用多个对应的后向神经网络进行同杆双回线故障识别及测距的模式

电力系统高压同杆双回输电线的应用日益增多，但其故障识别与测距的问题尚未完全解决，同杆双回线因存在回路间耦合等因素，使得用单一的神经网络进行故障识别与测距的结果并不理想。作者比较分析了BP网络与Kohonen网络在同杆双回线测距方面的优缺点，提出了将故障识别与测距任务分配到多个网络的方法即将同杆双回线的每种故障模式各与一个BP人工神经网络对应，在线路上取一些固定点作为标志点，训练成功的BP网络输出的模糊值代表了标志点上发生故障的可能性。用模糊值构成插值曲线，根据曲线的相对位置确定故障模式，并由曲线的最小值求得故障距离。大量仿真表明该法可以准确可靠地确定故障模式并能测得较高的测距精度。     

基于RLC模型参数辨识的配网电缆单相接地故障的单端时域测距方法

提出了一种基于RLC模型的配网电缆单相接地故障的单端时域测距方法。该方法利用配网电缆单相接地故障后的暂态信息并结合故障状态网络与零模网络,建立时域测距方程,实现故障测距,且对过渡电阻及其两侧的等值对地电容进行了辨识求值。该算法避免了故障后消弧线圈补偿使得稳态残流微弱、过渡电阻、故障初始角及中性点运行方式等因素对测距精度的影响。大量的EMTP数字仿真结果验证了该算法的正确性,且具有较高的测距辨识精度。测距平均误差在10 m内,最大相对误差小于0.113%,计算过渡电阻的最大相对误差小于1.637%,满足实际工程应用需求。     

基于支持向量机的电流互感器饱和补偿算法

提出一种基于支持向量机(support vector machine,SVM)的电流互感器(current transducer,CT)二次侧饱和电流补偿算法。以最近1周期故障电流采样数据的归一化值作为输入向量,以故障后5个周期的电流数据作为训练样本,利用SVM来建立CT二次侧饱和电流与一次侧电流之间的非线性关系,进而对饱和电流进行精确补偿。仿真分析表明,该方法在各种CT饱和条件下均能有效补偿,对于相同的训练样本,其补偿精度要高于神经网络方法。     

高压输电线路故障测距综合优化方法研究

提高高压输电线路故障定位精度有助于及时排查故障并修复供电,对于提高系统供电可靠性,保证电网安全稳定运行能力具有重要现实意义。采用BP神经网络对现有各种测距手段提供的测距结果信息进行综合,对故障测距结果进行优化评估,提高故障测距精度。分别给出了以故障实际距离和故障测距误差为输出的两种综合模型,以仿真计算和实际系统测距数据作为训练样本对神经网络进行训练,进行了两种模型适用性的分析。实际应用结果表明,所提出故障测距综合优化方法可充分综合利用各测距方法的优点,有效提高了故障定位精度。     

基于模糊神经网络的故障测距

输电线路故障受到许多不确定性因素影响,传统测距算法不能很好地解决输电线路测距问题。提出了基于模糊神经网络(FNN)的故障测距方法,构造了一个由输入层、模糊化层、推理层、去模糊化层、输出层组成的模糊神经网络,采用变步长方法改进BP算法,加快了收敛速度。仿真结果显示,设计的网络具有良好的适应性能,其测距精度较高,且测距精度不受系统运行方式、过渡电阻、两端系统相角差等的影响。     

利用模量传输时间差的特高压直流线路故障测距

故障行波零模分量与线模分量到达线路端测距装置处的时间差与故障距离之间呈非线性关系,反向传播BP神经网络具有良好的非线性逼近拟合能力,可以利用BP神经网络对这种关系进行拟合以达到故障测距的目的。以小波分解各个频带下模量传输时间差为输入特征量、故障距离作为输出特征量,对神经网络进行训练,形成故障测距神经网络模型。仿真表明该基于模量传输时间差的特高压直流输电线路单端故障测距神经网络算法精度较高。     

一种使用两端电气量的高压输电线路故障测距算法

提出了一种使用两端电流、一端电压的高压输电线路故障测距算法。该算法从原理上克服了对端系统的助增电流和过渡电阻对故障测距的影响，并对高压长线的电容充电电流进行了迭代补偿；ＥＭＴＰ仿真结果表明，算法有较高的精度。     

双馈风电场联络线单相接地故障单端测距分析

针对单相接地故障,风电场联络线故障特性受风电场运行方式、低电压穿越策略等因素影响较大,传统故障测距方法已不能很好地适用于风电场联络线故障测距。为此,本文基于传统单相接地短路解复数方程故障测距方法,研究了双馈风电场序阻抗特性,建模分析了双馈风电场联络线短路电流、电压特性。基于零序网络,指出了该方法在风电场联络线故障测距中产生误差的关键因素,并仿真研究了风电场不同风速和投运机组数对这种因素产生的影响,最后经过迭代补偿故障支路零序电流相位有效提高了测距精度。     

输电线路行波测距方法研究

针对输电线路行波测距存在的行波等效波速随故障距离变化而变化的问题,利用牛顿插值算法对波速逐次进行补偿。将每次补偿后的波速代入考虑波速变化的双端行波测距公式,当测距结果的收敛精度满足设定收敛条件后算法循环终止,得到逐步逼近真实故障距离的测距结果。仿真结果表明,该测距方法精度高,具有一定的抗过渡电阻能力。     

一种特高压直流输电线路神经网络双端故障测距新方法

提出一种基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法。传统基于高频量衰减特性的特高压直流输电线路双端测距方法的测距精度依赖于线路衰减常数的准确求取,但准确计算线路衰减常数是一个难题。人工神经网络具有很强的非线性逼近拟合能力,利用人工神经网络方法,将不必准确计算线路衰减常数也能准确实现故障定位。选取不同频带内整流侧和逆变侧测距装置处检测到的故障电压行波线模分量高频部分首波头幅值比作为BP神经网络的输入样本集,故障距离作为输出样本集,对神经网络进行训练、测试,形成直流输电线路故障测距神经网络模型,将反映故障位置的特征数据输入训练后的网络模型即可实现故障测距。大量仿真结果表明:该基于高频量衰减特性的特高压直流输电线路神经网络双端故障测距方法精度较高,而且耐受过渡电阻能力强。     

利用小波包能量区分变压器内外部故障

TA饱和是变压器差动保护中待解决的关键问题之一。通过对变压器TA饱和的深入分析及仿真研究,得出结论:TA饱和时,区外故障电流含有大量明显的突变点,而区内故障电流连续。据此结论,文章提出了一种利用小波包变换区分变压器内外部故障的新方法。首先小波包变换分别对TA饱和情况下的内外部故障电流进行分解,然后对分解后的信号进行能量计算,将问题量化,可以直观地观察信号的差异,最后提出判据。仿真验证证明,该方法能够正确区分TA饱和情况下的内外部故障电流,能及时阻止可能造成的损害,并可防止变压器保护误动。     

Correction of current transformer distorted secondary currents dueto saturation using artificial neural networks

Current transformer saturation can cause protective relay misoperation or even prevent tripping. This paper presents the use of artificial neural networks (ANN) to correct current transformer (CT) secondary waveform distortions. The ANN is trained to achieve the inverse transfer function of iron-core toroidal CTs which are widely used in protective systems. The ANN provides a good estimate of the true (primary) current of a saturated transformer. The neural network is developed using MATLAB and trained using data from EMTP simulations and data generated from actual CTs. In order to handle large dynamic ranges of fault currents, a technique of employing two sets of network coefficients is used. Different sets of network coefficients deal with different fault current ranges. The algorithm for running the network was implemented on an Analog Devices ADSP3101 digital signal processor. The calculating speed and accuracy proved to be satisfactory in real-time application     

基于ANN的补偿电流互感器饱和对传变电流影响的算法

提出一种基于人工神经网络(ANN)的消除和补偿电流互感器饱和对传变一次电流影响的算法。算法的基本思想为：当电流互感器饱和时,利用人工神经网络极强的非线性映射能力,由电流互感器的二次电流准确计算出一次电流,从而有效地消除和补偿了电流互感器饱和对传变一次电流的影响。与传统的基于微分方程的补偿算法进行了比较,结果表明基于ANN的算法能够获得比采用传统的微分方程算法更好的结果。     

二维空间重构电流特征轨迹的变压器差动保护判据

在故障电流的影响下,变压器差动保护两侧电流互感器(TA)易发生饱和,使传变的电流波形发生畸变,严重影响变压器差动保护的正确动作。针对TA饱和造成的变压器差动保护误动或拒动的问题,对不同故障类型下变压器两侧电流波形相位关系特性进行对比分析,提出将两侧电流进行二维空间重构,应用重构后的特征轨迹构造变压器差动保护新判据,以识别伴随TA饱和的变压器各类故障。通过仿真和动模试验,验证新判据有较高的可靠性和灵敏性,并且具备较强抗TA饱和的能力。     

一种快速识别故障发展的变压器差动保护解除闭锁新方法

TA饱和一直是影响变压器差动保护可靠性的重要原因。目前已有的比率制动特性和时差法等方法,在一定程度上提高了保护躲避区外故障的能力,但无法及时处理区外故障转区内故障的情况。通过分析发现:当外部故障且TA饱和时,绝大部分采样点在满足动作条件的情况下,其饱和TA的二次电流变化趋势与差流的变化趋势相反,而在内部故障情况下,上述规律则不满足。由此提出利用饱和二次电流和差流采样值变化轨迹,动态地定是否发生故障发展,有利于进一步提高差动保护的可靠性。仿真结果证实了所提方法的有效性。     

变压器保护设计中几个问题的解决方法探讨

介绍了大型高压、超高压变压器保护设计中的若干技术问题，对大型高压、超高压变压器保护设计中一些技术问题的解决方法给出了较详细的说明和探讨。     

变压器差动保护中电流互感器饱和的综合判据

针对电流互感器(TA)饱和对变压器差动保护造成的不利影响,总结分析了常用的谐波制动法、时差法和附加制动区法这3种TA饱和识别方法的优缺点,在时差法或附加制动区法作为主判据的基础上,以谐波制动法的判别结果作为必要条件提出了变压器差动保护中TA饱和的综合判据。该判据提高了TA饱和的识别率,且在TA饱和延时闭锁差动保护期间可以对变压器区内故障做出快速反应。作者还提出了在静模试验中校验TA饱和判据的新方法,可以不依赖于动态模型进行程序调试,最后通过动模试验验证了该判据的可行性。     

利用TA差异性配置的主变故障点诊断分析

主变发生故障后,如何准确定位故障点,是目前困扰主变故障处理的一个难题。文中以一次500 kV主变故障处理过程为例,通过对保护动作信息与故障录波器录波信息的综合分析,发现主变高、中侧压套管故障电流在故障前、后的极性并没有变化,具备穿越性电流的特点,而采用独立电流互感器(TA)的差动保护检测到差流,差动保护动作,从而快速地判断短路故障点位于主变套管TA和独立TA之间,为主变故障检查与抢修提供了有益的参考。     

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。     

变压器差动保护误动原因分析及对策综述

从理论联系实际的角度综述分析了引起变压器差动保护误动的一些主要原因,包括变压器空载合闸励磁涌流、相邻变压器空投引起的和应涌流、外部故障切除恢复性涌流;电流互感器（TA）暂态饱和、局部暂态饱和;变压器零序涌流助增对变压器差动保护的影响等,根据这些误动原因提出了相应的解决对策.正确地认识和理解这些问题,有助于引起研发、设计、调试、运行等部门的重视,并通过适当的措施来避免这些原因引起的误动,提高变压器保护在现场运行的动作准确率.