当前我国社会经济正进入发展迅猛的阶段,工业化持续发展、城市化进程深入、居民生活水平显著提高,这些因素推动电力需求不断增长。输电线路的安全运行是确保电力系统可靠性的重要一环。作为输送电能的载体,输电线路途径复杂而多变的环境,不可避免会发生一些线路故障。长期以来,专家学者们致力于故障测距方法的应用与改进。快速有效的测距方法能大大减少人工巡线的时间和因故障暂停供电带来的经济损失。现有的测距方法一般依赖于单侧保护或录波装置,此类方法受限于传统单端测距法原理上的弊端,其测距精度非常有限。针对传统行波测距方法波头到达时刻不易检测,易受波速不确定性影响以及需要在较高采样率下才能保证测距精度的问题,本文提出了一种基于变分模态分解(VMD)和对称差分能量算子(SDEO)的单端行波故障定位方法。(1)研究单端测距公式的改进方法。单端故障测距主要根据故障初始行波与从故障点反射的行波先后到达测量端母线的时间差来求出故障点到测量端母线的距离,而来自对端母线的反射行波会对故障初始波头的正确判断产生影响。本文算法充分考虑到利用来自对端母线的反射行波也可以用来进一步精确计算输电线路一定范围内的故障位置,通过分别采集前2个和前3个到达的行波波头的时间进行计算,分类讨论测距公式。得到的结果可以作为传统单端行波测距的优化值。本文设计出故障位置计算公式只包含了故障初始正向行波、对端母线反射波和故障点的反射波到达的测量端的时刻以及给定线路的总长度这几个因素,克服了因主观选取波速数值导致的测距误差和因弧垂导致的线路长度的不确定性影响,提高了定位精度。(2)研究故障行波波头抵达时刻的检测算法。考虑到在EMD方法中IMF分量个数无法人为设定、在噪声背景中IMF易被淹没、端点效应等问题易造成分解效果不理想,故本文引入变分模态分解算法。先通过变分模态分解电流行波得到其模态分量,然后利用对称差分能量算子提取所选模态分量的瞬时能量突变时刻。VMD在信号分解后仍能保护好信号的局部特征,有利于故障信号突变点的特征提取。结合对称差分能量算子优异的跟踪信号奇异性的特点,使该算法即使在较低采样率下也能精确地检测出波头的瞬时能量突变时刻。最后利用采样点的误差修正方法对故障初始行波的到达时刻所对应的采样点进行误差修正,从而准确定位故障发生点。(3)研究故障区段预测。由于本文采用的单端测距方法,需要根据不同故障点的位置选择不同的测距公式,通过前三个波头的到达时刻及其极性来计算故障位置。因此本文引入遗传算法对神经网络模型的权值与阈值进行优化,利用该组合智能算法粗略地计算故障点位置,对故障位置作初步判断,从而准确识别反射波头的来源,然后选择相应的公式进行计算,优化由传统单端测距公式计算得到的结果,减小了测距误差。(4)仿真建模。通过EMTP及MATLAB仿真软件对输电线路故障测距模型进行建模仿真,通过改变采样率、故障发生位置、故障类型、过渡电阻、白噪声信噪比等不同条件得到故障定位结果,并与小波方法得到的结果进行对比与分析。仿真结果验证了本文方法的测量精度较小波故障定位方法有所提升,而且能够节约设备成本,适合于工程实际中的应用。