本發(fā)明涉及電力系統(tǒng)配電網(wǎng)領(lǐng)域，特別是涉及一種配電網(wǎng)饋線故障類型識別方法及裝置。
背景技術(shù)：
：配電網(wǎng)結(jié)構(gòu)復(fù)雜，在實際工況下不可避免地受到各類故障的影響，其中短路、接地是較為常見的電氣性故障。當(dāng)發(fā)生故障時，為了保證供電可靠性，應(yīng)該及時有效地定位和隔離故障區(qū)段，從而保障非故障區(qū)域的正常供電，排除故障所帶來的諸多不利影響。配電網(wǎng)故障處理技術(shù)應(yīng)及時作出反應(yīng)，其首要任務(wù)就是利用故障時所獲取的故障電壓、電流等故障信號進(jìn)行故障檢測和分類識別。這一過程還會受到很多因素的干擾，如故障初相角、故障過渡電阻、噪聲干擾、網(wǎng)絡(luò)結(jié)構(gòu)變化、系統(tǒng)接地方式等，上述因素中任何一個因素的變化都會引起故障信號發(fā)生變化，大大增加分類識別的難度，若分類識別算法沒有較強的魯棒性和適應(yīng)性，則無法適用于配電網(wǎng)故障分類識別的問題。因此，對配電網(wǎng)故障類型的準(zhǔn)確分類具有相當(dāng)?shù)碾y度。當(dāng)前技術(shù)在實際應(yīng)用過程中采用小波變換對當(dāng)前故障波形進(jìn)行實時處理，利用提取的特征值計算其與數(shù)據(jù)庫中波形的距離，而后進(jìn)行初次匹配與最終匹配。因需多次計算距離值，因而計算量較大，可能影響裝置的實際運行效率，在線辨識時間因此加長。本發(fā)明提出一種配電網(wǎng)饋線故障類型識別方法，主要是利用故障后相關(guān)電氣量的暫態(tài)信息實現(xiàn)故障識別。主要內(nèi)容包括獲取波形采樣數(shù)據(jù)、對波形采樣數(shù)據(jù)依次進(jìn)行局部特征尺度分解、希爾伯特變換及帶通濾波以獲取重構(gòu)的時頻矩陣、求解時頻矩陣的奇異譜，提取奇異譜的分布參數(shù)并構(gòu)成特征向量矩陣、對所有特征向量矩陣進(jìn)行歸一化處理并將歸一化后的特征向量矩陣作為多級支持向量機的輸入樣本來實現(xiàn)饋線故障類型辨識。本發(fā)明可以事先對數(shù)據(jù)庫中的大量波形提取特征量，組成訓(xùn)練樣本，因而更有利于進(jìn)行在線辨識應(yīng)用，省去了實時計算距離這一計算量龐大的步驟。技術(shù)實現(xiàn)要素：本發(fā)明的目的在于提供一種能夠及時準(zhǔn)確識別故障類型的配電網(wǎng)饋線故障類型識別方法及裝置。為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種配電網(wǎng)饋線故障類型識別方法，包括如下步驟，步驟s1：配電網(wǎng)發(fā)生故障后，獲取母線三相電壓、零序電壓、主變低壓側(cè)進(jìn)線的三相電流在故障前后一段時間內(nèi)的波形采樣數(shù)據(jù)；步驟s2：分別對步驟s1獲取的各組波形采樣數(shù)據(jù)依次進(jìn)行局部特征尺度分解、希爾伯特變換及帶通濾波，并根據(jù)帶通濾波數(shù)據(jù)重構(gòu)時頻矩陣；步驟s3：分別對每個時頻矩陣進(jìn)行奇異值分解得到對應(yīng)的多階奇異值，根據(jù)奇異值的累積貢獻(xiàn)率選取每個多階奇異值中的前5個奇異值組成主奇異譜；計算主奇異譜的四個分布參數(shù)，將所有時頻矩陣的分布參數(shù)組成特征向量矩陣c；步驟s4：對特征向量矩陣c進(jìn)行歸一化處理得到元素大小范圍在[0，1]的特征向量矩陣c'，特征向量矩陣c'作為多級支持向量機的訓(xùn)練樣本和測試樣本；步驟s5：將訓(xùn)練樣本輸入多級支持向量機進(jìn)行參數(shù)優(yōu)化與訓(xùn)練，最后根據(jù)測試樣本識別該次故障類型。進(jìn)一步的，步驟s2包括如下步驟，步驟s21：對獲取的各組波形采樣數(shù)據(jù)進(jìn)行局部特征尺度分解，每組波形采樣數(shù)據(jù)均得到多個內(nèi)稟尺度分量，即isc分量；步驟s22：對各個isc分量做希爾伯特變換，得到希爾伯特能量譜圖；步驟s23：根據(jù)希爾伯特能量譜圖進(jìn)行帶通濾波，將每個isc分量分解到等間隔的頻帶上，并將每個頻帶內(nèi)的所有isc分量疊加，得到各組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量數(shù)據(jù)；步驟s24：將每組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量數(shù)據(jù)作為時頻矩陣的行來重構(gòu)時頻矩陣，每組波形采樣數(shù)據(jù)對應(yīng)一個重構(gòu)時頻矩陣。進(jìn)一步的，所述步驟s3中，提取特征向量矩陣的具體過程如下：奇異值的累積貢獻(xiàn)率式中：λ為某個奇異譜中的元素，n為該奇異譜中奇異值的總個數(shù)，選取累積貢獻(xiàn)率k>85％的前5個奇異值組成主奇異譜，計算主奇異譜的四個分布參數(shù)，奇異譜均值奇異譜標(biāo)準(zhǔn)差奇異譜信息熵奇異譜脈沖因子式中，i＝1，2，3，4，5。進(jìn)一步的，所述步驟s4中，對特征向量矩陣c進(jìn)行歸一化處理得到特征向量矩陣c'的具體過程如下：將每個特征向量矩陣c按照與三相電壓、零序電壓、三相電流的對應(yīng)關(guān)系拆分為12個分塊矩陣cp(p＝1,2,…,12)，依據(jù)對應(yīng)三相電壓、三相電流、零序電壓的奇異值部分，對cp利用如下公式進(jìn)行歸一化：式中，為分塊矩陣cp的歸一化矩陣cp'中的元素，cij為分塊矩陣cp中的元素，為所有n個分塊矩陣cp中值最小的元素，為所有n個分塊矩陣cp中值最大的元素，n為樣本總數(shù)；將12個歸一化后的分塊矩陣cp'合并即得到特征向量矩陣c'。進(jìn)一步的，所述步驟s5包括以下步驟：將部分特征向量矩陣c'作為訓(xùn)練樣本輸入多級支持向量機，多級向量機根據(jù)這些訓(xùn)練樣本進(jìn)行訓(xùn)練；將某次故障的特征向量矩陣c'作為測試樣本輸入多級支持向量機，多級向量機根據(jù)測試樣本對該次配電網(wǎng)故障類型進(jìn)行辨識。進(jìn)一步的，所述多級支持向量機包括第一至第三支持向量機，第一支持向量機根據(jù)所述測試樣本進(jìn)行故障類型識別，第二支持向量機根據(jù)第一支持向量機的輸出結(jié)果及所述測試樣本進(jìn)行故障類型識別，第三支持向量機根據(jù)第二支持向量機的輸出結(jié)果及所述測試樣本進(jìn)行故障類型識別。本發(fā)明還通過以下技術(shù)方案實現(xiàn)：一種配電網(wǎng)饋線故障類型識別裝置，包括：數(shù)據(jù)獲取模塊：用于在配電網(wǎng)發(fā)生故障后，獲取母線三相電壓、零序電壓、主變低壓側(cè)進(jìn)線的三相電流在故障前一個周期和故障后一個周期的波形采樣數(shù)據(jù)；時頻矩陣重構(gòu)模塊：用于分別對數(shù)據(jù)獲取模塊的各組波形采樣數(shù)據(jù)進(jìn)行局部特征尺度分解、希爾伯特變換及帶通濾波后重構(gòu)時頻矩陣的模塊；特征向量矩陣構(gòu)建模塊：用于分別對每個時頻矩陣進(jìn)行奇異值分解得到對應(yīng)的多階奇異值，根據(jù)奇異值的累積貢獻(xiàn)率選取每個多階奇異值中的前5個奇異值組成主奇異譜，計算主奇異譜的分布參數(shù)并組成特征向量矩陣c；特征向量矩陣歸一化處理模塊：用于對特征向量矩陣c進(jìn)行歸一化處理得到元素大小范圍在[0,1]的特征向量矩陣c'，特征向量矩陣c'作為多級支持向量機的訓(xùn)練樣本和測試樣本；故障類型識別模塊：用于多級支持向量機根據(jù)訓(xùn)練樣本進(jìn)行訓(xùn)練后，再根據(jù)測試樣本識別配電網(wǎng)饋線故障類型。進(jìn)一步的，所述時頻矩陣重構(gòu)模塊包括：分別將各組波形采樣數(shù)據(jù)進(jìn)行局部特征尺度分解，每組波形采樣數(shù)據(jù)均得到多個isc分量的模塊；對各個isc分量做希爾伯特變換，得到希爾伯特能量譜圖的模塊；根據(jù)希爾伯特能量譜圖進(jìn)行帶通濾波，將每個isc分量分解到等間隔的頻帶上，并將每個頻帶內(nèi)的所有isc分量疊加，得到各組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量數(shù)據(jù)的模塊；將每組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量數(shù)據(jù)作為時頻矩陣的行來重構(gòu)時頻矩陣，每組波形采樣數(shù)據(jù)對應(yīng)一個重構(gòu)時頻矩陣的模塊。本發(fā)明具有如下有益效果：1、本發(fā)明利用lcd、hilbert變換及帶通濾波算法構(gòu)造的時頻矩陣可完備地描述故障信號波形在各個子頻帶內(nèi)的時頻特征，包含了表征信號本質(zhì)特征的時頻局部化信息。2、本發(fā)明結(jié)合奇異值分解和運用統(tǒng)計學(xué)原理進(jìn)行數(shù)學(xué)計算的方法，可以有效提取出體現(xiàn)故障信號時頻變化特征的主要特征量，其可以表征故障信號的固有模式占比，并且對于不同故障類型呈現(xiàn)出較大差異性。3、本發(fā)明的多級向量機基于二分樹結(jié)構(gòu)，分類性能良好，邏輯清晰，能夠較準(zhǔn)確地識別單相接地、兩相接地、兩相短路、三相短路等四類配電網(wǎng)故障類型。4、本發(fā)明的配電網(wǎng)故障類型識別方法在噪聲干擾等工況下，仍具有較高的故障類型識別正確率，適應(yīng)能力較強。附圖說明圖1為本發(fā)明的流程圖。圖2為本發(fā)明實施例中所應(yīng)用的10kv配電網(wǎng)模型。具體實施方式下面結(jié)合附圖，對本發(fā)明的技術(shù)方案進(jìn)行具體說明。如圖1所示，本發(fā)明的一種配電網(wǎng)饋線故障類型識別方法，包括如下步驟：步驟s1：配電網(wǎng)發(fā)生故障后，獲取母線三相電壓、零序電壓、主變低壓側(cè)進(jìn)線的三相電流在故障前后一段時間內(nèi)的波形采樣數(shù)據(jù)，共七組波形采樣數(shù)據(jù)。步驟s2：分別對步驟s1獲取的各組波形采樣數(shù)據(jù)依次進(jìn)行局部特征尺度分解、希爾伯特變換及帶通濾波處理，并根據(jù)帶通濾波后的數(shù)據(jù)重構(gòu)時頻矩陣，每組波形采樣數(shù)據(jù)可重構(gòu)一個時頻矩陣，本步驟具體包括如下步驟：步驟s21：分別將各組波形采樣數(shù)據(jù)進(jìn)行局部特征尺度分解，每組波形采樣數(shù)據(jù)均得到多個isc分量，具體為；(1)首先，滿足以下兩個條件的單分量信號可被稱為內(nèi)稟尺度分量：(ⅰ)在整個數(shù)據(jù)段內(nèi)，極小值為負(fù)，極大值為正，且任意兩個相鄰的極小值與極大值之間呈現(xiàn)單調(diào)性。(ⅱ)在整個數(shù)據(jù)段內(nèi)，設(shè)所有極值點為xk，k＝1，2，…，n，對應(yīng)的時刻為tk，k＝1，2，…，n，其中n為極值點個數(shù)。由任意兩個相鄰的極大(或小)值點(tk，xk)和(tk+2，xk+2)確定的直線在二者之間的極值點xk+1所對應(yīng)的時刻tk+1處的函數(shù)值(記為mk+1)與xk+1的比值保持不變?？紤]更一般的情況，即要滿足pmk+1+(1-a)xk+1＝0,a∈(0,1)(7)其中，一般地，取p＝0.5，此時上述(2)設(shè)第j組波形采樣數(shù)據(jù)序列為x(t)，確定x(t)的所有極值點及其對應(yīng)的時刻tk，k＝2,3,…，n-1，其中n為極值點個數(shù)。設(shè)置式(7)中的a＝0.5，根據(jù)式(8)計算mk+1的值，k＝2,3,…，n-1；依據(jù)下述公式計算lk:lk＝amk+(1-a)xk(9)經(jīng)延拓得到左右兩端的極值點(t0,x0)和(tn,xn)。再令k分別等于0和n-1，按式(8)求出m1和mn，進(jìn)而由式(9)可求出l1與ln的值。(3)利用三次樣條函數(shù)l1，l2，…，ln擬合為均值曲線b(t)，并將其從原信號中分離出來，得到h1(t)＝x(t)-b(t)，若h1(t)滿足(1)中的條件(ⅰ)(ⅱ)，即為isc分量，記為isc1。(4)若不滿足則將h1(t)作為原始信號，重復(fù)步驟(2)-(3)，循環(huán)z次，直到得到滿足條件(ⅰ)(ⅱ)的第一個isc分量h1z(t)，記isc1＝h1z(t)。(5)將isc1從原信號中分離出來，即u1(t)＝x(t)-isc1，對u1(t)重復(fù)上述步驟(2)-(4)，得到第二個isc分量isc2。對原信號重復(fù)循環(huán)n次，直到un(t)單調(diào)或為一常函數(shù)為止。至此共得到n個isc分量isc1，isc2，…iscn和剩余分量un(t)，此時x(t)與各個isc分量的關(guān)系為：步驟s22：對各個isc分量做希爾伯特變換，得到二維希爾伯特能量譜圖，具體為：設(shè)c(t)為任一個isc分量，對其做希爾伯特變換：求c(t)的解析信號：z(t)＝c(t)+jh[c(t)](12)c(t)可以表示成：c(t)＝a(t)cosφ(t)(13)其中，c(t)的幅值函數(shù)a(t)為：c(t)的相位函數(shù)φ(t)為：φ(t)＝arctan(h[c(t)]/c(t))(15)可計算出c(t)的瞬時頻率：可獲得各isc分量的希爾伯特能量譜圖為：步驟s23：根據(jù)希爾伯特能量譜圖進(jìn)行帶通濾波，將每個isc分量分解到等間隔的頻帶上，并將每個頻帶內(nèi)的所有isc分解分量疊加，得到各組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量，具體為：(1)對希爾伯特能量譜圖中的瞬時頻率進(jìn)行等間隔區(qū)域劃分，頻帶寬度δf＝300hz，則第i個間隔區(qū)域的頻率范圍為[300(i-1),300i]，將所有isc分量在該頻率范圍外的瞬時能量點的灰度值置為零，在該頻率范圍內(nèi)的瞬時能量點灰度值保持不變，即可得到所有isc分量在該頻率范圍內(nèi)的成分；(2)將每個頻率范圍內(nèi)的所有isc分解分量疊加，即可得到各組采樣波形數(shù)據(jù)在各個頻率范圍內(nèi)的分量數(shù)據(jù)；步驟s24：將每組波形采樣數(shù)據(jù)在各個頻帶內(nèi)的分量數(shù)據(jù)作為時頻矩陣的行來重構(gòu)時頻矩陣，每組波形采樣數(shù)據(jù)對應(yīng)一個重構(gòu)時頻矩陣，在本實施例中，劃分e個頻帶，每個頻帶帶寬為300hz，帶通濾波后，每組波形采樣數(shù)據(jù)可得到e個頻帶的波形，各組波形采樣數(shù)據(jù)的采樣點數(shù)均為f，對于某一組波形采樣數(shù)據(jù)，各個頻帶波形的數(shù)據(jù)點為aij(i＝1,2,...,e,j＝1,2,...,f)，形成的時頻矩陣為其中，時頻矩陣a的行表示波形采樣數(shù)據(jù)經(jīng)帶通濾波后各個頻帶內(nèi)的重構(gòu)波形數(shù)據(jù)，列表示波形采樣數(shù)據(jù)的采樣時刻。步驟s3：分別對每個時頻矩陣進(jìn)行奇異值分解得到對應(yīng)的多階奇異值，其中非零奇異值的個數(shù)代表故障波形的頻譜特性，根據(jù)奇異值的累積貢獻(xiàn)率選取每組奇異值中的前5個奇異值作為主奇異值組成主奇異譜，提取主奇異譜的分布參數(shù)并組成特征向量，主要步驟如下：:奇異值的累積貢獻(xiàn)率式中：λ為某個奇異譜中的元素，n為該奇異譜中奇異值的總個數(shù)，選取累積貢獻(xiàn)率k>85％的前5個奇異值組成主奇異譜，計算主奇異譜的四個分布參數(shù)，奇異譜均值奇異譜標(biāo)準(zhǔn)差奇異譜信息熵奇異譜脈沖因子式中，i＝1，2，3，4，5。步驟s4：對特征向量矩陣c進(jìn)行歸一化處理得到元素值在[0，1]的特征向量矩陣c'，特征向量矩陣c'作為多級支持向量機的訓(xùn)練樣本和測試樣本，歸一化的處理過程為：將每個特征向量矩陣c按照與三相電壓、零序電壓、三相電流的對應(yīng)關(guān)系拆分為12個分塊矩陣cp(p＝1,2,…,12)，依據(jù)對應(yīng)三相電壓、三相電流、零序電壓的奇異值部分，對cp利用如下公式進(jìn)行歸一化：式中，為分塊矩陣cp的歸一化矩陣cp'中的元素，cij為分塊矩陣cp中的元素，為所有n個分塊矩陣cp中值最小的元素，為所有n個分塊矩陣cp中值最大的元素，n為樣本總數(shù)；將12個歸一化后的分塊矩陣cp'合并即得到特征向量矩陣c'。步驟s5：多級支持向量機根據(jù)訓(xùn)練樣本進(jìn)行訓(xùn)練后，再根據(jù)測試樣本識別配電網(wǎng)饋線故障類型，具體包括：將部分特征向量矩陣c'作為訓(xùn)練樣本輸入多級支持向量機，多級向量機根據(jù)這些訓(xùn)練樣本進(jìn)行訓(xùn)練；將某次故障的特征向量矩陣c'作為測試樣本輸入多級支持向量機，多級向量機根據(jù)測試樣本對該次配電網(wǎng)故障類型進(jìn)行辨識。多級支持向量機包括第一至第三支持向量機，第一支持向量機根據(jù)所述測試樣本進(jìn)行故障類型識別，第一支持向量機可區(qū)分兩類故障，其輸出結(jié)果為1時代表單相接地故障，輸出結(jié)果為-1時代表兩相接地故障、兩相短路故障或者三相短路故障，當(dāng)?shù)谝恢С窒蛄繖C輸出結(jié)果為-1時，第二支持向量機根據(jù)第一支持向量機的輸出結(jié)果及所述測試樣本，根據(jù)是否接地這一特征，設(shè)計為可區(qū)分兩相接地故障和不接地故障(即短路故障)，其輸出結(jié)果為1時代表兩相接地故障，輸出結(jié)果為-1時代表兩相短路故障或者三相短路故障，當(dāng)?shù)诙С窒蛄繖C輸出結(jié)果為-1時，第三支持向量機根據(jù)第二支持向量機的輸出結(jié)果及所述測試樣本，根據(jù)兩相短路故障和三相短路故障的電氣量對稱性，設(shè)計為可區(qū)分兩相短路故障和三相短路故障。如圖2所示，本發(fā)明利用pscad/emtdc軟件搭建10kv配電網(wǎng)模型用于獲取訓(xùn)練樣本和測試樣本，測試結(jié)果表明，該方法對配電網(wǎng)故障類型的識別正確率較高，且在噪聲干擾、采樣不同步、系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)、負(fù)荷電流變化和系統(tǒng)中性點經(jīng)消弧線圈接地等情況下有較好的適應(yīng)性，在此基礎(chǔ)上進(jìn)行四種故障類型的模擬實驗，并采集母線三相電壓與零序電壓、主變低壓側(cè)進(jìn)線三相電流等7個故障波形。在配電網(wǎng)線路模型中，包括110kv/10kv變壓器1和位于變壓器10kv一側(cè)的中性點不接地系統(tǒng)，系統(tǒng)阻抗為0.2ω，其中，中性點不接地系統(tǒng)包括第一饋線線路2、第二饋線線路3、第三饋線線路4、第四饋線線路5、第五饋線線路6和第六饋線線路7，第一饋線線路2包括4km的架空線路21、3km的電纜線路22和7km的電纜線路23，第二饋線線路3包括1km的電纜線路31和4km的電纜線路32，第三饋線線路4包括10km的架空線路和6km的電纜線路，第四饋線線路5包括2km的電纜線路51和8km的架空線路52，第五饋線線路6包括4km的架空線路61和3km的電纜線路62，第六饋線線路7包括1km的電纜線路71、7km的架空線路72和5km的架空線路73，第一至第六饋線線路所接負(fù)載相同，其中，電纜線路正序參數(shù)為：r1＝0.27ω/km，c1＝0.339μf/km，l1＝0.255mh/km，電纜線路零序參數(shù)為：r0＝2.7ω/km，c0＝0.28μf/km，l0＝1.019mh/km，架空線路正序參數(shù)為：r1＝0.125ω/km，c1＝0.0096μf/km，l1＝1.3mh/km，架空線路零序參數(shù)為：r0＝0.275ω/km，c0＝0.0054μf/km，l0＝4.6mh/km。綜合考慮故障點、故障初相角、故障電阻、故障相別等因素，選擇并提取支持向量機的訓(xùn)練樣本，具體條件為：故障點為f11、f12、f13、f21、f22、f31、f32；故障初相角為15°、30°、60°、75°；故障電阻為0ω、0.5ω、5ω、50ω、200ω；故障相別全部考慮，總共提取905個樣本用于訓(xùn)練多級支持向量機，測試樣本同樣考慮上述4個因素，具體條件和測試結(jié)果如表1所示。表1測試樣本和測試結(jié)果通過以下測試結(jié)果來檢驗所提出識別方法的適應(yīng)性：(1)對圖2中故障點f41、f52和f61的測試樣本施加信噪比(signalnoiseratio，snr)為20db的高斯白噪聲，考察識別方法的抗干擾性。測試結(jié)果如表2所示，識別結(jié)果與表1相近，說明帶通濾波可以有效地濾除高頻雜訊的干擾。表2噪聲干擾下的測試結(jié)果故障點位置測試樣本容量正確率/％f4112993.80f5212993.80f6112991.47合計38793.02(2)考慮到故障電壓和故障電流波形之間可能出現(xiàn)采樣不同步的情況。設(shè)定三相電流的采樣時刻滯后三相電壓和零序電壓0.1ms，同樣選取表2的測試樣本，識別結(jié)果如表3所示。表3信號采樣不同步下的測試結(jié)果故障點位置測試樣本容量正確率f4112996.90％f5212996.90％f6112994.57％合計38796.12％(3)通過三種措施改變系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)：刪減l6、刪減l5和l6、增加一條5km的架空線l7(故障點設(shè)在線路末端)，故障點選取網(wǎng)絡(luò)結(jié)構(gòu)改變后l4-l7中所有剩余的故障點，其余條件同表1，進(jìn)行仿真和測試，測試結(jié)果如表4所示。可見提出的方法能適應(yīng)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)變化的影響，與表1相比，3種工況下的總識別正確率變化甚微，均能達(dá)到96％以上。表4系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)變化的測試結(jié)果(4)在l4饋線負(fù)荷電流有效值分別為65a、150a、300a情況下，故障點設(shè)為f41，測試樣本其它條件與表1相同，識別結(jié)果如表5所示。表5負(fù)荷電流變化下的測試結(jié)果負(fù)荷電流測試樣本數(shù)識別正確率65a12996.12％150a12898.44％300a12998.45％總計38697.67％(5)將系統(tǒng)的接地方式改為經(jīng)消弧線圈接地，消弧線圈的電感值取1.5h，為過補償方式。由于電感值較大，消弧線圈的動態(tài)響應(yīng)速度較慢，對故障后1周波內(nèi)的零序暫態(tài)分量抑制作用較小，因此仍可利用暫態(tài)分量結(jié)合其他故障信號作出準(zhǔn)確辨識。測試樣本取自故障點f41、f51、f62，其余條件同表1，識別結(jié)果如表6所示。表6中性點經(jīng)消弧線圈接地下的測試結(jié)果故障點測試樣本數(shù)識別正確率f4113296.21％f5112490.32％f6213293.94％總計38893.56％以上對本發(fā)明的目的、技術(shù)方案和優(yōu)點進(jìn)行了詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12