SCI论文（www.lunwensci.com）
摘要：随着电网中电缆的大规模使用，电缆状态监测和故障识别对于电网安全运行变得尤为重要。针对实际电缆带电检测或在线监测场景下的高噪声或强干扰情况，提出了一种基于电力线载波通信的电缆故障识别和定位算法。该方法在待测电缆一端注入载波通信中常用的前导码序列，同时采集电缆中的反射信号，并利用多径迭代分析算法提取反射路径数量、强度、到达时间等信息，实现电缆故障识别、故障类型/程度判断以及故障定位。由于前导码序列良好的自相关性能，所提出的电缆故障识别算法具有较强的抗噪声和干扰性能。通过仿真分析表明，所提算法在信噪比为-5 dB左右时故障识别准确率可达100%，故障定位均方根误差收敛到误差平台。此外，利用前两径的到达时间降低系统采样率对故障定位影响，相比传统方法定位精度可提升约60%。
关键词：故障识别；故障定位；前导码；多径迭代分析；电缆
Cable Fault Identification Algorithm Based on Power Line Communication
Zhang Daxing1，Huang Zerong1，Li Xianliang2※，Yin Xingguang1，Cai Bingzi1，Tian Mingming1
(1.Huizhou Power Supply Bureau of Guangdong Power Grid Corporation,Huizhou,Guangdong 516003,China;
2.Beijing PROEE Electronics Co.,Ltd.,Beijing 100070,China)
Abstract:With the large-scale use of cables in power grid,cable status monitoring and fault identification become particularly important for the power grid safe.Considering the high noise or strong interference in real on-line monitoring scenarios,a cable fault identification and location algorithm based on power line communication was proposed.The method injected the preamble sequence used in power carrier communication into one end of the cable,and collected the reflected signal in the cable at the same time.Information such as the number,intensity and arrival time of reflection paths were extracted from the reflected preamble by a multi-path iterative analysis algorithm,to realize fault identification,fault type/degree judgement,and fault location.Due to the good auto-correlation performance of the preamble,the proposed cable fault detection algorithm had strong anti noise and interference performance.Simulation shows that fault identification accuracy of proposed algorithm can reach 100%,and the root mean square error of fault location converges to a error platform,even in low SNR of-5 dB.Besides,the influence of sampling frequency can be reduced by using arrival time of the first two reflection paths,and the location accuracy can be further improved about 60%compared with traditional methods.
Key words:fault identification;fault location;preamble;multi-path iterative analysis;cable
0引言
随着城市建设的快速发展，电力电缆凭借着占地面积小、对城市环境友好等优点已逐步取代架空线成为城市输配电网络的主力军[1-3]。然而，受工艺、施工质量、运行环境及外力破坏等因素影响，电缆容易产生绝缘缺陷，从而引发绝缘击穿事故[4-6]。近年来，电网公司电缆规模大、增长快、运行时间长，部分电缆已接近甚至超过其设计使用寿命，故障率长期居高不下。因此，开展电缆故障监测，保障电缆供电可靠性，具有较大的价值和意义。
目前，常用的电缆故障检测方法有脉冲电流法、时域反射法、阻抗谱法等。脉冲电流法可以检测电缆高阻故障，但需要用高电压将故障点击穿，测试精度易受外界干扰[7-8]。时域反射法是一种无损测试方法，通过记录反射脉冲与发射脉冲的时间差来判断电缆故障点位置[9-10]。时域反射法注入的是脉冲信号，反射脉冲在传播过程中易受噪声、衰减影响而变形，定位精度不高。阻抗谱法[11-12]通过测量电缆首端输入阻抗随频率变化的曲线，提取电缆运行状态信息，从而判断电缆局部缺陷。阻抗谱数据容易测量，但如何从数据中提取和分析局部缺陷的特征量是一个难题[12]。
此外，不少文献利用电缆是电力线载波(Power Line Communication，PLC)信号传输载体这一特点，在完成数据通信的同时，通过电力线载波设备诊断电缆运行状态。文献[13-14]基于PLC调制模块，采用非侵入式的方式监测线路阻抗，完成对电缆故障诊断及定位。然而，线路阻抗会随着电网中设备的接入发生周期性/非周期性变化，从而引起电缆故障的误判。文献[15]利用PLC信道估计提取并分析信号传输函数，判断电缆劣化现象、量化劣化程度并定位劣化位置，信号传输函数的获取易受信号衰减、线路噪声影响。在此基础上，文献[16-18]引入了机器学习算法，从信道传输函数中提取多种特征参量，对机器学习模型进行训练，提高电缆故障检测精度。上述基于机器学习的诊断算法更多的是理论研究，并未分析实际应用中噪声、干扰对学习模型、电缆状态诊断可靠性的影响。
针对这些问题，本文提出了一种基于电力线载波通信的电缆故障识别方法。该方法在电缆一端注入高频前导码序列，同时采集反射信号并进行多径迭代分析，获取反射信号中多径数量、强度、到达时间等信息，通过这些信息实现电缆故障检测、类型识别以及定位。该方法利用前导码很强的自相关性，在低信噪比情况下仍能保证较高的故障识别率和定位精度。
本文首先给出了电缆故障模型，介绍了基于多径迭代分析的反射信号多径信息提取方法，建立了多径信息与故障是否存在、故障类型及故障点位置之间的关联关系，最后对所提出的算法进行性能仿真和验证。
1电缆故障模型
依据传输线理论，在高频电源下，可将电力电缆等效为一个双线传输的分布式参数模型[19]，如图1所示。电缆每单位长度(Per UnitLength，PUL)下的串联电阻R和串联电感L可以表示为[20]：
式中：r和D分别为导体的半径、两个导体的中心间距；，μr和μ0分别为导体的电导率、相对磁导率以及真空磁导率。
电缆每单位长度并联电容C和并联电导G为：
式中：α为衰减常数；β为相位常数。
常见的电缆故障类型有短路故障、断路故障、低阻故障和高阻故障，可将电缆故障点等效为阻抗Zf[7]。在故障点处，信号的传播由该处的反射系数和传输系数决定[21]：
式中：Z0为特性阻抗；ρ和τ分别为反射和传输系数。
对于长度为L的电缆，假设在距离电缆首端lf的位置存在故障点。如图2所示，注入电缆的前导码信号，在故障点和电缆终端处多次折射和反射，最终形成多条路径的反射信号回到电缆首端，每条路径的传输函数和路径长度如表1所示。
2信号处理
电力线载波通信技术是电力通信领域特有的通信方式，具有无需布网、分布广泛的天然优势，已广泛应用于用电信息采集、配电自动化等中低压接入业务[22-23]。前导码通常用于通信系统收发端时钟同步，本文采用宽带电力线载波通信中的前导码[24]，作为电缆故障检测的注入信号。
在电缆首端注入前导码后，采集反射信号并进行数字信号处理，如图3所示，包括自相关计算、门限比较、峰值存储和多径迭代处理等模块。自相关计算模块将输入信号与本地存储的前导码进行相关运算：
式中：b(k)为自相关计算模块输入；r(k)为采集的反射信号；f(k)为多径迭代处理模块输出；Niter为迭代次数；s*为前导码s的共轭。
将|m(k)|与门限值T进行比较，若该序列中没有一个元素，其幅度大于T，则停止迭代并结束信号处理流程；否则，找到第一个幅度大于门限值T的元素，记录其幅度的大小和序号，即：
式中：T为门限值；|x|为x的绝对值。
在记录幅度和序号后，如果迭代次数到达设置的上限，则停止迭代并结束信号处理流程；否则，将PNiter作为输入对采集的反射信号进行多径迭代处理：
式中：s为本地存储的前导码。
图4所示为不同迭代次数下的归一化m(k)，第一次迭代时，可以看到3个尖锐的峰，分别对应图2中3条路径的信号。其中，第一径能量最强，对应的相关峰值最高；后两径能量较弱，对应的相关峰值较小，不易检测。第二次迭代时，将最强的第一径信号滤除后，第二/三径的相关峰值得到了提升(图4(c))。而在第三次迭代时，进一步将第二径信号滤除，第三径的相关峰值又得到放大(图4(d))，便于检测。
3故障识别与定位
3.1故障类型识别
为了实现电缆故障类型的识别，分别建立电缆短路、开路、低阻及高阻故障模型，运用前导码多径迭代算法进行分析。图5所示仿真了不同电缆故障类型下的归一化m(k)，仿真的电缆长度为500 m，电缆首端注入前导码信号，电缆末端开路，故障点距电缆首端200 m。
当电缆短路故障时，反射信号中只能解析出一条路径，对应m(k)中一个相关峰值，且峰值的极性为负。当电缆开路故障时，反射信号中也只能解析出一条路径，对应m(k)中只存在一个相关峰值，且峰值的极性为正。在低阻故障下，反射信号可以解析出3条路径信号，对应m(k)中3个相关峰，其中第一径和第三径相关峰极性为负，第二径峰值极性为正。在高阻故障下，反射信号中可以解析出3条路径信号，但3条路径对应m(k)中的3个相关峰极性均为正。
因此，在前导码多径迭代分析后，通过记录的相关峰的个数和极性，可判断是否存在电缆故障以及电缆故障类型：相关峰个数为3且第一径峰值极性为负，则为存在低阻故障；相关峰个数为3且第一径峰值极性为正，则为存在高阻故障；相关峰个数为1且第一径峰值极性为负，则为存在短路故障；相关峰个数为1，第一径峰值极性为正，且故障点距电缆首端小于电缆长度，则为开路故障，否则电缆正常无故障。
3.2故障定位
由图2可知，路径1是在故障点处的反射信号，因此检测到存在电缆故障并判断故障类型后，利用第一径的到达时间计算故障点与电缆首端的距离：
式中：d1为前导码多径迭代处理过程中记录的第一径序号；v为信号在电缆中的传输速度；fs为采样频率。
与基于到达时间(Time of Arrival，ToA)定位算法[25]类似，由于式(13)中d1是正整数，因此De1的计算误差受采样频率影响，为v/(2fs)。电磁波信号在电缆中的传输速度v与电缆材质有关，对于特定的电力电缆，故障定位的精度与采样率相关，采样率越高，定位精度也越高，反之则越低。
对于低阻和高阻故障，存在3条反射路径，在待测电缆长度已知的情况下，利用第一径和第二径的到达时间计算故障点与电缆首端的距离，可避免故障定位精度受采样率影响：
式中：d1和d2分别为前导码多径迭代处理时记录的第一和第二径序号；L为已知待测电缆长度。
4仿真分析
为验证本文所提出的电缆故障识别算法，搭建基于MATLAB的仿真平台，仿真待测电缆长度500 m，电缆故障位置距离电缆首端200 m，在电缆首端注入宽带电力线载波通信系统中常用的前导码序列。
4.1电缆故障识别准确率分析
图6仿真了不同故障程度和信噪比(Signal-to-Noise Rate，SNR)情况下的电缆故障识别率。对于故障较严重的情况(低阻故障Zf=0.1Z0，或高阻故障Zf=4Z0)，当SNR为-8dB左右时故障检测率接近100%；而对于故障程度轻微的情况(低阻故障Zf=0.5Z0，或高阻故障Zf=2Z0)，当SNR为-5 dB左右时故障检测率也可接近100%。故障越严重，低故障阻抗越小(或高阻阻抗越大)，注入的前导码在故障点处反射信号以及第一径的相关峰能量越强，故障识别率也越高。
因此，所提出的故障识别方法具有较好抗噪性能，在实际电缆在线监测或带电检测时，可确保高噪声情况下故障识别可靠性。
4.2电缆缺陷程度仿真
图7所示为不同低阻故障程度下的归一化多径相关峰值，其中横坐标是故障阻抗与电缆特性阻抗(Zf/Z0)的比值，数值越小，低阻故障越严重，数值趋近于0时电缆接近短路。当电缆短路时，第一径的相关峰值达到最大，随着Zf/Z0数值的增加，在故障点反射的信号强度降低，其相关峰值也随之减小；而对于第二径，低阻故障越严重，相关峰值越小，故障越轻微，相关峰值越大。
高阻故障下，不同路径相关峰值与故障程度的关系可以得出类似的结论(图8)。因此，在检测到电缆存在故障后，可以通过前两径相关峰值，判断缺陷程度：第一径的相关峰强度越大，第二径相关峰强度越小，则表示低阻/高阻故障越严重。
4.3故障定位精度分析
图9仿真了不同信噪比下的故障定位精度，图中下半部分是对上半部分的局部放大。在SNR为-6 dB左右时，定位误差即可收敛到一个误差平台，具有较好的抗噪性能。仿真中1的均方根定位误差为6.7 m，且该误差与采样频率成反比，实际应用中可适当提高采样频率来提高故障定位精度。2可避免采样频率对定位精度的影响，其均方根误差为2.7 m，相比1提高了约60%。
5结束语
本文提出了一种基于电力线载波通信的电缆故障识别和定位算法，通过注入前导码信号，从反射信号中提取多径数量、极性、强度、到达时间等信息，实现电缆故障识别和定位。
(1)通过多径数量和首径极性，判断是否存在故障以及故障类型(短路、断路、低阻及高阻故障)。
(2)计算首径相关峰强度可进一步判断故障程度，强度越大，则缺陷程度越严重，反之则越轻。
(3)最后，利用前两径的到达时间实现故障点的定位，且与一般的TOA定位方法相比，其定位精度可提高60%。
(4)仿真研究表明，所提出的故障识别和定位方法，在低信噪比条件下，仍具有较高的识别率和定位精度，可保证电缆带电检测或在线监测时识别可靠性。
参考文献：
[1]杜伯学,晨磊,李进,等.高压直流电缆聚乙烯绝缘材料研究现状[J].电工技术学报,2019,34(1):179-191.
[2]林松,邱雪梅,李雍,等.综述电力设备局部放电检测方法[J].电工文摘,2016(3):60-64.
[3]王伟,何东欣,易登辉,等.工频电压下电缆本体的空间电荷测试[J].电工技术学报,2016,31(7):152-158.
[4]杜浩,关弘路,蒋琛,等.交流电压下交联聚乙烯电缆典型缺陷局部放电特性研究[J].高压电器,2020,56(12):164-170.
[5]李濛,洪晓丰,黄嘉盛.高压电缆铝护套腐蚀缺陷周向超声导波检测技术[J].自动化与信息工程,2022,43(4):1-6.
[6]李蓉,周凯,饶显杰,等.配电电缆本体受潮缺陷定位及受潮特性分析[J].中国电机工程学报,2022,42(9):3470-3480.
[7]鹿洪刚,覃剑,陈祥训,等.电力电缆故障测距综述[J].电网技术,2004(20):58-63.
[8]张正团,文锋,徐丙垠.基于小波分析的电缆故障测距[J].电力系统自动化,2003(1):49-52.
[9]綦振伟.基于时域反射原理的电缆断点检测技术研究[D].长春:吉林大学,2018.
[10]KIM H J,PARK J S,MUN J,et al.Sensitivity Analysis of Water Tree and Input Pulse Parameters for Time-Domain Reflectome‐try of Power Cables Using Taguchi Method[J].Journal of Elec‐trical Engineering&Technology,2020(16):633-642.
[11]HIRAI N,YAMADA T,and OHKI Y.Comparison of broadband impedance spectroscopy and time domain reflectometry for lo‐cating cable degradation[C]//Condition Monitoring and Diagno‐sis(CMD),2012 International Conference on IEEE,20122:229-232.
[12]周志强.基于宽频阻抗谱的电缆局部缺陷诊断方法研究[D].武汉:华中科技大学,2015.
[13]PASSERINI F and TONELLO A M.Power Line Fault Detection and Localization Using High Frequency Impedance Measure‐ment[C]//IEEE International Symposium on Power Line Com‐munications and its Applications,2017(4):3-5.
[14]RIGHINI D,TONELLO A M.Non Instrusive Network Imped‐ance Esimation with state of the art PLC modems[C]//IEEE In‐ternational Symposium on Power Line Communications and its Applications,2020(5):11-13.
[15]LEHMAN A M,RAAB K,GRUBER F,et al.A diagnostic method for power line networks by channel estimation of PLC devices[C]//IEEE International Conference on Smart Grid Communica‐tions,2016(11):6-9.
[16]HUO Y,PRASAD G,ATANACKOVIC L,et al.Grid Surveillance and Diagnostics using Power Line communications[C]//IEEE International Symposium on Power Line Communications and its Applications,2018(4):8-11.
[17]HUO Y,PRASAD G,ATANACKOVIC L,et al.Cable diagnostics with power line modems for smart grid monitoring[C]//IEEE Ac‐cess,2019(7):60206-60220.
[18]HUO Y,PRASAD G,LAMPE L,et al.Smart Grid Monitoring En‐hanced Machine Learning for Cable diagnostics[C]//IEEE Inter‐national Symposium on Power Line Communications and its Ap‐plications,2019(4):3-5.
[19]PAUL C R.Analysis of multiconductor transmission lines[M].Macon:Wiley-IEEE Press,2008.
[20]谢敏,周凯,赵世林,等.新型基于反射系数谱的电力电缆局部缺陷定位方法[J].电网技术,2017,41(9):3083-3089.
[21]MILIOUDIS A N,ANDREOU G T and LABRIDIS D P.En‐hanced protection scheme for smart grids using power line com‐munications techniques-Part II:Location of High Impedance Fault Position[J].IEEE Transactions on Smart Grid,2012(3):
1631-1640.
[22]CANETE F J,PRASAD G,LAMPE L.PLC Networks with In-Band Full-Duplex Relays[C]//IEEE International Symposium on Power Line Communications and its Applications,2020.
[23]TSUZUKI S.Simultaneous Transmission Method of Power and Information Using Hoist Ropes for Mobile Crane PLC[C]//IEEE International Symposium on Power Line Communications and its Applications,2019.
[24]国家电网公司.低压电力线宽带载波通信互联互通技术规范第4-1部分:物理层通信协议[S].2017.
[25]BABICH F,NOSCHESE M,et al.A simple method for TOA esti‐mation in OFDM systems[C]//European Navigation Conference,2017(5):9-12.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/61151.html
