[论文解读] Distortion-Based Detection of High Impedance Fault in Distribution Systems

Mingjie Wei, Weisheng Liu+3 more|arXiv (Cornell University)|Apr 12, 2020

Power Systems Fault Detection参考文献 26被引用 6

一句话总结

本文提出了一种基于畸变的算法，通过使用LLSF和Grubbs-RLRS滤波从波形畸变中提取区间斜率，实现配电网中可靠高阻抗故障（HIF）检测。该方法通过统一不同HIF类型下的特征描述提升了检测精度，并在真实现场数据上表现出优于先进算法的性能。

ABSTRACT

Detecting the High impedance fault (HIF) in distribution systems plays an important role in power utilization safety. However, many HIFs are challenging to be identified due to their low currents and diverse characteristics. In particular, the slight nonlinearity during weak arcing processes, the distortion offset caused by the lag of heat dissipations, and the interference of background noises could lead to invalid of traditional detection algorithms. This paper proposes a distortion-based algorithm to improve the reliability of HIF detection. Firstly, the challenges brought by the diversity of HIF characteristics are illustrated with the experiments in a 10kV distribution system. Then, HIFs are classified into five types according to their characteristics. Secondly, an interval slope is defined to describe the waveform distortions of HIFs, and is extracted with the methods of the linear least square filtering (LLSF) and the Grubbs-criterion-based robust local regression smoothing (Grubbs-RLRS), so that feature descriptions under different fault conditions can be unified. Thirdly, an algorithm, as well as the criteria, is proposed to identify the fault features described by the interval slopes. Finally, the detection reliability of the algorithm is thoroughly verified with field HIF data, and the results show the improvements by comparing it to other ad-vanced algorithms.

研究动机与目标

• 为解决配电网中因故障电流低和特性多变而导致高阻抗故障（HIF）检测困难的问题。
• 基于10kV配电网系统中观察到的波形畸变特征，将HIF分类为五种不同类型。
• 提出一种基于区间斜率的统一特征表示方法，以在不同故障条件下稳健地捕捉波形畸变。
• 提出一种基于区间斜率特征的检测算法，并设定明确的判据以识别HIF事件。
• 利用真实现场HIF数据验证算法的可靠性，并与先进现有方法进行性能对比。

提出的方法

• 根据在10kV配电网系统实验中观察到的波形畸变模式，将HIF分类为五种不同类型。
• 定义区间斜率为波形畸变的度量，表示特定时间区间内电压或电流的变化速率。
• 应用线性最小二乘滤波（LLSF）对信号进行预处理，以减少畸变特征提取前的噪声。
• 采用基于Grubbs准则的鲁棒局部回归平滑法（Grubbs-RLRS），通过抑制异常值和噪声，提高区间斜率估计的准确性。
• 提取区间斜率特征，并将其作为具有预设判据的检测算法的输入，以识别HIF事件。
• 检测算法通过聚焦于一致的畸变模式，对背景噪声、热滞后效应和弱电弧非线性具有鲁棒性。

实验结果

研究问题

• RQ1 高阻抗故障的多样化特性如何影响传统检测算法的可靠性？
• RQ2 是否可以使用区间斜率有效量化波形畸变，以实现不同HIF类型间特征表示的统一？
• RQ3 LLSF与Grubbs-RLRS的结合在噪声较大的真实HIF信号中，对区间斜率估计准确性的提升程度如何？
• RQ4 所提出的检测算法在使用现场数据时，与其它先进HIF检测方法相比性能如何？
• RQ5 在电流较低、电弧微弱及热滞后效应存在的条件下，所提出方法是否能可靠检测HIF？

主要发现

• 所提方法成功基于10kV配电网系统中观察到的独特波形畸变特征，将HIF分类为五种不同类型。
• 采用区间斜率作为统一特征表示，可在多种HIF条件下实现一致检测，提升了对噪声和非线性的鲁棒性。
• LLSF与Grubbs-RLRS的集成显著提高了区间斜率估计的准确性和可靠性，尤其在存在背景噪声和异常值的情况下。
• 现场数据验证表明，所提算法在真实配电网系统条件下，检测可靠性优于其他先进算法。
• 该方法有效缓解了热滞后和弱电弧非线性的影响，而这些因素常导致传统HIF检测技术失效。
• 结果证实，基于畸变的检测方法结合区间斜率，是提升实际配电网中HIF检测性能的可行且稳健的途径。