针对风电场集电线路因短路故障造成的弃风窝电问题，华北电力大学电气与电子工程学院的研究人员彭华、朱永利，提出了采用全相位快速傅里叶变换（apFFT）频谱校正和极限梯度提升（XGBoost）的风电场集电线路单相接地故障测距方法。经PSCAD/EMTDC实验证明，该方法对风电场多分支、混合短线路测距具有明显优势，定位性能优于随机森林（RF）方法，且不受故障位置、过渡电阻的影响，可满足风电场对测距精度的需求。
随着风电场规模的不断扩大和风力机组容量的不断增加，风电场的安全可靠运行变得越来越重要。风电场多处于地形复杂的荒山草原，受气候条件和地理环境的影响，极易发生雷击、绝缘雾闪、绝缘子风偏和线路金具损坏而引起的短路故障，其中单相接地故障约占系统故障的80%。因此，有效的故障定位技术能够帮助风电场运行人员减小排查范围，迅速、可靠地查找故障；显著减少风机窝电时间，对于提高风电场的经济效益和满足电网对风电场的运行考核指标具有重要意义。
风电场是典型的多端电源供电系统，网络拓扑结构特殊，尚缺乏有效的故障检测和分析手段。目前测距方法主要有行波法、故障分析法和人工智能算法。行波法测距精度高，但配电网和风电场内存在分支线和混合线，使行波易发生折反射，加之线路较短，导致波头检测和波速确定困难。
有学者采用等效思维对配电线路归一化处理以解决混合线路的行波波速不一致问题，但需在每个分支线末端装设同步测量装置，且海量故障数据处理要求系统硬件具有较高的性能，算法实现成本较高。有学者提出基于行波固有频率的双端输电线路故障定位方法，技术的关键在于准确提取自然频率，但对于拓扑结构复杂的配电网和风电场，特征频率混叠导致提取失败，无法完成故障定位。
故障分析法受制于过渡电阻和模型准确度使其测距精度有限，且计算量大；有学者分析沿线电压分布规律，由切线交叉原理迭代求解故障点；有学者利用测距函数判断故障分支，进而求解故障距离，这适用于T接线路，但难以向多分支、混合短线路的故障定位拓展。
国务院印发的《新一代人工智能发展规划》已将人工智能上升到国家战略层面。人工智能技术的快速发展，使得智能算法用于多分支、混合短线路的故障定位已成为发展趋势。有学者通过测量光伏阵列输出电压和电流，应用高斯过程回归进行光伏阵列故障定位，性能优于BP神经网络。有学者采用离散傅里叶变换对线路一端三相电压信号提取谐波分量的幅值作为特征量，并基于K最邻近回归模型实现单相接地故障的准确测距。
根据风电场集电线路分支多、混合且短的特点，华北电力大学电气与电子工程学院的研究人员提出采用全相位快速傅里叶变换（apFFT）频谱校正和极限梯度提升（XGBoost）的风电场集电线路故障测距方法。
首先，搭建双馈风电场多分支混合线路的仿真模型，并通过apFFT频谱校正法获取故障电压和电流的基波相量，以构建原始特征集；其次，引入人工智能技术XGBoost算法建立单端故障测距的回归模型，根据特征被选择用来划分的次数情况对特征重要度进行量化分析及排序，直观地挖掘特征量与故障距离之间的关系。
图1 风电场故障测距算法流程
目前，尚未见XGBoost集成算法在风电场集电线路故障定位的应用研究，该方法采用多线程并行计算和二阶泰勒展开，具有较高的运算效率和预测精度。最后，应用XGBoost故障定位器根据现存模态完成对新输入模态的定位，获得故障点精确位置。经PSCAD/EMTDC实验证明，该方法适用于风电场复杂网络的故障测距，定位精度高于随机森林（RF）集成树方法，对不同故障位置和过渡电阻的单相接地短路均能够有效测距。
图2 风电场仿真模型
研究人员主要工作和结论如下：
1）读取单端测点故障后波形数据，利用apFFT相位差校正法获得相应电气基波相量，无需通信，且可有效抑制频谱泄露，具备一定的抗噪性。
2）设计了特征重要度量化分析方法，充分挖掘特征与故障距离之间的关系，同时也验证了特征选取的有效性。
3）建立了基于XGBoost回归的故障定位器，避免了以解析法为基础的故障测距需要求解复杂方程问题，不存在伪根，不受过渡电阻的影响，故障定位简单，且同RF算法相比预测定位精度高。
4）搭建了PSCAD/EMTDC双馈风电场仿真模型，单相接地故障实验证明了该方法对多分支、混合短线路的适用性。
