北京中铁建电气化设计研究院有限公司 北京 100043
摘要：本文分析了铁路牵引网的特点，并提出了利用频域分析法辨别故障性质的方案，通过大量的仿真实验分析，总结出不同故障性质下的波头极性和功率谱的特征。
1、引言
故障性质的不同会引起反射行波在频谱成分和反射信号极性的变化，利用此特征可根据行波波形特征对于故障性质进行判断。
2、利用频域分析法辨别故障性质
利用频域分析法进行故障性质判断的基本工作流程如图1所示。
图1 行波故障性质判断方法工作流程
如上图所示，通过波头极性的对比和功率密度谱的比较这两种算法的结合，相互辅助结合，准确有效的去判断故障性质。首先采用行波波头识别算法确定初始行波波头和故障反射行波波头位置，并分析初始行波幅值和故障发射行波幅值极性，然后对初始行波与反射行波的波头极性进行比较，在此基础上初次去自动判断行波故障性质；再次运用故障行波信号的快速傅里叶变换，求取行波信号的功率密度谱，对功率谱分析，检测是否高频区间突变出较大功率谱密度，来判断故障性质，并结合初次判断的结果，给出故障性质的判断结论。
选取实验室进行的模拟实验的开路和短路故障波形数据，设定模拟线路长度为153m，为了避免数据分析的片面性，每种故障性质下任意取两组数据进行分析，选取的故障数据在Matlab软件平台上绘制其波形，如图2和图3所示。
2.1利用波头极性对故障性质分析
图6 天津南仓变电站现场测试数据的故障性质自动分析结果
如上图所示，自动算法判定故障性质为开路，并给出了故障点与起始点的坐标。另由原始信号波形图可得，原始信号起始点信号幅值最小值为-14.8V，最大值为7.5V，反射行波信号幅值最大值为10V，最小值为-6V。由理论分析可知反射行波信号幅值与初始行波信号幅值相反，故障点应为开路故障。可见，故障性质自动识别算法结果与理论分析吻合，准确的实现了对于行波故障性质的判断。
2.2利用功率谱对故障性质分析
由于行波的波阻抗不连续，行波在线路连接点上会发生折反射，每段线路各自形成一定频段范围内的往返的波，波形的混叠，因此要对故障波形进行频率成分的分析。在Matlab中对上面两类故障类型波形数据使用FFT方法，得出这两组信号功率密度分布图如图7所示。
图8 短路故障行波的功率谱
对比这两种故障性质下行波信号的功率密度分布，如图7和图8的数据分析结果可知，当线路发生开路故障情况下，行波信号的功率密度值在各频率点的分布随着信号频率的逐渐增大而逐次减小；而当发生短路故障情况下，行波信号的功率密度值在各频率点的分布并不会随着频率的逐渐增加呈现递减，只会在信号高频区间内出现突增的功率密度分布值。
3、结束语
通过对大量故障行波信号数据的频域分析，总结出不同故障性质下的波头极性和功率谱的特征。开路和短路故障除了反射行波的波头极性不同点之外；当发生短路故障时，在高频区间内具有较大功率密度值的分布，说明出现了较大能量的反射，而开路故障不具有此特点。因此可依据这两点特性能够简单、准确的分析判断故障性质。
论文作者:王晓明
论文发表刊物:《建筑学研究前沿》2018年第32期
论文发表时间:2019/3/1
标签：故障论文; 性质论文; 信号论文; 功率论文; 极性论文; 反射论文; 密度论文; 《建筑学研究前沿》2018年第32期论文;