CN103439624B - 基于电压故障分量的超高压线路故障选相方法 - Google Patents

Abstract

一种高压电网技术领域的基于电压故障分量的超高压线路故障选相方法，通过采集线路故障时保护安装处的三相电压信号，计算三相电压故障分量得到的比例关系作为故障相识别系数，根据三者的大小关系进行逻辑判断，即先进行单相接地故障判断，如不满足则进行两相相间故障判断，如不满足则再进行三相接地故障判断，如不满足则最后进行两相接地故障判断，实现超高压线路故障选相。本发明在不同的故障位置、故障类型、过渡电阻、初始相角等故障条件下均具有较高的灵敏度和可靠性，并可在故障后半周波内快速准确地选出故障相；同时，该方案在强弱电源侧均具有足够的灵敏度。

Description

基于电压故障分量的超高压线路故障选相方法

技术领域

本发明涉及的是一种高压电网技术领域的方法，具体是一种基于电压故障分量的超高压线路故障选相方法。

背景技术

随着电能利用的广泛发展，许多国家都在兴建大容量水电站、火电厂、核电站以及电站群，而动力资源又往往远离负荷中心，只有采用超高压输电才能有效而经济地实现输电任务。超高压输电可以增大输送容量和传输距离，降低单位功率电力传输的工程造价，减少线路损耗，节省线路走廊占地面积，具有显著的综合经济效益和社会效益。另外，大电力系统之间的互联也需要超高压输电来完成。超高压输电的使用范围大致如表超高压输电使用范围所列。若以220千伏输电指标为100％，超高压输电每公里的相对投资、每千瓦时电输送一百公里的相对成本以及金属材料消耗量等,均有大幅度降低,线路走廊利用率则有明显提高。超高压输电是发电容量和用电负荷增长、输电距离延长的必然要求，是电力工业发展水平的重要标志之一，我国已逐步形成以500千伏输电为骨干的超高压电力系统。

超高压输电线路是超高压输电系统中最重要的元件之一，其特点是输电线路长，故障发生概率高，它的安全性和可靠性不仅关系到本区系统的稳定性，而且将直接影响与其相连区域电网甚至整个大电网的稳定运行，自动重合闸和距离保护元件都需要正确地选出故障相别，同时要求选相快速，准确度高，提高超高压输电线路选相元件的选相速度和准确度对保证超高压输电系统的安全性与可靠性意义重大。

目前高压输电线路中所采用的选相元件在不同的过渡电阻、故障位置、故障类型、强弱电源侧等故障条件下，都存在着无法快速准确识别故障相的情况。突变量选相和序分量选相为电力系统中应用较为广泛的两种故障分量选相元件，但序分量选相在弱电源侧灵敏度不足，且序分量的计算是对三相正弦分解的结果，在暂态过程中电流不完全是正弦的，分析比较困难，正、负序分量的计算需要移相，只有对稳态正弦量才能移相，因此对快速保护应用正、负分量选相方式需慎重。突变量选相主要包括相电流差突变量选相、相电压差突变量选相及电流电压综合突变量选相。其中，相电流差突变量选相具有灵敏度高、受负荷分量、系统频率偏移及过渡电阻影响小等优点，但短路电流中含有非周期分量，三种相电流突变量可能存在很大偏差，会把三相短路误判为两相短路故障；且在弱电源侧由于故障电流分配系数的影响，弱电源侧仅仅流过零序分量，相电流差突变量选相会出现灵敏度不足的问题；而电压突变量选相在弱电源侧具有较高的灵敏度，在强电源侧灵敏度不足；电压电流复合突变量在大部分情况下都会收到很好的选相效果，但是当系统和故障参数满足一定条件时，仍然存在灵敏度不足和两相接地故障误判为三相接地故障等缺陷。

经过对现有技术的检索发现，中国专利文献号CN102255292，公开日2011-11-23，公开了一种基于参数识别的高压输电线路距离保护方法，包括：采集三相电压和电流；然后进行低通滤波、采样保持和A/D转换后，得到三相采样值；对三相采样值进行相-模变换，应用考虑线路频变参数特性的补偿算法补偿至线路末端，经模-相变换得到补偿点的三相电压和电流；对三相分别应用对应相的三系数解微分方程法进行计算，结合故障选相元件结果，在发生单相接地故障时，根据故障相计算结果确定故障位置。但该技术需加入补偿，并经过模-相变换和解微分方程，算法复杂，计算量大。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于电压故障分量的超高压线路故障选相方法，在不同的故障位置、故障类型、过渡电阻、初始相角等故障条件下均具有较高的灵敏度和可靠性，并可在故障后半周波内快速准确地选出故障相；同时，该方案在强弱电源侧均具有足够的灵敏度。

本发明是通过以下技术方案实现的，本发明通过采集线路故障时保护安装处的三相电压信号，计算三相电压故障分量得到的比例关系作为故障相识别系数，根据三者的大小关系进行逻辑判断，即先进行单相接地故障判断，如不满足则进行两相相间故障判断，如不满足则再进行三相接地故障判断，如不满足则最后进行两相接地故障判断，实现超高压线路故障选相。

所述的故障相识别系数 $\left\{\begin{array}{c}{Y}_A=\frac{\left|\mathrm{\Δ}{U}_A\right|}{|\mathrm{\Δ}{U}_B-\mathrm{\Δ}{U}_C|}\\ Y_B=\frac{\left|\mathrm{\Δ}{U}_B\right|}{|\mathrm{\Δ}{U}_A-\mathrm{\Δ}{U}_C|}\\ Y_C=\frac{\left|\mathrm{\Δ}{U}_C\right|}{|\mathrm{\Δ}{U}_A-\mathrm{\Δ}{U}_B|}\end{array}\right.,$ 其中：ΔU_A、ΔU_B、ΔU_C为三相电压故障分量， $\left\{\begin{array}{c}\mathrm{\Δ}{U}_A\left(t\right)=U_A\left(t\right)-U_A(t-T)\\ \mathrm{\Δ}{U}_B\left(t\right)=U_B\left(t\right)-U_B(t-T)\\ \mathrm{\Δ}{U}_C\left(t\right)=U_C\left(t\right)-U_C(t-T)\end{array}\right.,$ 其中：T为工频周期；ΔU_A(t)、ΔU_B(t)、ΔU_C(t)分别为保护安装处母线A、B、C三相电压故障分量，U_A(t)、U_B(t)、U_C(t)分别为故障发生后保护安装处经过卡尔曼滤波处理后提取的母线A、B、C三相电压基频分量，U_A(t-T)、U_B(t-T)、U_C(t-T)分别为故障前一周波保护安装处母线A、B、C三相电压。

所述的故障前一周波保护安装处母线A、B、C三相电压U_A(t-T)、U_B(t-T)、U_C(t-T)通过数字量法将故障前一个周波的电压采样值预先保存下来。

所述的保护安装处母线A、B、C三相电压故障分量U_A(t)、U_B(t)、U_C(t)可用故障时后的电压采样值与故障前一周波对应时刻的电压采样值相减得到。

所述的逻辑判断具体包括：

i)单相接地故障判据：Y_max≥30并且故障相为识别系数最大相；

ii)两相相间故障判据：Y_min≤0.1并且 $\left\{\begin{array}{c}|Y_{\max }-1|\≤0.2\\ |Y_{\mathrm{mid}}-1|\≤0.2\end{array}\right.,$ 故障相为识别系数较大两相；

iii)三相接地故障判据： $\left\{\begin{array}{c}|Y_{\max }-0.577|\≤0.2\\ |Y_{\mathrm{mid}}-0.577|\≤0.2\\ |Y_{\min }-0.577|\≤0.2\end{array}\right.;$

iv)两相接地故障判据：故障相为识别系数较大两相。

技术效果

本发明采用基于随机模型的卡尔曼滤波算法，能在较短的数据窗内给出基波分量的最优估计。此外，暂态电压比暂态电流含有较小的衰减直流分量，衰减直流分量受线路参数影响较大，因此采用卡尔曼滤波算法分析电压数据，其状态方程相比于采用电流信号的更加简单，降低了算法的运算量并提高了提取基波分量的速度和算法模型的普遍适用性。然后将提取的每相电压故障分量与其余两相故障分量差量的比值，定义为故障相识别系数，通过分析该系数在不同故障类型下呈现的特性进行选相。

本发明中的卡尔曼滤波算法相比于全周傅里叶滤波算法有更好的滤波效果，能在较短的时间内更准确地提取基频电压分量,保证了选相逻辑能快速识别故障相；针对现有选相元件不能在复杂故障条件下快速准确选相的不足，采用故障相识别系数这一概念，综合反映了三相电压故障分量的相位和幅值信息，实现了快速选相，能够在半周波内准确识别各种故障类型，并且受过渡电阻、故障初相角和故障位置的影响很小；同时该系统克服了电压突变量选相在强电源侧灵敏度不足的缺陷，在系统中强电源侧同样适用。

附图说明

图1为实施例中超高压输电系统的结构简图；

图中：E_M、E_N为两端电源内电势、R_M、R_N为两端电源内电阻、L_M、L_N为两端电源内电抗、L_ML、L_NL为两端线路补偿电抗、M、N为线路两端保护安装处。

图2为实施例流程图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1所示，超高压输电系统的结构简图。参考京津唐500kV超高压输电线路参数。

如图2所示，故障选相的实现流程图。采样值通过卡尔曼滤波后得到电压基频分量，然后计算得出各故障相识别系数，根据该系数在不同故障条件的特征，达到选相目的。

步骤一，通过建立卡尔曼滤波模型，达到提取基频电压分量的目的，减少谐波对选相算法的影响。

本发明考虑的谐波成分为2-5次谐波，所用卡尔曼滤波模型的状态转移矩阵为10阶方阵，其状态方程为：x(t_k+1)=φ_kx(t_k)+w(t_k)；测量方程为：z(t_k)=H_kx(t_k)+v(t_k)，其中：表示各次信号的实部和虚部，H_k=[10...10]；w(t_k)均值为零且其协方差矩阵为v(t_k)为均值为零的高斯白噪声，其协方差为0.001。

状态转移矩阵为：φ_k=diag[M₁...M₅]， $M_n=\left[\begin{array}{cc}\cos \left({\mathrm{nw}}_0\mathrm{\Δt}\right)& -\sin \left({\mathrm{nw}}_0\mathrm{\Δt}\right)\\ \sin \left({\mathrm{nw}}_0\mathrm{\Δt}\right)& \cos \left({\mathrm{nw}}_0\mathrm{\Δt}\right)\end{array}\right],$ 其中：w₀为系统工频，Δ_t为采样时间。

采用基于随机模型的卡尔曼滤波算法，能在较短的数据窗内给出基波分量的最优估计。此外，暂态电压比暂态电流含有较小的衰减直流分量，衰减直流分量受线路参数影响较大，因此采用卡尔曼滤波算法分析电压数据，其状态方程相比于采用电流信号的更加简单，降低了算法的运算量并提高了提取基波分量的速度和算法模型的普遍适用性。

步骤二，采集线路故障时保护安装处的三相电压故障分量与其他两相电压故障分量差量的比例关系，定义故障相识别系数为： $\left\{\begin{array}{c}{Y}_A=\frac{\left|\mathrm{\Δ}{U}_A\right|}{|{\mathrm{\ΔU}}_B-\mathrm{\Δ}{U}_C|}\\ Y_B=\frac{\left|\mathrm{\Δ}{U}_B\right|}{|\mathrm{\Δ}{U}_A-\mathrm{\Δ}{U}_C|}\\ Y_C=\frac{\left|\mathrm{\Δ}{U}_C\right|}{|\mathrm{\Δ}{U}_A-\mathrm{\Δ}{U}_B|}\end{array}\right.,$ 其中：ΔU_A、ΔU_B、ΔU_C为三相电压故障分量，Y_A、Y_B、Y_C为故障相识别系数

步骤三，比较各故障相识别系数大小，并依次定义为Y_max、Y_mid、Y_min。

步骤四，根据步骤三中的Y_max、Y_mid、Y_min在不同故障条件下的特征，实现选相目的，具体选相逻辑如附图2所示。

发生线路故障时，图1母线M侧保护安装处的三相电压故障分量为：

$\left\{\begin{array}{c}{\mathrm{\ΔU}}_A=s_1{I}_{M_{A1}}{Z}_{1S}+s_2{I}_{M_{A2}}{Z}_{2S}+s_0{I}_{M_{A0}}{Z}_{0S}\\ {\mathrm{\ΔU}}_B={\mathrm{\α}}^2{s}_1{I}_{M_{A1}}{Z}_{1S}+{\mathrm{\αs}}_2{I}_{M_{A2}}{Z}_{2S}+s_0{I}_{M_{A0}}{Z}_{0S}\\ {\mathrm{\ΔU}}_C={\mathrm{\αs}}_1{I}_{M_{A1}}{Z}_{1S}+{\mathrm{\α}}^2{s}_2{I}_{M_{A2}}{Z}_{2S}+s_0{I}_{M_{A0}}{Z}_{0S}\end{array}\right.,$ 其中：，ΔU_A、ΔU_B、ΔU_C分别为母线M处A、B、C三相电压故障分量，分别为故障点F处的A相各序故障电流；s₁、s₂、s₀分别为正序、负序和零序电流分布系数；Z_iS为M侧母线到故障点之间的线路各序阻抗（i=1，2，0）。

由于超高压输电线路较长，因此可近似认为系统正负序阻抗和正负序电流分布系数相等，即s₁=s₂，Z_1S=Z_2S。

1）当发生单相（AG）接地故障时，若s₁Z_1S=s₂Z_2S，M侧各相的电压突变量（即故障分量）为： $\left\{\begin{array}{c}\mathrm{\Δ}{U}_A={2s}_1{I}_{M_{A1}}{Z}_{1S}+s_0{I}_{M_{A1}}{Z}_{0S}\\ \mathrm{\Δ}{U}_B=({\mathrm{\α}}^2+\mathrm{\α})s_1{I}_{M_{A1}}{Z}_{1S}+s_0{I}_{M_{A1}}{Z}_{0S}.\\ \mathrm{\Δ}{U}_C=({\mathrm{\α}}^2+\mathrm{\α})s_1{I}_{M_{A1}}{Z}_{1S}+s_0{I}_{M_{A1}}{Z}_{0S}\end{array}\right.$

在单相故障中：ΔU_BC≈0，因此有Y_A＞＞Y_B≈Y_C。

2）当发生两相（BC）相间故障时，根据边界条件计及式（1），可得M侧的电压故障分量为： $\left\{\begin{array}{c}\mathrm{\Δ}{U}_A=0\\ \mathrm{\Δ}{U}_B=({\mathrm{\α}}^2-\mathrm{\α})s_1{I}_{M_{A1}}{Z}_{1S}\\ \mathrm{\Δ}{U}_C=(\mathrm{\α}-{\mathrm{\α}}^2)s_1{I}_{M_{A1}}{Z}_{1S}\end{array}\right.;$

求得的三相故障相识别系数满足：0=Y_A＜＜Y_B≈Y_C≈1。

3）当发生两相接地（BCG）故障时，根据边界条件可得M侧的电压故障分量为： $\left\{\begin{array}{c}{\mathrm{\ΔU}}_A=(s_1-\frac{s_1{Z}_{0S}}{Z_{1S}+Z_{0S}}-\frac{s_0{Z}_{0S}}{Z_{1S}+Z_{0S}})I_{M_{A1}}{Z}_{1S}\\ {\mathrm{\ΔU}}_B=({\mathrm{\α}}^2{s}_1-\mathrm{\α}\frac{s_1{Z}_{0S}}{Z_{1S}+Z_{0S}}-\frac{s_0{Z}_{0S}}{Z_{1S}+Z_{0S}})I_{M_{A1}}{Z}_{1S}\\ {\mathrm{\ΔU}}_C=({\mathrm{\αs}}_1-{\mathrm{\α}}^2\frac{s_1{Z}_{0S}}{Z_{1S}+Z_{0S}}-\frac{s_1{Z}_{0S}}{Z_{1S}+Z_{0S}})I_{M_{A1}}{Z}_{1S}\end{array}\right.;$

求得的三相故障相识别系数满足关系： $\left\{\begin{array}{c}{Y}_A<<Y_B\\ Y_A<<Y_C\end{array}\right.;$

4）当发生三相接地（ABCG）故障时，根据边界条件可得M侧的电压故障分量为： $\left\{\begin{array}{c}{\mathrm{\&Delta;U}}_A=s_1{I}_{M_{A1}}{Z}_{1S}\\ {\mathrm{\&Delta;U}}_B={\mathrm{\&alpha;}}^2{s}_1{I}_{M_{A1}}{Z}_{1S}\\ {\mathrm{\&Delta;U}}_C={\mathrm{\&alpha;s}}_1{I}_{M_{A1}}{Z}_{1S}\end{array}\right.;$

求得的三相故障相识别系数满足：

根据不同故障类型下的故障相识别系数特征，将各故障类型判据设置如下：

i)单相接地故障判据：Y_max≥30并且故障相为识别系数最大相

ii)两相相间故障判据：Y_min≤0.1并且 $\left\{\begin{array}{c}|Y_{\max }-1|\&le;0.2\\ |Y_{\mathrm{mid}}-1|\&le;0.2\end{array}\right.,$ 故障相为识别系数较大两相

iii)三相接地故障判据： $\left\{\begin{array}{c}|Y_{\max }-0.577|\&le;0.2\\ |Y_{\mathrm{mid}}-0.577|\&le;0.2\\ |Y_{\min }-0.577|\&le;0.2\end{array}\right.$

iv)两相接地故障判据：故障相为识别系数较大两相。

根据以上判据制定选相流程，实现选出故障相的目的。

基于上述分析，本选相系统中的卡尔曼滤波算法相比于全周傅里叶滤波算法有更好的滤波效果，能在较短的时间内更准确地提取基频电压分量；针对现有选相元件不能在复杂故障条件下快速准确选相的不足，采用故障相识别系数这一概念，综合反映了三相电压故障分量的相位和幅值信息，利用故障相识别系数在不同故障类型下的特征，实现了快速选相，能够在半周波内准确识别各种故障类型，并且受过渡电阻、故障初相角和故障位置的影响很小；同时该系统克服了电压突变量选相在强电源侧灵敏度不足的缺陷，在系统中强电源侧同样适用。

Claims (4)

1.一种基于电压故障分量的超高压线路故障选相方法，其特征在于，通过采集线路故障时保护安装处的三相电压信号，计算三相电压故障分量得到的比例关系作为故障相识别系数，根据三者的大小关系进行逻辑判断，即先进行单相接地故障判断，如不满足则进行两相相间故障判断，如不满足则再进行三相接地故障判断，如不满足则最后进行两相接地故障判断，实现超高压线路故障选相；

所述的故障相识别系数具体为： $\left\{\begin{array}{c}{Y}_A=\frac{\left|\mathrm{\&Delta;}{U}_A\left(t\right)\right|}{|\mathrm{\&Delta;}{U}_B\left(t\right)-{\mathrm{\&Delta;U}}_C\left(t\right)|}\\ Y_B=\frac{\left|\mathrm{\&Delta;}{U}_B\left(t\right)\right|}{|\mathrm{\&Delta;}{U}_A\left(t\right)-{\mathrm{\&Delta;U}}_C\left(t\right)|}\\ Y_C=\frac{\left|\mathrm{\&Delta;}{U}_C\left(t\right)\right|}{|\mathrm{\&Delta;}{U}_A\left(t\right)-{\mathrm{\&Delta;U}}_B\left(t\right)|}\end{array}\right.,$ 其中：ΔU_A(t)、ΔU_B(t)、ΔU_C(t)为三相电压故障分量， $\left\{\begin{array}{c}\mathrm{\&Delta;}{U}_A\left(t\right)=U_A\left(t\right)-U_A(t-T)\\ \mathrm{\&Delta;}{U}_B\left(t\right)=U_B\left(t\right)-U_B(t-T)\\ \mathrm{\&Delta;}{U}_C\left(t\right)=U_C\left(t\right)-U_C(t-T)\end{array}\right.,$ 其中：T为工频周期；ΔU_A(t)、ΔU_B(t)、ΔU_C(t)分别为保护安装处母线A、B、C三相电压故障分量，U_A(t)、U_B(t)、U_C(t)分别为故障发生后保护安装处经过卡尔曼滤波处理后提取的母线A、B、C三相电压基频分量，U_A(t-T)、U_B(t-T)、U_C(t-T)分别为故障前一周波保护安装处母线A、B、C三相电压。

2.根据权利要求1所述的方法，其特征是，所述的故障前一周波保护安装处母线A、B、C三相电压U_A(t-T)、U_B(t-T)、U_C(t-T)通过数字量法将故障前一个周波的电压采样值预先保存下来。

3.根据权利要求1所述的方法，其特征是，所述的保护安装处母线A、B、C三相电压故障分量ΔU_A(t)、ΔU_B(t)、ΔU_C(t)可用故障时后的电压采样值与故障前一周波对应时刻的电压采样值相减得到。

4.根据权利要求1所述的方法，其特征是，所述的逻辑判断具体包括：比较故障相识别系数大小，并依次定义为Y_max、Y_mid、Y_min，其中：

i)单相接地故障判据：Y_max≥30并且故障相为识别系数最大相；

ii)两相相间故障判据：Y_min≤0.1并且 $\left\{\begin{array}{c}|Y_{\max }-1|\&le;0.2\\ |Y_{\mathrm{mid}}-1|\&le;0.2\end{array}\right.,$ 故障相为识别系数较大两相；

iii)三相接地故障判据： $\left\{\begin{array}{c}|Y_{\max }-0.577|\&le;0.2\\ |Y_{\mathrm{mid}}-0.577|\&le;0.2\\ |Y_{\min }-0.577|\&le;0.2\end{array}\right.,$ 故障相为所有三相；

iv)两相接地故障判据： $\frac{Y_{\max }-Y_{\mathrm{mid}}}{Y_{\mathrm{mid}}}\&GreaterEqual;0.2,$ 故障相为识别系数较大两相。