Resumo: Para resolver o problema da seleção de linhas e localização de pequenas faltas à terra na rede de distribuição, este artigo analisa as propriedades de filtragem adaptativa do algoritmo EMD. O FMI decomposto pelo EMD da corrente de defeito à terra de pequena intensidade é apresentado em diferentes ângulos de defeito. Caraterísticas diferentes, quando a quantidade de baixa frequência é grande, é utilizada a direção de mutação do ponto de falha da camada de baixa frequência do FMI e, quando é pequena, a energia transitória do condensador é utilizada como critério para a seleção da linha de falha. Além disso, com base na cooperação mútua entre a DTU e a FPI, as formas de onda de cada FPI adjacente foram comparadas para determinar finalmente a localização da falha, e os nós lógicos relevantes para a seleção da linha de falha e a função de posicionamento foram expandidos de acordo com o protocolo IEC 61850, que forneceu uma referência para a estação principal monitorizar as funções da DTU e da FPI. A simulação de um defeito à terra de pequena intensidade na rede de distribuição com base no MATLAB/Simulink verificou a eficácia deste método de seleção e posicionamento de linhas.
Os acidentes com cortes de energia sofridos pelos utilizadores são, em grande parte, causados por falhas na rede de distribuição. Por conseguinte, a melhoria efectiva da fiabilidade do consumo residencial de energia é o objetivo da construção de redes de distribuição inteligentes. No entanto, existem muitos tipos e quantidades de equipamentos de energia na rede de distribuição, incluindo a Unidade Mínima (DTU), e existem também dispositivos distribuídos com uma única função, mas em grande número devido a considerações económicas, como os Indicadores de Passagem de Falhas (FPI). A rede de distribuição, como a que ainda utiliza a tradicional série de protocolos IEC 60870-5, dificilmente se adaptará a uma informação de dados tão complexa.
Therefore, the IEC61850 protocol is currently recognized as the most suitable for distribution network automation, especially its application in line selection and location of small current ground faults in distribution networks. DTU and FPI are currently the main power distribution automation equipment that solves the problem of line selection and location of small current ground faults. Regarding its implementation method, literature [1] proposes that DTU uploads the direction of zero-sequence power for fault location when the zero-sequence current is large, or uses Methods such as wavelet extraction of feature components are used for fault line selection and location [2-3].
No entanto, a estrutura da rede de distribuição é complexa e mutável, e as falhas em diferentes momentos correspondem a diferentes componentes transitórias de falha. Juntamente com a oscilação incerta das faltas e o ruído do sistema, os algoritmos de filtragem de frequência fixa ou as faltas tradicionais que apenas se baseiam na direção da falta como critério de seleção da linha e métodos de posicionamento trazem enormes desafios. Relativamente à utilização de FPI, a literatura [4] propõe um método que utiliza apenas Zig Bee. No entanto, devido à necessidade de controlo de custos, o FPI geralmente não tem funções de comunicação. Mesmo que tenha funções de comunicação, é difícil suportar de forma independente a norma IEC 61850 para comunicação, e as falhas serão transmitidas ao equipamento back-end FPI para processamento. A literatura [5] explica como utilizar este FPI para implementar um protocolo específico para a localização de avarias. Como fazer com que o FPI suporte o protocolo IEC 61850 é também um problema inevitável na realização da automação da rede de distribuição.
De acordo com a norma IEC 61850, a literatura [6] criou um nó lógico de seleção e posicionamento de linhas de defeito à terra de pequena corrente adequado a um método dedicado, que fornece uma referência para a aplicação da norma IEC 61850 na seleção e posicionamento de linhas de defeito em redes de distribuição. Com base nos pontos anteriores, este artigo tenta utilizar a decomposição de modo empírico (EMD) com propriedades adaptativas para substituir o algoritmo de wavelet tradicional utilizado para analisar componentes transitórios para a seleção de linhas de defeito e, em seguida, utiliza DTU e FPI para detetar correntes de defeito. Testar e efetuar a localização de defeitos. Finalmente, para este método de seleção e localização de linhas, é proposto um nó lógico de seleção e localização de linhas de defeito que está em conformidade com a expansão do protocolo IEC61850, e os atributos de monitorização do FPI são integrados no nó, utilizando o DTU como meio de comunicação para resolver o problema do impacto do FPI nas questões de suporte IEC para o protocolo 61850.
1 Introduction to the adaptability of EMD algorithm EMD is a new adaptive signal time-frequency analysis method proposed and developed by NE Huang in the United States in 1998 [7]. Based on the characteristics of the signal itself, it independently extracts the inherent inherent modal function of the signal ( Intrin-sic Mode Function (IMF), a large number of engineering examples have confirmed that the EMD algorithm has characteristics similar to binary filters and is an effective tool for nonlinear fault waveform analysis. The characteristic of the EMD algorithm is local scale adaptation, which is reflected in the detection of instantaneous frequencies.
Efetuar a transformada de Hilbert no sinal x(t) para obter ^x(t) que representa as caraterísticas locais de x(t). Definir o seu sinal analítico z(t) como: z(t)=x(t) j^x(t)= a(t) ejθ(t)(1)(1)A frequência instantânea é expressa por: fi(t)=-(2)fi(t)=21π-dθd(tt)(2)12πdt-dt(2)onde fi(t) representa a frequência instantânea i no tempo t. Diferente da decomposição trigonométrica, a frequência instantânea obtida pela transformada de Hilbert é uma grandeza local.
The multi-component signal mathematical model of x(t) is established as follows: x(t)=∑ci(t) r(t)(3)x(t)=i=∑N 1ci(t) r(t)(3) i=1ci(t) r(t)(3) where ci(t) is the single component signal and r(t) is the residual signal. It can be seen that compared with Fourier decomposition that uses triangular basis as the time scale, the time scale in the EMD algorithm represents the implicit local oscillation scale of the signal [8]. EMD decomposition does not require pre-definition of basis functions, nor does it require prior knowledge of the signal, so the algorithm has good adaptability. EMD can be decomposed into several IMFs and a residual signal: s(t)=∑IMFi(t) r(t)(4)s