基于离散正弦滤波的智能电器瞬动保护算法的研究

智能电器要求在出现大短路电流情况下尽快起动瞬动保护清除故障,但目前瞬动保护算法难以保证在各种短路情况下部能快速清除故障.文中对这一问题进行了研究,提出了基于离散正弦滤波(DSF)的瞬动保护算法,该算法先用长度较短的离散正弦滤波器对短路电流信号进行滤波,有效滤除了故障信号中的非周期分量和高频分量,然后用快速幅值算法计算短路电流大小.算法的实现简洁快速,兼顾瞬动保护的快速性和可靠性.不但有效地保护了线路和设备,而且能缩短短路引起的电压暂降的持续时间,提高配电系统的供电质量.     

利用波形非正弦度分形估计值识别励磁涌流

以正确鉴别变压器励磁涌流和短路电流为目的,提出一种利用波形非正弦度分形估计的电力变压器励磁涌流与内部故障电流识别方案。利用变压器励磁涌流和内部故障电流波形特征的不同,对差动电流波形进行波形非正弦度计算并分析。通过复合形态滤波算法滤除信号中的各种噪声和扰动,保证了算法的可靠性。在比较励磁涌流与短路电流波形非正弦度各自特点的基础上,提出了一种新的变压器保护方案。仿真试验结果表明:该方法能可靠识别励磁涌流与短路电流,对轻微内部故障也有较高的灵敏度。     

"圆心拟合法"测量短路故障情况下的动态频率

探讨短路情况下动态频率测量的一种新方法,提出的采用"圆心拟合法"对经过低通滤波的故障信号进行拟合处理,可以快速有效地从短路电流中分离出周期分量和非周期分量,进而精确计算出动态频率.该算法在对称或不对称短路故障情况下均适用,且启动时仅需三个连续的采样数据,具有时延小、精度高、稳定性好的优点.     

利用波形曲率识别变压器励磁涌流的新方法

该文提出一种基于波形曲率特征和复合形态滤波器识别励磁涌流与内部故障电流的新方法.利用变压器励磁涌流和内部故障电流波形特征的不同,对差动电流波形进行曲率计算并分析.通过复合形态滤波算法滤除信号中的各种噪声和扰动,保证了算法的可靠性.在比较励磁涌流与短路电流曲率曲线各自特点的基础上,提出一种新的变压器保护方案,该方法不受对称性涌流的影响.大量仿真试验结果表明:该方法能快速、可靠地识别励磁涌流,即使在电流互感器(CT)饱和的情况下也有很好的稳定性.     

基于综合形态算法的变压器励磁涌流识别方法

针对励磁涌流对变压器差动保护的影响,提出了一种基于综合形态算法的励磁涌流识别方法.首先,利用改进形态梯度算子对采集的信号进行处理,然后利用加权形态滤波算子对梯度信号进行滤波.然后,基于内部故障电流和励磁涌流基波相似性的显著差异构造判据对二者进行区分.判据1用来快速识别大多数内部故障,判据2应对电流互感器饱和及空合于内部轻微匝间故障等特殊情况.两识别判据通过协同逻辑,实现涌流情况下的保护闭锁与内部故障情况下的快速动作.最后,通过PSCAD/EMTDC仿真对所提算法进行了验证分析.     

基于Kalman滤波算法的电网故障行波检测方法

行波检测是电网故障行波定位与行波保护技术的关键。为提高在含噪环境下行波检测的准确度与可靠性,本文提出了一种基于Kalman滤波算法的电网故障行波信号检测方法。该算法首先对电网电流信号进行分析,选取基波以及各次谐波作为状态变量建立状态空间,在此状态空间中利用Kalman滤波算法,实现对电网故障电流信号的预估及校正;由此得出校正后的电网电流信号幅值,利用幅值的奇异点进行行波检测分析,记录行波的到达时刻。仿真分析表明,Kalman滤波算法在不同的故障条件下均可准确检测出行波信号;在含噪声情况下和微弱信号下,相比于Hilbert-Huang变换和小波变换,Kalman滤波算法能有效提高电网故障行波定位的准确度与可靠性。     

基于MATLAB仿真的微机保护算法分析

电力系统发生短路时故障电流中产生了非周期的衰减直流分量,全波傅氏算法无法将其滤除.对此提出一 种全波傅氏改进算法,完全基于故障信号一个半周期的采样值计算衰减直流分量,在故障信号采样值中减去衰减直流 分量的离散采样值,再通过全波傅氏算法计算基波幅值和相角.MATLAB/Simulink仿真结果表明改进算法能有效滤 除衰减直流分量,与全波傅氏算法相比速度有所降低,但是计算精度得到了有效提高,更易于微机实现且步骤简单.     

消除暂态过程影响的滤波算法及其在故障测距中的应用

电力系统故障暂态过程中,电压、电流信号包含着衰减直流等暂态分量,这必然对故障暂态过程电气量的获取精度产生影响.通过构建精确求解基频及整次谐波分量的非线性方程以及将其转化为线性方程进行求解,并针对离散化积分引入的误差进行修正,提出一种能完全滤除衰减直流分量的高精度、高稳定的滤波算法.通过对各种典型信号及幅频特性的分析,验证了该算法计算精度高、稳定性好,且对非整次谐波等故障暂态分量具有较强的抗干扰能力和抑制作用,其在故障测距中的应用表明该算法能有效提高故障暂态过程中的测距精度.     

实用化的微网单相接地短路故障识别

为解决分布式电源微网在并网运行下快速感知公共配电网单相接地短路故障,确保公共连接点PCC处的有效保护,提出了一种故障分量加dq坐标变换的单相接地短路识别方法。利用PCC处的工频三相电压推算故障相故障分量电压,判别是否发生不对称短路故障,对三相故障分量电流进行正序、负序及零序分解,利用故障分量电压的有无决定是否进行零序电流补偿并进行dq变换,构造出故障电压、电流特征量判定单相接地短路故障,根据正、负序故障分量电流相位关系实现故障选相。仿真结果表明,基于故障分量和dq变换的单相接地故障识别方法是有效的和实用的,该方法能准确识别单相接地故障,实现故障选相,从而为微网的运行提供参考依据。     

实用化的微网单相接地短路故障识别EI北大核心CSCD

为解决分布式电源微网在并网运行下快速感知公共配电网单相接地短路故障,确保公共连接点PCC处的有效保护,提出了一种故障分量加dq坐标变换的单相接地短路识别方法。利用PCC处的工频三相电压推算故障相故障分量电压,判别是否发生不对称短路故障,对三相故障分量电流进行正序、负序及零序分解,利用故障分量电压的有无决定是否进行零序电流补偿并进行dq变换,构造出故障电压、电流特征量判定单相接地短路故障,根据正、负序故障分量电流相位关系实现故障选相。仿真结果表明,基于故障分量和dq变换的单相接地故障识别方法是有效的和实用的,该方法能准确识别单相接地故障,实现故障选相,从而为微网的运行提供参考依据。     

An Innovative Decaying DC Component Estimation Algorithm for Digital Relaying

We propose a new decaying dc component estimation algorithm for digital relaying. Fault currents tend to include a dc decaying component. This component decreases the accuracy and speed of the protection relay operation. The proposed algorithm can estimate and eliminate the dc decaying component from fault current signals after one cycle from the fault instant. Also, it can be applied to a conventional discrete Fourier transform to calculate phasor quantities of fault currents in a digital protection relay. In the proposed algorithm, the dc decaying magnitude and time constant are estimated exactly by integrating fault currents during one cycle. The dc decaying component is eliminated by subtracting the dc value at each sampling instant. To verify the performance of the proposed algorithm, we performed a dc component estimation test and distance protection test using PSCAD/EMTDC. The results of the PSCAD/EMTDC simulation showed that the proposed algorithm can estimate dc components exactly from fault currents and can be applied to digital protection relays for phasor extraction.      

一种提取基波分量的高精度快速滤波算法

为满足微机继电保护速动性的要求,短数据窗傅里叶算法得到了广泛应用.在系统发生故障期间,电压电流信号中包含大量的非周期分量与谐波分量,这将极大地延迟传统半波傅里叶算法的收敛速度.为此提出了基于狭窄带通滤波与半波傅里叶算法相结合的快速滤波算法,该算法充分利用了狭窄带通滤波算法对低频和高次谐波良好的抑制作用,同时结合了半波傅里叶算法计算实部受衰减直流分量影响小的特点,计算速度快,且滤波效果明显优于传统算法.     

电力系统故障暂态信号分析中基波提取的新方法

电力系统故障暂态信号中基频分量的定量分析是电力系统微机保护的重要依据。已提出的基波提取算法主要有谐波分析法、暂态波形分析法。本文从谐小分析法的故障信号模型出发,给出了计算衰减直流分量的初始值和衰减率的公式,从而在滤除衰减直流分量的基础上再利用富氏算法就能得到的基频分量的精确值。在此基础上,本文又给出了精简的算法。它能在保证良好精度的基础上又满足保护快速及算法简单的要求。仿真结果证明了这些算法的有效     

一种鉴别变压器励磁涌流和内部故障的新原理

提出一种利用电流波形特征识别变压器励磁涌流和内部故障的方法,该方法综合利用变压器差电流波形在空投涌流时会呈现出尖顶波特性和间断特征,而故障时差电流波形基本为基频正弦波的差异,先计算差电流与其中所包含基频正弦波的相关度J,再进一步利用励磁涌流尖顶的凹弧特征构造一个系数k,根据J和k进一步构造一个函数J1区分变压器的励磁涌流和内部故障。动模试验结果表明该方法能够正确区分励磁涌流和故障电流,在空投变压器时能够可靠地闭锁励磁涌流;在变压器各种内部故障时能够可靠地开放保护,动作时间一般在20 m s左右,具有较高的灵敏度和可靠性能够满足现代变压器对保护动作可靠性的要求。而且该方法实现方便,计算量小,具有良好的在实际工程中应用的价值。     

A novel probabilistic neural network‐based algorithm for classifying internal fault in transformer windings

The major function of protective devices in a power system is to detect the occurrence of faults and to isolate the faulty sections from the rest of the system. Much progress has been made in the development algorithms for detecting faults in power transformers, which depend on transients‐based techniques. This paper presents an algorithm based on a combination of discrete wavelet transforms and probabilistic neural networks (PNNs) for classifying internal faults in a two‐winding three‐phase transformer. Fault conditions of the transformer are simulated using alternative transients program/electromagnetic transients program (ATP/EMTP) in order to obtain current signals. The mother wavelet Daubechies4 is employed to decompose the high‐frequency components from these signals. All three phases of the differential current signals are used in the fault detection decision algorithm. The variations of first‐scale high‐frequency component that detects fault are used as an input for the training pattern. The training process for the neural network and fault diagnosis decision is implemented using toolboxes on MATLAB/Simulink. Various cases and fault types based on the Thailand electricity transmission and distribution systems are studied to verify the validity of the algorithm. Backpropagation neural network is also compared with the PNN in this paper. It is found that the proposed method gives satisfactory accuracy with less training time, and will be particularly useful in the development of a modern differential relay for a transformer protection scheme. © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

改进Prony算法在输电线路单端故障测距中的应用

短路故障输电线路中衰减的非周期分量和高频分量会影响故障测距的精度,针对这种情况,提出了使用改进Prony算法,从故障后的电压与电流信号中提取其工频分量,并将其应用到单端故障测距中,从而提高了测距的精度。通过建立PSCAD仿真模型,将计算结果与傅里叶算法所得结果进行比较,证明了改进Prony算法可以有效提高测距的精度。     

一种基于简化能量比的直流线路故障区间定位方法

高压直流输电线路及其边界对故障暂态信号高频分量都有明显的衰减作用,这一故障特征被广泛运用于暂态保护,且有研究显示,相较于线路边界,长线路对故障暂态高频分量的衰减作用可能更大,为避免这种情况引起的保护误动,目前常用的故障特征提取方式为利用不同尺度的小波变换获取暂态信号能量比。但基于小波变换的暂态保护存在算法相对复杂,基波选取模式不统一等问题。因此提出一种新的比值算法,针对故障暂态信号中的能量比,用全电流代替低频分量,简化了直流线路故障信息处理过程,由此设计出了新的直流线路故障定位方法,并且利用该判据可直接实现故障极判断。在MATLAB中进行了大量仿真验证,证明该保护算法可以正确反映出故障特征,逻辑简单,并且能够迅速可靠动作。     

基于FastICA-BAS-MCKD的滚动轴承复合故障特征提取方法

针对强背景噪声下轴承复合故障特征难以分离提取的问题,提出了一种基于快速独立成分分析-天牛须-最大相关峭度 解卷积算法(FastICA-BAS-MCKD)的滚动轴承复合故障特征提取方法。 首先,引入 FastICA 对滚动轴承多通道故障信号进行盲 源分离;其次,利用 BAS 算法同步优化 MCKD 算法的解卷积周期 T、滤波器长度 L 和移位数 M,构建基于 BAS-MCKD 的滚动轴 承振动信号自适应分析方法;然后,应用 BAS-MCKD 方法处理分离后的信号,实现分离信号的降噪和特征增强;最后,应用希尔 伯特解调方法对 MCKD 处理后的信号进行包络谱分析,实现滚动轴承不同类型故障的识别。 仿真和实测信号的分析结果表 明,所提方法能清晰地从复合故障信号中提取出单一故障特征频率,为滚动轴承复合故障特征提取提供了一种有效的解决 方案。     

基于DCT和EMD的滚动轴承故障诊断

根据轴承故障振动信号特点,提出了一种离散余弦变换和经验模态分解相结合的轴承振动信号故障诊断新方法。将离散时间序列经过离散余弦变换处理成对应的系数向量,在阈值处理的基础上,重构信号提高故障信号的信噪比;对重构信号进行经验模态分解,通过相关系数计算去除伪分量,并进行频谱分析。仿真信号和轴承故障信号的分析表明,该方法提高了信噪比,降低了EMD运算成本,减少了IMF的数量,保证了IMF的物理意义,成功完成微弱故障诊断。