单相牵引变压器励磁涌流鉴别研究

利用BP神经网络区分了牵引变压器的励磁涌流和故障电流,并利用仿真数据和试验变压器录波样本对神经网络性能进行了测试。     

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点，构建了一个四层的自适应小波神经网络模型，并对其具体的实现方法进行了详细的分析；利用ATP—EMTP程序进行仿真计算生成训练样本和测试样本，对所构建的网络进行了训练和测试，结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。     

基于GRNN神经网络的变压器励磁涌流识别方法

为了提高变压器差动保护识别励磁涌流与内部故障电流的能力,提出一种基于广义回归神经网络(GRNN)的变压器励磁涌流识别方法。首先通过全波傅里叶算法求得差动电流的特征量作为训练样本,然后利用交叉验证法寻找出GRNN神经网络的扩展常数spread的最优值,同时也计算出训练样本的最佳输入、输出值。由这些参数构建出识别励磁涌流的神经网络,仿真结果表明:GRNN神经网络收敛性好,运算速度快,并且预测输出精度非常高,能准确、有效、快速的识别出励磁涌流与内部故障电流。     

基于小波变换和概率神经网络的励磁涌流识别

针对变压器的励磁涌流问题,提出了一种基于小波变换和概率神经网络的新的变压器差动保护方案,用以实现励磁涌流与其它内部短路电流诸如单相短路、两相接地短路、三相接地短路、匝间短路的鉴别。利用小波变换进行信号分解,提取各尺度高频部分的能量,作为神经网络的输入特征向量,概率神经网络是为了进行模式识别。利用Matlab/Simulink平台上的仿真建模,获取励磁涌流和内部故障电流的数据。大量仿真结果显示,该方案可以有效地识别励磁涌流。     

基于RBF神经网络的变压器保护

基于RBF神经网络,综合考虑变压器励磁涌流状态和故障状态的特征,提出并建立了一个用于变压器保护的三层RBF神经网络模型。通过利用Matlab神经网络工具箱中的RBF网络仿真及训练函数(simurb、solverb)来完成对该模型的训练。实验和检验结果表明,所建立的神经网络模型能够对变压器所发生的故障状态作出正确的响应,且响应时间不超过10ms。     

基于EMTDC的三相变压器励磁涌流和内部故障仿真

变压器保护的核心问题是励磁涌流和内部故障电流的鉴别,而对变压器励磁涌流和内部故障电流的有效仿真是进行正确鉴别的基础。在分析电磁暂态仿真软件EMTDC(Electro-Magnetic Transient in DC System)里变压器模型的基础上,构建模型对变压器励磁涌流和内部故障电流进行了仿真,并对仿真结果进行了间断角和二次谐波含量分析。结果表明,利用EMTDC能够根据不同的条件和要求有效地实现变压器励磁涌流和内部故障电流的仿真。     

基于EMTDC的三相变压器励磁涌流和内部故障仿真

变压器保护的核心问题是励磁涌流和内部故障电流的鉴别,而对变压器励磁涌流和内部故障电流的有效仿真是进行正确鉴别的基础.在分析电磁暂态仿真软件EMTDC(Electro-Magnetic Transient in DC System)里变压器模型的基础上,构建模型对变压器励磁涌流和内部故障电流进行了仿真,并对仿真结果进行了间断角和二次谐波含量分析.结果表明,利用EMTDC能够根据不同的条件和要求有效地实现变压器励磁涌流和内部故障电流的仿真.     

基于人工神经网络方法的微机变压器保护

在变压器保护中关于励磁涌流状态的识别一直是困扰继电保护研究人员的棘手问题。本文基于人工神经网络,综合考虑顺励磁涌流状态和故障状态的特征,提出并建立了一个三层前向神经网络模型,用来实现变压器的微机保护。利用ＥＭＴＰ进行了大量的仿真计算,计算结果作为训练样本,对所建立的神经网络模型进行训练。对该模型进行故障状态检验的结果表明,所建立的神经网络能够对变压器所发生的故障状态作出正确响应,响应时间小于１０ｍ     

电力变压器励磁涌流和故障电流仿真研究

在研究电力变压器励磁涌流和故障电流特性的基础上 ,应用电磁暂态程序 (EMTP) ,采用不同的模型和方法对变压器励磁涌流和故障电流进行了全面系统的仿真计算和分析。结果表明 ,EMTP能够根据不同的条件和要求有效地实现对变压器励磁涌流和故障电流的仿真     

变压器励磁涌流对差动保护的影响及解决方法的探讨

变压器励磁涌流会对差动保护产生影响,造成保护装置误动作.这就需要分析励磁涌流产生的机理,研究励磁涌流对变压器差动保护的影响,对变压器励磁涌流的抑制及励磁涌流与变压器内部故障电流判别的方法进行探讨.     

神经网络理论在变压器故障诊断中的应用

把专家知识与神经网络计算相结合,用变压器原副边正序和负序电流分量的方向进行变压器的故障诊断,克服好传统的二次谐波制动特性劝保护在涌流伴随故障状态下的动作延时,能正确识别变压器的内部故障,励磁涌流、外部故障及空载合于内部故障等不同状态。用此原理构成的变压器保护动作时间最快可为半个周期,可适合于任意连接方式的双绕组变压器,且不受系统参数的影响,具有广泛的实用性和很强的容错能力,大量仿真结果证明了此方法     

基于差动电流正弦曲线拟合波形的变压器保护原理

以变压器的磁化特性曲线为基础,对比分析了变压器差流为涌流和非涌流时的波形特点,进而提出了一种基于差动电流正弦曲线拟合波形的变压器保护原理。为了更能体现励磁涌流的特征和减少拟合波形幅值的计算误差,建议取拟合角度为差动电流峰值时的角度最为合理。给出了拟合波形幅值的计算方法,并讨论了减小计算误差的方法。大量数字仿真结果表明,所提出的原理可以快速、有效地区分励磁涌流和内部故障电流。     

一种基于差动电流波形特征的励磁涌流识别新方法

分析变压器励磁涌流和内部故障电流的波形特征,提出励磁涌流识别的新方法。内部故障电流的全波傅氏计算结果与半波傅氏计算结果接近,而励磁涌流的全波傅氏计算结果与半波傅氏计算结果差别较大。根据差动电流的全波傅氏算法计算结果以及全波傅氏算法计算结果与半波傅氏算法计算结果的差值,求取半个工频周期内该差值的积分与全波傅氏算法计算结果的积分的比值。若比值大于整定值判为励磁涌流,否则判为内部故障电流。理论分析和动模试验结果表明,该方法能够快速区分励磁涌流和内部故障电流,同时可以分相制动,提高了差动保护的可靠性和安全性。     

应用BP神经网络鉴别励磁涌流

论述了应用BP人工神经网络区分三相牵引变压器励磁涌流和短路电流的方法,并应用Matlab软件进行了大量的仿真计算.仿真结果表明,该方法可以准确判别励磁涌流.     

基于半波傅里叶算法的励磁涌流识别方法

以半波傅里叶算法为基础,对比分析了变压器差流为涌流和非涌流时的波形特点,进而提出了一种基于半波傅里叶算法的新型励磁涌流识别方法。理论分析和动模试验表明:该方法可以较好地克服传统制动原理的缺点,能够有效地区分励磁涌流和内部故障电流,并对对称性涌流有较好的识别效果。     

自适应变压器励磁涌流判据研究

基于差流谐波正序分量的变压器励磁涌流判据能够有效识别励磁涌流和内部故障。为了进一步提高差动保护的励磁涌流闭锁可靠性和内部故障动作快速性,分析了变压器端电压及其基波正序分量突变量在励磁涌流和内部故障时的不同特征,由此确定了自适应控制因子Q,并将Q加入到差流谐波正序分量的励磁涌流判据中,进而提出了一种自适应变压器励磁涌流新判据。大量EMTP仿真及动模实验表明：新判据能够在励磁涌流时自动降低涌流制动定值,提高涌流的闭锁可靠性;在内部故障时自动升高涌流制动定值,提高区内故障时保护的动作速度。     

基于最小二乘矩阵束的励磁涌流识别方案

准确、快速地切除变压器故障直接影响电力系统能否持续安全稳定运行,励磁涌流的鉴别正是变压器保护中的重要一环。为了有效辨识励磁涌流与故障电流,避免变压器差动保护的不正确动作,利用变压器励磁涌流与短路故障电流频域信息的差异,提出了一种基于最小矩阵束算法的励磁涌流识别新方案,以变压器两侧的差动电流作为信号量,通过矩阵束算法分析采样信号中不同频率的分量,计算含衰减因数的电流能量信息熵识别励磁涌流。仿真试验证明了新判据具有原理清晰、抗干扰能力强等优点,能够正确区分励磁涌流和故障电流,为后续研究及工程应用提供借鉴和参考。     

跟踪式二次谐波涌流制动改进方法

针对二次谐波制动原理存在的问题，提出一种新的二次谐波制动原理。通过判断变压器的开关位置和差流大小来改变涌流闭锁二次谐波门槛值，在空载合闸和故障切除恢复电压的过程中监视变压器内部故障和励磁涌流，达到在不会拒动的情况下更准确地判断励磁涌流、防止保护误动的目的。该方法具有实时跟踪的功能，克服了单一定值不能实现可靠制动的缺点。验证表明新方法具有较高的可靠性和灵敏性，可以克服传统制动方法的缺点，实现对励磁涌流现象的可靠制动。     

基于瞬时励磁电感频率特性判别变压器励磁涌流

基于变压器瞬时励磁电感基频分量的有无，提出了判别励磁涌流与内部故障的新方法。涌流时变压器铁心必然经历饱和与非饱和过程，瞬时励磁电感是时变、交替变化的，具有较大的基频分量；内部故障时，变压器铁心工作于线性区，瞬时励磁电感恒为常数，无基频分量。据此，可实现励磁涌流与内部故障的有效判别。但瞬时励磁电感很难精确求取，为方便计算，提出了等效瞬时电感的概念，论证了其基频特性的等效性。动模实验有力地证实了所提方法的可靠性与安全性。