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EMTP／ATP的变压器建模及励磁涌流的仿真研究

阐述了应用EMTP／ATP程序建立变压器励磁涌流仿真计算模型,该模型考虑了变压器的磁滞饱和特性及铁芯和绕组的结构形式。在所建立的模型上对变压器空载合闸时励磁涌流进行仿真研究,并利用离散傅立叶算法（DFT）对涌流中的谐波成分进行分析。仿真计算结果表明,该模型能较准确地仿真变压器的各种故障情况,为变压器差动保护的设计提供依据。     

基于参数辨识的变压器微机保护

建立了变压器的线性模型,该模型无需涉及变压器铁心的非线性关系和磁滞效应。进 而依据变压器在正常运行、励磁涌流以及外部故障时结构及某些参数不变,而内部故障时 结构及参数会改变的原理,提出了一种基于变压器参数辨识的变压器保护方法,该方法无需 鉴别励磁涌流。经仿真计算验证,该方法能有效地区分内部故障和励磁涌流、外部故障及正 常运行状态。     

基于EMTPE的750kV空载变压器励磁涌流仿真研究

笔者结合新疆地区750kV吐鲁番—巴州输变电工程,应用EMTPE程序建立变压器励磁涌流仿真计算模型,该模型考虑了变压器的磁滞饱和特性。在所建立的模型上对变压器空载合闸时励磁涌流进行仿真研究,并对涌流中的谐波成分进行分析。通过现场实测,证明了仿真计算的正确性。仿真计算和实测结果表明,该模型能较准确地仿真变压器的励磁涌流,为变压器保护设计提供依据。     

基于二阶泰勒系数的励磁涌流识别方法

电网发展使得变压器故障信号成分复杂的同时又对变压器保护提出了更高要求,而现有励磁涌流识别方案难以满足在闭锁期间对变压器故障的准确、快速判别。因此,该文基于二阶泰勒系数提出一种既具有较强抗干扰性能又具有较快判别速度的励磁涌流识别方法。首先,利用泰勒级数展开建立了包含基频分量和二次谐波分量的励磁涌流动态信号模型;其次,研究了励磁涌流和故障工况下二阶泰勒系数的作用机理和变化规律;最终,基于频率测量算法估计二阶泰勒系数进而建立了励磁涌流的识别方案。仿真测试了变压器各种励磁涌流和故障工况,结果验证了所提方案能够在13ms内可靠识别励磁涌流,保护闭锁期间快速识别故障,并具有抗-35dB噪声的能力。     

变压器微机卡尔曼滤波差动保护

本文对三相三柱变压器的磁路进行了分析,建立了三相变压器励磁涌流计算的数学模型.在对仿真结果分析的基础上,应用卡尔曼滤波原理来实现谐波制动的变压器微机差动保护经过在CRHS微机保护仿硬件开发系统上进行仿真运行表明:保护能迅速地切除故障,可靠地闭锁变压器励磁涌流和过励磁.     

运用模糊神经网络来区分变压器励磁涌流和内部故障

变压器励磁涌流和内部故障的鉴别一直是变压器差动保护中的一个热点问题在几种传统的识别励磁涌流方法的基础上,结合模糊神经网络这一新型的人工智能技术,综合利用这几种原理对电气量的采样值分别提取形成网络的特征输入量,并采用了Simpson模糊极小-极大神经网络来形成区分励磁涌流和内部故障的模糊模式分类器运用EMTP程序通过大量的仿真计算获取网络的训练和测试样本,结果表明,训练后的网络能快速地区分变压器各种运行工况下的励磁涌流和内部故障,对测试样本的正确率达到100%。     

变压器励磁涌流的FFT和小波分析

从工程应用的现状来看,世界上大多数国家都将纵联差动保护作为变压器主保护.变压器的差动保护,一方面需要面对主设备保护共同的TA保护问题,另外一方面还需要面对变压器特有的励磁涌流问题.要保证差动保护的选择性与灵敏性,就必须躲过变压器外部故障时的最大不平衡电流,同时正确的识别空载合闸励磁涌流和内部短路故障电流.本文利用FFF和小波分析,对变压器励磁涌流产生机理及特征分析进行了研究.并利用MATLAB软件的SIMULINK/PSB工具箱对变压器模型在空载合闸状态进行仿真,并利用POWERGUI/FFT analysis和小波分析GUI工具箱对涌流波形进行分解,获取变压器保护中辨识励磁涌流的有利信息.     

励磁涌流波形密度系数鉴别算法

针对变压器差动保护在识别内部故障电流与励磁涌流时的可靠性不高这一问题,提出了基于变压器差流波形密度系数的励磁涌流鉴别算法。利用励磁涌流与故障电流具有不同的正弦相关系数的特点,提出波形密度系数的概念,通过比较变压器各工况下的波形密度系数,理论上可准确识别励磁涌流和故障电流。进一步通过建立仿真模型和实际变压器合闸录波数据进行验证所提算法的可行性和快速性。研究表明,该算法具有判据简单、自带滤波效果、不受非周期分量影响的特点,且能无延时地准确判别励磁涌流与内部故障电流。     

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。     

运用模糊神经网络来区分变压器励磁涌流和内部故障

变压器励磁涌流和内部故障的鉴别一直是变压器差动保护中的一个热点问题。在几种传统的识别励磁涌流方法的基础上 ,结合模糊神经网络这一新型的人工智能技术 ,综合利用这几种原理对电气量的采样值分别提取形成网络的特征输入量 ,并采用了Simpson模糊极小 -极大神经网络来形成区分励磁涌流和内部故障的模糊模式分类器。运用EMTP程序通过大量的仿真计算获取网络的训练和测试样本 ,结果表明 ,训练后的网络能快速地区分变压器各种运行工况下的励磁涌流和内部故障 ,对测试样本的正确率达到 10 0 %。     

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FFT的变压器励磁涌流谐波含量计算方法研究*

变压器空载合闸或外部故障切除电压恢复的过程中,会产生幅值可达额定电流十数倍的励磁涌流。该涌流只经过变压器电源侧,必然流入主变差流回路,可能导致纵联差动保护误动。以湖南电网220 kV新一代智能变电站主变压器的实际参数进行研究,在Matlab/Simulink中建立励磁涌流仿真模型,对不同合闸初相角条件下变压器各相的涌流特性进行了仿真计算。利用快速傅里叶算法(Fast Fourier Transformation,FFT)对涌流电流的谐波含量进行计算。在此基础上对励磁涌流的产生机理、间断角等内容进行了研究和分析。研究结果表明,所述方法可对实际工程保护定值的合理性进行验证。     

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。     

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     

基于k可加模糊测度的变压器励磁涌流识别方法

基于模糊理论的变压器励磁涌流识别方法面临判据重要度难以确定的问题,通常情况下依赖于专家经验的做法很难客观反映变压器保护各判据之间的相互作用关系。建立了基于Choquet积分的k可加模糊测度的计算模型,k可加模糊测度在测度的复杂性和表示能力方面做了折中,可以以较小的计算量获得能够反映判据关系的重要性测度。仿真了变压器励磁涌流和内部故障等运行状态,采用二次谐波等三个判据和得到的重要性测度实现了变压器励磁涌流模糊识别方法。仿真分析结果表明该方法得到的判据重要度能够全面反映判据之间的相互作用关系,在此基础上的励磁涌流模糊识别方法可以综合各判据的优势,改善了变压器保护的性能。     

基于峭度系数的变压器励磁涌流识别方法

励磁涌流是变压器保护误动的主要原因之一,为此提出一种基于峭度系数的快速区分变压器励磁涌流和故障电流的新方法。对变压器差动电流采样数据进行一系列处理后,将其视为一变量的概率分布,并求取峭度系数。由于变压器故障波形呈正弦特性,所计算的峭度系数小于零;而励磁涌流因为含有非平稳波峰、间断角,对应的峭度系数大于零;以峭度是否大于零作为区别变压器涌流与故障电流的判据。仿真结果表明,该方法能可靠区分故障电流与励磁涌流(或和应涌流),可显著缩短空投故障变压器的闭锁时间,且具有良好的抗噪性能。