雀搜索算法的种群多样性,利用改进后的S S A对VMD进行迭代寻优,由实验数据可得,优化后的变分模态分解可准确区分各馈
2、线暂态零序电流的工频分量。其次,计算各馈线零序电流工频分量的多尺度模糊熵值,并采用多尺度模糊熵偏均值作为选线判据,选出故障线路。经MA T L A B/S i m u l i n k仿真结果表明,该方法在大多数故障条件下均可正确选线,可靠性高,具有较强的鲁棒性。关键词:故障选线;精英方向学习策略;麻雀搜索算法;变分模特分解;多尺度模糊熵中图分类号:TM 7文献标识码:A国家标准学科分类代码:4 7 0.4 0 5 4L i n e s e l e c t i o n o f g r o u n d i n g f a u l t b a s e d o n i m p r o v e d S
3、S A-VMD a n d m u l t i-s c a l e f u z z y e n t r o p yC h e n B o f a n S u n Y a n z h o u W a n g B i n(D e p a r t m e n t o f E l e c t r i c a l E n g i n e e r i n g a n d A u t o m a t i o n,H e n a n P o l y t e c h n i c U n i v e r s i t y,J i a o z u o 4 5 4 0 0 3,C h i n a)A b s t r a
4、 c t:A i m i n g a t t h e i n s u f f i c i e n t u t i l i z a t i o n o f t r a n s i e n t p o w e r f r e q u e n c y c u r r e n t c o m p o n e n t s w h e n s i n g l e-p h a s e g r o u n d i n g f a u l t o c c u r s i n h i g h v o l t a g e g r o u n d i n g s y s t e m.T o t h i s e n d
5、,a f a u l t l i n e s e l e c t i o n f o r g r o u n d i n g f a u l t b a s e d o n i m p r o v e d S S A-VMD a n d MF E i s p r o p o s e d.F i r s t,t h e E O B L i s u s e d t o i m p r o v e t h e p o p u l a t i o n d i v e r s i t y o f t h e S S A,w i t h t h e i m p r o v e d S S A t o o
6、p t i m i z e VMD p a r a m e t e r s,w h i c h c a n b e o b t a i n e d f r o m t h e e x p e r i m e n t a l d a t a,t h e o p t i m i z e d v a r i a t i o n a l m o d a l d e c o m p o s i t i o n c a n a c c u r a t e l y d i s t i n g u i s h t h e p o w e r f r e q u e n c y c o m p o n e n
7、t s o f t h e t r a n s i e n t z e r o-s e q u e n c e c u r r e n t o f e a c h f e e d e r.S e c o n d l y,t h e m u l t i-s c a l e f u z z y e n t r o p y v a l u e o f t h e p o w e r f r e q u e n c y c o m p o n e n t o f t h e z e r o-s e q u e n c e c u r r e n t o f e a c h f e e d e r i
8、s c a l c u l a t e d,a n d PMMF E i s u s e d a s l i n e s e l e c t i o n c r i t e r i o n t h e n t h e m i s t a k e l i n e i s s e l e c t e d.MAT L A B/S i m i l i n k r e s u l t s s h o w t h a t t h i s m e t h o d c a n s e l e c t t h e r i g h t l i n e u n d e r m o s t m i s t a k e
9、 c o n d i t i o n s,w i t h h i g h r e l i a b i l i t y a n d s t r o n g r o b u s t n e s s.K e y w o r d s:f a u l t l i n e s e l e c t i o n;e l i t e o p p o s i t i o n-b a s e d l e a r n i n g;s p a r r o w s e a r c h a l g o r i t h m;v a r i a t i o n a l m o d e d e c o m p o s i-t i
10、 o n;m u l t i-s c a l e f u z z y e n t r o p y 收稿日期:2 0 2 2-0 8-0 8*基金项目:国家自然科学基金(U 1 8 0 4 1 4 3)项目资助0 引 言高压配电网系统运行经验表明,单相接地故障占总接地故障类型的7 0%以上。为防止单相接地故障时产生电弧,常采用中性点经消弧线圈接地1。针对单相接地故障选线问题,相关学者分别从稳态特征信号和暂态特征信号入手。受高压配电网经消弧线圈接地故障中故障电流稳态信号较弱的影响,如何利用暂态特征信号2-1 2成为了相关学者的研究重点。目前基于暂态特征分量的选线方法大致有小波分析法3-5、暂态能量
11、熵法6-7、双树复小波变换法8、变分模态分解法(v a r i a-t i o n a l m o d e d e c o m p o s i t i o n,VMD)9-1 0、自适应噪声完备经验模态分解法(c o m p l e t e e n s e m b l e e m p i r i c a l m o d e d e-c o m p o s i t i o n w i t h a d a p t i v e n o i s e,C E EMD AN)1 1等。文献3 利用d b 1 0小波对各馈线暂态零序电流进行分解,通82北大中文核心期刊国外电子测量技术 过判断特征频段小波系数
12、极性是否相同选出故障线路。但小波分解尺度的选择仍存在一些问题,选择不同的小波基,得到的结果会有所不同。文献6 利用故障零序电流的暂态零序特征,经极点对称模态分解(e x t r e m e-p o i n t s y mm e t r i c m o d e d e c o m p o s i t i o n,E S MD)分解选取频率最小的后3个尺度分量和余量作为有效分量,计算各线路的能量熵。当故障角接近9 0 时,系统各线路零模暂态电流的能量分布在高频上。此时选取频率最小的3个尺度分量计算能量熵,可能会出现故障线路误判现象。文献9采用VMD算法避免了传统算法模态混叠和边界效应等问题,但对于
13、如何确定参数仍未提出更精确的判定方法。文献1 1 利用C E EMD AN算法减少了集合经验模态分解(e n s e m b l e e m p i r i c a l m o d e d e c o m p o s i t i o n,E EMD)算法重构信号中的噪声残余,但在分解早期仍会出现一些“虚假”信号,影响故障选线精度。为解决上述问题,本文提出了一种基于改进的麻雀搜索算法优化变分模态分解(i m p r o v e d s p a r r o w s e a r c h a l g o-r i t h m-v a r i a t i o n a l m o d e d e c o m
14、 p o s i t i o n,I S S A-VMD)与多尺度模糊熵的高压配电网接地故障选线方法。首先利用精英反向学习策略改进的麻雀搜索算法(s p a r r o w s e a r c h a l g o r i t h m,S S A)对VMD中的两个参数进行寻优,有效的提高了算法的种群多样性,避免了陷入早熟收敛等问题。其次,计算各馈线零序电流工频分量的多尺度模糊熵值,并采用多尺度模糊熵偏均值作为选线判据,选出故障线路。该方法可将故障信息在多个尺度下更加综合、全面的体现出来,经大量仿真实验证明,该选线判据具有较强的鲁棒性,在多数故障条件下均可正确选线。1 S S A-VMD的改进1.
15、1 VMD参数设置VMD 1 3是2 0 1 4年提出的一种适用于非平稳信号分量算法。不同于经验模态分解(e m p i r i c a l m o d e d e c o m p o-s i t i o n,EMD)无法预设本征模函数(i n t r i n s i c m o d e f u n c-t i o n,I MF)分量个数,VMD可根据信号复杂程度人为的设定I MF个数,并利用其算法的优越性寻找出一组最佳的I MF分量以及它们的中心频率。该方法为解决变分稳态问题提供了充分的理论依据且易于理解。VMD算法有两个预设参数分别是分解层数K和二次罚因子。当K值设置偏小时,中心频率相近的
16、信号被分解到同一个I MF分量中出现模态混叠问题;当K值设置偏大时,由于过度分解会产生一些无用的虚假信号,影响后续选线精度。参数决定着I MF分量的带宽:当偏小时,I MF分量的带宽偏小,可能会导致信号丢失;当偏大时,I MF分量的带宽偏大,会出现信号混叠。因此如何确定VMD的分解参数成为零序电流分解的关键。1.2 I S S A算法1)S S A算法S S A是根据自然界中麻雀种群特殊的捕食方法,所衍生出的一种搜索全局最优解的智能算法。该算法将麻雀种群中的成员按照捕食能力的强弱分为发现者、跟随者、预警者。其中发现者捕食能力最强,且搜索范围最广,为种群提供捕食范围。跟随者根据捕食能力分为两组:捕食能力较强的会跟随发现者寻找食物,而捕食能力较弱的会脱离种群,自行寻找食物。预警者随机分布在种群中,当种群受到外界捕食者威胁时,预警者发出警报,提醒种群迁移至安全区域觅食1 4。在S S A中,发 现 者 的 适 应 度 值 为 种 群 中 最 优 的1 0%2 0%,其位置更新如下:Xt+1i=Xtie-ii t e rm a x(),R2S TXti+QL,R2S T(1)式中:t表示当前迭