简介这份资源面向电力系统保护与控制领域的研究人员、工程师及配电网故障检测方向的技术人员聚焦谐振接地系统中两点同相接地与高阻接地两类复杂单相接地故障的选线及定位难题。内容围绕零序等效网络与高阻故障建模展开针对两点同相接地提出基于零序电流暂态量和过渡电阻特征的选线思路针对高阻故障则采用变模态分解法结合对地电容参数特征完成选线与定位并配有可运行的Python代码实现涵盖系统建模仿真、VMD选线算法与故障定位流程仿真结果验证了方法的抗干扰能力与适用性。资源包为1个docx文档约54KB结构紧凑便于对照理论推导与代码实现同步学习。目前已有38人学习适合希望快速掌握复杂接地故障选线定位方法、并借助代码复现验证的读者参考。1. 谐振接地系统里为什么两点同相接地和高阻接地总让选线算法集体翻车10kV 配电网里跑谐振接地经消弧线圈接地的人多半都经历过这种场面变电站报单相接地选线装置却一会儿报线路 A、一会儿报线路 B甚至干脆不报运维到现场拿钳形表一卡零序电流小得可怜波形还畸变。问题往往不在装置本身而在于故障不是教科书里那种理想单相金属性接地。谐振接地系统为了抑制弧光过电压人为把中性点经消弧线圈调谐到接近全补偿故障点的容性电流被感性电流抵消故障线路的零序电流特征被大幅削弱。这时候再叠加两点同相接地两条线路不同位置同时接地或高阻接地过渡电阻几百欧到几千欧传统基于零序电流幅值或群体比幅比相的选线方法基本失效。这篇文章要讲的就是这两类复杂故障的选线及定位怎么做。核心思路是把零序电流做变模态分解VMD提取暂态特征频带再结合稳态无功方向做综合判据最后用行波或阻抗法做故障定位。适合正在做配网自动化、选线装置算法开发或者被现场误选困扰的运维工程师。下面从原理到代码一步步拆能复现的我都给可跑的 Python 片段。2. 谐振接地系统单相接地故障的电气特征与选线难点2.1 消弧线圈补偿后零序电流到底还剩什么要理解选线为什么难得先把谐振接地系统的零序回路算清楚。中性点经消弧线圈接地后单相接地时故障点流过的电流是全网对地电容电流与消弧线圈电感电流的矢量和。设全网单相对地电容为 $C_\Sigma$消弧线圈电感为 $L$脱谐度 $v 1 - \frac{1}{\omega^2 L C_\Sigma}$。当 $v \approx 0$全补偿时故障点基波电流接近零故障线路首端的工频零序电流也接近零。但注意零序电流并不是完全消失它还剩三部分暂态分量故障瞬间电容充电产生的高频振荡频率通常在 300Hz3kHz衰减时间常数几毫秒到几十毫秒。这部分不受消弧线圈基波补偿影响是选线的主要信息源。有功分量消弧线圈和线路本身有电阻产生一个与零序电压同相的微小有功电流幅值约为容性电流的 2%5%。五次谐波分量消弧线圈对五次谐波呈感性且阻抗大补偿效果弱五次谐波零序电流仍保留较明显的方向特征。所以选线算法的信息基础本质上就是暂态、有功、五次谐波这三块。传统装置只用工频幅值比自然在复杂故障下翻车。2.2 两点同相接地为什么让方向判据失效两点同相接地指的是同一相在两条不同线路的不同位置同时接地。此时系统形成两个故障点零序电压由两个接地点共同决定零序电流的分布不再是故障线路流向母线、非故障线路流出母线的简单模式。具体表现是两条故障线路的零序电流方向可能一个超前一个滞后群体比相时相位关系混乱非故障线路的零序电流反而可能因为两个故障点的电位差而出现异常幅值。更麻烦的是两个接地点之间的线路段会有穿越性零序电流让基于故障线路零序电流最大的判据直接失效。工程上识别两点接地的一个实用特征是零序电压波形出现明显的非正弦畸变且各线路零序电流的 3 次谐波含量同时升高。因为两个接地点形成的回路对 3 次谐波呈现低阻抗3 次谐波零序电流会显著增大。2.3 高阻接地为什么把暂态特征也吃掉了高阻接地过渡电阻 $R_f$ 通常 500Ω5kΩ的问题是它同时削弱暂态和稳态特征。过渡电阻串在故障回路里对高频暂态分量形成强阻尼暂态零序电流的幅值随 $R_f$ 增大迅速衰减衰减时间常数也变短。当 $R_f$ 超过 1kΩ 时很多线路的暂态零序电流已经接近测量噪声水平。稳态方面高阻使零序电压降低零序电流的有功分量和无功分量同步减小。这时候如果装置零序电流互感器零序 CT精度不够或者存在不平衡电流选线就完全靠运气。应对高阻接地的常见做法是降低选线判据的幅值门槛改用波形相似度或能量占比作为判据同时提高采样率以保留暂态细节。下面这张表对比了三类故障的特征差异是后面算法参数设置的依据。故障类型零序电压暂态零序电流工频零序电流五次谐波主要可用特征金属性单点高强弱全补偿中等暂态五次谐波两点同相中高、畸变中等混乱强3次谐波暂态高阻单点低弱极弱弱波形相似度能量3. 用 VMD 分解零序电流提取暂态特征频带3.1 为什么选 VMD 而不是 EMD变模态分解VMD在选线里的价值是把零序电流这种非平稳信号分解成若干个有限带宽的模态分量IMF每个模态对应一个中心频率。相比经验模态分解EMDVMD 的模态数和中心频率可以预先设定不会出现模态混叠这对特征频带提取很关键。选线场景下我们关心的是暂态特征频带通常在 300Hz3kHz。用 VMD 把零序电流分解成 46 个模态然后按中心频率筛选出落在特征频带的模态计算其能量占比。故障线路的特征频带能量占比通常高于非故障线路这是核心判据。VMD 的关键参数有两个模态数 $K$ 和惩罚因子 $\alpha$。$K$ 太小会欠分解特征频带和其他频带混在一起$K$ 太大会过分解产生虚假模态。工程上 $K$ 取 46$\alpha$ 取 2000 左右比较稳。下面给一个可跑的 VMD 实现。import numpy as np from vmdpy import VMD def vmd_feature(zero_seq_current, fs10000, K5, alpha2000): 对零序电流做VMD分解返回各模态及特征频带能量占比 zero_seq_current: 一维零序电流数组 fs: 采样率(Hz) K: 模态数 alpha: 惩罚因子 # VMD要求输入为实数tau0表示无噪声约束DC0不允许直流 u, u_hat, omega VMD(zero_seq_current, alpha, 0, K, 0, 1, 1e-7) # u shape: (K, N)omega shape: (K, 迭代次数)取最后一列为中心频率 center_freqs omega[:, -1] * fs / (2 * np.pi) # 特征频带 300Hz ~ 3000Hz band_mask (center_freqs 300) (center_freqs 3000) total_energy np.sum(u ** 2) band_energy np.sum(u[band_mask] ** 2) ratio band_energy / total_energy if total_energy 0 else 0 return u, center_freqs, ratio # 示例读取某条线路零序电流 # i0 np.loadtxt(line1_i0.csv) # u, freqs, ratio vmd_feature(i0) # print(中心频率:, freqs) # print(特征频带能量占比:, ratio)逻辑说明VMD 函数返回的u是各模态时域波形omega是每次迭代的中心频率。取最后一次迭代的中心频率换算成 Hz筛选落在 3003000Hz 的模态计算这些模态能量占总能量的比例。参数说明fs必须和实际采样率一致否则中心频率换算错误K5是经验值线路短、暂态频率高时可取 6alpha2000控制带宽越大带宽越窄高阻接地时信号弱可适当减小到 1500 以保留更多能量。3.2 特征频带能量占比的选线判据怎么设阈值算出每条线路的特征频带能量占比后怎么判定哪条是故障线路直接用最大值容易受噪声干扰。工程上常用两种判据结合相对判据故障线路的能量占比应大于所有线路能量占比均值的 1.5 倍且大于次大值的 1.2 倍。绝对判据故障线路能量占比应大于 0.3否则认为信号太弱判据不可信转用其他方法。这两个阈值不是拍脑袋来的。0.3 的绝对门槛来自大量现场录波统计金属性接地时故障线路占比通常在 0.50.8高阻接地时可能降到 0.30.4低于 0.3 基本淹没在噪声里。1.5 倍和 1.2 倍的相对门槛是为了防止两条线路占比接近时误判这在两点同相接地时特别重要。实际部署时建议把每条线路的占比和阈值都存进录波文件方便事后复盘。下面这段代码给出完整的判据逻辑。def select_fault_line(ratios, line_names): ratios: 各线路特征频带能量占比列表 line_names: 线路名称列表 返回: 故障线路候选及置信度 ratios np.array(ratios) mean_r np.mean(ratios) sorted_idx np.argsort(ratios)[::-1] max_r ratios[sorted_idx[0]] second_r ratios[sorted_idx[1]] # 绝对判据 if max_r 0.3: return None, energy_too_low, ratios # 相对判据 if max_r 1.5 * mean_r and max_r 1.2 * second_r: return line_names[sorted_idx[0]], confident, ratios else: return line_names[sorted_idx[0]], ambiguous, ratios # 示例 # names [L1,L2,L3,L4] # result, conf, r select_fault_line([0.12,0.55,0.10,0.23], names) # print(result, conf)逻辑说明先排序拿到最大和次大占比再依次判断绝对门槛和相对门槛。返回ambiguous时说明判据不可靠需要引入五次谐波或稳态无功方向做二次确认。参数说明1.5和1.2这两个系数在两点同相接地场景可以适当放宽到1.3和1.1因为两点接地时能量分散故障线路占比不会特别突出。4. 两点同相接地与高阻接地的综合选线策略4.1 用五次谐波和 3 次谐波区分故障类型前面提到两点同相接地会让 3 次谐波零序电流显著增大而高阻接地会让五次谐波也变弱。所以选线前先做一个故障类型粗判能大幅提高后续判据的针对性。粗判逻辑计算各线路零序电流的 3 次谐波含量比3 次谐波幅值 / 基波幅值和五次谐波含量比。如果所有线路的 3 次谐波含量比普遍高于 0.15且零序电压波形畸变率大于 5%判为疑似两点同相接地如果五次谐波含量比低于 0.05 且零序电压低于额定相电压的 30%判为疑似高阻接地。这个粗判不需要很精确它的作用是决定后面用哪套参数。两点同相接地时VMD 的 $K$ 取 6特征频带下限降到 200Hz 以捕捉 3 次谐波附近的能量高阻接地时$K$ 取 4$\alpha$ 降到 1500并且把波形相似度作为主判据。def harmonic_ratio(signal, fs, f050, order3): 计算指定次谐波含量比 N len(signal) freqs np.fft.rfftfreq(N, 1/fs) spectrum np.abs(np.fft.rfft(signal)) fund_idx np.argmin(np.abs(freqs - f0)) harm_idx np.argmin(np.abs(freqs - f0 * order)) fund spectrum[fund_idx] harm spectrum[harm_idx] return harm / fund if fund 1e-6 else 0 def classify_fault(i0_list, u0, fs): 粗判故障类型 r3 np.mean([harmonic_ratio(i, fs, order3) for i in i0_list]) r5 np.mean([harmonic_ratio(i, fs, order5) for i in i0_list]) u0_rms np.sqrt(np.mean(u0 ** 2)) if r3 0.15 and u0_rms 0.3 * 57.7: return two_point elif r5 0.05 and u0_rms 0.3 * 57.7: return high_resistance else: return normal逻辑说明用 FFT 取基波和各次谐波幅值算比值。57.7是 10kV 系统相电压有效值kV实际用标幺值或实际值要统一。参数说明3 次谐波门槛 0.15 和五次谐波门槛 0.05 来自现场统计不同系统可能有差异建议先用历史录波校准。4.2 波形相似度判据在高阻接地下的用法高阻接地时能量判据容易失效这时候改用波形相似度。原理是非故障线路的零序电流主要由本线路对地电容决定波形相似故障线路的零序电流包含故障点电流波形与非故障线路差异大。用皮尔逊相关系数衡量各线路零序电流两两之间的相似度相似度最低的那条就是故障线路。具体做法取故障后一个工频周期的零序电流计算所有线路两两之间的相关系数矩阵对每条线路求它与其他线路相关系数的均值均值最小的判为故障线路。这个方法在高阻接地时比能量判据稳因为相关系数对幅值不敏感只看波形形状。def waveform_similarity_select(i0_matrix): i0_matrix: shape (n_lines, n_samples) 返回相似度均值最低的线路索引 n i0_matrix.shape[0] corr np.corrcoef(i0_matrix) # 排除对角线 mean_corr (np.sum(corr, axis1) - 1) / (n - 1) return np.argmin(mean_corr), mean_corr # 示例 # idx, mc waveform_similarity_select(i0_matrix) # print(故障线路索引:, idx, 相似度均值:, mc)逻辑说明np.corrcoef直接算相关系数矩阵对角线是 1减掉后求均值。故障线路因为波形独特与其他线路相关性最低。参数说明样本长度建议取一个工频周期20ms采样率 10kHz 时是 200 点如果采样率低可以取两个周期。注意这个方法要求各线路零序 CT 极性一致否则相关系数会反号需要先做极性校验。4.3 综合判据的投票机制与置信度输出单一判据都有失效场景工程上常用投票机制能量判据、相似度判据、五次谐波方向判据各投一票得票最多的线路判为故障线路同时输出置信度得票数 / 总判据数。如果最高票数不过半输出选线不确定提示人工介入。这套机制在两点同相接地时特别有用能量判据可能投给线路 A相似度判据投给线路 B五次谐波方向可能投给 A 或 B最终结果虽然可能只覆盖一个故障点但至少不会给出完全错误的单一结论。实际运行中两点同相接地的两个故障点往往需要靠定位算法分别确定选线阶段能缩小到两条线路就算成功。5. 选线之后的故障定位从行波到阻抗法的落地选择5.1 行波法在谐振接地系统里的适用边界选线确定故障线路后定位是下一步。行波法测距精度高但在谐振接地系统里有边界消弧线圈对行波波头有衰减且配网线路分支多行波在分支点的折射反射会让波头识别困难。行波法更适合线路结构简单、分支少的架空线路且要求采样率不低于 1MHz。如果现场条件满足行波法双端测距的公式是 $x \frac{L v(t_1 - t_2)}{2}$其中 $L$ 是线路全长$v$ 是行波波速架空线约 2.9×10^8 m/s$t_1$、$t_2$ 是两端检测到的初始波头时刻。难点在波头标定建议用模极大值法配合小波变换。5.2 阻抗法定位在高阻接地下的参数修正高阻接地时行波法信号弱改用阻抗法。阻抗法通过测量故障线路首端的零序电压和零序电流计算故障回路阻抗再换算故障距离。谐振接地系统里零序阻抗受消弧线圈影响公式要修正$$x \frac{3 U_0}{I_0 \cdot z_0} \cdot \frac{1}{1 j\omega L / (3 z_0 l)}$$其中 $z_0$ 是线路单位长度零序阻抗$l$ 是线路长度$L$ 是消弧线圈电感。实际工程中这个修正系数可以预先按线路参数算好做成查表。高阻接地时过渡电阻会叠加进测量阻抗导致测距偏大需要用迭代法扣除过渡电阻估计值。def impedance_locate(u0, i0, z0_per_km, line_len, L_coil, f50): 阻抗法定位返回故障距离估计(km) u0, i0: 首端零序电压(V)、零序电流(A)相量 z0_per_km: 单位长度零序阻抗(ohm/km) line_len: 线路全长(km) L_coil: 消弧线圈电感(H) w 2 * np.pi * f z_meas u0 / i0 if abs(i0) 1e-6 else 0 # 消弧线圈修正系数 k 1 / (1 1j * w * L_coil / (3 * z0_per_km * line_len)) z_corrected z_meas * k x abs(z_corrected) / abs(z0_per_km) return min(x, line_len) # 示例 # dist impedance_locate(30000j, 20j, 0.51.2j, 10, 2.0) # print(故障距离:, dist, km)逻辑说明先算测量阻抗再乘消弧线圈修正系数最后按单位长度零序阻抗换算距离。参数说明z0_per_km要用复数实部是电阻、虚部是电抗L_coil从消弧线圈铭牌取高阻接地时u0/i0的相量估计要用全周傅里叶算法避免用瞬时值。6. 避坑与排查现场调试最容易踩的五个坑6.1 零序 CT 极性接反导致相似度判据全乱现象波形相似度判据选出的故障线路和能量判据完全相反且每次故障结果不稳定。原因部分线路零序 CT 的 S1、S2 接反导致该线路零序电流相位反 180°相关系数矩阵出现负值。解决投运前用一次侧通流试验校验所有零序 CT 极性或在算法里加自动极性识别——如果某条线路与其他线路相关系数普遍为负先翻转其符号再计算。6.2 VMD 模态数设太大产生虚假模态现象特征频带能量占比计算出来所有线路都接近无法区分。原因$K$ 设成 8 或 10VMD 过分解把噪声也分解成模态特征频带能量被稀释。解决$K$ 控制在 46先用一段已知故障录波试看中心频率分布如果出现两个模态中心频率很接近说明 $K$ 偏大。6.3 采样率不够导致暂态特征丢失现象高阻接地时所有判据都失效录波看暂态分量几乎看不到。原因装置采样率只有 2kHz而暂态特征频带在 300Hz3kHz2kHz 采样率下 1kHz 以上信号已经混叠。解决选线装置采样率至少 10kHz最好 20kHz如果装置已定型改用五次谐波和波形相似度作为主判据放弃暂态能量判据。6.4 消弧线圈补偿状态变化后判据阈值未更新现象同一线路消弧线圈从过补偿切到全补偿后选线准确率明显下降。原因全补偿时工频零序电流更小原来按过补偿整定的能量占比阈值不再适用。解决把脱谐度作为参数传入算法不同脱谐度区间用不同阈值表或者干脆只用暂态和五次谐波判据这两者对脱谐度不敏感。6.5 两点同相接地时误判为单点故障导致定位错误现象选线选出线路 A但定位结果在线路 A 上找不到故障点实际故障点一个在 A 一个在 B。原因选线阶段只输出了得票最高的线路没有提示可能存在多点接地。解决当选线置信度低于 0.6 且 3 次谐波含量比偏高时输出疑似多点接地告警提示运维对得票前两位的线路都进行巡视定位算法也要支持多故障点假设用聚类方法分离两个故障点。7. 把判据阈值做成自适应一个可复用的参数整定技巧上面所有判据都依赖阈值而阈值随系统运行方式变化。我一般不在代码里写死阈值而是做一个自适应整定模块每次系统正常运行时采集一段零序电流作为背景噪声计算各线路能量占比和相似度的统计分布取均值的 3 倍标准差作为动态门槛。这样消弧线圈调谐、线路投切后门槛自动跟着变。具体实现是维护一个滑动窗口存最近 N 次比如 50 次正常运行的判据值每次故障时用当前窗口的统计量算门槛。注意窗口要按运行方式分段消弧线圈档位变化后清空窗口重新积累。这个技巧看起来简单但能省掉大量现场重新整定的工作量血泪经验是千万别用出厂默认阈值跑一年系统方式早变了。class AdaptiveThreshold: def __init__(self, window_size50): self.window [] self.window_size window_size def update(self, value): self.window.append(value) if len(self.window) self.window_size: self.window.pop(0) def get_threshold(self, k3): if len(self.window) 10: return None # 样本不足用默认阈值 mu np.mean(self.window) sigma np.std(self.window) return mu k * sigma # 用法正常运行时不断 update故障时 get_threshold # at AdaptiveThreshold() # for v in normal_ratios: # at.update(v) # th at.get_threshold()逻辑说明滑动窗口存历史正常值用均值加 k 倍标准差做门槛。参数说明window_size50对应约一周的正常运行数据按每天几次录波估算k3对应 99.7% 置信度要求更严可取 4。样本不足 10 个时返回 None回退到默认阈值避免冷启动误判。最后说个习惯每次现场选线动作后不管对错我都把录波和判据中间结果存下来按月复盘一次。谐振接地系统的故障样本本来就少两点同相和高阻接地更是稀缺不攒数据算法永远调不好。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/13 19:00:51 · 阅读 1.2k 谐振接地系统两点同相与高阻接地选线定位：VMD与综合判据实战
简介这份资源面向电力系统保护与控制领域的研究人员、工程师及配电网故障检测方向的技术人员聚焦谐振接地系统中两点同相接地与高阻接地两类复杂单相接地故障的选线及定位难题。内容围绕零序等效网络与高阻故障建模展开针对两点同相接地提出基于零序电流暂态量和过渡电阻特征的选线思路针对高阻故障则采用变模态分解法结合对地电容参数特征完成选线与定位并配有可运行的Python代码实现涵盖系统建模仿真、VMD选线算法与故障定位流程仿真结果验证了方法的抗干扰能力与适用性。资源包为1个docx文档约54KB结构紧凑便于对照理论推导与代码实现同步学习。目前已有38人学习适合希望快速掌握复杂接地故障选线定位方法、并借助代码复现验证的读者参考。1. 谐振接地系统里为什么两点同相接地和高阻接地总让选线算法集体翻车10kV 配电网里跑谐振接地经消弧线圈接地的人多半都经历过这种场面变电站报单相接地选线装置却一会儿报线路 A、一会儿报线路 B甚至干脆不报运维到现场拿钳形表一卡零序电流小得可怜波形还畸变。问题往往不在装置本身而在于故障不是教科书里那种理想单相金属性接地。谐振接地系统为了抑制弧光过电压人为把中性点经消弧线圈调谐到接近全补偿故障点的容性电流被感性电流抵消故障线路的零序电流特征被大幅削弱。这时候再叠加两点同相接地两条线路不同位置同时接地或高阻接地过渡电阻几百欧到几千欧传统基于零序电流幅值或群体比幅比相的选线方法基本失效。这篇文章要讲的就是这两类复杂故障的选线及定位怎么做。核心思路是把零序电流做变模态分解VMD提取暂态特征频带再结合稳态无功方向做综合判据最后用行波或阻抗法做故障定位。适合正在做配网自动化、选线装置算法开发或者被现场误选困扰的运维工程师。下面从原理到代码一步步拆能复现的我都给可跑的 Python 片段。2. 谐振接地系统单相接地故障的电气特征与选线难点2.1 消弧线圈补偿后零序电流到底还剩什么要理解选线为什么难得先把谐振接地系统的零序回路算清楚。中性点经消弧线圈接地后单相接地时故障点流过的电流是全网对地电容电流与消弧线圈电感电流的矢量和。设全网单相对地电容为 $C_\Sigma$消弧线圈电感为 $L$脱谐度 $v 1 - \frac{1}{\omega^2 L C_\Sigma}$。当 $v \approx 0$全补偿时故障点基波电流接近零故障线路首端的工频零序电流也接近零。但注意零序电流并不是完全消失它还剩三部分暂态分量故障瞬间电容充电产生的高频振荡频率通常在 300Hz3kHz衰减时间常数几毫秒到几十毫秒。这部分不受消弧线圈基波补偿影响是选线的主要信息源。有功分量消弧线圈和线路本身有电阻产生一个与零序电压同相的微小有功电流幅值约为容性电流的 2%5%。五次谐波分量消弧线圈对五次谐波呈感性且阻抗大补偿效果弱五次谐波零序电流仍保留较明显的方向特征。所以选线算法的信息基础本质上就是暂态、有功、五次谐波这三块。传统装置只用工频幅值比自然在复杂故障下翻车。2.2 两点同相接地为什么让方向判据失效两点同相接地指的是同一相在两条不同线路的不同位置同时接地。此时系统形成两个故障点零序电压由两个接地点共同决定零序电流的分布不再是故障线路流向母线、非故障线路流出母线的简单模式。具体表现是两条故障线路的零序电流方向可能一个超前一个滞后群体比相时相位关系混乱非故障线路的零序电流反而可能因为两个故障点的电位差而出现异常幅值。更麻烦的是两个接地点之间的线路段会有穿越性零序电流让基于故障线路零序电流最大的判据直接失效。工程上识别两点接地的一个实用特征是零序电压波形出现明显的非正弦畸变且各线路零序电流的 3 次谐波含量同时升高。因为两个接地点形成的回路对 3 次谐波呈现低阻抗3 次谐波零序电流会显著增大。2.3 高阻接地为什么把暂态特征也吃掉了高阻接地过渡电阻 $R_f$ 通常 500Ω5kΩ的问题是它同时削弱暂态和稳态特征。过渡电阻串在故障回路里对高频暂态分量形成强阻尼暂态零序电流的幅值随 $R_f$ 增大迅速衰减衰减时间常数也变短。当 $R_f$ 超过 1kΩ 时很多线路的暂态零序电流已经接近测量噪声水平。稳态方面高阻使零序电压降低零序电流的有功分量和无功分量同步减小。这时候如果装置零序电流互感器零序 CT精度不够或者存在不平衡电流选线就完全靠运气。应对高阻接地的常见做法是降低选线判据的幅值门槛改用波形相似度或能量占比作为判据同时提高采样率以保留暂态细节。下面这张表对比了三类故障的特征差异是后面算法参数设置的依据。故障类型零序电压暂态零序电流工频零序电流五次谐波主要可用特征金属性单点高强弱全补偿中等暂态五次谐波两点同相中高、畸变中等混乱强3次谐波暂态高阻单点低弱极弱弱波形相似度能量3. 用 VMD 分解零序电流提取暂态特征频带3.1 为什么选 VMD 而不是 EMD变模态分解VMD在选线里的价值是把零序电流这种非平稳信号分解成若干个有限带宽的模态分量IMF每个模态对应一个中心频率。相比经验模态分解EMDVMD 的模态数和中心频率可以预先设定不会出现模态混叠这对特征频带提取很关键。选线场景下我们关心的是暂态特征频带通常在 300Hz3kHz。用 VMD 把零序电流分解成 46 个模态然后按中心频率筛选出落在特征频带的模态计算其能量占比。故障线路的特征频带能量占比通常高于非故障线路这是核心判据。VMD 的关键参数有两个模态数 $K$ 和惩罚因子 $\alpha$。$K$ 太小会欠分解特征频带和其他频带混在一起$K$ 太大会过分解产生虚假模态。工程上 $K$ 取 46$\alpha$ 取 2000 左右比较稳。下面给一个可跑的 VMD 实现。import numpy as np from vmdpy import VMD def vmd_feature(zero_seq_current, fs10000, K5, alpha2000): 对零序电流做VMD分解返回各模态及特征频带能量占比 zero_seq_current: 一维零序电流数组 fs: 采样率(Hz) K: 模态数 alpha: 惩罚因子 # VMD要求输入为实数tau0表示无噪声约束DC0不允许直流 u, u_hat, omega VMD(zero_seq_current, alpha, 0, K, 0, 1, 1e-7) # u shape: (K, N)omega shape: (K, 迭代次数)取最后一列为中心频率 center_freqs omega[:, -1] * fs / (2 * np.pi) # 特征频带 300Hz ~ 3000Hz band_mask (center_freqs 300) (center_freqs 3000) total_energy np.sum(u ** 2) band_energy np.sum(u[band_mask] ** 2) ratio band_energy / total_energy if total_energy 0 else 0 return u, center_freqs, ratio # 示例读取某条线路零序电流 # i0 np.loadtxt(line1_i0.csv) # u, freqs, ratio vmd_feature(i0) # print(中心频率:, freqs) # print(特征频带能量占比:, ratio)逻辑说明VMD 函数返回的u是各模态时域波形omega是每次迭代的中心频率。取最后一次迭代的中心频率换算成 Hz筛选落在 3003000Hz 的模态计算这些模态能量占总能量的比例。参数说明fs必须和实际采样率一致否则中心频率换算错误K5是经验值线路短、暂态频率高时可取 6alpha2000控制带宽越大带宽越窄高阻接地时信号弱可适当减小到 1500 以保留更多能量。3.2 特征频带能量占比的选线判据怎么设阈值算出每条线路的特征频带能量占比后怎么判定哪条是故障线路直接用最大值容易受噪声干扰。工程上常用两种判据结合相对判据故障线路的能量占比应大于所有线路能量占比均值的 1.5 倍且大于次大值的 1.2 倍。绝对判据故障线路能量占比应大于 0.3否则认为信号太弱判据不可信转用其他方法。这两个阈值不是拍脑袋来的。0.3 的绝对门槛来自大量现场录波统计金属性接地时故障线路占比通常在 0.50.8高阻接地时可能降到 0.30.4低于 0.3 基本淹没在噪声里。1.5 倍和 1.2 倍的相对门槛是为了防止两条线路占比接近时误判这在两点同相接地时特别重要。实际部署时建议把每条线路的占比和阈值都存进录波文件方便事后复盘。下面这段代码给出完整的判据逻辑。def select_fault_line(ratios, line_names): ratios: 各线路特征频带能量占比列表 line_names: 线路名称列表 返回: 故障线路候选及置信度 ratios np.array(ratios) mean_r np.mean(ratios) sorted_idx np.argsort(ratios)[::-1] max_r ratios[sorted_idx[0]] second_r ratios[sorted_idx[1]] # 绝对判据 if max_r 0.3: return None, energy_too_low, ratios # 相对判据 if max_r 1.5 * mean_r and max_r 1.2 * second_r: return line_names[sorted_idx[0]], confident, ratios else: return line_names[sorted_idx[0]], ambiguous, ratios # 示例 # names [L1,L2,L3,L4] # result, conf, r select_fault_line([0.12,0.55,0.10,0.23], names) # print(result, conf)逻辑说明先排序拿到最大和次大占比再依次判断绝对门槛和相对门槛。返回ambiguous时说明判据不可靠需要引入五次谐波或稳态无功方向做二次确认。参数说明1.5和1.2这两个系数在两点同相接地场景可以适当放宽到1.3和1.1因为两点接地时能量分散故障线路占比不会特别突出。4. 两点同相接地与高阻接地的综合选线策略4.1 用五次谐波和 3 次谐波区分故障类型前面提到两点同相接地会让 3 次谐波零序电流显著增大而高阻接地会让五次谐波也变弱。所以选线前先做一个故障类型粗判能大幅提高后续判据的针对性。粗判逻辑计算各线路零序电流的 3 次谐波含量比3 次谐波幅值 / 基波幅值和五次谐波含量比。如果所有线路的 3 次谐波含量比普遍高于 0.15且零序电压波形畸变率大于 5%判为疑似两点同相接地如果五次谐波含量比低于 0.05 且零序电压低于额定相电压的 30%判为疑似高阻接地。这个粗判不需要很精确它的作用是决定后面用哪套参数。两点同相接地时VMD 的 $K$ 取 6特征频带下限降到 200Hz 以捕捉 3 次谐波附近的能量高阻接地时$K$ 取 4$\alpha$ 降到 1500并且把波形相似度作为主判据。def harmonic_ratio(signal, fs, f050, order3): 计算指定次谐波含量比 N len(signal) freqs np.fft.rfftfreq(N, 1/fs) spectrum np.abs(np.fft.rfft(signal)) fund_idx np.argmin(np.abs(freqs - f0)) harm_idx np.argmin(np.abs(freqs - f0 * order)) fund spectrum[fund_idx] harm spectrum[harm_idx] return harm / fund if fund 1e-6 else 0 def classify_fault(i0_list, u0, fs): 粗判故障类型 r3 np.mean([harmonic_ratio(i, fs, order3) for i in i0_list]) r5 np.mean([harmonic_ratio(i, fs, order5) for i in i0_list]) u0_rms np.sqrt(np.mean(u0 ** 2)) if r3 0.15 and u0_rms 0.3 * 57.7: return two_point elif r5 0.05 and u0_rms 0.3 * 57.7: return high_resistance else: return normal逻辑说明用 FFT 取基波和各次谐波幅值算比值。57.7是 10kV 系统相电压有效值kV实际用标幺值或实际值要统一。参数说明3 次谐波门槛 0.15 和五次谐波门槛 0.05 来自现场统计不同系统可能有差异建议先用历史录波校准。4.2 波形相似度判据在高阻接地下的用法高阻接地时能量判据容易失效这时候改用波形相似度。原理是非故障线路的零序电流主要由本线路对地电容决定波形相似故障线路的零序电流包含故障点电流波形与非故障线路差异大。用皮尔逊相关系数衡量各线路零序电流两两之间的相似度相似度最低的那条就是故障线路。具体做法取故障后一个工频周期的零序电流计算所有线路两两之间的相关系数矩阵对每条线路求它与其他线路相关系数的均值均值最小的判为故障线路。这个方法在高阻接地时比能量判据稳因为相关系数对幅值不敏感只看波形形状。def waveform_similarity_select(i0_matrix): i0_matrix: shape (n_lines, n_samples) 返回相似度均值最低的线路索引 n i0_matrix.shape[0] corr np.corrcoef(i0_matrix) # 排除对角线 mean_corr (np.sum(corr, axis1) - 1) / (n - 1) return np.argmin(mean_corr), mean_corr # 示例 # idx, mc waveform_similarity_select(i0_matrix) # print(故障线路索引:, idx, 相似度均值:, mc)逻辑说明np.corrcoef直接算相关系数矩阵对角线是 1减掉后求均值。故障线路因为波形独特与其他线路相关性最低。参数说明样本长度建议取一个工频周期20ms采样率 10kHz 时是 200 点如果采样率低可以取两个周期。注意这个方法要求各线路零序 CT 极性一致否则相关系数会反号需要先做极性校验。4.3 综合判据的投票机制与置信度输出单一判据都有失效场景工程上常用投票机制能量判据、相似度判据、五次谐波方向判据各投一票得票最多的线路判为故障线路同时输出置信度得票数 / 总判据数。如果最高票数不过半输出选线不确定提示人工介入。这套机制在两点同相接地时特别有用能量判据可能投给线路 A相似度判据投给线路 B五次谐波方向可能投给 A 或 B最终结果虽然可能只覆盖一个故障点但至少不会给出完全错误的单一结论。实际运行中两点同相接地的两个故障点往往需要靠定位算法分别确定选线阶段能缩小到两条线路就算成功。5. 选线之后的故障定位从行波到阻抗法的落地选择5.1 行波法在谐振接地系统里的适用边界选线确定故障线路后定位是下一步。行波法测距精度高但在谐振接地系统里有边界消弧线圈对行波波头有衰减且配网线路分支多行波在分支点的折射反射会让波头识别困难。行波法更适合线路结构简单、分支少的架空线路且要求采样率不低于 1MHz。如果现场条件满足行波法双端测距的公式是 $x \frac{L v(t_1 - t_2)}{2}$其中 $L$ 是线路全长$v$ 是行波波速架空线约 2.9×10^8 m/s$t_1$、$t_2$ 是两端检测到的初始波头时刻。难点在波头标定建议用模极大值法配合小波变换。5.2 阻抗法定位在高阻接地下的参数修正高阻接地时行波法信号弱改用阻抗法。阻抗法通过测量故障线路首端的零序电压和零序电流计算故障回路阻抗再换算故障距离。谐振接地系统里零序阻抗受消弧线圈影响公式要修正$$x \frac{3 U_0}{I_0 \cdot z_0} \cdot \frac{1}{1 j\omega L / (3 z_0 l)}$$其中 $z_0$ 是线路单位长度零序阻抗$l$ 是线路长度$L$ 是消弧线圈电感。实际工程中这个修正系数可以预先按线路参数算好做成查表。高阻接地时过渡电阻会叠加进测量阻抗导致测距偏大需要用迭代法扣除过渡电阻估计值。def impedance_locate(u0, i0, z0_per_km, line_len, L_coil, f50): 阻抗法定位返回故障距离估计(km) u0, i0: 首端零序电压(V)、零序电流(A)相量 z0_per_km: 单位长度零序阻抗(ohm/km) line_len: 线路全长(km) L_coil: 消弧线圈电感(H) w 2 * np.pi * f z_meas u0 / i0 if abs(i0) 1e-6 else 0 # 消弧线圈修正系数 k 1 / (1 1j * w * L_coil / (3 * z0_per_km * line_len)) z_corrected z_meas * k x abs(z_corrected) / abs(z0_per_km) return min(x, line_len) # 示例 # dist impedance_locate(30000j, 20j, 0.51.2j, 10, 2.0) # print(故障距离:, dist, km)逻辑说明先算测量阻抗再乘消弧线圈修正系数最后按单位长度零序阻抗换算距离。参数说明z0_per_km要用复数实部是电阻、虚部是电抗L_coil从消弧线圈铭牌取高阻接地时u0/i0的相量估计要用全周傅里叶算法避免用瞬时值。6. 避坑与排查现场调试最容易踩的五个坑6.1 零序 CT 极性接反导致相似度判据全乱现象波形相似度判据选出的故障线路和能量判据完全相反且每次故障结果不稳定。原因部分线路零序 CT 的 S1、S2 接反导致该线路零序电流相位反 180°相关系数矩阵出现负值。解决投运前用一次侧通流试验校验所有零序 CT 极性或在算法里加自动极性识别——如果某条线路与其他线路相关系数普遍为负先翻转其符号再计算。6.2 VMD 模态数设太大产生虚假模态现象特征频带能量占比计算出来所有线路都接近无法区分。原因$K$ 设成 8 或 10VMD 过分解把噪声也分解成模态特征频带能量被稀释。解决$K$ 控制在 46先用一段已知故障录波试看中心频率分布如果出现两个模态中心频率很接近说明 $K$ 偏大。6.3 采样率不够导致暂态特征丢失现象高阻接地时所有判据都失效录波看暂态分量几乎看不到。原因装置采样率只有 2kHz而暂态特征频带在 300Hz3kHz2kHz 采样率下 1kHz 以上信号已经混叠。解决选线装置采样率至少 10kHz最好 20kHz如果装置已定型改用五次谐波和波形相似度作为主判据放弃暂态能量判据。6.4 消弧线圈补偿状态变化后判据阈值未更新现象同一线路消弧线圈从过补偿切到全补偿后选线准确率明显下降。原因全补偿时工频零序电流更小原来按过补偿整定的能量占比阈值不再适用。解决把脱谐度作为参数传入算法不同脱谐度区间用不同阈值表或者干脆只用暂态和五次谐波判据这两者对脱谐度不敏感。6.5 两点同相接地时误判为单点故障导致定位错误现象选线选出线路 A但定位结果在线路 A 上找不到故障点实际故障点一个在 A 一个在 B。原因选线阶段只输出了得票最高的线路没有提示可能存在多点接地。解决当选线置信度低于 0.6 且 3 次谐波含量比偏高时输出疑似多点接地告警提示运维对得票前两位的线路都进行巡视定位算法也要支持多故障点假设用聚类方法分离两个故障点。7. 把判据阈值做成自适应一个可复用的参数整定技巧上面所有判据都依赖阈值而阈值随系统运行方式变化。我一般不在代码里写死阈值而是做一个自适应整定模块每次系统正常运行时采集一段零序电流作为背景噪声计算各线路能量占比和相似度的统计分布取均值的 3 倍标准差作为动态门槛。这样消弧线圈调谐、线路投切后门槛自动跟着变。具体实现是维护一个滑动窗口存最近 N 次比如 50 次正常运行的判据值每次故障时用当前窗口的统计量算门槛。注意窗口要按运行方式分段消弧线圈档位变化后清空窗口重新积累。这个技巧看起来简单但能省掉大量现场重新整定的工作量血泪经验是千万别用出厂默认阈值跑一年系统方式早变了。class AdaptiveThreshold: def __init__(self, window_size50): self.window [] self.window_size window_size def update(self, value): self.window.append(value) if len(self.window) self.window_size: self.window.pop(0) def get_threshold(self, k3): if len(self.window) 10: return None # 样本不足用默认阈值 mu np.mean(self.window) sigma np.std(self.window) return mu k * sigma # 用法正常运行时不断 update故障时 get_threshold # at AdaptiveThreshold() # for v in normal_ratios: # at.update(v) # th at.get_threshold()逻辑说明滑动窗口存历史正常值用均值加 k 倍标准差做门槛。参数说明window_size50对应约一周的正常运行数据按每天几次录波估算k3对应 99.7% 置信度要求更严可取 4。样本不足 10 个时返回 None回退到默认阈值避免冷启动误判。最后说个习惯每次现场选线动作后不管对错我都把录波和判据中间结果存下来按月复盘一次。谐振接地系统的故障样本本来就少两点同相和高阻接地更是稀缺不攒数据算法永远调不好。希望帮到你。本文还有配套的精品资源点击获取