基于零序分量的風電場集電線不對稱接地故障定位

朱永利，丁 嘉，潘新朋

基于零序分量的風電場集電線不對稱接地故障定位

朱永利，丁 嘉，潘新朋

(華北電力大學電氣與電子工程學院，河北 保定 071003)

風電場集電線上并接電源多、電源故障特性復雜，其故障定位問題持續困擾風電運營商。為此提出一種基于零序分量的集電線不對稱接地故障新型定位方案。在定義無分支區域的基礎上，充分考慮風機與風電場零序分量之間的特殊關系，分層實現風機無關的故障無分支區域識別與故障測距。首先，引入無分支區域狀態信息的概念以反映零序電流主流通路徑，通過狀態信息的優化匹配識別故障無分支區域。然后，從零序阻抗出發推導故障無分支區域測距模型，并將其轉化為優化問題實現故障距離求解。所提方案在較少測點下即可完全消除風機影響，并能有效適用于含分支集電線，同時無需數據嚴格同步，測距不會出現多解。最后，還設計了線路參數在線計算方案應對線路參數變化問題。仿真結果表明，所提方案較為準確，性能不受風機、故障位置、故障類型、過渡電阻以及數據不同步影響，整體性能優于現有方案。同時也驗證了線路參數在線計算的有效性。

風電場；集電線；不對稱接地故障；故障定位；零序分量

0 引言

構建以新能源為主體的新型電力系統已被提上日程，風電作為一種典型新能源電能，必將成為新型電力系統的重要組成部分。我國風電場往往地處荒山、戈壁、草原和近海，運行環境復雜，場內線路故障幾率大[1-2]，若不能及時確定集電線故障位置并加以排除，會造成長時間的棄風現象[2]。因此，發展可靠有效的風電場集電線故障定位技術對于改善風電場運行、促進新型電力系統建設意義重大。

國內外輸配電網的故障定位技術主要包括行波法[3-7]、故障分析法[8-10]、人工智能法[11-13]等。然而，集電線結構較為特殊(接入電源眾多、電源故障特性復雜)，現有輸配電網的定位方法難以使用[1]，即使是有源配電網的定位方法也不易應對。因此，目前集電線故障定位仍是一個難題，國內外有關研究成果較為有限且存在不足。

文獻[1]提出一種風電場集電線行波測距方法，針對所有測點建立行波傳輸方程，構建行波傳輸方程組，然后引入基于冗余度的統計學參數估計方法成功實現故障測距，但是集電線上大量的風機會使得行波折反射頻繁，故障行波的識別難度較大。文獻[2]將行波法應用到集電線的各個區段(相鄰風機之間為一個區段)，消除了風機頻繁折反射對行波法的影響，但是大量的風機將集電線劃分成了眾多區段，因此方案所需測點的數目甚至遠多于風機數目，并且由于相鄰風機間距較小，這也增大了行波傳播時間的測量誤差。

風電場中故障分析法的應用難點主要在于風機故障特性復雜且難以表征，對其描述不準確會降低方案性能。文獻[14]引入含風機的短路計算方法，通過評估模擬故障下含風機短路計算結果與實際故障下所測電氣量之間的差異實現了集電線故障區段的識別。但是，由于含風機短路計算的精確性問題以及模擬故障點有限，該方案只能實現區段定位，同時其同樣需要較多測點。文獻[15]近似認為各風機提供的故障電流相等，進而通過對這一電流的估計改進了傳統阻抗法，削弱了風機的影響。文獻[16-17]為完全消除風機對故障分析法的影響，在相鄰風機之間進行單端阻抗法故障測距與故障區段判斷，但是同文獻[2]一樣，這兩種方案也需在每一區段安裝測點，測點數量需求過大。

文獻[18-19]采集集電線首端的電壓電流相量構建數據集，分別應用極限梯度提升算法、長短期記憶神經網絡建立回歸模型實現集電線故障測距，避免了復雜的含風機故障分析過程，但是，算法性能、輸入量包含的故障信息豐富與否都會對人工智能方案的定位效果產生影響，因此在算法類型與輸入量的選擇上還有待進一步研究。

集電線故障定位技術所面臨的關鍵問題除了以上提及的風機影響、測點數目以外，還有含分支集電線的適用性問題。因為從工程實際可知，集電線有時會含有一些線路分支。但是，文獻[1-2,14,17-19]都沒有考慮到此問題，文獻[15-16]則是采用人工排查或測點的大規模安裝來解決這一問題。

由于實際運行中線路不對稱接地故障占比最大，單相接地故障更是占八成左右[10,18]，因此本文針對集電線不對稱接地故障，提出一種基于零序分量的故障定位方案。本文首先分析風電場不對稱接地故障的故障特征，然后定義集電線無分支區域，基于優勢特征構建風機無關的兩層定位方案。層次一引入無分支區域狀態信息的概念，優化匹配兩種方式所得狀態信息，識別故障無分支區域；層次二針對所得的故障無分支區域，推導基于零序阻抗的故障測距模型，采用優化思想求解故障距離，最終完成定位。另外，本文還設計了輔助定位的線路參數在線計算方案。最后，在PSCAD/EMTDC中搭建仿真模型驗證方案性能，并與現有技術進行對比。

1 風電場不對稱接地故障特征分析

1.1 風電場拓撲

風電場的一般拓撲結構如圖1。在風電場中，所有風電機組均經箱式變壓器(簡稱箱變)與集電線相連；集電線位于主變壓器(簡稱主變)35 kV側，經主變升壓至110 kV或220 kV后與系統相連。

圖1 風電場一般拓撲結構

相較于一般電網，風電場拓撲的主要特點如下。1) 出于風電場安全性、可靠性考慮，目前風電場均接地，且主要采用經小電阻接地的方式[15,20]。2) 為了阻隔風機零序電流、抑制諧波注入電網，箱變高壓側采用三角形接線[15,20-21]。3) 為充分利用各處風能，集電線會通過多點連接風機，從而形成了多電源輻射型網，并且集電線所連接電源數目要遠多于常規電力線路，這也使得相鄰電源之間距離較近。4) 集電線上電纜、架空線并存[1,14]，風機箱變與架空線之間、架空線與母線之間存在較短電纜[14]。

1.2 故障特征分析

風電場屬于中性點經小電阻接地系統，在出現接地故障時會形成有效的電流回路，具備阻抗法測距條件[15]，而且相較于中性點不接地系統與諧振接地系統，小電阻接地系統在不對稱接地故障下零序電流更大，因此已有研究針對小電阻接地系統提出基于零序電流的保護[22]與故障識別[23]方案。另外，受風機轉速、變流器控制策略的影響，故障期間風機的等效正負序阻抗都是不斷變化的[24-25]，這使得風機正負序故障特征表現出較強的不確定性和復雜性，風電場正負序分量也因此呈現出不穩定性；相比之下，由于箱變三角形接線的阻隔，風電機組零序開路，因此其并不參與風電場零序網絡的構成，不會對零序分量造成影響，風電場零序分量更加穩定。由以上分析可知，根據風電場零序分量實施故障定位更有優勢，因此本文進一步分析風電場零序故障特征，構建基于零序分量的集電線故障定位方案。需要說明的是，由于風電場電纜較短，電纜故障率低，不對稱接地故障少，所以本文只對架空線部分進行故障定位。

假設在圖1所示風電場的集電線1上點出現不對稱接地故障，可以繪制對應零序網絡如圖2。圖中，集電線各部分線路的對地電容集中考慮。

圖2 風電場零序網絡

2 無分支區域的定義與定位方案的構建

由于風能分布不均等原因，風電場中一些集電線可能會包含若干分支，如圖3所示。為高效準確地識別不同分支的故障，本文首先對含分支集電線進行劃分。經劃分后，集電線會被分為若干不含分支的區域，本文稱其為無分支區域。

圖3 含分支集電線結構示意圖

集電線劃分基于集電線拓撲結構實施，相鄰無分支區域以分支引出點為分界點，如圖3。分支引出點與相鄰的架空線首端或末端之間、相鄰兩個分支引出點之間均為一個無分支區域。對于圖3所示風電場，集電線可以被劃分為圖中5個無分支區域。采用以上劃分方法所得到的子區域數目要遠少于文獻[2,16-17]中以風機引出點作為子區域分界點的劃分方式，因此更有利于減少測點的安裝數目。為了便于描述，后文所有無分支區域均簡稱為區域。

基于上述劃分，本文設計兩層定位方案。層次一用于識別故障點所在區域；層次二與層次一相級聯，針對層次一所得故障區域實施故障測距，確定準確故障點。以上分層定位方案以層次一為基礎，可以有效實現含分支集電線的故障定位，同時也有利于降低故障定位復雜度，提高定位效率。

3 故障無分支區域識別

3.1 無分支區域狀態信息定義

假設圖3中區域3上的點出現不對稱接地故障，根據圖3建立對應零序網絡，如圖4所示。

圖4 含分支集電線零序網絡示意圖

為實際確定各區域狀態信息，可從零序電流主路徑的本質出發，通過區域上零序電流的大小進行判斷。獲取故障集電線上所有區域首端的零序電流有效值，與預設閾值進行比較，大于或等于閾值時表明該區域位于零序電流主路徑范圍內；小于閾值時表明該區域位于零序電流主路徑外。如前所述，主路徑中零序電流遠大于其他部分，并且主路徑內部各處零序電流數值相近，因此上述閾值的設置并不困難?？紤]到零序電流主路徑一定包含架空線首端，因此將此閾值設置為故障后故障集電線上架空線首端(如圖4中的M點)零序電流有效值的50%，后續仿真可驗證這一比例的合理性。值得指出的是，以上判據的本質是比較故障后架空線首端與各區域首端零序電流的大小，同時由于故障集電線上架空線首端零序電流會隨故障場景的變化而變化，因此這一閾值實際上是自適應的。

式中，||為“或”運算符。

在定義區域狀態信息的基礎上，本文通過優化匹配的方式構建目標函數實現故障區域識別。同時，優化方法的使用也能夠增強識別方法的容錯性。

3.2 故障區域識別目標函數的構建與求解

由工程經驗可知，實際風電場中一條集電線所含分支并不會太多，遠少于配電網，所以式(3)不會非常復雜，因此采用上述優化方法識別故障區域并不會耗費大量時間，同時二進制粒子群算法的性能也能夠滿足應用需求。

上述故障區域識別方法構成本文定位方案的層次一。對于不含分支的故障集電線，其本身即為唯一故障區域，因此可跳過該層次，直接執行層次二。

配電網中也存在基于優化匹配的定位方法[26]，但是其并不適用于集電線，因為其一般依靠故障相電流告警信息實現，而集電線并聯電源過多、電源故障特征不確定性強，這使得故障相電流流通方向復雜，同時也可能給告警信息生成時所需閾值的整定帶來困難。區別于這種配電網區間定位方法，本文從風電場零序電流較大的事實出發，結合集電線實際，基于零序電流進行故障區域識別，利用風機不提供零序電流的特征，使識別方法不需計及風機電源的影響，同時本文采用自適應閾值設計，保證了識別方法在小故障電流下的適用性。

4 故障無分支區域故障測距

4.1 故障測距模型構建

故障測距對結果準確性要求較高，因此本文在建立故障測距模型時保留線路零序對地電容，以盡可能提高等效模型精度。重畫圖4中故障區域(區域3)對應零序網絡可得圖5。

圖5 故障區域零序網絡示意圖

由圖5中線路m端的電氣量可得式(4)。

且由線路n端的電氣量可得式(5)。

由于式(4)與式(5)所得故障點零序電壓相等，因此有

式(6)含有多端電氣量，若直接利用式(6)計算故障距離比，計算效果易受數據不同步問題的影響。為此，分別在式(6)等號兩邊取模值，可得到式(7)。

上述故障測距模型中雙端量的利用使得過渡電阻的影響得以較好地消除。同時，該模型基于零序分量構建，而風電機組是零序開路的，因此風機對故障測距的影響得以克服。另外，計及線路分布電容也進一步提高了故障測距的精度。

4.2 故障測距模型求解

直接采用解析法求解式(7)時，須先對式(7)兩邊取平方，整理后可得形如式(8)的一元四次方程。

求解式(8)會得到多個解，僅依靠解的合理性，有時可能難以取舍。為解決以上問題，本文引入優化思想，根據式(7)構建用于方程求解的優化目標函數如式(19)，并采用標準粒子群算法(standard particle swarm optimization, SPSO)求解。

優化求解時，以式(19)作為適應度函數，通過最小化式(19)最終可以得到0~1之間唯一的最優實數解，克服了解析法求解時易出現解不唯一的缺點。以上測距方法構成本文定位方案的層次二。

5 線路參數在線計算方案

執行層次二時需要已知線路零序參數，但是這些參數可能會隨氣候、環境等因素的變化而變化，最終影響測距準確性。為解決這一問題，可以適時對線路參數進行在線計算，以更新參數預設值。

由前文可知，除首端區域(如圖4中的區域1)外，含分支集電線上其他區域出現故障時，首端區域的全部線路總是被完全包含在零序電流主路徑內。因此，可以借助首端區域的零序網絡在線計算線路參數，來更新全風電場所有區域的參數預設值。

將圖4中區域1的零序等效電路重畫如圖6。

圖6 集電線首端區域零序網絡示意圖

對于圖6，可以建立如式(20)所示方程。

由式(20)可解得L10與L10，進而由式(21)可得單位長度架空線的零序阻抗與對地零序電容0、0。

式(21)所得為單位長度架空線的零序參數，將其與故障區域長度相乘即得式(19)所需線路參數。

實際上，參數計算無需在每次定位時都進行，其可以單獨作為一個模塊，設置為人工選擇性投入，只需在參數長時間未更新時投入一次即可。當不含分支的集電線故障或層次一判斷集電線首端區域為故障區域時，式(20)不成立，參數計算模塊需要閉鎖。另外，上述參數計算所需電壓電流與集電線首端區域故障測距所需電壓電流相同，因此不需再增加測點。需要指出的是，雖然參數計算對同步精度要求較高，但是也只需在參數計算相關測點安裝少數幾臺高精度同步相量測量裝置即可。由于本文故障定位方案無需數據嚴格同步，因此其余測點并不需要較高的同步精度。進一步，若風電場環境穩定，既有參數不易變化，也可不引入參數計算模塊，也就無需安裝較高精度的同步相量測量裝置。

至此，可以給出風電場集電線不對稱接地故障定位方案(含線路參數在線計算)的整體流程圖，如圖7所示。方案啟動后，對于含分支故障集電線，首先根據零序電流確定區域狀態信息，優化式(3)，識別故障區域；然后，優化式(19)，求解故障區域故障測距模型，得到故障距離；若有線路參數計算需求，且集電線首端區域并非故障區域，則先投入參數在線計算模塊再執行層次二。對于不含分支故障集電線，直接執行層次二即可。由于風電場集電線在靠近母線處安裝有零序電流保護等[20,28]，因此本文方案可以在保護動作、斷路器跳閘后啟動，獲取跳閘前相關數據，經去噪、濾波處理后進行定位。

圖7 故障定位方案流程圖

6 仿真驗證

為驗證以上方案的性能，根據內蒙古某風電場實際結構，采用PSCAD/EMTDC建立仿真模型。在模型中，集電線1按照原有結構搭建，其他集電線做出一定簡化以減輕仿真壓力，仿真模型如圖8。

圖8 仿真模型

圖8所示仿真模型共包含兩條集電線，分別為集電線1、集電線2，兩條集電線所包含的架空線分別記作架空線1、架空線2。架空線1包含有多條分支，因此按照前文集電線劃分方法將其劃分為區域1—區域5。架空線1各區域以及架空線2的長度如表1所示，相應參數如表2；在PSCAD仿真中架空線采用分布參數模型。該風電場在主變中壓側經小電阻接地，主變接地電阻為67.3W。風機共有14臺，均采用PSCAD雙饋風機模型，額定容量均為2 MW。按照前文所述測點配置原則可得此風電場測點配置如圖8所示，設置測點采樣頻率為1600 Hz。層次一所用BPSO算法參數設置如下：最大迭代次數為200，種群規模為100，學習因子均為2.5，加權系數為0.4，粒子速度變化范圍為[-4, 4]；層次二所用SPSO算法參數設置如下：最大迭代次數為400，種群規模為100，學習因子均為2，加權系數采用線性遞減權值策略隨迭代變化，最大、最小加權系數分別為0.9、0.4，粒子位置變化范圍為[0, 1]，粒子速度變化范圍為位置變化范圍的20%。

表1 架空線長度

表2 架空線參數

本文模擬不同故障場景，首先驗證所提定位方案對于不同位置不對稱接地故障的有效性，然后分析過渡電阻、風機容量、數據不同步以及線路參數變化對定位方案性能的影響，最后與現有方法進行比較。后文測距誤差均為所得故障距離與實際故障距離之差比上實際故障距離。

6.1 不同位置的不對稱接地故障

以A相接地、AB相接地為例，在同一集電線的不同區域、不同集電線上分別設置故障，過渡電阻均為0 Ω，風機容量均為2 MW。應用所提定位方案實施定位。其中，當集電線1的區域3上距區域3首端2026.22 m處出現A相接地時，架空線首端零序電壓、零序電流的有效值波形如圖9(故障時刻為18點處)，BPSO、SPSO優化所得適應度值變化曲線如圖10。所有故障對應故障區域識別結果匯總如表3，測距結果與定位總用時匯總如圖11。

圖9 零序電壓、零序電流波形圖

由圖9及表3可以看到，當集電線出現不對稱接地故障時，風電場會出現較為明顯的零序分量。并且，當不同位置出現單相接地時，零序電流主路徑內部各區域的首端零序電流總是很大，即使是內部各區域首端零序電流的最小值也遠大于外部各區域首端零序電流的最大值。與單相接地相比，出現兩相接地時，主路徑內部零序電流減小，這主要與風電場各序阻抗的大小關系有關。但是，對于不同位置的兩相接地，零序電流主路徑內部區域的首端零序電流仍然遠大于外部。以上現象表明，對于不同位置不對稱接地故障，零序電流主路徑總是非常明顯，驗證了前文對于風電場故障特征的分析。

圖10 BPSO、SPSO適應度值變化曲線

表3 不同位置故障時故障區域的識別

圖11 不同位置故障時的測距誤差與定位總用時

由表3還可以看到，盡管不同位置出現不同類型不對稱接地故障時零序電流的大小存在差異，但是層次一中區域狀態信息的確定以及故障區域的識別并沒有受到影響。其原因在于，本文在確定區域狀態信息時采用了自適應閾值；同時，層次一所利用的實質上是零序電流的分布特征，即零序電流主路徑內外的零序電流大小差異。因此，層次一的識別效果與零序電流的絕對大小無關。

完成故障區域識別后，采用層次二進行故障測距。由圖11可知，對于不同位置不對稱接地故障，層次二測距誤差均在0.6%以內，這主要得益于層次二基于零序網絡建立，完全消除了風機的影響。

另外，圖11還給出了在AMD Ryzen 7 4800H 2.90 GHz CPU的Matlab2020環境下本文定位方案的耗時情況。能夠看到，盡管集電線1需要先識別故障區域導致耗時大于集電線2，但是最長耗時也僅有0.6 s。這表明優化算法的引入并沒有為定位方案帶來較大的時間成本。同時，由圖10所示適應度值變化曲線可知，BPSO、SPSO均能可靠、迅速收斂(因為按照本文區域劃分方法所得區域數目有限，所以圖10中BPSO在初次迭代就得到最優解，使得適應度值恒為理論最小值0.8)，綜合以上分析，并結合表3、圖11準確的定位結果可知，本文所采用優化算法的性能能夠滿足需要。

6.2 過渡電阻對定位方案的影響

在集電線1的區域3上設置A相、AB相接地故障，故障點距區域3首端2026.22 m，過渡電阻分別設置為0、50、100、200、300W，風機容量為額定值，所得故障區域識別結果如表4，測距結果如圖12。

由表4可以看到，隨著過渡電阻增大，對于單相接地、兩相接地，故障集電線上零序電流主路徑內外的零序電流都逐漸減小，但是主路徑內部的零序電流仍遠大于外部。層次一中由零序電流所得區域狀態信息都與實際一致，故障區域均得到正確識別。這主要是因為過渡電阻影響的只是零序電流的絕對大小，而如6.1節所述層次一與零序電流絕對大小無關，所以層次一的可靠性得以保證。

表4 不同大小過渡電阻下故障區域的識別

圖12 不同大小過渡電阻下的測距誤差

進一步，由于層次二的測距模型與過渡電阻無關，因此圖12中層次二所得最大測距誤差只有0.49%，驗證了層次二的抗過渡電阻能力。以上表明，所提定位方案可以較好地克服過渡電阻的影響。

6.3 風機容量對定位方案的影響

6.1節設置了不同的故障位置，故障點至母線之間的風機數目也隨故障位置的不同在0~5之間變化，因此本文定位方案消除風機影響的能力可以得到初步驗證。為進一步驗證上述性能，設置不同的風機容量進一步進行仿真。在集電線1的區域3上設置A相、AB相接地，故障點距區域3首端2026.22 m，過渡電阻為0 Ω。所得數據如表5和圖13所示。

由表5可知，在不同風機容量下，層次一所得區域狀態信息以及故障區域均正確；進一步，由圖13中柱狀圖的高度變化趨勢可以看出，層次二測距誤差與風機容量之間沒有明確的相關性，并且對于不同容量的風機，測距誤差均較小，以上表明本文定位方案性能不被風機容量影響。因此，可以得出結論，所提定位方案可以有效消除風機影響，準確實現集電線故障定位。這一獨特優勢得益于本文對于風電場零序網絡不含風機這一事實的利用。

表5 不同風機容量下故障區域的識別

圖13 不同風機容量下的測距誤差

6.4 數據不同步對定位方案的影響

在集電線1的區域3設置A相接地故障，故障距區域3首端3310 m，過渡電阻為0 Ω，風機容量為2 MW。以區域3首端測點為參考，分別在其下游相鄰區域(區域4、區域5)首端引入不同步角，以驗證數據不同步對本文定位方案的影響。由于層次一基于電流有效值建立，而線路參數計算使用高精度同步相量測量裝置，因此只需對層次二所得結果進行分析。相應結果如圖14。圖中橫軸表示“區域4首端測點不同步角+區域5首端測點不同步角”。

圖14 數據不同步時的測距結果

由圖14可知，當測點之間出現不同程度的數據不同步現象時，所提定位方案的測距誤差變化很小，定位仍然較為準確。這是因為本文取模值建立測距模型，所以能夠較好地消除測點間不同步角的影響。

6.5 線路參數變化對定位方案的影響

在集電線1的區域3上設置A相、AB相接地，故障點距區域3首端2026.22 m，過渡電阻為0 Ω，同時改變仿真模型線路參數模擬實際的參數變化。投入線路參數在線計算模塊與定位方案相配合，所得參數計算及定位結果分別如表6和表7。

由表6可知，線路各參數的計算誤差都較小，這表明本文線路參數在線計算模塊具有較高準確性。由表7的定位結果對比可以看到，參數變化前后故障區域的識別均正確，這是因為參數變化與過渡電阻相同，只改變零序電流的絕對大小，所以不會對本文故障區域的識別造成影響；但是，在參數變化時仍然使用原始參數進行測距將帶來相當大的測距誤差，而采用計算所得參數進行測距時對應誤差僅為0.82%、0.93%。以上結果表明，在線路參數在線計算模塊的輔助下，本文定位方案能夠有效克服線路參數變化的影響。

表6 架空線參數計算結果

表7 不同參數下的定位結果

6.6 與現有方案的測距精度對比

本文和文獻[15]所提集電線測距方案均為阻抗法測距，因此在此與文獻[15]展開對比研究。以集電線1上的A相接地為例，在區域3距該區域首端700 m(故障點1)處以及區域4距該區域首端626.03 m (故障點2)處模擬故障，過渡電阻包括10 Ω、200 Ω。實施文獻[15]所提方案時，默認故障區域已知，同時鑒于本文只研究純阻性故障，文獻[15]測距公式中電弧電壓部分只計及電阻壓降；按照本文假設進行風機故障電流近似計算后，將風機電流與架空線首端的A相電壓、A相電流、零序電流代入測距公式計算故障距離。

由圖15可知，當過渡電阻較小、故障點離架空線首端較近時，本文方案與對比方案都能夠取得較為準確的測距結果，二者測距精度相當，但是圖中其他情況下對比方案的誤差較大，而本文方案對于不同故障場景都有著較高的測距精度，因此整體來看，本文可以更加有效地實現集電線故障測距。

圖15 測距結果比較

7 結論

針對風電場集電線不對稱接地故障的定位問題，本文提出了一種基于風電場零序分量的集電線故障定位新方案。所得結論如下：

1) 考慮風電場結構特點，基于零序分量構建定位方案，能夠以較少測點完全消除風機影響，實現風機無關的故障定位，有效解決了電源數目多、故障特性復雜導致集電線定位困難的問題。

2) 所定義的無分支區域狀態信息能夠有效表征零序電流主流通路徑，層次一通過狀態信息優化匹配可以準確識別故障無分支區域，保證了定位方案對于含分支集電線的有效性。

3) 層次二基于零序阻抗構建，不需計及風機故障電流即可實現準確測距。同時，層次二采用優化思想求解故障測距模型，避免了解析法會出現的多解問題。

4) 層次一、層次二均不需嚴格的數據同步，并且定位性能不受故障位置、故障類型、過渡電阻的影響。同時，在線路參數在線計算方案的輔助下線路參數變化對測距的影響也得以克服。

風電場集電線故障定位目前仍是困擾風電運營商的難題，相對于現有方案，本文定位方案能夠更好地兼顧其所面臨的各關鍵問題，整體性能更優。在未來的研究工作中，將進一步減少測點數目，使方案經濟性更好。

[1] ZHANG Ke, ZHU Yongli, LIU Xunchun. A fault locating method for multi-branch hybrid transmission lines in wind farm based on redundancy parameter estimation[J]. Journal of Modern Power Systems and Clean Energy, 2019, 7(5): 1033-1043.

[2] 張科, 朱永利, 鄭艷艷, 等. 風電場輸電線路單相接地故障定位研究[J]. 太陽能學報, 2020, 41(5): 114-120.

ZHANG Ke, ZHU Yongli, ZHENG Yanyan, et al. Fault location of single-phase earth in transmission lines of wind farm[J]. Acta Energiae Solaris Sinica, 2020, 41(5): 114-120.

[3] 李練兵, 孫騰達, 曾四鳴, 等. 基于多端行波時差的配電網故障定位方法[J]. 電力系統保護與控制, 2022, 50(3): 140-147.

LI Lianbing, SUN Tengda, ZENG Siming, et al. Fault location method for distribution networks based on traveling wave time difference[J]. Power System Protection and Control, 2022, 50(3): 140-147.

[4] SHU Hongchun, LIU Xuhan, TIAN Xincui. Single-ended fault location for hybrid feeders based on characteristic distribution of traveling wave along a line[J]. IEEE Transactions on Power Delivery, 2021, 36(1): 339-350.

[5] 李猛克, 王陽, 孫廣, 等. 基于回歸分析法的特高壓直流接地極線路故障測距方法研究[J]. 電測與儀表, 2021, 58(9): 129-134.

LI Mengke, WANG Yang, SUN Guang, et al. Research on fault location method of UHVDC grounding pole line based on regression analysis[J]. Electrical Measurement & Instrumentation, 2021, 58(9): 129-134.

[6] 陶彩霞, 杜雪, 高鋒陽, 等. 基于經驗小波變換的混合輸電線路單相接地故障測距[J]. 電力系統保護與控制, 2021, 49(10): 105-112.

TAO Caixia, DU Xue, GAO Fengyang, et al. Single-phase to ground fault location of hybrid transmission lines based on empirical wavelet transform[J]. Power System Protection and Control, 2021, 49(10): 105-112.

[7] 段寬, 樊艷芳, 王永進, 等. 基于波速補償故障距離逐步逼真的直流線路行波測距方法[J]. 電力系統保護與控制, 2021, 49(11): 70-78.

DUAN Kuan, FAN Yanfang, WANG Yongjin, et al. A traveling wave ranging method for a DC line based on wave velocity compensation and fault distance approaching its real value gradually[J]. Power System Protection and Control, 2021, 49(11): 70-78.

[8] ROOSTAEE S, THOMAS M, MEHFUZ S. Experimental studies on impedance based fault location for long transmission lines[J]. Protection and Control of Modern Power Systems, 2017, 2(2): 169-177.

[9] GUILLEN D, SALAS C, SANCHEZ-GOMEZ L F, et al. Enhancement of dynamic phasor estimation-based fault location algorithms for AC transmission lines[J]. IET Generation Transmission & Distribution, 2020, 14(6): 1091-1103.

[10] JI Liang, TAO Xiaojie, FU Yang, et al. A new single ended fault location method for transmission line based on positive sequence superimposed network during auto-reclosing[J]. IEEE Transactions on Power Delivery, 2019, 34(3): 1019-1029.

[11] CHEN Jingwen, CHU Enliang, LI Yingchun, et al. Faulty feeder identification and fault area localization in resonant grounding system based on wavelet packet and Bayesian classifier[J]. Journal of Modern Power Systems and Clean Energy, 2020, 8(4): 760-767.

[12] 王浩, 楊東升, 周博文, 等. 基于并聯卷積神經網絡的多端直流輸電線路故障診斷[J]. 電力系統自動化, 2020, 44(12): 84-92.

WANG Hao, YANG Dongsheng, ZHOU Bowen, et al. Fault diagnosis of multi-terminal HVDC transmission line based on parallel convolutional neural network[J]. Automation of Electric Power Systems, 2020, 44(12): 84-92.

[13] JAMALI S, BAHMANYAR A, RANJBAR S. Hybrid classifier for fault location in active distribution networks[J]. Protection and Control of Modern Power Systems, 2020, 5(17): 1-9.

[14] 張科, 孫立志, 朱永利, 等. 基于矢量偏離度的風電場集電線路故障定位方法[J]. 電力系統自動化, 2019, 43(10): 127-133.

ZHANG Ke, SUN Lizhi, ZHU Yongli, et al. Fault location method of wind farm collection line based on vector deviation degree[J]. Automation of Electric Power Systems, 2019, 43(10): 127-133.

[15] 王賓, 任萱. 中性點經小電阻接地風電場集電線路單相接地故障測距研究[J]. 中國電機工程學報, 2021, 41(6): 2136-2144.

WANG Bin, REN Xuan. Single-line-to-ground fault location in wind farm collection line with neutral point grounding with resistor[J]. Proceedings of the CSEE, 2021, 41(6): 2136-2144.

[16] 彭華, 朱永利, 袁勝輝. 風電場集電線路單相接地故障組合測距[J]. 儀器儀表學報, 2020, 41(9): 88-97.

PENG Hua, ZHU Yongli, YUAN Shenghui. Combined fault location for single-phase grounding of wind farm collection line[J]. Chinese Journal of Scientific Instrument, 2020, 41(9): 88-97.

[17] 鄭艷艷, 朱永利, 劉童童, 等. 基于零序電流的風電場單相接地故障區段定位[J]. 系統仿真學報, 2019, 31(7): 1408-1415.

ZHENG Yanyan, ZHU Yongli, LIU Tongtong, et al. Single-phase grounding fault location in wind farm based on zero-sequence current[J]. Journal of System Simulation, 2019, 31(7): 1408-1415.

[18] 彭華, 朱永利. 基于apFFT頻譜校正和XGBoost的風電場集電線路單相接地故障測距[J]. 電工技術學報, 2020, 35(23): 4931-4939.

PENG Hua, ZHU Yongli. Single phase grounding fault location for power lines of wind farm based on apFFT spectrum correction and XGBoost algorithm[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4931-4939.

[19]彭華, 王文超, 朱永利, 等. 基于LSTM神經網絡的風電場集電線路單相接地智能測距[J]. 電力系統保護與控制, 2021, 49(16): 60-66.

PENG Hua, WANG Wenchao, ZHU Yongli, et al. An intelligent single-phase grounding fault location for a wind farm collection line based on an LSTM neural network[J]. Power System Protection and Control, 2021, 49(16): 60-66.

[20] 成和祥. 基于雙饋風機短路特性的風電場集電線路繼電保護整定方法研究[J]. 電力系統保護與控制, 2020, 48(16): 93-99.

CHENG Hexiang. Discussion on setting scheme of collecting line relay protection in wind farm based on a DFIG short-circuit characteristic[J]. Power System Protection and Control, 2020, 48(16): 93-99.

[21] HOERAUF R. Considerations in wind farm grounding designs[J]. IEEE Transactions on Industry Applications, 2014, 50(2): 1348-1355.

[22]曾德輝, 王鋼, 李海鋒, 等. 小電阻接地配電網多回線故障分析與自適應零序電流保護[J]. 電力自動化設備, 2019, 39(5): 45-52.

ZENG Dehui, WANG Gang, LI Haifeng, et al. Fault analysis of multi-feeder grounding fault and self-adaptive zero-sequence current protection scheme for low-resistance grounding distribution network[J]. Electric Power Automation Equipment, 2019, 39(5): 45-52.

[23] WANG Bin, NI Jiang, GENG Jianzhao, et al. Arc flash fault detection in wind farm collection feeders based on current waveform analysis[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(2): 211-219.

[24]袁冰, 王賓, 陸元園, 等. 風電場并網線路單相接地故障單端測距誤差特性分析[J]. 電力系統保護與控制, 2016, 44(19): 63-69.

YUAN Bing, WANG Bin, LU Yuanyuan, et al. Error analysis of single-end fault location for single-line-to- ground fault in transmission line with wind farm connection[J]. Power System Protection and Control, 2016, 44(19): 63-69.

[25]王晨清, 宋國兵, 遲永寧, 等. 風電系統故障特征分析[J]. 電力系統自動化, 2015, 39(21): 52-58.

WANG Chenqing, SONG Guobing, CHI Yongning, et al. Fault characteristics analysis of wind power system[J]. Automation of Electric Power Systems, 2015, 39(21): 52-58.

[26] 衛志農, 何樺, 鄭玉平. 配電網故障區間定位的高級遺傳算法[J]. 中國電機工程學報, 2002, 22(4): 128-131.

WEI Zhinong, HE Hua, ZHENG Yuping. A refined genetic algorithm for the fault sections location[J]. Proceedings of the CSEE, 2002, 22(4): 128-131.

[27] 謝瀟磊, 劉亞東, 孫鵬, 等. 新型配電網線路PMU裝置的研制[J]. 電力系統自動化, 2016, 40(12): 15-20.

XIE Xiaolei, LIU Yadong, SUN Peng, et al. Development of novel PMU device for distribution network lines[J]. Automation of Electric Power Systems, 2016, 40(12): 15-20.

[28] 陳福鋒, 趙謙, 蘭金波, 等. 風電場匯流線路同步采樣及差動保護[J]. 電力系統自動化, 2013, 37(14): 19-24.

CHEN Fufeng, ZHAO Qian, LAN Jinbo, et al. Synchronous sampling and differential protections of collector lines in wind farms[J]. Automation of Electric Power Systems, 2013, 37(14): 19-24.

Zero-sequence component-based fault localization for asymmetric phase-to-ground faults of collecting lines in wind farms

ZHU Yongli, DING Jia, PAN Xinpeng

(School of Electrical and Electronic Engineering, North China Electric Power University, Baoding 071003, China)

A large number of power sources with complex fault characteristics are connected to the collecting line of wind farms so that fault localization for the line is difficult. This problem has been plaguing wind power operators. Therefore, this paper presents a zero-sequence component-based fault localization scheme for asymmetric phase-to-ground faults of collecting lines. Starting by defining the branch-free area and fully considering the special relationship between wind turbines (WTs) and zero-sequence components of wind farms, the WT-independent identification and fault distance calculation for the faulty branch-free area can be realized hierarchically. First, the concept of status information of branch-free areas is introduced to reflect the main flow path of zero-sequence current. Then the faulty branch-free area can be identified by using optimization to match the status information. Second, a fault distance calculation model of the faulty branch-free area is derived from zero-sequence impedance, and the solution problem of this model is transformed into an optimization problem to obtain the fault distance. The proposed localization scheme can completely eliminate the effect of WTs with only a few measuring points and effectively adapt to the collecting line with branches. In addition, strictly synchronous data is not necessary for this scheme and multiple solutions are avoided. Finally, in order to deal with line parameter variation, online calculation of line parameters is also designed. Simulation results verify that this localization scheme is accurate and not affected by WTs, fault locations, fault types, fault resistance and asynchronous data, and the overall performance is better than that of existing schemes. The effectiveness of online calculation of line parameters is also proved.

wind farm; collecting line; asymmetric phase-to-ground fault; fault localization; zero-sequence component

10.19783/j.cnki.pspc.220635

國家自然科學基金項目資助(51677072)

This work is supported by the National Natural Science Foundation of China (No. 51677072).

2022-05-01；

2022-08-25

朱永利(1963—)，男，博士，教授，研究方向為電力設備狀態監測和分析、電力系統分析與控制等；E-mail: yonglipw@163.com

丁 嘉(1997—)，男，通信作者，博士研究生，研究方向為電力設備故障診斷；E-mail: jia_ding_0132@163.com

潘新朋(1997—)，男，碩士研究生，研究方向為電力線故障定位。E-mail: 1473893557@qq.com

(編輯 周金梅)