CN109581142A - 一种新型多维度融合的高压发电机组定子单相接地故障检测方法 - Google Patents
一种新型多维度融合的高压发电机组定子单相接地故障检测方法 Download PDFInfo
- Publication number
- CN109581142A CN109581142A CN201910073512.3A CN201910073512A CN109581142A CN 109581142 A CN109581142 A CN 109581142A CN 201910073512 A CN201910073512 A CN 201910073512A CN 109581142 A CN109581142 A CN 109581142A
- Authority
- CN
- China
- Prior art keywords
- voltage generator
- normal
- failure
- generator
- manhatton distance
- 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.)
- Granted
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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及一种新型多维度融合的高压发电机组定子单相接地故障检测方法。包括:S1.在并列运行的高发发电机组中,通过FFT算法提取各高压发电机定子绕组的基波泄露电流相角、基波泄露电流幅值、机端基波零序电流幅值、机端基波零序电流相角信息,以此作为本检测法的故障判别特征向量;S2.对提取到的特征向量进行数据处理;S3.以S2步骤处理后得到的四维特征向量作为四维坐标点,计算四维坐标点分别与故障类中心点、正常类中心点的曼哈顿距离;S4.比较各高压发电机所对应的故障曼哈顿距离与正常曼哈顿距离,若高压发电机的故障曼哈顿距离小于正常曼哈顿距离,可判定此高压发电机为故障的高压发电机,否则判定它为正常的高压发电机。该方法实用性和实用性强。
Description
技术领域
本发明涉及高压发电机故障检测领域,更具体地,涉及一种新型多维度融合的高压发电机组定子单相接地故障检测方法。
背景技术
在发、变、输、配过程中,发电机起到至关重要的作用。传统的发电机由于输出电压低的影响需要与升压变压器相结合使用,存在设备所占场地大、建设成本高、环保性较差的缺点。基于此,ABB发电公司研发出一种利用高压电缆绕制定子绕组的高压发电机,可不与升压变压器相配合即可获得较高电压的输出。定子单相接地故障是发电机中最常见的故障,为了加强对高压发电机的保护,许多学者研究出了基于高压发电机的定子单相接地故障检测方法,然而大多是针对单个高压发电机的研究,对并联运行下的高压发电机组研究则很少。现有的高压发电机组定子单相接地故障检测法主要是通过智能融合算法判定哪个高压发电机发生了定子单相接地故障,然而此类检测法需要收集大量的训练样本,若训练样本质量较差则会导致该检测法的判别准确性较低,且由于涉及到的数据量较大。因此也在一定程度上延长了故障判别时间。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种新型多维度融合的高压发电机组定子单相接地故障检测方法,有效提高检测的实用性和适用性。
为解决上述技术问题,本发明采用的技术方案是:一种新型多维度融合的高压发电机组定子单相接地故障检测方法,包括以下步骤:
S1.在并列运行的高发发电机组中,通过FFT算法提取各高压发电机定子绕组的基波泄露电流相角、基波泄露电流幅值、机端基波零序电流幅值、机端基波零序电流相角四个特征量的信息,以此作为本检测法的故障判别特征向量;
S2.对提取到的特征向量进行数据处理;
S3.以S2步骤处理后得到的四维特征向量作为四维坐标点,计算四维坐标点分别与故障类中心点、正常类中心点的曼哈顿距离;
S4.比较各高压发电机所对应的故障曼哈顿距离与正常曼哈顿距离,若高压发电机的故障曼哈顿距离小于正常曼哈顿距离,可判定此高压发电机为故障的高压发电机,否则判定它为正常的高压发电机。
进一步的,所述的四个特征量具有以下特性:当并列运行的高压发电机组中发生定子单相接地故障时,各正常高压发电机机端基波零序电流相位、幅值相同,而故障的高压发电机机端基波零序电流则与前者相位相差180度,且其幅值大于各正常高压发电机机端基波零序电流幅值之和。
进一步的,所述的S2步骤中的数据处理过程具体包括:
式中,XPi为高压发电机i的基波泄露电流幅值系数;LPi为机端基波零序电流幅值系数,Xθi为高压发电机i的基波泄露电流相角系数;Lθi为机端基波零序电流相角系数,I0pi为高压发电机i的基波泄露电流幅值;Ipi为机端基波零序电流幅值,I0θi为高压发电机i的基波泄露电流相角;Iθi为机端基波零序电流相角,l为高压发电机总台数。
进一步的,所述的S3步骤中的曼哈顿距离求取过程包括:
S1.基波泄露电流幅值系数、机端基波零序电流幅值系数的数值范围在0至1之间,且故障高压发电机所对应的幅值系数接近于1,而正常高压发电机所对应的幅值系数接近于0;基波泄露电流相角系数、机端基波零序电流相角系数的数值范围在-1至之间,且故障高压发电机所对应的相角系数接近于-1,而正常高压发电机所对应的相角系数接近于
S2.以基波泄露电流幅值系数、机端基波零序电流幅值系数、基波泄露电流相角系数、机端基波零序电流相角系数为四维坐标点时,则可知故障高压发电机的坐标点接近于(1,1,-1,-1),而正常高压发电机的坐标点接近于(0,0,),因此若以坐标点(1,1,-1,-1)为故障类中心点,以坐标点(0,0,)为正常类坐标点,则可知故障高压发电机坐标点对故障类中心点的距离远小于其对正常类中心点的距离,而正常高压发电机坐标点对正常类中心点的距离远小于其对故障类中心点的距离;
S3.以曼哈顿距离刻画坐标点离各中心点的距离远近,具体公式如下:
Dif=|XPi-1|+|LPi-1|+|Xθi+1|+|Lθi+1|
式中,Dif为高压发电机i对故障类中心点的曼哈顿距离,简称故障曼哈顿距离,Dis为高压发电机i对正常类中心点的曼哈顿距离,简称正常曼哈顿距离。
进一步的,所述的S4步骤具体的判据为:当高压发电机组中发生定子单相接地故障时,计算高压发电机组中每个高压发电机的故障曼哈顿距离与正常曼哈顿距离,若当Dif<Dis时,则可判定高压发电机i为故障的高压发电机,否则为正常的高压发电机。
与现有技术相比,有益效果是:
1.无需人为设定判定阈值,提高了检测法的实用性;
2.融合多种故障特征量,加强了检测方法的适用型;
3.无需收集大量的数据作为支撑,减少了工作量与故障判别时间。
附图说明
图1是本发明高压发电机组定子单相接地故障判别流程图。
图2是本发明实施例中仿真模型图。
具体实施方式
附图仅用于示例性说明,不能理解为对本发明的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本发明的限制。
实施例1:
本实施例以3个高压发电机并联运行的机组为例进行简单说明,如图2所示;图2中,系统模型参数如表1所示。
表1系统模型参数
现在高压发电机组中进行定子单相接地故障实验,高压发电机3发生了单相接地故障,其故障条件及从高压发电机1、3所提取到的原始特征量如表2、表3所示。
表2正常高压发电机1的4种特征量数据
表3故障高压发电机3的4种特征量数据
通过S2步骤的公式计算出各高压发电机的基波泄露电流幅值系数、机端基波零序电流幅值系数、基波泄露电流相角系数、机端基波零序电流相角系数,计算出的结果如表4、表5所示。
表4正常高压发电机1的4种系数数据
表5故障高压发电机3的4种系数数据
依据图1的高压发电机组定子单相接地故障判别流程图,计算出各高压发电机的故障曼哈顿距离与正常曼哈顿距离,结果如表6所示如下所示。
表6各高压发电机的故障曼哈顿距离与正常曼哈顿距离数据
通过表6的结果可知,高压发电机3的故障曼哈顿距离均接近于5,其正常曼哈顿距离接近于0,,前者远大于后,而高压发电机1则恰恰相反,因此根据图1的高压发电机组定子单相接地故障判别流程图,均可判别出高压发电机3发生了单相接地故障。此法在不接地系统及经高阻接地系统均能很好判别出故障的高压发电机,无需人为设定整定值,也在一定程度上增强了故障边界,适用范围更广。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种新型多维度融合的高压发电机组定子单相接地故障检测方法,其特征在于,包括以下步骤:
S1.在并列运行的高发发电机组中,通过FFT算法提取各高压发电机定子绕组的基波泄露电流相角、基波泄露电流幅值、机端基波零序电流幅值、机端基波零序电流相角四个特征量的信息,以此作为本检测法的故障判别特征向量;
S2.对提取到的特征向量进行数据处理;
S3.以S2步骤处理后得到的四维特征向量作为四维坐标点,计算四维坐标点分别与故障类中心点、正常类中心点的曼哈顿距离;
S4.比较各高压发电机所对应的故障曼哈顿距离与正常曼哈顿距离,若高压发电机的故障曼哈顿距离小于正常曼哈顿距离,可判定此高压发电机为故障的高压发电机,否则判定它为正常的高压发电机。
2.根据权利要求1所述的一种新型多维度融合的高压发电机组定子单相接地故障检测方法,其特征在于,所述的四个特征量具有以下特性:当并列运行的高压发电机组中发生定子单相接地故障时,各正常高压发电机机端基波零序电流相位、幅值相同,而故障的高压发电机机端基波零序电流则与前者相位相差180度,且其幅值大于各正常高压发电机机端基波零序电流幅值之和。
3.根据权利要求2所述的一种新型多维度融合的高压发电机组定子单相接地故障检测方法,其特征在于,所述的S2步骤中的数据处理过程具体包括:
式中,XPi为高压发电机i的基波泄露电流幅值系数;LPi为机端基波零序电流幅值系数,Xθi为高压发电机i的基波泄露电流相角系数;Lθi为机端基波零序电流相角系数,I0pi为高压发电机i的基波泄露电流幅值;Ipi为机端基波零序电流幅值,I0θi为高压发电机i的基波泄露电流相角;Iθi为机端基波零序电流相角,l为高压发电机总台数。
4.根据权利要求3所述的一种新型多维度融合的高压发电机组定子单相接地故障检测方法,其特征在于,所述的S3步骤中的曼哈顿距离求取过程包括:
S1.基波泄露电流幅值系数、机端基波零序电流幅值系数的数值范围在0至1之间,且故障高压发电机所对应的幅值系数接近于1,而正常高压发电机所对应的幅值系数接近于0;基波泄露电流相角系数、机端基波零序电流相角系数的数值范围在-1至之间,且故障高压发电机所对应的相角系数接近于-1,而正常高压发电机所对应的相角系数接近于
S2.以基波泄露电流幅值系数、机端基波零序电流幅值系数、基波泄露电流相角系数、机端基波零序电流相角系数为四维坐标点时,则可知故障高压发电机的坐标点接近于(1,1,-1,-1),而正常高压发电机的坐标点接近于 因此若以坐标点(1,1,-1,-1)为故障类中心点,以坐标点为正常类坐标点,则可知故障高压发电机坐标点对故障类中心点的距离远小于其对正常类中心点的距离,而正常高压发电机坐标点对正常类中心点的距离远小于其对故障类中心点的距离;
S3.以曼哈顿距离刻画坐标点离各中心点的距离远近,具体公式如下:
Dif=|XPi-1|+|LPi-1|+|Xθi+1|+|Lθi+1|
式中,Dif为高压发电机i对故障类中心点的曼哈顿距离,简称故障曼哈顿距离,Dis为高压发电机i对正常类中心点的曼哈顿距离,简称正常曼哈顿距离。
5.根据权利要求4所述的一种新型多维度融合的高压发电机组定子单相接地故障检测方法,其特征在于,所述的S4步骤具体的判据为:当高压发电机组中发生定子单相接地故障时,计算高压发电机组中每个高压发电机的故障曼哈顿距离与正常曼哈顿距离,若当Dif<Dis时,则可判定高压发电机i为故障的高压发电机,否则为正常的高压发电机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910073512.3A CN109581142B (zh) | 2019-01-25 | 2019-01-25 | 一种新型多维度融合的高压发电机组定子单相接地故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910073512.3A CN109581142B (zh) | 2019-01-25 | 2019-01-25 | 一种新型多维度融合的高压发电机组定子单相接地故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109581142A true CN109581142A (zh) | 2019-04-05 |
CN109581142B CN109581142B (zh) | 2020-06-09 |
Family
ID=65917595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910073512.3A Active CN109581142B (zh) | 2019-01-25 | 2019-01-25 | 一种新型多维度融合的高压发电机组定子单相接地故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109581142B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112557948A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 基于故障多特征量提取的配电网单相接地故障识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1414676A (zh) * | 2002-12-05 | 2003-04-30 | 上海交通大学 | 选择性发电机定子单相接地保护方法 |
US20080042683A1 (en) * | 2006-03-31 | 2008-02-21 | Kasztenny Bogdan Z | Methods and system for detecting winding faults in a generator with parallel windings |
CN103293437A (zh) * | 2012-02-27 | 2013-09-11 | 南京南瑞继保电气有限公司 | 同步发电机转子匝间故障时定子绕组电流特征的提取方法 |
CN104833900A (zh) * | 2015-05-11 | 2015-08-12 | 国家电网公司 | 小电流单相接地故障的综合选线方法 |
CN106997016A (zh) * | 2017-03-29 | 2017-08-01 | 中国农业大学 | 一种低压配电线路断线故障识别方法及装置 |
CN107589341A (zh) * | 2017-08-16 | 2018-01-16 | 珠海许继芝电网自动化有限公司 | 一种基于配电自动化主站的单相接地在线故障定位方法 |
CN108267673A (zh) * | 2018-01-23 | 2018-07-10 | 国网山东省电力公司德州供电公司 | 一种配网故障选线大数据降维方法和装置 |
-
2019
- 2019-01-25 CN CN201910073512.3A patent/CN109581142B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1414676A (zh) * | 2002-12-05 | 2003-04-30 | 上海交通大学 | 选择性发电机定子单相接地保护方法 |
US20080042683A1 (en) * | 2006-03-31 | 2008-02-21 | Kasztenny Bogdan Z | Methods and system for detecting winding faults in a generator with parallel windings |
CN103293437A (zh) * | 2012-02-27 | 2013-09-11 | 南京南瑞继保电气有限公司 | 同步发电机转子匝间故障时定子绕组电流特征的提取方法 |
CN104833900A (zh) * | 2015-05-11 | 2015-08-12 | 国家电网公司 | 小电流单相接地故障的综合选线方法 |
CN106997016A (zh) * | 2017-03-29 | 2017-08-01 | 中国农业大学 | 一种低压配电线路断线故障识别方法及装置 |
CN107589341A (zh) * | 2017-08-16 | 2018-01-16 | 珠海许继芝电网自动化有限公司 | 一种基于配电自动化主站的单相接地在线故障定位方法 |
CN108267673A (zh) * | 2018-01-23 | 2018-07-10 | 国网山东省电力公司德州供电公司 | 一种配网故障选线大数据降维方法和装置 |
Non-Patent Citations (1)
Title |
---|
曾祥君 等: "基于聚类分析的配电网无整定保护技术", 《电力科学与技术学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112557948A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 基于故障多特征量提取的配电网单相接地故障识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109581142B (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109119977B (zh) | 基于单端电压的多端柔性直流电网直流线路快速保护方法及系统 | |
CN108663602B (zh) | 柔性直流配电网单极故障选线与区段定位方法及系统 | |
CN102854437B (zh) | 应用时频原子分解理论的小电流接地系统故障选线方法 | |
CN109307824B (zh) | 一种基于聚类的配电网单相接地故障区段定位方法 | |
Chen et al. | Similarity comparison based high-speed pilot protection for transmission line | |
CN106385012B (zh) | 馈线零序电流保护方法及装置 | |
CN104820169B (zh) | 一种中性点经消弧线圈接地系统单相接地故障定位方法 | |
CN104614638A (zh) | 小电流系统接地选线方法 | |
CN112615359B (zh) | 基于电压波形比较的交直流混联电网纵联保护方法及系统 | |
CN103412199A (zh) | 一种同塔多回输电线路不平衡度的计算方法 | |
Gao et al. | Fault line detection using waveform fusion and one-dimensional convolutional neural network in resonant grounding distribution systems | |
CN109596945A (zh) | 一种基于相关系数向量相似程度的配电网故障选线新方法 | |
CN103823158B (zh) | 采用不变矩的谐振接地系统故障选线方法 | |
CN106096161A (zh) | 输电线路工频感应电压及电流的仿真计算方法 | |
CN109581142A (zh) | 一种新型多维度融合的高压发电机组定子单相接地故障检测方法 | |
Wang et al. | Stator single-phase-to-ground fault protection for bus-connected powerformers based on hierarchical clustering algorithm | |
Tang et al. | Classification for transient overvoltages in offshore wind farms based on sparse decomposition | |
CN109375058A (zh) | 一种基于多点监测与电流电压相差二阶差分的故障线路识别方法 | |
CN100463327C (zh) | 基于模型识别的高压线路选相方法 | |
Zhang et al. | Fault line selection of resonant grounding system using transient zero-sequence current waveform characteristics | |
CN108108584A (zh) | 一种电力系统三相不对称设备的短路参数获取方法和系统 | |
Hasheminejad et al. | Transient actions analysis of power transformers based on S‐transform and hidden Markov model | |
Núñez et al. | Feature characterization of power quality events according to their underlying causes | |
Ueda et al. | A comparison between two tower models for lightning surge analysis of 77 kV system | |
Zou et al. | Improved phase selector for unbalanced faults during power swings using morphological technique |
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 |