基于人工神经网络的变压器励磁涌流的鉴别

研究了基于神经网络方法的电力变压器励磁涌流鉴别。对变压器励磁涌流及故障电流进行了数字仿真,比较了两者在物理特性上的区别。利用Matlab的人工工具箱,分别建立了BP和RBF神经网络模型,对励磁涌流和故障电流的样本进行训练及测试。结果表明,人工神经网络可以正确地区分励磁涌流和故障电流,RBF神经网络能更加快速、准确地判断出变压器的故障。     

基于斜率均值比识别变压器励磁涌流

提出一种基于差动电流波形斜率均值比的方法来识别故障电流和励磁涌流。根据故障电流和励磁涌流在波形下降和上升时斜率大小的不同,通过计算波形下降时的斜率均值和波形上升时的斜率均值的比值来鉴别故障电流和励磁涌流。本文在PSCAD上搭建了变压器模型,仿真空载合闸和外部故障时的电流波形,将所得波形数据导入本文方法所编写的MATLAB算法中来计算和判别励磁涌流和故障电流。结果表明:该方法简单易行,能正确识别故障电流和励磁涌流。     

小波变换在励磁涌流和短路电流识别中的应用

为了识别励磁涌流电流和内部故障电流,根据小波变换后励磁涌流在高频率段处呈现出明显的奇异性的特点,利用小波变换对变压器的励磁涌流模型和内部故障模型进行仿真分析,确定了基于一尺度下奇异值的小波判据,比较其高频段上能量的变化情况来识别励磁涌流和内部故障电流。结果表明,此方法可以对励磁涌流和内部故障电流进行良好识别。     

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。     

利用动态四边形分析的配电网励磁涌流识别方法

配电线路在断路器操作时出现励磁涌流现象,经常导致线路保护误动作、合闸失败等问题,使得对该涌流的机理分析与准确识别变得非常紧迫与必要。在分析励磁涌流和故障电流波形特征差异的基础上,提出了基于动态四边形分析的识别方法,在电流波形上动态形成特定的四边形集合,通过计算该集合中平行四边形出现的比例来识别励磁涌流。在PSCAD上搭建了10 kV配电网模型,仿真产生不同合闸角、不同剩磁条件下的励磁涌流和不同类型故障电流,应用所提方法都能准确识别励磁涌流和故障电流。最后,对实测励磁涌流和故障电流的录波数据进行检测,应用动态四边形分析法能够正确、有效识别励磁涌流和故障电流。     

基于PWM波形特征的励磁涌流识别方法

在分析励磁涌流与区内故障电流波形特征差异的基础上,提出了一种利用调制得到脉冲宽度调制(PWM)波形特征来识别励磁涌流的方法。分析了利用励磁涌流调制得到PWM波形与利用故障电流调制得到PWM波形的差异,设置了2个判据来识别励磁涌流和区内故障电流。所提方法原理简单,灵敏性好,具有一定抗电流互感器饱和能力,可靠性高。MATLAB仿真结果表明,所提方法可准确、快速识别各种情况下的励磁涌流和变压器区内故障电流。     

基于小波理论和多分辨分析的变压器励磁涌流识别方法

提出一种基于小波变换和多分辨分析识别变压器励磁涌流和内部故障电流的新方法。根据故障初始阶段励磁涌流的高频分量随时间推移逐渐变大而故障电流高频分量逐渐变小的特点,首先用Daub-4小波对励磁涌流和故障电流进行分解,得到第1层小波系数的2个初始峰值点,然后通过引入可靠性系数来识别励磁涌流和故障电流。动模试验结果表明,该方法能够可靠快速地识别励磁涌流和故障电流,且不需要考虑保护的整定值,实现方便。     

用模糊集贴近度法识别变压器的故障电流和励磁涌流

根据电力变压器差动保护中故障电流和励磁涌流波形的对称情况,提出了用波形对称及模糊集贴近度原理来辨别故障电流和励磁涌流的新方法。数字仿真结果表明,本方法可准确识别故障电流和励磁涌流,即使在空载合闸于内部故障时,保护继电器也能迅速可靠动作,避免了采用二次谐波制动导致的误动问题。     

变压器励磁涌流中的信息熵识别

针对励磁涌流具有间断角的尖顶波和故障电流以正弦波为主,充分利用两种不同波形下具有不同的电流能量熵值,提出了基于信息熵的变压器励磁涌流识别方法。该方法对变压器电流离散采样后进行差分滤波,设置启动电流后计算电流能量熵,通过自适应阈值有效地识别是否发生励磁涌流。仿真结果表明,该方法不仅能有效地区分故障电流和励磁涌流,而且可以进一步判别电流的饱和程度。     

基于能量频域分布的励磁涌流识别方法

准确区分励磁涌流与故障电流是确保变压器保护性能的关键环节。通过对变压器励磁涌流与故障电流整体频域特性的分析,提出了一种基于差动电流能量分布的励磁涌流判据。首先采用能降低噪声干扰的矩阵束算法,辨识差动采样电流的频域参数,从而计算电流能量分布熵与能量标准差的比值。然后结合故障电流与励磁涌流由不同频域分量构成的特点,通过对比差动电流和正弦信号的频域能量分布特性以区分励磁涌流和短路电流。通过PSCAD/EMTDC软件仿真分析,证明了新判据能够正确地识别包括对称性涌流在内的励磁涌流,并且具备有效抑制噪声影响的优点。     

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。     

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。     

基于波形时域分布特征的变压器励磁涌流识别

提出了一种基于波形时域分布特征的新型变压器励磁涌流识别方法。文中在直方图技术的基础上定义电流波形分布系数,分析了变压器内部故障电流和励磁涌流的波形分布特征,在此基础上将两个不同子区间的分布系数的比值定义为波形分布特征系数,提出了根据该系数大小来识别励磁涌流的具体实现方案,并分析了确定子区间数目的理论依据。利用动模实验和数字仿真数据对本方法做了验证分析,结果表明:本方法计算量小,能快速区分励磁涌流和故障电流,在可靠性和灵敏性等方面的性能优于目前的二次谐波判据和间断角判据。     

利用双重特征量鉴别变压器励磁涌流的高阶统计原理

励磁涌流是制约变压器差动保护成功率的主要原因之一,为此提出一种基于Jarque-Bera系数来识别励磁涌流的新策略。对变压器区内故障电流和励磁涌流波形的整体形态进行特征分析,利用两者波形正弦度不同所导致的正态性差异,结合Jarque-Bera算法在正态性检验领域中的优势,对变压器差动电流进行绝对值处理后求取杰 氏系数,根据该系数大小选取合适的阈值来辨识励磁涌流和故障差流。仿真测试了变压器各种工况下的差流波形。与二次谐波制动方案进行对比分析,表明所提方法原理清晰,且具备良好的抗干扰性能,即使在电流互感器饱和的情况下,也能迅速、准确地识别出励磁涌流。最后,通过现场试验录波数据分析,进一步证明了该方法的正确性。     

基于波形互相关系数的变压器励磁涌流识别方法

励磁涌流是导致变压器差动保护误动的主要因素。提出一种利用波形互相关系数特征的励磁涌流识别方法。利用空载合闸或内部故障后的短数据窗构造一标准正弦参考波,对采样波形与构造的标准正弦波两信号的相关性进行分析,计算归一化互相关系数进行内部故障和涌流识别。内部故障时波形互相关系数为接近1的稳定值,而励磁涌流时互相关系数偏离1且其值波动显著。最后PSCAD仿真计算分析结果表明:该方法能在一个周波内准确识别出励磁涌流与内部故障,为提高变压器差动保护性能和优化变压器保护配置提供了有益的理论依据。