基于非周期分量衰减速率的变压器励磁涌流鉴别方法

提出一种基于非周期分量与基波分量比值(简称k0)衰减速率的励磁涌流鉴别方法。首先利用变压器仅一侧有电流还是多侧都有电流的特点,实现变压器空充与非空充状态的初步划分。判出空充状态后,利用三相差流中k0衰减速率的差异进一步判别励磁涌流与故障电流。基于k0衰减速率的励磁涌流鉴别方法原理简单可靠、计算量小,易于工程实现,对传统的二次谐波判据是个有益的补充。Matlab仿真和现场误动数据表明该方法不仅能够在变压器剩磁较大时确保空载合闸的成功率,当变压器空充到轻微匝间故障时亦能大大缩短保护的闭锁时限。     

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。     

变压器励磁涌流序分量特征分析

推导了励磁涌流序分量谐波系数及励磁序分量系数的表达式.在仿真计算的基础上,对不同影响因素情况下的变压器空载合闸过程励磁涌流序分量二次谐波系数及序分量系数进行比较,得出变压器涌流序分量的特征.     

基于序电流分量的变压器励磁涌流识别方法

变压器励磁涌流的识别问题一直是变压器保护中的一个难题。文章提出了基于序电流分量的识别方法，通过对励磁涌流中零负序电流分量的分析，发现在变压器空载投入和内部故障时空载投入两种情况下零负序电流值有明显的不同，从而实现对励磁涌流的识别。仿真表明，该方法理论上是可行的。     

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EMD分解的变压器励磁涌流鉴别

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,提出了一种利用HHT(Hilbert-Huang Transform)的EMD(Empirical Mode Decomposition)分解来识别变压器励磁涌流的新方法.该方法利用EMD将数据分解成有限个IMF(Intrinsic Mode Function),定义并计算各个IMF在X轴上的投影面积Sc、Simf的比重系数Kc及其最大值Kmax.在比较励磁涌流和故障电流Kmax不同特点的基础上,提出了一种变压器保护新方案.理论分析及动模实验结果表明,该方法能够正确区分励磁涌流及故障电流,其判断时间约20ms;方法实现方便,不受非周期分量等影响.     

基于正序分量的变压器励磁涌流新判据

基于二次谐波制动原理的变压器差动保护在应用过程中误动的情况时有发生。鉴于序分量作为电气量被应用于继电保护的实际情况,分析了差流二、三次谐波正序分量在变压器内部故障和励磁涌流时的不同特征,分别分析了当CT未饱和、轻度饱和以及严重饱和时的情况,进而提出一种基于差流正序分量的励磁涌流新判据。通过大量仿真,表明该算法简单易行,能有效防止空载合闸时差动保护误动,而且当CT畸变严重时仍然有效,同时,在内部故障时能够可靠并快速动作。     

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.     

基于离散隐马尔科夫模型的变压器励磁涌流鉴别新算法

将语音信号处理领域的隐马尔科夫模型（ＨＭＭ）引入变压器保护,在简要介绍ＨＭＭ及其优点的基础上,提出了一种基于离散ＨＭＭ的励磁涌流和故障电流的识别方法,利用离散ＨＭＭ为ＰＳＣＡＤ仿真的励磁涌流和故障电流数据建立了模型。计算结果表明该方法能可靠识别内部故障和励磁涌流,效果明显。     

基于零序电流二次谐波含量的变压器励磁涌流鉴别算法

随着变压器铁心材料的改进,饱和磁通逐渐降低,励磁涌流中的二次谐波含量随之降低,这给以二次谐波闭锁判据为原理的差动保护算法提出了挑战。极端条件下,三相励磁涌流二次谐波含量均会低于门槛值,对任何一种出口方式,二次谐波闭锁判据都会开放差动保护。针对由不对称的励磁涌流产生的零序电流中谐波含量较高这一特点,提出以星形侧零序电流二次谐波含量为核心设计的励磁涌流识别算法。比较于以前的算法,所提出的算法可以快速识别励磁涌流,能够适应由并联电容器导致的短路电流波形畸变。仿真实验验证了算法的可行性,在正常剩磁条件下,变压器三相励磁涌流二次谐波含量均低于门槛值时,算法能够正确闭锁差动保护;当变压器低压侧接有并联电容器且发生区内故障时,差动保护能够无延时出口跳闸。     

一种基于负序分量的变压器励磁涌流识别新方法

提出了一种基于负序分量的变压器励磁涌流识别方法,该方法提取电流的负序分量,然后根据电流中负序分量的含量及负序分量中二次谐波的含量来识别励磁涌流。     

基于变压器电流直流分量衰减特性的励磁涌流识别方法

为有效区分励磁涌流与短路电流,确保变压器保护的可靠性,针对变压器励磁涌流与短路电流直流分量衰减特性的差异,提出了一种新的励磁涌流识别方法。该方法以变压器高压侧和中压侧出口断路器电流作为识别励磁涌流与短路电流的信号源,将电流直流分量与基波分量幅值比的衰减速率设置为判据,可以辨识出励磁涌流与短路电流。基于典型建模仿真分析了励磁涌流与短路电流直流分量衰减特性的差异,以及不同系统短路容量、变压器额定容量、铁心剩磁等因素的影响。经典型仿真结果及工程现场实测数据验证,该方法有效,适用于断路器未加装合闸电阻的情况,并具有原理清晰、所需测量数据少、简单易实现等优点,为新型继电保护装置开发及工程应用提供了参考。     

基于分布式神经网络的变压器励磁涌流鉴别的研究

针对目前变压器保护中普遍采用的利用二次谐波原理识别变压器励磁涌流存在的缺陷,提出利用分布式人工神经网络实现基于半波叠加原理鉴别励磁涌流的新方案.经仿真实验表明:该方案能准确地判别出变压器内部故障和励磁涌流,不受系统谐波影响,具有很高的可靠性.     

基于小波变换的变压器励磁涌流鉴别的新方法

为正确鉴别变压器励磁涌流和匝间短路电流以防止变压器保护装置的误动作,提出了一种基于小波变换鉴别励磁涌流和匝间短路电流的新方法。该法利用小波分析能准确捕捉信号突变的特征,选用B样条小波对Matlab仿真产生的样本数据进行分析,通过分解后的局部模极大值处对应的小波系数求得表征信号奇异度大小的李氏指数值,用此值的大小作为识别量来区分励磁涌流和短路电流。分析表明励磁涌流的李氏指数值较小,而短路电流的李氏指数值较大,通过对不同参数的变压器及其不同类型故障的仿真,找出了其定量参考值。结果表明该方法可在采得一个周期数据后实现正确鉴别。     

基于分布式神经网络的变压器励磁涌流鉴别的研究

针对目前变压器保护中普遍采用的利用二次谐波原理识别变压器励磁涌流存在的缺陷,提出利用分布式人工神经网络实现基于半波叠加原理鉴别励磁涌流的新方案。经仿真实验表明:该方案能准确地判别出变压器内部故障和励磁涌流,不受系统谐波影响,具有很高的可靠性。     

基于分布式神经网络的变压器励磁涌流鉴别的研究

针对目前变压器保护中普遍采用的利用二次谐波原理识别变压器励磁涌流存在的缺陷,提出利用分布式人工神经网络实现基于半波叠加原理鉴别励磁涌流的新方案。经仿真实验,该方案能准确地判别出变压器内部故障和励磁涌流,不受系统谐波影响,具有很高的可靠性。     

基于有功和功率因数的变压器励磁涌流鉴别新方法

提出了一种基于有功功率和功率因数特征的变压器励磁涌流鉴别方法.分析了励磁涌流和内部故障情况下,有功和功率因数不同的变化趋势.有功功率发生空投于故障时,由于故障支路的存在,有功功率和功率因数较发生励磁涌流时都大,且功率因数在判断轻微故障时可弥补有功功率的不足.利用两个量构成判据,判断是否发生故障.方法易于实现,计算量小,...     

衰减非周期分量新算法的研究

介绍了一种计算衰减非周期分量的新算法,并进行了仿真计算,最后对算法的应用作了一些讨论。     

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。