CN103364724A - 一种高压发电机区内区外故障辨识方法 - Google Patents

Abstract

本发明公开了一种高压发电机区内区外故障辨识方法，包括以下步骤：采集种模式下高压发电机故障前后的数据；当高压发电机的零序电压或三次谐波电压越限时，记录第种模式下高压发电机的数据；计算任意两种模式的数据分布相似性，根据数据分布的相似程度辨识高压发电机区内区外故障。本发明方法具有精确度高、实用性强的特点。可有效区分发电机区内区外故障。

Description

一种高压发电机区内区外故障辨识方法

技术领域

本发明涉及一种高压发电机区内区外故障辨识方法。

背景技术

近年来，随着我国电力工业的迅猛发展，大容量发电机越来越多的应用在系统中，发电机的安全正常运行直接关系到整个电力系统的连续稳定工作。特别是高压发电机，电压等级高，造价昂贵，结构复杂，一旦因故障遭到破坏，将会带来波及范围广、检修难度大、检修时间长、经济损失惨重等一系列问题。定子接地故障是发电机的一种主要故障类型，如不及时保护和处理，易引起故障点局部过热，烧毁定子线棒及铁芯，影响发电机正常运行。高压发电机需要判断单相接地点是否在本发电机定子绕组内部，便于停机处理。

现有的发电机定子接地保护方法一般采用零序基波电压、三次谐波电压或注入信号测量法实现。这些方法均存在弊端，故障检测精度差，难以检测高阻接地故障。因此急需研制并安装高灵敏度定子接地保护，提高水电站的运行可靠性和经济指标。

为此，本发明方法综合利用现有各种发电机保护方法的优点，充分发挥保护技术之间的互补性，通过同种类别数据模式之间形状相似的特性，发明一种新型的高压发电机区内区外故障辨识方法，以满足国际电力科学技术发展的需要。具有深远的意义和广阔的应用前景。

发明内容

为解决高压发电机定子接地故障区内外判别方法精度和可靠性不高的难题，本发明提出了一种高压发电机区内区外故障辨识方法，能更有效地区分故障状态与非故障状态，有效提高发电机定子接地故障保护的精度和可靠性。

本发明解决上述技术问题的技术方案包括以下步骤：

1、一种高压发电机区内区外故障辨识方法，其特征是，包括如下步骤：

1)  采集高压发电机正常运行时的非故障数据，采集高压发电机在中性点非有效接地方式下、过渡电阻为金属性接地和高阻接地情况时、故障点位于定子绕组不同位置的故障数据，非故障数据和故障数据包括由高压发电机两侧的电流互感器采集的电流数据以及由电压互感器采集的电压数据，故障数据和非故障数据共包含N种模式 {X₁，X₂，…,X_N}；

2)  在线监测高压发电机的零序电压和三次谐波电压，当下述启动判据成立时则判定有接地故障发生，执行步骤3）；否则继续在线监测高压发电机的零序电压和三次谐波电压；启动判据为；

上式中U₀为高压发电机机端的零序电压，

为额定相电压，U_3S为高压发电机机端侧三次谐波电压有效值，U_3N为高压发电机中性点侧三次谐波电压有效值；

3)  启动保护判断，记录启动保护判断后的数据，并将其定义为第N+1种模式X_N+1，将故障数据、非故障数据和启动保护判断后的数据共同组成集合X，X共包含N+1种模式X={X₁，X₂，…,X_N,X_N+1}，第i种模式为X_i=(x_i1,x_i2,…,x_ip)，x_ik为第i种模式在第k个指标上的数值，i=1,2,…,N+1,k=1,2,…,p；

4)  利用下述公式计算出任意两种模式X_i与X_j的数据分布相似性F_ij：

$F_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{x}_{\mathrm{jk}}}{\sqrt{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}^2\·\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{jk}}^2}}$

上式中F_ij数值越大，则两种模式X_i与X_j的数据分布越相似；

5)  初始化类别，令每种模式为一类，共有N+1种类别；

6)  将数据分布最相似的两种模式合并成一个新类，总类数减少一个；再将数据分布次相似的两种模式进行合并，总类数再减少一个；重复上述合并过程，直至所有的模式全归为故障类和非故障类；

7)  若X_N+1被归为故障类，则判定高压发电机发生区内故障，若X_N+1被归为非故障类，则判定为区外故障。

本发明的技术效果在于：高压发电机区内区外故障辨识判据新颖，本发明提出的高压发电机区内区外故障辨识方法利用数据分布的相似程度辨识高压发电机区内区外故障，扩展了继电保护的研究思路；本发明方法可通过增加数据模式的指标个数的方式将多种电气量进行融合处理，提高了结果的可信度，有效消除仅利用部分电气量进行高压发电机保护的固有缺陷，增强故障检测的容错能力和鲁棒性。

本发明方法理论简单、直观、精确度高。解决了高压发电机区内区外故障辨识方法可靠性不高的难题。

下面结合附图对本发明作进一步的说明。

附图说明

图1是本发明的系统结构示意图。

图2是本发明的实验结果图。

具体实施方式

图1是本发明的系统结构示意图，两个电流互感器接于高压发电机两侧，用来提取高压发电机两侧的电流数据；电压互感器接于高压发电机机端，零序电压U₀取自高压发电机机端电压互感器的开口三角绕组；高压发电机通过厂内的公共母线向外部系统进行供电。

为了验证本发明所描述的一种高压发电机区内区外故障辨识方法的可行性，按图1所示系统进行了实验。

各项参数取值如下：额定电压150kV；外部系统每相总电容为0.15μF；高压发电机每相对地电容为0.560μF。以发电机中性点不接地为例，故障点分别位于绕组的25％、50％、75％、100％处，过渡电阻从5Ω~5kΩ分别进行测试。α为故障点位置，即中性点到故障点的绕组匝数占全部绕组匝数的百分数。

首先采集数据模式。在区外故障（外部系统发生单相接地故障）和区内故障（高压发电机发生单相接地故障）情况下，根据过渡电阻、故障位置的不同，分别进行实验测试，安装在高压发电机的保护装置共获取14种模式。为使所提出的发明方法适合在配电自动化终端单元上就地实现，每种模式提取3个属性，分别为泄漏电流有效值、泄漏电流方向、机端零序电流方向，如表1所示。由表1可知：{X₁,X₂,X₃,X₄,X₅,X₆}为非故障模式，{X₇,X₈,X₉,X₁₀,X₁₁,X₁₂,X₁₃,X₁₄}为故障模式。

表1

在线监测高压发电机的零序电压和三次谐波电压，当满足启动判据时则判定有接地故障发生，启动保护判断，记录启动保护判断后的数据。将14种模式中{X₁,X₄,X₈,X₁₂}作为记录启动保护判断后的数据，用来检验所提出辨识方法的有效性。

按照步骤4）计算任意两种模式X_i与X_j的数据分布相似性F_ij。可排成实对称的数据分布相似性矩阵F：

初始化类别，令每种模式为一类，共有14种类别；

将数据分布最相似的两种模式合并成一个新类，总类数减少一个；再将数据分布次相似的两种模式进行合并，总类数再减少一个；重复上述合并过程，直至所有的模式全归为故障类和非故障类。

得到的实验结果如图2所示。从图2可以看出：{X₁,X₂,X₃,X₄,X₅,X₆}为一类，{X₇,X₈,X₉,X₁₀,X₁₁,X₁₂,X₁₃,X₁₄}为另一类。说明故障数据之间的分布具有相似性，非故障数据之间的分布也具有相似性；而两类数据之间的分布不同，具有相异性。从图中还可以看出，X₁和X₄模式与非故障数据分布相同，被归为非故障类，从而判定故障发生在高压发电机外部，属于区外故障；而X₈和X₁₂模式被归为故障类，则判定高压发电机发生区内故障。实验结果与实际相符。

实验结果表明本发明方法具有较高的准确性、有效性和可靠性。

Claims (1)

1.一种高压发电机区内区外故障辨识方法，其特征是，包括如下步骤：

采集高压发电机正常运行时的非故障数据，采集高压发电机在中性点非有效接地方式下、过渡电阻为金属性接地和高阻接地情况时、故障点位于定子绕组不同位置的故障数据，非故障数据和故障数据包括由高压发电机两侧的电流互感器采集的电流数据以及由电压互感器采集的电压数据，故障数据和非故障数据共包含N种模式{X₁,X₂,…,X_N}；

在线监测高压发电机的零序电压和三次谐波电压，当下述启动判据成立时则判定有接地故障发生，执行步骤3）；否则继续在线监测高压发电机的零序电压和三次谐波电压；启动判据为；

上式中U₀为高压发电机机端的零序电压，

为额定相电压，U_3S为高压发电机机端侧三次谐波电压有效值，U_3N为高压发电机中性点侧三次谐波电压有效值；

启动保护判断，记录启动保护判断后的数据，并将其定义为第N+1种模式X_N+1，将故障数据、非故障数据和启动保护判断后的数据共同组成集合X，X共包含N+1种模式X={X₁,X₂,…,X_N,X_N+1}，第i种模式为X_i=(x_i1,x_i2,…,x_ip)，x_ik为第i种模式在第k个指标上的数值，i=1,2,…,N+1,k=1,2,…,p；

利用下述公式计算出任意两种模式X_i与X_j的数据分布相似性F_ij：

$F_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}{x}_{\mathrm{jk}}}{\sqrt{\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{ik}}^2\·\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{x}_{\mathrm{jk}}^2}}$

上式中F_ij数值越大，则两种模式X_i与X_j的数据分布越相似；

初始化类别，令每种模式为一类，共有N+1种类别；

将数据分布最相似的两种模式合并成一个新类，总类数减少一个；再将数据分布次相似的两种模式进行合并，总类数再减少一个；重复上述合并过程，直至所有的模式全归为故障类和非故障类；

若X_N+1被归为故障类，则判定高压发电机发生区内故障，若X_N+1被归为非故障类，则判定为区外故障。