CN107885179B - 一种电子式互感器异常甄别方法 - Google Patents

一种电子式互感器异常甄别方法 Download PDF

Info

Publication number
CN107885179B
CN107885179B CN201610875462.7A CN201610875462A CN107885179B CN 107885179 B CN107885179 B CN 107885179B CN 201610875462 A CN201610875462 A CN 201610875462A CN 107885179 B CN107885179 B CN 107885179B
Authority
CN
China
Prior art keywords
transformer
screening
fault
signal
group
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.)
Active
Application number
CN201610875462.7A
Other languages
English (en)
Other versions
CN107885179A (zh
Inventor
陈敦辉
邢家维
郭雅蓉
李伟
李仲青
苏舒
李振天
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Ningxia Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Ningxia Electric Power Co Ltd
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Ningxia Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201610875462.7A priority Critical patent/CN107885179B/zh
Publication of CN107885179A publication Critical patent/CN107885179A/zh
Application granted granted Critical
Publication of CN107885179B publication Critical patent/CN107885179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Protection Of Transformers (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电子式互感器异常甄别方法，其包括：划分协同甄别互感器组、查询目标互感器所在协同甄别组、建立电子式互感器输出信号数学模型、进行小波奇异值检测、进行WVD时频分析；本发明提供的技术方案充分利用了智能变电站信息共享的特点，提高了数据冗余性，进一步增加了算法的可靠性。

Description

一种电子式互感器异常甄别方法
技术领域
本发明涉及一种异常甄别方法，具体涉及一种电子式互感器异常甄别方法。
背景技术
对广域同步测量和广域继电保护现有技术展开了广泛研究，特别是智能变电站相关技术的出现、发展和不断成熟更加引起了人们的关注。智能变电站与传统变电站的主要区别在于其二次系统，智能变电站强大的网络化二次系统使得基于信息的共享的各种智能化应用成为现实。除可靠的高速通信网络外，智能变电站通信信息流的准确可靠性性是保证实现各种智能化应用的一个重要方面。智能变电站信息流包括闭锁信号体现的GOOSE信息流、电压和电流采样值(SV)体现的SV信息流以及继电保护、定值召唤、修改等体现的MMS信息流。过程层网络是智能变电站的核心，承载着GOOSE报文和SV报文等信息流的传输，其实时性可靠性直接影响着智能变电站的安全可靠运行。信息流既反映了电网运行状态(采样值、开关状态等)，也是保护等IED设备决策控制的命令(跳合闸命令等)，同时又是各应用系统协调配合的逻辑(五防闭锁等)，从而可以作为过程层网络性能表征的载体。
电子式互感器作为智能变电站中最重要的电压电流采样信息的来源，其输出信号的可靠性是保证智能变电站保护控制功能正常实现的关键因素。较之传统的电磁式互感器，电子式互感器具有一系列独特的优点，包括体积小、采样频率范围广、无饱和、无谐振等。
然而，电子式互感器也存在受环境影响大、电磁兼容与绝缘等问题，从而出现各种异常故障情况。现有针对互感器故障信号的甄别方法，存在抗干扰性低、对知识库要求高、无法检测系统扰动与互感器故障同时发生等问题。
因此，需要提供一种基于智能变电站共享信息的电子式互感器异常的甄别方法来克服上述缺陷。
发明内容
为了满足现有技术的需要，本发明提供一种电子式互感器异常甄别方法，包括如下步骤：
步骤1：划分协同甄别互感器组；
步骤2：查询目标互感器所在协同甄别组；
步骤3：建立电子式互感器输出信号数学模型；
步骤4：进行小波奇异值检测；
步骤5：进行WVD(wigner-ville distribution)时频分析。
所述步骤1按如下要求划分协同甄别互感器组：
(1)同一协同甄别互感器组中成员必须接于一条母线或者位于一个变电站里面，这样保证他们之间的物理距离和逻辑距离足够近，以此保证不同成员采集信号的协同性足够明显；
(2)互感器组中的成员数量必须不少于3个。
步骤3中，所述电子式互感器输出信号yt的数学模型如下式(1)所示：
yt＝ys+st+νt+xt (1)
其中ys为系统输出分量、st为系统偏差分量、νt为噪声分量、xt为互感器故障分量。
所述步骤4包括：设定幅值门槛值；采用小波方法对的电子式互感器输出信号进行分解，将幅值低于门槛值的分量去除，然后重构信号，噪声信号一般是幅值较小的高频分量，因此可以将信号中的噪声分量去除，经过去噪后的电子式互感器输出信号数学模型如式(2)所示：
yt＝ys+st+xt (2)
当系统信号正常时，即系统稳定运行，
Figure BDA0001125234380000021
是缓变信号，其中，A：信号幅值，ω：系统基波角频率，
Figure BDA0001125234380000022
系统初始相角，t：时间；系统偏差分量st属于原理性偏差分量，同样是缓变信号；当电力系统异常时即系统中出现较大振荡，ys将发生突变，引起yt的突变；
当互感器发生故障前，互感器故障分量xt＝0，当互感器发生故障时，xt根据不同的故障类型，存在不同的形式，导致ys发生突变。
所述步骤4小波奇异值的检测包括：综合对比同一甄别组中各互感器成员之间信号发生突变的时刻，则某一时刻仅有少数互感器信号发生突变，则判定此甄别组中存在与系统异常不同步的互感器故障，信号发生突变的互感器即为故障互感器，对故障互感器进行闭锁；若同一甄别组中各互感器信号发生突变的时刻相同则进行步骤5。
所述步骤5WVD时频分析包括：对同一甄别组中所有互感器的输出信号进行WVD变换，综合对比同一甄别组中各个互感器的WVD分布，如果某一互感器的WVD分布总包含的高频成分与其他互感器具有明显差异，则判定此互感器为故障互感器，对故障互感器进行闭锁；若未检测出故障互感器，则返回步骤4。
与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：
1.本发明充分利用了智能变电站信息共享的特点，提高了数据冗余性，进一步增加了算法的可靠性。
2.本发明中的甄别策略弥补了下述缺陷：现有技术只针对系统扰动与互感器故障不同时发生的情况进行研究，然而实际应用中由于系统发生大的扰动时，往往伴随着不同强度的电磁干扰，所以存在电磁兼容漏洞的电子式互感器往往会跟随系统扰动而出现故障，原有的工作无法应对这种互感器故障情形。
3.传统方法中利用故障树等方法，需要长时间积累运行数据，此外传统方法中还利用到了许多经验指标，这就使得这些方法的应用受到实际场景的限制，尤其是在目前智能变电站技术不断更新换代的背景下，传统方法局限性越来越明显，而本发明所提算法仅需要利用到瞬时采样数据，这样只要计算机设备性能满足要求，就能达到更高的可行性和精确性。
附图说明
图1:典型220kV变电站及协同甄别互感器组的划分；
图2：本发明一种电子式互感器异常甄别方法流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步详细的说明：
如图1所示，按照互感器甄别组的选取原则，A、B、C三个割集所包含的互感器可以组成3个相应的互感器甄别组。A组互感器成员为CB02、CB03、CB05，B组互感器成员为CB17、CB19、CB20、CB21，C组互感器成员为CB04、CB12、CB18。这种分组保证各互感器成员物理距离相邻，采集信号协同性足够明显；同时成员数量不少于3，这样使得，在只有少数互感器发生异常的假设下，以协同性作为异常甄别的标准具有可行性。
类似的，对于变电站中其他每一个互感器，我们按照同样的标准，可以为其指定一个最优互感器甄别组，并把这种分组存储在上位控制机中。在变电站合并单元中直接利用该分组信息可以实现每个互感器的甄别判断。
接下来以协同甄别组B为例说明系统异常与互感器故障不同步时的甄别策略。B组包含的互感器成员分别为CB06、CB19、CB20、CB21。假设在t1时刻互感器CB20发生故障，t2时刻系统信号异常。
如果t1与t2之间相差足够大，在一个采样区间内可假设系统信号正常，这时通过小波变换在包含t1时刻的采样区间内对CB06、CB19、CB20、CB21采集的信号进行小波算法奇异值检测，只有CB20因为自身发生故障，互感器故障分量xt≠0，使得输出信号中有明显的突变点，其突变中心时刻就是t1；对于CB06、CB19、CB21，因为系统并没有发生大幅震荡，ys+st为缓变信号，同时，互感器自身正常，xt＝0，所以他们的输出信号平滑变化，经过小波算法奇异值检测并不能检测到突变点。可以得出，有突变点的CB20为故障互感器。
如果t1与t2处于同一个采样区间之内，同理，CB20检测到的奇异时刻为t1、t2，而CB06、CB19、CB21因为系统信号ys+st在t2时刻有较大的振荡而使得检测到的奇异时刻仅有t2。可以得到在t1时刻发生突变的CB20为故障互感器。
而当系统异常与互感器故障同时发生时，t1＝t2，这时无法根据CB06、CB19、CB20、CB21采集信号的奇异时刻来识别出故障互感器CB20。针对这种情况，本文通过时频分析的方法WVD提取不同时刻互感器输出信号中的频率成分，再对协同甄别组中各个互感器成员的WVD分布进行综合对比来完成故障互感器的识别。
对于故障互感器CB20，在t1时刻，其输出信号包含系统信号ys+st，其中ys是因为系统突然振荡所对应的异常信号，故包含高频信号，设该高频系统异常信号对应频率为ωs；其输出信号还包括自身故障分量xt，本文研究的是互感器突变故障，所以该故障分量xt也是一个高频分量，设对应频率为ωx。由于互感器与电网是完全不同的两个系统，两个系统突变时所引起信号的频率具有足够的差异性，所以本文假设ωs≠ωx且有足够的区分度。所以在t1时刻CB20故障信号的WVD分布中，除了包含频率为ωs的分量外，还包含频率为ωx的分量。
对于互感器CB06、CB19、CB21，在t1时刻，自身并没有发生故障，xt＝0，他们的WVD分布中仅含系统突然振荡所对应的高频分量ωs。通过前面的分析可以得出，WVD分布中包含频率分量多的CB20就是故障互感器。
综合互感器异常与系统异常同时与不同时发生的情况，变电站电子式互感器异常甄别流程如图(2)。要甄别的互感器为CBx，第N级协同甄别小组为XN，被检测出异常的互感器，其输出信号将被闭锁，不会上传。同时该互感器所在协同甄别组XN将升级为协同甄别组XN+1，然后重复该甄别流程。如果在该过程中，并未检测到，异常互感器，则回到初始状态，继续运行该甄别算法
最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (4)

1.一种电子式互感器异常甄别方法，其特征在于，包括如下步骤：
步骤1：划分协同甄别互感器组；
步骤2：查询目标互感器所在协同甄别组；
步骤3：建立电子式互感器输出信号数学模型；
步骤4：进行小波奇异值检测；
步骤5：进行WVD时频分析；
步骤3中，所述电子式互感器输出信号yt的数学模型如下式(1)所示：
yt＝ys+st+νt+xt (1)
其中ys为系统输出分量、st为系统偏差分量、νt为噪声分量、xt为互感器故障分量；
所述步骤1按如下要求划分协同甄别互感器组：
(1)同一协同甄别互感器组中的成员必须接于同一条母线或者位于一个变电站里面；
(2)组成一个协同甄别互感器组的成员数目至少为3个。
2.根据权利要求1所述的电子式互感器异常甄别方法，其特征在于，所述步骤4包括：设定幅值门槛值；采用小波方法对的电子式互感器输出信号yt进行分解，将幅值低于门槛值的分量去除，然后重构信号，可以将信号中的噪声分量去除，经过去噪后的电子式互感器输出信号yt数学模型如式(2)所示：
yt＝ys+st+xt (2)
其中，当系统信号正常系统稳定运行时，
Figure FDA0003537659250000021
是缓变信号，其中，A：信号幅值，ω：系统基波角频率，
Figure FDA0003537659250000022
系统初始相角，t：时间；系统偏差分量st属于原理性偏差分量，同样是缓变信号；当电力系统异常时，ys将发生突变，引起yt的突变；
当互感器发生故障前，互感器故障分量xt＝0，当互感器发生故障时，xt根据不同的故障类型，存在不同的形式，导致ys发生突变。
3.根据权利要求2所述的电子式互感器异常甄别方法，其特征在于，所述步骤4小波奇异值的检测包括：将同一甄别组中各互感器成员之间信号发生突变的时刻进行对比，如某一时刻有少数互感器信号发生突变，则判定此甄别组中存在与系统异常不同步的互感器故障，信号发生突变的互感器即为故障互感器，对故障互感器进行闭锁；若同一甄别组中各互感器信号发生突变的时刻相同则进行步骤5。
4.根据权利要求1所述的电子式互感器异常甄别方法，其特征在于，所述步骤5WVD时频分析包括：
对同一甄别组中所有互感器的输出信号进行WVD变换，综合对比同一甄别组中各个互感器的WVD分布，如果某一互感器的WVD分布总包含的高频成分与其他互感器具有明显差异，则判定此互感器为故障互感器，对故障互感器进行闭锁；
若未检测出故障互感器，则返回步骤4。
CN201610875462.7A 2016-09-30 2016-09-30 一种电子式互感器异常甄别方法 Active CN107885179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610875462.7A CN107885179B (zh) 2016-09-30 2016-09-30 一种电子式互感器异常甄别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610875462.7A CN107885179B (zh) 2016-09-30 2016-09-30 一种电子式互感器异常甄别方法

Publications (2)

Publication Number Publication Date
CN107885179A CN107885179A (zh) 2018-04-06
CN107885179B true CN107885179B (zh) 2022-06-21

Family

ID=61769342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610875462.7A Active CN107885179B (zh) 2016-09-30 2016-09-30 一种电子式互感器异常甄别方法

Country Status (1)

Country Link
CN (1) CN107885179B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109581268B (zh) * 2018-12-13 2021-06-11 国网吉林省电力有限公司电力科学研究院 一种光纤电流互感器故障诊断方法及装置
CN116840761B (zh) * 2023-05-24 2024-06-18 国家电网有限公司华东分部 互感器的异常确定方法及装置、存储介质、计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666841A (zh) * 2009-09-18 2010-03-10 重庆大学 一种数字化变电站电子式互感器的故障诊断方法
CN102750543A (zh) * 2012-05-31 2012-10-24 西南交通大学 一种基于bud谱峭度的暂态电能质量扰动分类识别方法
CN103018537A (zh) * 2012-11-28 2013-04-03 西南交通大学 基于cwd谱峭度的暂态电能质量扰动分类识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI393910B (zh) * 2010-03-08 2013-04-21 Univ Nat Formosa Transformer fault analysis and measurement system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666841A (zh) * 2009-09-18 2010-03-10 重庆大学 一种数字化变电站电子式互感器的故障诊断方法
CN102750543A (zh) * 2012-05-31 2012-10-24 西南交通大学 一种基于bud谱峭度的暂态电能质量扰动分类识别方法
CN103018537A (zh) * 2012-11-28 2013-04-03 西南交通大学 基于cwd谱峭度的暂态电能质量扰动分类识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于WVD的隔离开关操作传导EMI时频分析;陶劲松等;《高电压技术》;20060430;正文第2页 *
基于小波—分形理论的电子式互感器故障诊断方法研究;杨雪东;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20130315(第03期);正文第2-3页、图2 *
基于站间信息的电子式互感器故障协同诊断方法;熊小伏等;《电力系统保护与控制》;20121101;第40卷(第21期);正文第34页、第39页 *

Also Published As

Publication number Publication date
CN107885179A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
CN108181547B (zh) 基于时间序列压缩的动态时间弯曲距离故障区段定位方法
Sarwagya et al. High‐impedance fault detection in electrical power distribution systems using moving sum approach
Sarlak et al. High impedance fault detection using combination of multi-layer perceptron neural networks based on multi-resolution morphological gradient features of current waveform
CN102508076B (zh) 一种基于多智能体系统和小波分析的故障诊断装置及方法
US11693062B2 (en) Method for processing direct current electric arc and apparatus
AsghariGovar et al. Adaptive CWT‐based transmission line differential protection scheme considering cross‐country faults and CT saturation
CN103941163A (zh) 利用模糊k均值聚类的谐振接地系统故障选线方法
CN105510760B (zh) 一种基于小波分析的短路故障数据检测方法
Yadav et al. Improved first zone reach setting of artificial neural network‐based directional relay for protection of double circuit transmission lines
Ranjbar et al. Voltage‐based protection of microgrids using decision tree algorithms
Naik et al. Power quality disturbance classification employing S‐transform and three‐module artificial neural network
CN112485598A (zh) 结合波形相关性与幅值特征的小电流接地故障定位方法
Menezes et al. Intelligent islanding detection with grid topology adaptation and minimum non-detection zone
Marín-Quintero et al. Toward an adaptive protection scheme in active distribution networks: Intelligent approach fault detector
Kapoor et al. Multiwavelet transform based classification of PQ events
CN107885179B (zh) 一种电子式互感器异常甄别方法
CN115516724A (zh) 用于智能电气保护系统的数据分析
Luo et al. Adaptive single‐phase reclosure scheme for transmission lines with shunt reactors based on current inner product
Bhuiyan et al. A deep learning through DBN enabled transmission line fault transient classification framework for multimachine microgrid systems
Dash et al. Detection and classification of islanding and nonislanding events in distributed generation based on fuzzy decision tree
Joga et al. A novel graph search and machine learning method to detect and locate high impedance fault zone in distribution system
Sadoughi et al. Smart overcurrent relay for operating in islanded and grid-connected modes of a micro-grid without needing communication systems
CN103778479A (zh) 自适应信息容错保护方法
Jiang et al. Application of a hybrid model of big data and BP network on fault diagnosis strategy for microgrid
Kundu et al. Real‐time event identification using synchrophasor data from selected buses

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
GR01 Patent grant
GR01 Patent grant