1.7 本书内容摘要

1.7.1 本书研究的主要工作概述

（1）小电流接地系统单相接地故障特征分析

分析了中性点不接地和经消弧线圈接地系统发生单相接地故障时的基波稳态零序电流、暂态零序电流和谐波零序电流的故障特征，并对小电流接地故障的模量特征进行了分析。在此基础上确定了在进行小电流接地故障选线和定位时应提取的故障特征。

（2）基于故障暂态特征的小波包故障选线方法分析

分析了基于故障暂态特征的小波包故障选线方法的优点和不足，通过仿真分析可知，暂态零序电流信号经过低频采样后幅值发生了不同程度的衰减。在采样后故障线路的暂态零序电流信号的幅值衰减严重时，小波包故障选线方法可能出现“误选”现象。所以需要对衰减的信号进行增强处理，衰减越严重、越可能是故障线路的信号，需要增强的比例就要越大。

（3）提出了基于粗糙集信号增强的小波包选线新方法

分别对零序电流信号进行高频采样和低频采样，从低频采样信号中提取信号的最大幅值和工频分量的有效值，从高频采样信号中提取信号的最大幅值和首波头极性。然后，计算高频采样和低频采样后信号衰减比，将工频分量的有效值、高频采样信号的首波头极性和低频采样后信号的幅值衰减比作为信息系统的条件属性，利用粗糙集理论提取决策规则，确定低频采样信号需要增强的比例系数，实现对低频采样信号的增强。最后，利用小波包分析方法对增强的零序电流信号分解，实现故障选线。仿真结果表明，该方法无论是在能量衰减严重时还是在首波头检测错误时均能实现正确选线。

（4）定义了各种故障特征的故障测度

分别采用小波包分析方法、有功分量法、五次谐波法和基波幅值法从零序电流信号中提取暂态分量、有功分量、五次谐波分量和基波分量故障特征，并根据每种故障特征的特点分别定义了它们的故障测度。

（5）提出了基于粗糙集理论的融合选线方法

将采用小波包分析方法、有功分量法、五次谐波法和基波幅值法从零序电流信号中提取暂态分量、有功分量、五次谐波分量和基波分量的故障特征，并计算出它们的故障测度，以它们的故障测度作为信息系统的条件属性，线路的故障状态作为决策系统的决策属性，提出了基于粗糙集理论的融合选线方法。仿真和现场验证表明，该方法充分利用了暂态和稳态故障特征信息，具有较高的选线准确度和较强的鲁棒性。

（6）提出了基于神经网络的融合选线方法

由仿真结果可知，基于粗糙集理论的融合选线方法的选线准确度依然不是很高，还可以用其他精度更高的智能算法替代以提高选线准确度。因此，在该选线方法基础上，提出了基于神经网络的融合选线方法。利用经过粗糙集属性约简后得到的最小属性集中对应的故障特征的故障测度作为神经网络的输入，融合后的总故障测度作为神经网络的输出。构建了基于神经网络的融合选线方法。仿真和现场验证表明，该方法选线准确度高于基于粗糙集理论的融合选线方法。

（7）提出了基于粗糙集理论的样本归一化方法

针对神经网络的不同类样本距离较近时神经网络训练时间较长的问题，提出了基于粗糙集理论的样本归一化方法。首先按照基于粗糙集理论的故障选线方法建立决策表，根据样本距离其他类样本的最小距离对其进行拉伸处理，然后对其归一化处理，利用归一化的数据对神经网络进行训练。以小电流接地故障选线为例对该方法进行了验证，验证结果表明，采用此方法进行样本归一化的神经网络的训练时间明显小于普通样本归一化方法的训练时间。

（8）通过仿真试验得到大量的单相接地故障数据

利用电磁暂态仿真软件EMTP-ATP建立了小电流接地系统的仿真模型。根据各种故障情况进行了大量的仿真试验，得到的仿真数据可以用于各种故障选线和定位方法的分析。

（9）提出了小电流接地故障智能选线装置的设计方案

以基于神经网络的融合选线方法为判据，设计出了小电流接地系统故障选线装置的总体结构方案、主要的硬件电路设计方案和主程序软件流程。

（10）提出了基于暂态信息的小电流接地故障定位方法

通过对0模电流的特征分析，提出了基于复合导纳的小电流接地故障定位方法，并进行了仿真和实验验证。

（11）提出了智能配电网故障定位关键技术

针对智能电网的要求，设计了智能配电网模型和智能终端单元模型，提出了基于Multi-Agent的智能配电网故障定位方法。

1.7.2 本书的章节安排

第1章 配电网概述。阐述配电网的现状和面临的困难，分析了小电流接地故障选线和定位的难点，回顾已有故障选线和定位方法并评价了其优缺点，介绍了智能算法在电力系统中的应用，最后给出了全书的主要工作和章节安排。

第2章 小电流接地系统单相接地故障特征分析。分析了中性点不接地和经消弧线圈接地系统发生单相接地故障时的稳态零序电流、暂态零序电流和谐波零序电流的故障特征，并分析小电流接地故障的模量特征。在此基础上，确定了小电流接地故障选线和定位应该提取的故障特征。

第3章 基于故障暂态特征信息的智能选线研究。分析了基于故障暂态特征的小波包故障选线方法的优点和不足，提出了首先利用粗糙集理论对低频采样的信号进行增强处理，然后再利用小波包分析方法进行故障选线的智能选线方法。

第4章 基于故障暂态和稳态特征信息的融合选线研究。分别定义了零序电流的暂态分量、有功分量、五次谐波分量和基波分量的故障特征的故障测度函数。在此基础上提出了基于粗糙集融合的故障选线方法。针对粗糙集理论分类精度较低的缺点，在基于粗糙集融合的故障选线方法的基础上，提出了准确度更高的基于神经网络融合的故障选线方法。针对神经网络训练时间比较长的缺点，提出了基于粗糙集理论的样本归一化方法，并将该方法应用于基于神经网络的融合选线中。仿真结果表明，利用基于粗糙集理论的样本归一化方法的神经网络的训练速度明显提高。

第5章 小电流接地故障选线方法的仿真及现场验证。首先通过仿真试验验证了基于粗糙集理论和小波包分析的故障选线方法的选线准确度明显高于通常的小波包选线方法。然后通过仿真和现场数据分别验证了基于粗糙集理论的融合选线方法和基于神经网络的融合选线方法。验证结果表明，利用基于神经网络的融合选线方法的选线准确度高于基于粗糙集理论的融合选线方法。因而得出结论，应该采用基于神经网络的融合选线方法作为小电流接地故障选线装置的选线判据。

第6章 小电流接地故障选线装置设计。以基于神经网络的融合选线方法为判据，提出了小电流接地故障选线装置的设计方案。

第7章 基于暂态特征信息的小电流接地故障定位方法研究。通过分析0模电流的特点，提出基于复合导纳的小电流接地故障定位方法，并将该方法与其他故障定位进行比较，指出该方法的优点。

第8章 小电流接地故障定位方法的仿真与试验验证。利用仿真和实验数据对基于复合导纳的小电流接地故障定位方法进行验证。

第9章 智能配电网故障定位关键技术初探。给出了智能配电网模型和智能终端单元模型，并提出了基于Multi-Agent的智能配电网故障定位方法。