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。     

半波傅氏算法与两点乘积算法相结合的励磁涌流识别新方法

为解决变压器差动保护由于励磁涌流而经常误动的问题,针对励磁涌流波形畸变严重且会出现尖顶波,而故障电流基本保持基频正弦波特征的特点,以半波傅氏算法为基础,提出了两点乘积算法来识别变压器励磁涌流的新方法。该方法先通过差分滤波得到差动电流,用半波傅氏算法求得其基波实部,利用三角函数定理,求得多组相邻π/2两电流的平方和,然后比较相邻两组平方和的比值来判断励磁涌流。通过对动模试验数据的分析计算验证了本方法的正确性和有效性。     

半波傅氏算法与两点乘积算法相结合的励磁涌流识别新方法

为解决变压器差动保护由于励磁涌流而经常误动的问题,针对励磁涌流波形畸变严重且会出现尖顶波,而故障电流基本保持基频正弦波特征的特点,以半波傅氏算法为基础,提出了两点乘积算法来识别变压器励磁涌流的新方法.该方法先通过差分滤波得到差动电流,用半波傅氏算法求得其基波实部,利用三角函数定理,求得多组相邻丌/2两电流的平方和,然后比较相邻两组平方和的比值来判断励磁涌流.通过对动模试验数据的分析计算验证了本方法的正确性和有效性.     

基于波形相关性分析的变压器励磁涌流识别新算法

提出一种利用数字信号处理中的相关函数的基本概念 ,对采样数据进行分析 ,计算采样数据在不同时段上的自相关系数 ,利用自相关系数的大小来区分变压器励磁涌流和内部故障差流的新方法。由于波形自相关性的定义中不仅包含波形幅值大小、形状的信息 ,而且还包含波形的相位信息 ,因此 ,文中所提出的波形相关性分析方法 ,不是单纯地利用涌流或故障电流的单一方面的特征 ,而是对波形进行有机、综合地分析。理论分析和 EMTP仿真结果均表明 :该算法原理清晰 ,识别正确 ,特征明显 ,且不受非周期分量和电流互感器饱和等的影响。     

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。     

一种基于皮尔逊相关系数识别变压器励磁涌流的方法

变压器空载合闸时产生的励磁涌流可能会导致差动保护误动,因此正确识别励磁涌流和内部故障是变压器保护的主要问题。文中首先分析了变压器励磁涌流和内部故障时基波与二次谐波幅值的动态变化趋势,并基于两者幅值的变化趋势提出了一种基于相关系数的识别方法:当两者的相关系数大于某一门槛值时,即判为励磁涌流,否则判为内部故障。PSCAD/EMTDC仿真结果验证了新方法在性能上的优越性。     

基于较高采样频率的MATLAB的微机保护傅氏算法仿真

在微机保护中,傅氏算法和微分算法都是常用的算法,随着采样频率的提高,微机保护对算法的速度和精度有着更高的要求.通过MATLAB对各算法进行仿真比较,发现采样频率较高的半波傅氏算法有着良好的精度和速度,可替代采样频率较低的全波傅氏算法和微分算法.     

一种基于波形相关分析识别变压器励磁涌流的方法

提出了一种基于波形相关分析识别变压器励磁涌流的方法。该方法首先用线性插值法找出保护启动后最近的差流过零点,然后利用数字信号处理中相关函数的基本原理对采样数据进行分析,计算过零点后一周波中前后半波的自相关系数,根据自相关系数的大小构成区分励磁涌流和故障电流的主判据。动模试验结果表明该方法算法简单,原理清楚,识别正确,具有较高的可靠性和灵敏性。     

对两种改进傅氏算法的比较分析

寻找合适的算法是微机保护的一个重要任务,而傅氏算法是目前最广泛采用的一种算法。为此,对两种改进的傅氏算法进行了分析比较,同时使用MATLAB6.1编制算法程序,通过大量的仿真计算,对两种算法的计算精度进行了对比,可为在不同场合下寻找满足特定性能要求的算法提供指导。     

基于不同傅里叶算法之间相似度的励磁涌流鉴别方法

利用半波傅里叶算法计算的差流基波幅值与绝对门槛值相比较来鉴别励磁涌流和内部故障电流,存在定值整定困难的缺点.提出了一种改进算法,利用全波和半波傅里叶算法计算的差流基波幅值之间的波形相似系数进行励磁涌流鉴别,克服了原方法的上述不足.理论分析和大量动模试验表明:该方法能够可靠区分励磁涌流和变压器内部故障电流,并对对称性励磁涌流具有较好的识别效果,在空载合闸于内部轻微匝间故障时,差动保护仍能快速动作出口.     

基于EMTP的变压器励磁涌流谐波相位差仿真分析

利用变压器励磁涌流频谱中的相位信息,对变压器偏向时间轴一侧的励磁涌流进行了分析,发现变压器励磁涌流的谐波成分中,基波相位的二倍与二次谐波的相位差总满足0°或180°的规律.利用EMTP构建仿真程序,分别对变压器空载合闸、内部故障、外部短路情况下变压器励磁涌流以及励磁涌中基波与二次谐波相位差的规律进行了系统仿真,验证了该规律的正确性,对识别励磁涌流和内部故障提供了重要依据.     

基于磁通轨迹特征的变压器励磁涌流识别新方法

介绍了变压器保护正常动作率的现状,分析了当前比较流行的变压器励磁涌流判断方法,并指出缺陷。提出了一种基于磁通轨迹特征的变压器励磁涌流识别新方法,该方法根据变压器发生内部故障时铁心不饱和,而出现励磁涌流时铁心饱和的原理,利用实测的变压器电压和电流量推算变压器主磁通的轨迹,通过提取主磁通轨迹的特征来判断主磁通变化范围,从而确定变压器是否发生励磁涌流。仿真结果证明了识别方法的可行性。     

基于差分双正交小波熵的变压器励磁涌流识别算法

励磁涌流仍然是制约差动保护正确动作的最主要问题之一。分析了励磁涌流和内部故障电流的波形特征,根据励磁涌流突变点分布特性,提出了一种小波熵识别励磁涌流的新判据。用双正交多分辨率分析取代常规的正交多分辨率分析,以解决下坡突变点难以辩识问题。采用差分预处理策略放大突变点的奇异性特征,并利用三相小波熵的分布特征识别励磁涌流。在此基础上,制定了励磁涌流识别的具体实现方案。仿真及实验表明,所提出的励磁涌流识别方法有效。     

基于小波神经网络的变压器励磁涌流和内部故障电流识别

小波神经网络 (WaveletNeuralNetwork)结合了小波变换及神经网络的优点 ,即具有良好的时频局部性质 ,又有较好的自学习能力和容错能力。针对变压器励磁涌流与内部故障电流的识别问题 ,提出了一种基于小波神经网络的解决方案 ,阐述了基本的思想方法和具体的算法过程 ,EMTP仿真实验表明了该方案的有效性与可行性。     

基于差流符号序列特征的变压器励磁涌流识别判据

变压器在空载合闸的过程中,会产生幅值较大的励磁涌流,如不采取相应的闭锁措施,将导致变压器差动保护误动作。针对该问题,提出了一种基于差流符号序列特征的变压器励磁涌流识别判据。该判据首先对差流序列进行符号化处理,根据符号序列中相关模式序列出现的比例,量化表征差流波形的特征,实现对励磁涌流和故障差流的识别。利用PSCAD/EMTDC仿真软件验证了所提判据在各类区内外故障和励磁涌流工况下,以及各类工况伴随电流互感器饱和时的有效性。     

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。     

基于采样值相关原理的变压器保护方案

为提高变压器微机保护性能,提出一种基于采样值相关度的变压器差动保护新方案,利用变压器两侧电流的采样值波形的相关度来有效识别变压器内部故障和外部故障,利用相关原理提取等效瞬时电感变化规律来区分励磁涌流和匝间短路故障。动模实验表明新判据能够快速、可靠地判别变压器内外部故障和励磁涌流。由于借鉴了常规比率差动的定值整定思想,使得新判据定值的整定简单易行,同时基于这种方法的判据对频率偏移和谐波的影响也有一定的抵御能力,在工程中具有良好的实际应用价值。     

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。