CN110531195A - 一种识别变压器励磁涌流与内部故障的方法 - Google Patents

Abstract

本发明是一种识别变压器励磁涌流与内部故障的方法，属于电力系统继电保护技术领域，所要解决的技术问题是电力系统中变压器励磁涌流与内部故障的识别问题。本发明所述方法包括以下步骤：对变压器差动回路中电流进行采样；对采样数据序列实施取绝对值、排序等运算，并求取等方比R；如果R<R_set，则判定当前电流为内部故障电流，开放差动保护；否则，求取修正系数F_C与修正等方比R_C，并根据R_C是否大于R_set，进一步识别当前电流。本发明识别励磁涌流与内部故障的方法具有步骤简单、计算量小、便于工程实现等优点。

Description

一种识别变压器励磁涌流与内部故障的方法

技术领域

本发明涉及电力系统继电保护技术领域，具体涉及一种识别变压器励磁涌流与内部故障的方法。

背景技术

变压器是电力系统中至关重要的电气设备。一方面，变压器承担电能的变换与分配，在电力系统安全运行中不可或缺；另一方面，大型变压器造价昂贵，经济属性强。因此，必须保障变压器的安全、稳定运行。

在电力系统中，一般为变压器配备纵联差动保护，作为其主保护。变压器纵联差动保护的基本原理是基尔霍夫电流定律：正常运行时流入变压器的电流等于流出的电流。然而，变压器饱和时产生的励磁涌流(为非故障电流)，仅流过变压器的一侧，且数值往往较大，容易导致变压器纵联差动保护误动作，是变压器保护中的一大风险因素。为消除此项风险，工程中较为常规的做法是，在变压器保护中设置区分励磁涌流与内部故障电流的识别单元，在励磁涌流错误触发变压器纵联差动保护后，准确识别励磁涌流并闭锁保护，从而避免变压器纵联差动保护误动作。

最早被用来识别励磁涌流与内部故障电流的方法是二次谐波判据和间断角识别法。随着电力系统的快速发展，变压器铁芯材料和生产工艺不断升级，磁饱和点明显降低，部分情况下的间断角特征和二次谐波特征不够显著。这降低了二次谐波判据和间断角识别法的准确性，使其越来越难以满足现今电力系统的高可靠性要求。针对此问题，近年来涌现了多种识别励磁涌流与内部故障电流的方法，如自适应数据窗法、饱和区域识别法、数学形态学法、支持向量机法等。这些方法在很大程度上推进了相关技术的发展。然而，这些方法大多仅区分励磁涌流与正弦形态的内部故障电流，而对饱和故障电流(尤其是带故障空载投入变压器时由于CT饱和产生的饱和故障电流)涉及较少，容易造成将CT饱和情况下的饱和故障电流误判为励磁涌流，导致对变压器保护的错误闭锁。因此，目前的励磁涌流识别方法尚不够尽善尽美，仍需研究新型有效的识别方法，提高变压器保护动作正确率。

发明内容

本发明的目的是针对现有技术的缺点与不足，提供一种准确识别变压器励磁涌流与内部故障的方法。

本发明通过以下技术方案实现：

步骤1：对变压器差动回路中的差动电流进行采样，取最新的一个工频周期的采样数据，构成序列{I₁,I₂,…,I_N}，N为一个工频周期内的采样总数；

步骤2：对序列{I₁,I₂,…,I_N}取绝对值后进行从大到小排序，得到排序后的序列{X₁,X₂,…,X_N}；

步骤3：根据式(1)求取等方比R：

步骤4：如果等方比R小于阈值R_set，则判定变压器差动回路中的差动电流为内部故障电流，开放差动保护；否则，进入步骤5；

步骤5：计算修正系数F_C，并根据式(2)求取修正等方比R_C：

R_C＝F_C×R (2)

步骤6：如果修正等方比R_C小于阈值R_set，则将变压器差动回路中的差动电流判定为内部故障电流，开放差动保护；否则，将变压器差动回路中的差动电流判定为励磁涌流，闭锁差动保护。

优选的，其中步骤5中所述的修正系数F_C根据以下步骤求得：

第1步：令F_C＝1；如果算法启动后的采样总数目小于2N，则令变量M取值为算法启动后的采样总数目，否则，令变量M取值为2N；

第2步：取最新的M个采样数据，构成序列{Y₁,Y₂,…,Y_M}，根据式(3)计算序列{A₁,A₂,…,A_M}：

式中，g为比例系数，且g的取值为0.15；

第3步：令变量j依次取值为0.9M,0.9M-1,0.9M-2,…,0.2M，一旦j满足式(4)，则将j的值赋值给变量d，并进入第4步；

第4步：令变量p依次取值为d,d-1,d-2,…,0.2M+1，一旦p同时满足式(5)和式(6)，则将p的值赋值给变量h，并进入第5步；

|I_p|＞max{|Y_p-1|，|Y_p-2|，|Y_p-3|，…，|Y_p-0.2M|} (5)

|I_p|＞max{|Y_p+1|，|Y_p+2|，|Y_p+3|，…，|Y_p+0.1M|} (6)

第5步：根据式(7)计算F_C：

式(7)中，g为比例系数，且g的取值为0.15。

优选的，所述的阈值R_set的取值范围为40～50。

本发明方法的主要原理如下：

变压器的磁化曲线是非线性的，存在饱和区与未饱和区。当变压器运行于“膝点”以下的未饱和区，磁化曲线的斜率很大，励磁电流近似为零；当变压器运行于“膝点”以上的饱和区，磁化曲线的斜率很小，励磁电流将极大。在励磁涌流的形成过程中，变压器反复进入、退出饱和，使励磁涌流信号波形中既存在数值很小的“间断角”时段，又存在数值较大的“尖顶波”时段，不再呈现正弦形态。

励磁涌流信号波形的这种非正弦形态，将显著体现在信号采样数据分布上。取一个励磁涌流信号，将其采样数据取绝对值，然后按照从大到小的顺序进行排序，排序后的数据波形如附图中图2(a)所示。从图2(a)中容易发现，中位数之前数据偏离中位数的程度远大于中位数之后数据。

对于内部故障电流，其波形呈现正弦形态。同样对内部故障电流信号的采样数据取绝对值，然后按照从大到小的顺序进行排序，排序后的数据波形如附图中图2(b)所示。从图2(b)中可以发现，中位数之前数据偏离中位数的程度与中位数之后数据偏离中位数的程度并无显著差异。

综合以上两方面的分析，本发明通过数据的平方之和来表示数据偏离中位数的程度。具体地，以来表示中位数之前数据偏离中位数的程度；以来表示中位数之后数据偏离中位数的程度。然后，根据式(1)求取以上2个多项式的比值R(本发明将R称之为等方比)，并将等方比R作为识别参量，区分励磁涌流与内部故障电流。

为了减小饱和故障电流(尤其是带故障空载投入变压器时由于CT饱和而产生的饱和故障电流)对励磁涌流识别方法的不利影响，本发明所述方法增设了修正系数F_C。具体地，本发明所述方法利用修正系数F_C乘以等方比R，得到修正等方比R_C，以修正等方比R_C作为第二识别参量，进一步识别励磁涌流。其基本原理如下：

CT饱和情况下的饱和故障电流在时域上存在畸变，在频域中存在丰富的谐波成分，容易被误判为励磁涌流。图3(a)显示了一段饱和故障电流波形。其中，X₁为一个工频周期内波形采样数据绝对值的最大值，g＝0.15为比例系数；a点为波形进入饱和区之前的极值点；b点为波形进入饱和区之后波形数值绝对值第一次小于gX₁时的点。根据图3(a)所示波形可以发现，饱和故障电流在进入饱和区后波形将快速跌落，波形数值绝对值将迅速小于gX₁。这导致，a、b两点之间的宽度很小，即a、b两点之间采样点数目(在本发明技术方案中使用d-h表示)很少，远小于NF₀(NF₀＝Narccos(g)/(2π)，表征正弦波形的跌落)。本发明方法令修正系数F_C＝(d-h)/(NF₀)，利用修正系数F_C乘以等方比R，求得的修正等方比R_C将会远小于前述等方比R。因此，以修正等方比R_C作为第二识别参量，进一步识别励磁涌流，可减小饱和故障电流对所述识别方法的不利影响。

对于励磁涌流波形，如图3(b)所示，a、b两点之间采样点数目(即d-h)与NF₀在数值上相近，所求取的修正系数F_C接近于1。因此，根据式(7)求得的修正等方比R_C仍大于阈值R_set。本发明方法仍将准确识别励磁涌流。

需要说明的是，在本发明技术方案中，上述a、b两点之间采样点数目使用d-h表示。其中，b点对应的采样点序号使用变量d表示；a点对应的采样点序号使用变量h表示。变量d和h的具体计算方法如下：

令变量j依次取值为0.9M,0.9M-1,0.9M-2,…,0.2M，一旦j满足式(4)，再结合式(3)，可知，此时Y_j大于gX₁，且Y_j+1、Y_j+2、…、Y_j+0.1M均小于gX₁。这与附图中所示b点的状态相符。于是，判定此时j的取值等于b点对应的采样点序号，遂将j的值赋值给变量d。

令变量p依次取值为d,d-1,d-2,…,0.2M+1，一旦p同时满足式(5)和式(6)，可知，此时Y_p为b点之前的极值点。这与附图中所示a点的状态相符。于是，判定此时p的取值等于a点对应的采样点序号，遂将p的值赋值给变量h。

本发明的有益效果是：1)本发明方法能够有效识别变压器励磁涌流与内部故障电流；即使对于饱和故障电流，所述方法仍能做出正确判断。2)本发明方法对采样频率要求低，计算负担小，便于工程实现。

附图说明

图1为本发明所述方法识别励磁涌流与内部故障的流程图。

图2为变压器励磁涌流与内部故障电流信号经数据处理后的波形图。

图3为饱和故障电流与励磁涌流求取修正系数的示意图。

图4为内部故障电流与所求得的相关系数的变化图。

图5为励磁涌流与所求得的相关系数的变化图。

图6为饱和故障电流与所求得的相关系数的变化图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细的描述。以下实施例仅用于更加清楚地说明本发明的实施方式，但本发明的实施方式不限于此。

实施例：

在matlab仿真软件上利用变压器仿真模块进行仿真测试，变压器额定容量设为50MVA，一、二次电压分别设置为35kV和110kV，连接组别选择Yd11，并设置为饱和铁心。系统频率设置为50Hz，采样频率设置为4000Hz。仿真出内部短路故障电流、励磁涌流、饱和故障电流，分别如附图中图4(a)、图5(a)、图6(a)所示。

根据附图中图1所示识别励磁涌流与内部故障的流程，具体识别步骤如下：

步骤1：对图4(a)、图5(a)、图6(a)所示的3个电流信号进行采样，每次采样后，取最新的一个工频周期的采样数据；

步骤2：对采样数据序列取绝对值运算，并对其进行从大到小排序，得到排序后的序列；

步骤3：根据式(1)求取等方比R；对于图4(a)、图5(a)、图6(a)所示的3个电流信号，每次采样后所求得的等方比R分别如图4(b)、图5(b)、图6(b)所示；

步骤4：对于图4(a)所示电流信号，所求得的等方比R始终小于阈值R_set，因此判定该电流为内部故障电流，并且开放差动保护；

对于图5(a)所示电流信号，所求得的等方比R始终大于阈值R_set，因此应进入步骤5，对该电流进行进一步识别；

对于图6(a)所示电流信号，所求得的等方比R存在大于阈值R_set的情况，因此当所求得的等方比R大于阈值R_set时应进入步骤5，对该电流进行进一步识别；

步骤5：根据前述修正系数的获取步骤计算修正系数F_C，对于图5(a)、图6(a)所示电流信号，所求得的修正系数F_C分别如图5(c)、图6(c)所示；

根据式(2)求取修正等方比R_C，对于图5(a)、图6(a)所示电流信号，所求得的修正等方比R_C分别如图5(d)、图6(d)所示；

步骤6：对于图5(a)所示电流信号，所求得的修正等方比R_C始终大于阈值R_set，因此将该电流信号判定为励磁涌流，闭锁差动保护；

对于图6(a)所示电流信号，所求得的修正等方比R_C始终小于阈值R_set，因此判定该电流为内部故障电流，开放差动保护。

综合上述识别结果，本发明所述方法将图4(a)和图6(a)所示电流判定为内部故障电流，并且将图5(a)所示电流判定为励磁涌流。这与预设电流类别相符。这表明，本发明所述方法能够正确识别励磁涌流，闭锁差动保护；并且能够正确识别内部故障电流，开放差动保护；即使对于饱和故障电流，本发明所述方法仍然能够将其判定为内部故障电流，准确开放差动保护。

上述实施例仅为本发明的优选实施方式，但本发明的保护范围并不局限于上述实施例，本发明的保护范围以权利要求为准。应当指出，在本技术领域范围内，不脱离本发明原理与精神实质的情况下，对本发明所做的简单改变、润饰、简化、替代和组合，都应包含在本发明的保护范围之内。

Claims (3)

1.一种识别变压器励磁涌流与内部故障的方法，其特征在于，包括以下几个步骤：

步骤1：对变压器差动回路中的差动电流进行采样，取最新的一个工频周期的采样数据，构成序列{I₁,I₂,…,I_N}，N为一个工频周期内的采样总次数；

步骤2：对序列{I₁,I₂,…,I_N}取绝对值后进行从大到小排序，得到排序后的序列{X₁,X₂,…,X_N}；

步骤3：根据式(1)求取等方比R：

步骤4：如果等方比R小于阈值R_set，则判定变压器差动回路中的差动电流为内部故障电流，开放差动保护；否则，进入步骤5；

步骤5：计算修正系数F_C，并根据式(2)求取修正等方比R_C：

R_C＝F_C×R (2)

步骤6：如果修正等方比R_C小于阈值R_set，则将变压器差动回路中的差动电流判定为内部故障电流，开放差动保护；否则，将变压器差动回路中的差动电流判定为励磁涌流，闭锁差动保护。

2.根据权利要求1所述的一种识别变压器励磁涌流与内部故障的方法，其特征在于，所述步骤5中的修正系数F_C根据以下步骤求得：

第1步：令F_C＝1；如果算法启动后的采样总数目小于2N，则令变量M取值为算法启动后的采样总数目，否则，令变量M取值为2N；

第2步：取最新的M个采样数据，构成序列{Y₁,Y₂,…,Y_M}，根据式(3)计算序列{A₁,A₂,…,A_M}：

式(3)中，g为比例系数，且g的取值为0.15；

第3步：令变量j依次取值为0.9M,0.9M-1,0.9M-2,…,0.2M，一旦j满足式(4)，则将j的值赋值给变量d，并进入第4步；

第4步：令变量p依次取值为d,d-1,d-2,…,0.2M+1，一旦p同时满足式(5)和式(6)，则将p的值赋值给变量h，并进入第5步；

|I_p|＞max{|Y_p-1|,|Y_p-2|,|Y_p-3|,…,|Y_p-0.2M|} (5)

|I_p|＞max{|Y_p+1|,|Y_p+2|,|Y_p+3|,…,|Y_p+0.1M|} (6)

第5步：根据式(7)计算F_C：

式(7)中，g为比例系数，且g的取值为0.15。

3.根据权利要求1所述的一种识别变压器励磁涌流与内部故障的方法，其特征在于，所述的阈值R_set的取值范围为40～50。