CN106605150A - 使用端子测量的变压器参数估计 - Google Patents

使用端子测量的变压器参数估计 Download PDF

Info

Publication number
CN106605150A
CN106605150A CN201580032007.4A CN201580032007A CN106605150A CN 106605150 A CN106605150 A CN 106605150A CN 201580032007 A CN201580032007 A CN 201580032007A CN 106605150 A CN106605150 A CN 106605150A
Authority
CN
China
Prior art keywords
transformator
voltage
estimated
parameter
electric current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201580032007.4A
Other languages
English (en)
Inventor
张子昂
康宁
M·J·穆萨维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Technology AG
Original Assignee
ABB Technology AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ABB Technology AG filed Critical ABB Technology AG
Publication of CN106605150A publication Critical patent/CN106605150A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/04—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions for transformers
    • H02H7/045—Differential protection of transformers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/62—Testing of transformers

Abstract

根据电力网络设备的实施例，该设备包括计算机(108)，该计算机被配置为估计变压器(102)内部的多个参数，包括估计变压器(102)的匝数比。计算机(108)基于变压器(102)的等效电路模型以及对应于在变压器(102)的初级侧和次级侧端子处进行的电流和电压测量的电流和电压样本执行参数估计。计算机(108)指示所估计的参数中的一个或多个何时偏离标称值多于预定量。计算机(108)可以是被配置为获取表示初级侧和次级侧电流和电压测量的模拟或数字信号的智能电子设备(104)的部分，或者位于远离智能电子设备(104)，例如位于控制室或变电站控制器中。

Description

使用端子测量的变压器参数估计
技术领域
本申请涉及变压器参数估计，并且更具体地涉及使用端子测量的变压器参数估计。
背景技术
变压器故障可能导致主要公用事业服务中断，并且通常难以快速更换有故障的变压器。制造大功率变压器的前置时间可能花费6至20个月。因此，更好地了解关于变压器的健康状态及其基本参数可以帮助公用事业公司更好地规划和管理与变压器的老化和故障相关的应急事件。
目前，变压器健康估计使用两种主要的方法：直接测量方法和基于模型的方法。使用直接测量方法，通过特别设计的传感器或采集程序(例如，溶解气体分析、聚合度测试和局部放电监测等)来测量代表性的参数。这样的技术可以估计变压器的情况。然而，在线监测装置的安装成本激发更便宜的方法。
基于模型的方法基于端子测量使用系统识别技术来构造变压器模型。已经开发了几种离线建模过程。然而，在工业中非常需要用于监测在线变压器的状态的在线方法。
从实际角度来看，变压器的寿命由其绝缘的寿命来限定。绕组的电绝缘中最薄弱的环节是在热点位置处的纸。绝缘纸被期望在该区域中更快地降解。
通常，变压器的健康状况可以通过一组参数(例如，氧气、水分、酸度、温度等)来索引。绝缘故障已被证明是故障的主要原因。使用变压器的热模型连续地在线监测油温能够估计由于过热造成的寿命损失。
在过去几年中已经实现了基于在线监测尝试的几种模型。然而，这些提出的技术基于变压器的等效电路模型，其中所有参数都涉及变压器的一侧。这种类型的方法的问题是，在不知道变压器匝数比的情况下，不能计算参考测量值。对于分接变换变压器，由于正常的分接变换操作和异常故障事件，匝数比是一个动态变量。因此，常规的在线监测方法仅作用于等效电路，并且假定匝数比是固定的并且是先验已知的。
非常需要一种基于实时端子测量来估计变压器情况的基于在线模型的有效的技术。
发明内容
根据变压器参数估计方法的实施例，该方法包括：接收对应于在变压器的初级侧和次级侧端子处进行的电流和电压测量的电流和电压样本；基于变压器的等效电路模型以及电流和电压样本，估计变压器内部的多个参数，包括估计变压器的匝数比；以及指示所估计的参数中的一个或多个何时偏离标称值多于预定量。
根据电力网络设备的实施例，电力网络设备包括计算机，其被配置为基于变压器的等效电路模型以及对应于在变压器的初级侧和次级侧端子处进行的电流和电压测量的电流和电压样本，估计变压器内部的多个参数，包括估计变压器的匝数比。计算机还被配置为指示所估计的参数中的一个或多个何时偏离标称值多于预定量。
本领域技术人员在阅读以下详细描述并且在查看附图时将认识到附加的特征和优点。
附图说明
附图中的部件不一定成比例，而是强调说明本发明的原理。此外，在图中，相同的附图标记指定对应的部分。在附图中：
图1示出了用于估计变压器参数的电力网络和计算机的实施例的框图。
图2示出了变压器参数估计方法的实施例。
图3示出了在估计变压器参数中使用的变压器的示例性等效电路模型的电路示意图。
图4A示出了在估计变压器参数中使用的最小二乘法的输入数据的波形图。
图4B示出了在估计变压器参数中使用的最小二乘窗函数处理的输入数据的波形图。
图5示出了施加于用于估计变压器参数的变压器模型的两端子(初级侧和次级侧)电压和电流测量的波形图。
图6示出了对于第一采样率场景，基于图5的两端子(初级侧和次级侧)电压和电流测量的参数估计结果的波形图。
图7示出了对于第二采样率场景，基于图5的两端子(初级侧和次级侧)电压和电流测量的参数估计结果的波形图。
具体实施方式
接下来描述提供基于混合模型的在线技术用于估计变压器的参数(包括匝数比、串联绕组电阻、串联泄漏电感、分流磁化电感和分流铁芯损耗电阻)的实施例。本文描述的技术不需要变压器断电和/或专用传感器。相反，变压器的等效电路模型与来自变压器的两个端子的电压和电流样本一起使用以在小于一个周期中估计变压器参数。此外，变压器的匝数比在估计过程中被视为未知变量。可以使用产生超定系统的近似解的任何标准方法(诸如，最小二乘法、最小二乘法窗函数法、递归最小二乘法等)来求解参数估计公式。
图1示出了电力网络的示例，电力网络包括电网100、变压器102和连接到每个变压器102的智能电子设备(IED)104。仅为了便于说明，在图1中示出了单个变压器102和IED104。IED 104是基于微处理器的控制器，基于微处理器的控制器从安装在变压器102的端子上的电压和电流仪器互感器或传感器(未示出)接收模拟或数字信号(“同步端子测量”)。如果端子测量信号是模拟信号，则IED 104具有用于数字化数据的内部模拟到数字的电路和DSP(数字信号处理)电路。如果端子测量信号是通过例如IEC61850合并单元作为数字信号被传送，则IED 104可以直接使用数字数据。
在每种情况下，IED 104获取可以容易地从变压器102检索并且经由通信网络106来提供的两端子(初级和次级)所同步的电压和电流测量。IED 104将模拟电压测量和模拟电流测量转换为电流和电压样本(“电流和电压样本”)，电流和电压样本由计算机108使用以估计变压器102的参数，例如匝数比、串联绕组电阻、串联漏感、分流磁化电感和分流铁芯损耗电阻。计算机108包括用于实现变压器参数估计算法110的诸如存储器和处理器的电路，变压器参数估计算法110被设计为基于变压器102的等效电路模型和由IED 104提供的电流和电压样本来估计变压器参数。
计算机108可以是IED 104的部分或者远离IED 104布置。例如，计算机108可以是用于电力网络或变电站计算机(控制器)的控制室计算机。根据远程定位的实施例，计算机108通过通信链路112从IED104接收电流和电压样本。也就是说，IED 104接收初级侧和次级侧电压和电流测量，并且以优选的标准格式(例如，COMTRADE)存储这些测量。同步的两端子电压和电流测量可以通过通信链路112传送到变电站或控制室计算机。变压器参数估计算法110可以在变电站硬化的PC上或在控制室环境内运行。备选地，如果IED 104满足算法的基本计算要求，则变压器参数估计算法110可以被嵌入到保护和控制IED 104中。
图2示出了由计算机108执行的变压器参数估计方法的实施例。由计算机108实现的到变压器参数估计算法110的数据输入(框200)对应于在变压器102的两侧测量的初级侧(由下标“1”表示)和次级侧(由下标“2”表示)电流和电压端子信号V1(t)，i1(t)，V2(t)和i2(t)的采样版本。由变压器参数估计算法110使用的变压器模型是变压器102的等效电路模型，其模拟变压器102的动态特性。在一个实施例中，模型是被开发用于实时地评估参数估计算法110的精度的瞬态模型。模型的结构对于相应的变压器102是固定的。然而，模型的参数使用实时测量来估计。
基于变压器102的等效电路模型以及变压器参数估计算法110的电流和电压样本输入，算法110估计变压器参数，包括匝数比(n)、串联绕组电阻(R)、串联泄漏电感(L)、分流磁化电感(Lm)和分流铁芯损耗电阻(Rc)(框210)。计算机108确定所估计参数的一个或多个是否偏离标称值多于预定量(框220)。如果偏离被检测到(“是”)，则变压器102可能有故障或者实时变压器测量可能不正确或不准确。在任一情况下，计算机108可以采取校正动作。例如，计算机108可以生成指示变压器102有故障或实时变压器测量有问题的警告或警报信号(框230)。如果没有偏离被检测到(“否”)，则计算机108继续基于变压器102的等效电路模型和新接收的电流和电压样本来估计变压器参数，新接收的电流和电压样本对应于在变压器102的初级侧端子和次级侧端子处进行的实时电流和电压测量。
计算机108还可以基于变压器102的等效电路模型和所估计的参数来计算变压器102的电压或电流输出估计，并且基于所计算的电压或电流输出估计与相应的所测量的电压或电流样本之间的差异来确定估计误差。例如，可以基于模型计算变压器102的输出(例如，次级侧电压)。来自变压器102的实际输出(测量)数据也从IED 104可获得。通过从实际输出测量减去所估计的输出，可以获得变压器模型的估计误差。通过诸如最小二乘法、最小二乘法窗函数、递归最小二乘法等回归算法调整变压器参数估计，可以将估计误差降低到可接受的水平。这可以用作校准方法。一旦校准结束，估计误差可以用于诊断目的。例如，与最大估计误差的偏差可以产生警报。
图3示出了用于根据本文描述的技术估计变压器参数的变压器102的示例性等效电路模型的示意图。变压器102可以被建模为具有未知匝数比(n)的理想变压器。被建模的其他未知变压器参数包括串联绕组电阻(R)、串联泄漏电感(L)、分流磁化电感(Lm)和分流铁芯损耗电阻(Rc)。IED 104或其它类型的电力网络设备提供对应于在被建模的变压器(102)的初级侧端子(Conn1，Conn3)和次级侧端子(Conn2，Conn4)处得到的所同步的电流和电压测量的电流和电压样本。初级侧电流和电压测量分别表示为i1和v1。次级侧电流和电压测量分别表示为i2和v2。由于电流和电压样本在时间上作为离散值被通信，所以离散时间模型可以用于表示变压器的动态分析。
参数估计过程的目的是基于变压器输入和输出测量来重建变压器模型的参数。给定函数：
y＝Hx+v， (1)
其中x是未知的j乘1的向量，y是m乘1的测量向量，H是m乘j的测量矩阵，以及v是m乘1的测量噪声向量。为了减轻噪声影响，几个选项可用于估计过程。
最小二乘估计过程是最简单的方法。通过将定义为x的估计，估计误差可以表示为：
为了最小化估计误差ε，成本函数可以定义为：
其中上标T表示误差向量的转置。当部分偏导数等于零时，J达到其最小值，其中：
最小二乘估计过程和最小二乘窗函数估计过程之间的差异是处理输入数据的方式。
图4A示出了最小二乘估计过程的输入数据，图4B示出了最小二乘窗函数估计过程的输入数据。如图4A中所示出的，最小二乘法采用数字化电流和电压样本的整个集合300，并且对整个集合300单次计算所估计的参数。如图4B中所示出的，最小二乘窗函数方法产生电流和电压样本的对应集合302的每个窗口大小m的所估计的参数的一个集合302。最小二乘法窗函数方法基于滑动窗口执行估计，得到估计结果的多个集合302。然而，在估计算法中与最小二乘法没有差别。
递归最小二乘算法是迭代的，其中它基于新的到来的测量数据更新估计结果。也就是说，对于电流和电压样本的每个采样时刻生成所估计参数的一个集合。如果需要，可以通过所估计参数的之前生成的集合中一个或多个来影响所估计的变压器参数的当前集合。
经典卡尔曼滤波器是递归最小二乘法的变型，其中除了等式(5)中描述的测量关系之外，系统还具有动态特性(通常为线性系统)。输入输出函数是：
y(t)＝H(t)x(t)+v(t) (5)
对于每次迭代，作为j乘m矩阵的卡尔曼增益可以由下式计算：
K(t)＝P(t-1)H(t)T(H(t)P(t-1)H(t)T+r(t))， (6)
其中r是测量噪声的m乘m矩阵。协方差矩阵P是如下的j乘j矩阵：
P(t)＝(I-K(t)H(t))P(t-1)， (7)
其中I是j乘j的单位矩阵，并且新的估计值是：
最小二乘法不随时间累积任何信息，即每一个所估计的结果彼此独立。然而，计算花费相对长的时间。结果通常具有取决于数据窗口大小的有一些延迟。递归最小二乘法使估计误差随时间的累积方差最小化。递归最小二乘法的延迟是一个数据点或一个迭代。这表示，在从初级侧和次级侧读取一个电压和电流测量之后，其可以估计所有五个参数。递归最小二乘法的结果在达到稳态时相对精确。
返回到图3中所示出的变压器102的等效电路模型，现有技术的一个共同问题是i2′和v2′被用作常规估计算法的输入。然而，在不知道匝数比n的情况下，i2′和v2′实际上不可用。为了将匝数比n并入变压器参数估计算法110中，v2′可以表示为：
v′2(t)＝nv2(t)， (9)
则变压器状态方程可以表示为：
其中v1(t)，i1(t)，v2(t)和i2(t)是IED测量。测量i1(t)，v1(t)分别是初级侧的电流和电压。测量i2(t)，v2(t)分别是次级侧的电流和电压。电流i2′(t)和电压v2′(t)分别是指代初级侧但是实际情况中不直接可
用的次级侧电流和电压。电流i0是磁化电流，并且i0(t)＝i1(t)-i2′(t)。要估计的模型参数是：n(匝数比)、R(串联绕组电阻)、L(串联泄漏电感)、Lm(分流磁化电感)和RC(分流铁芯损耗电阻)。
对于m v1(t)，i1(t)，v2(t)和i2(t)测量的情况，等式(10)可以用以下矩阵形式来书写：
该矩阵形式可以由下式给定的最小二乘法形式来表示：
y＝[v1(1) v1(2) … v1(m)]T， (13)
x＝[n，R，L]T， (15)
在第k阶的i1的近似导数可以由下式给出：
然后可以估计n、R和L。值m具有下边界，这将在下文中关于窗口大小分析进行讨论。
以类似的方式，等式(11)可以写为：
y＝[v2(1) v2(2) … v2(m)]T， (18)
由于n是从等式(12)估计的，所以它在等式(20)中被视为已知，因此基于式(17)仅估计出两个未知数Lm和Rc。
对于最小二乘法，整个数据集300提供如上所述的单组结果。因此，该方法对于动态系统估计不实用。
对于最小二乘窗函数法，窗口大小由m限定。一旦算法接收到第m个测量，则它可以开始生成一组结果302。该结果被延迟m个样本。
对于递归最小二乘法，在每一步更新等式(5)至(8)，其中t＝1，2，…k。为估计n、R和L：
y(t)1×1＝v1(t)， (21)
所更新的协方差矩阵由下式给出：
P(t)3×3＝(I3×3-K(t)3×1H(t)1×3)P(t-1)3×3。 (24)
并且新的估计值为：
类似地，为估计Lm和Rc：
y(t)1×1＝v2(t)， (26)
并且更新后的协方差矩阵为：
P(t)2×2＝(I2×2-K(t)2×1H(t)1×2)P(t-1)2×2。 (29)
新的估计值是：
递归最小二乘法具有仅一次迭代的延迟。由于它是递归算法，在进行第一组测量之前存在初始化过程。如果不存在关于变压器102的信息，则可以通过设置x(0)＝[0 0 0]T和P(0)＝diag(1000，1000，…1000)j来实现估计n、R和L的初始化，其中j取决于x的大小。协方差矩阵P的值指示与当前估计相关联的不确定性水平，协方差矩阵P类似于卡尔曼滤波器中的协方差矩阵。然而，可以将一些任意的正数设置为P的初始值。在图5和图6中所示出的以下纯例示性变压器参数估计示例中，1000被用作P(0)的对角线值。
图5示出了仿真的变压器模型的两端子(初级侧和次级侧)电压和电流测量。在该示例中，总的仿真时间为1.5个周期，采样率为40kHz，每个周期的数据点数为666。整1.5个周期的数据点的总数是1000。测量i1(t)，v1(t)分别是初级侧的电流和电压，并且i2(t)，v2(t)分别是次级侧的电流和电压。两端子电压和电流测量是由计算机108实现的变压器参数估计算法110的输入。
图6示出了相应的仿真结果。每个图的虚线是实际(已知)参数值。每个图的点划线表示通过递归最小二乘法(RLS)估计的相应变压器参数的估计结果。从图6可以看出，递归最小二乘法算法在n(匝数比)、L(串联泄漏电感)、Lm(分流磁化电感)和Rc(分流铁芯损耗电阻)上快速收敛。串联绕组电阻(R)进行更多的迭代(大约一个周期)来收敛。每个图的实线表示通过最小二乘法(LSW)方法估计的相应变压器参数的估计结果。在示例性窗口大小为400的情况下，第一估计在第401个数据点处可用，并且其不如参数n(匝数比)和L(串联泄漏电感)的RLS结果精确。最小二乘法(LS)方法在输出相对准确的估计结果之前累积1000个数据点(1.5个周期)。以40kHz的采样速率进行初始仿真。在从40kHz下采样到2kHz之后，原始的1000个数据点减少到50个。然而，RLS算法仍然在与较高采样率情况下相同的时间内收敛。使用用于下采样仿真的RLS方法的参数估计结果如图7所示。现在对于相同的方法有较少的数据点可用，但是它们估计参数所花费的时间是相同的。变压器参数估计算法110已经被证明以低至2kHz的采样速率工作。
本文所述的变压器参数估计实施例基于在线端子测量来估计变压器情况。参数估计过程具有相对快的响应时间，其中变压器参数估计算法110利用时域在线端子测量和在一个周期(1/60秒)内收敛的变压器102的动态等效电路模型，并且变压器参数估计算法110消除了对高频专用测量装置的需要。此外，由于正常的抽头切换操作和异常故障事件，估计过程将变压器匝数比(n)视为未知变量。
可以通过使用加权最小二乘法算法进一步减小估计误差。此外，变压器参数估计算法110可以扩展到具有不同变压器配置的三相变压器。
诸如“第一”、“第二”等的术语用于描述各种元件、区域、部分等，而非旨在限制。在整个说明书中，相同的术语指代相同的元件。
如本文所使用的，术语“具有(having)”、“包含(containing)”、“包括(including)”、“包含(comprising)”等是开放式术语，其指示所述元件或特征的存在，但不排除附加的元件或特征。除非上下文以其它方式明确指示，否则冠词“一(a)”、“一个(an)”和“该(the)”旨在包括复数以及单数。
考虑到上述各种变化和应用，应当理解，本发明不受前述描述的限制，也不受附图的限制。相反，本发明仅由所附权利要求及其法律等同物限制。

Claims (18)

1.一种变压器参数估计的方法，所述方法包括：
接收电流和电压样本，所述电流和电压样本对应于在变压器(200)的初级侧端子和次级侧端子处进行的电流测量和电压测量；
基于所述变压器的等效电路模型以及所述电流和所述电压样本(210)，估计所述变压器内部的多个参数，包括估计所述变压器的匝数比；以及
指示所估计的参数中的一个或多个参数何时偏离标称值多于预定量(220，230)。
2.根据权利要求1所述的方法，其中：
所述等效电路模型包括第一状态方程和第二状态方程；
所述第一状态方程表达所述变压器的初级侧电压，所述变压器的所述初级侧电压是所述变压器的次级侧电压、所述变压器的初级侧电流、所述变压器的串联绕组电阻、所述变压器的串联泄漏电感和所述匝数比的函数；以及
所述第二状态方程表达所述变压器的所述次级侧电压，所述变压器的所述次级侧电压是所述变压器的次级侧电压、所述变压器的分流磁化电感、所述变压器的分流铁芯损耗电阻、所述变压器的磁化电流和所述匝数比的函数。
3.根据权利要求2所述的方法，其中所述匝数比、所述串联绕组电阻、所述串联泄漏电感、所述分流磁化电感和所述分流铁芯损耗电阻是基于所述等效电路模型以及所述电流和电压样本估计的所述多个参数。
4.根据权利要求3所述的方法，其中基于所述等效电路模型以及所述电流和电压样本估计所述多个参数包括：
通过向所述第一状态方程应用回归算法来估计所述匝数比、所述串联绕组电阻和所述串联泄漏电感；以及
通过向所述第二状态方程应用所述回归算法来估计所述分流磁化电感和所述分流铁芯损耗电阻，其中在通过向所述第二状态方程应用所述回归算法来估计所述分流磁化电感和所述分流铁芯损耗电阻时，通过向所述第一状态方程应用所述回归算法估计的所述匝数比被视为已知量。
5.根据权利要求4所述的方法，其中所述回归算法是针对所述电流和电压样本的整个集合单次计算所估计的参数的最小二乘法算法。
6.根据权利要求4所述的方法，其中所述回归算法是针对所述电流和电压样本的整个集合的每个窗口大小m生成所估计的参数的一个集合的最小二乘窗函数算法。
7.根据权利要求4所述的方法，其中所述回归算法是针对所述电流和电压样本的每个采样时刻生成所估计的参数的一个集合的递归最小二乘算法，并且其中所述多个参数基于所估计的参数之前生成的集合中的一个或多个来估计。
8.根据权利要求1所述的方法，还包括：
基于所述等效电路模型和所估计的参数，计算所述变压器的电压或电流输出估计；以及
基于所计算的电压或电流输出估计与相应的所测量的电压或电流样本之间的差异来确定估计误差。
9.一种电力网络设备，包括：
计算机(108)，被配置为基于变压器(102)的等效电路模型以及电流和电压样本来估计所述变压器(102)内部的多个参数，包括估计所述变压器(102)的匝数比，所述电流和电压样本对应于在所述变压器(102)的初级侧端子和次级侧端子进行的电流和电压测量，并且所述计算机(108)被配置为指示所估计的参数中的一个或多个参数何时偏离标称值多于预定量。
10.根据权利要求9所述的电力网络设备，其中：
所述等效电路模型包括第一状态方程和第二状态方程；
所述第一状态方程表达所述变压器(102)的初级侧电压，所述变压器(102)的所述初级侧电压是所述变压器(102)的次级侧电压、所述变压器(102)的初级侧电流、所述变压器(102)的串联绕组电阻、所述变压器(102)的串联泄漏电感和所述匝数比的函数；以及
所述第二状态方程表达所述变压器(102)的所述次级侧电压，所述变压器(102)的所述次级侧电压是所述变压器(102)的次级侧电压、所述变压器(102)的分流磁化电感、所述变压器(102)的分流铁芯损耗电阻、所述变压器(102)的磁化电流和所述匝数比的函数。
11.根据权利要求10所述的电力网络设备，其中所述匝数比、所述串联绕组电阻、所述串联泄漏电感、所述分流磁化电感和所述分流铁芯损耗电阻是由所述计算机(108)基于所述等效电路模型以及所述电流和电压样本估计的所述多个参数。
12.根据权利要求11所述的电力网络设备，其中所述计算机(108)被配置为：
通过向所述第一状态方程应用回归算法来估计所述匝数比、所述串联绕组电阻和所述串联泄漏电感；以及
通过向所述第二状态方程应用所述回归算法来估计所述分流磁化电感和所述分流铁芯损耗电阻，其中在通过向所述第二状态方程应用所述回归算法来估计所述分流磁化电感和所述分流铁芯损耗电阻时，通过向所述第一状态方程应用所述回归算法估计的所述匝数比被视为已知量。
13.根据权利要求12所述的电力网络设备，其中所述回归算法是针对所述电流和电压样本的整个集合单次计算所估计的参数的最小二乘法算法。
14.根据权利要求12所述的电力网络设备，其中所述回归算法是针对所述电流和电压样本的整个集合的每个窗口大小m生成所估计的参数的一个集合的最小二乘窗函数算法。
15.根据权利要求12所述的电力网络设备，其中所述回归算法是针对所述电流和电压样本的每个采样时刻生成所估计的参数的一个集合的递归最小二乘算法，并且其中所述多个参数基于所估计的参数之前生成的集合中的一个或多个来估计。
16.根据权利要求9所述的电力网络设备，其中所述计算机(108)被配置为：
基于所述等效电路模型和所估计的参数，计算所述变压器(102)的电压或电流输出估计；以及
基于所计算的电压或电流输出估计与相应的所测量的电压或电流样本之间的差异来确定估计误差。
17.根据权利要求9所述的电力网络设备，其中所述计算机(108)是智能电子设备(104)的部分，所述智能电子设备(104)被配置为从所述初级侧端子和所述次级侧端子获取表示电压和电流测量的模拟或数字信号，并且提供用于估计所述多个参数的所述电流和电压样本。
18.根据权利要求9所述的电力网络设备，其中所述计算机(108)远离智能电子设备(104)布置，所述智能电子设备(104)被配置为从所述初级侧端子和所述次级侧端子获取表示电压和电流测量的模拟或数字信号，并且提供用于估计所述多个参数的所述电流和电压样本，并且其中所述计算机(108)被配置为通过通信链路(112)从所述智能电子设备(104)接收所述电流和电压样本。
CN201580032007.4A 2014-04-15 2015-04-09 使用端子测量的变压器参数估计 Pending CN106605150A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461979677P 2014-04-15 2014-04-15
US61/979,677 2014-04-15
PCT/US2015/025076 WO2015160616A1 (en) 2014-04-15 2015-04-09 Transformer parameter estimation using terminal measurements

Publications (1)

Publication Number Publication Date
CN106605150A true CN106605150A (zh) 2017-04-26

Family

ID=53005685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580032007.4A Pending CN106605150A (zh) 2014-04-15 2015-04-09 使用端子测量的变压器参数估计

Country Status (4)

Country Link
US (1) US20170030958A1 (zh)
EP (1) EP3132514A1 (zh)
CN (1) CN106605150A (zh)
WO (1) WO2015160616A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110658414A (zh) * 2019-11-08 2020-01-07 上海科技大学 基于模型的电力电子参数性故障检测方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101779658B1 (ko) * 2015-05-14 2017-09-20 전자부품연구원 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템
US10538165B2 (en) * 2015-09-22 2020-01-21 Ford Global Technologies, Llc Parameter estimation of loosely coupled transformer
CN107305227A (zh) * 2016-04-21 2017-10-31 王义平 一种变损率分析对电力设备和回路故障的在线预判方法
CN106443275A (zh) * 2016-10-28 2017-02-22 中国舰船研究设计中心 舰船用低压配电变压器监测方法及装置
EP3553539B1 (en) * 2018-04-13 2020-07-01 General Electric Technology GmbH Apparatus and method for locating a fault in a plurality of windings of a transformer
CN109142865B (zh) * 2018-07-27 2020-11-03 福州大学 考虑油纸绝缘界面极化等效电路参数的频域谱辨识方法
CN110196370B (zh) * 2019-06-26 2021-05-04 山东电工电气集团智能电气有限公司 变压器的监测方法及装置
CN111610464A (zh) * 2020-06-02 2020-09-01 西安热工研究院有限公司 一种利用频响法低频特征及直阻诊断变压器断股的方法
CN112507497A (zh) * 2020-08-26 2021-03-16 光一科技股份有限公司 一种基于积分状态观测的分布式低压配电网络线路参数估计方法
CN112749483B (zh) * 2020-12-28 2023-06-06 北方工业大学 建立放电室模型的方法、装置、电子设备及存储介质
US20230273269A1 (en) * 2021-04-09 2023-08-31 Hitachi Energy Switzerland Ag Determining states of electrical equipment using variations in diagnostic parameter prediction error

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158325A1 (en) * 2010-12-16 2012-06-21 General Electric Company Method and system for monitoring transformer health
CN103328990A (zh) * 2010-12-17 2013-09-25 Abb研究有限公司 用于变压器诊断的方法和装置
CN103675524A (zh) * 2013-11-14 2014-03-26 国家电网公司 一种光伏发电系统模型参数辨识测试方法
CN103713210A (zh) * 2013-11-01 2014-04-09 天津工业大学 一种干式电力变压器监测和诊断系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012386480A1 (en) * 2012-07-23 2015-01-22 Curtin University Of Technology A method of determining a characteristic of a power transformer and a system therefor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158325A1 (en) * 2010-12-16 2012-06-21 General Electric Company Method and system for monitoring transformer health
CN103328990A (zh) * 2010-12-17 2013-09-25 Abb研究有限公司 用于变压器诊断的方法和装置
CN103713210A (zh) * 2013-11-01 2014-04-09 天津工业大学 一种干式电力变压器监测和诊断系统
CN103675524A (zh) * 2013-11-14 2014-03-26 国家电网公司 一种光伏发电系统模型参数辨识测试方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110658414A (zh) * 2019-11-08 2020-01-07 上海科技大学 基于模型的电力电子参数性故障检测方法

Also Published As

Publication number Publication date
WO2015160616A1 (en) 2015-10-22
EP3132514A1 (en) 2017-02-22
US20170030958A1 (en) 2017-02-02

Similar Documents

Publication Publication Date Title
CN106605150A (zh) 使用端子测量的变压器参数估计
CN106338706B (zh) 一种电能计量装置整体误差检测的方法、装置和系统
CN103944165B (zh) 一种大电网参数辨识估计方法
US20140236506A1 (en) Method for Detecting Power Theft in a Power Distribution System
EP4133294A1 (en) Probabilistic determination of transformer end of life
CN101208845A (zh) 用于检测故障电流的故障电流分析器和具有故障电流检测功能的装置
US20150346286A1 (en) Fault detection in energy supply networks
CN102680935B (zh) 在线精度监测的智能电流互感器系统
US11016134B2 (en) Determination of power transmission line parameters using asynchronous measurements
CN104764985A (zh) 一种基于参数辨识估计油纸绝缘系统低频介损方法
CN114047472B (zh) 一种智能电表的计量误差监测系统及其监测方法、装置
CN103823972A (zh) 一种继电保护设备状态评价与评估方法
CN104992010A (zh) 一种基于拓扑分区的多断面联合参数估计方法
CN109284933A (zh) 一种基于数理统计的电子式互感器状态评估系统及方法
CN105068035B (zh) 一种电压互感器误差水平动态检测方法及系统
CN105044649A (zh) 一种电流互感器误差水平动态检测方法及系统
CN115549084A (zh) 配电网故障确定方法、装置、计算机设备和存储介质
WO2016136391A1 (ja) 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム
CN112083299B (zh) 一种基于卡尔曼滤波的直流系统绝缘故障预测方法
CN111999691A (zh) 一种计量传感器装置的误差校准方法和误差校准装置
CN103761577A (zh) 基于风险评估与状态评价的电容型设备辅助决策系统
CN111060151A (zh) 电网数据处理方法及装置
CN105652056A (zh) 单相电能表电压改变影响量的自适应补偿方法
CN106546943B (zh) 一种计量误差和变损自测的方法和装置
CN111999608A (zh) 配电变压器的监测方法、监测系统与智能终端

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170426