CN113792636A - 基于故障录波的特高压直流输电换流变隐性故障预测方法 - Google Patents
基于故障录波的特高压直流输电换流变隐性故障预测方法 Download PDFInfo
- Publication number
- CN113792636A CN113792636A CN202111042902.8A CN202111042902A CN113792636A CN 113792636 A CN113792636 A CN 113792636A CN 202111042902 A CN202111042902 A CN 202111042902A CN 113792636 A CN113792636 A CN 113792636A
- Authority
- CN
- China
- Prior art keywords
- transformer
- fault
- ellipse
- voltage
- converter transformer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000005540 biological transmission Effects 0.000 title claims abstract description 33
- 238000004804 winding Methods 0.000 claims abstract description 47
- 238000006073 displacement reaction Methods 0.000 claims abstract description 15
- 238000012706 support-vector machine Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000000572 ellipsometry Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
-
- 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
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
-
- 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
- G01R31/72—Testing of electric windings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Abstract
基于故障录波的特高压直流输电换流变隐性故障预测方法,属于电力系统中高压直流输电继电保护技术领域,解决如何借助故障录波数据对换流变绕组常见的隐性故障进行快速地检测和预测的问题,首先在COMTRADE录波数据中提取换流变的阀侧电压和网侧电压电流,接着使用傅里叶分解提取其中的基波分量,再使用椭圆法构造换流变运行椭圆曲线,并求出其离心率参数与健康换流变进行比对,最后使用SVM对绕组故障类型进行分类预测;仅使用变压器运行过程中记录的电压电流录波数据,不需要对变压器增设额外的传感器;针对性地对特高压直流输电系统中换流变压器的绕组匝间短路和轴向位移进行故障诊断,有助于及时安排变压器的检修工作。
Description
技术领域
本发明属于电力系统中高压直流输电继电保护技术领域,涉及基于故障录波的特高压直流输电换流变隐性故障预测方法。
背景技术
随着我国科学技术和现代工业的不断发展,电网和电力的负荷不断增大,根据国家统计局数据显示,2020年我国总发电量达到74170亿千瓦时,较去年增长了2.7%,而我国自然资源和经济发展分布的不均衡和不适配,直流输电在长距离输电中展现了其独有的优势,目前国内已有45座换流站保持稳定运行。在直流输电规模迅猛发展的同时,也伴随着各类故障设备数量的增多,对于直流输电系统的运行维护提出了更高的要求。
国家电网2020直流输电方向的工作总结中,重点提到了换流变压器的故障较难防控。自2015年以来,各地换流变产生的严重缺陷达到96项,换流变因运行条件恶劣造成部件老化导致的故障停运概率远高于常规交流变压器。换流变压器是直流输电系统中最基本的一次设备之一,由于其绕组缠绕的机械结构使得其成为故障的高发区。变压器在长时间工作后内部的各类绝缘产生的自然老化也会带来一系列的安全隐患。
变压器的故障具体类型种类较多,对于绕组而言,常会发生故障有断路,匝间短路,绕组变形,局部过热,绕组间的位移。这些故障在发生时很难通过运行电压电流直观地察觉到,但会随着时间推移对变压器带来较大的潜在破坏性,该类故障可以称为隐性故障。匝间短路故障是变压器最常见的故障类型,超过80%的变压器工作故障都与之有关。变压器绕组长时间受到应力作用会逐渐产生位移和变形,导致绕组匝间的绝缘层受到磨损、断裂、甚至是脱落,进而造成匝间短路。短路发生时会产生较大的电流,电流产生的轴向力和径向力会进一步加剧绕组的变形和绝缘层的磨损。
针对种类繁多的换流变压器故障类型,目前学界已经有了不少的研究成果,除了传统的检修方法外,近年来随着检测技术的智能化,基于各类智能算法的故障检测方案也越来越多。例如,公开日期为2011年的文献《基于多蚁群算法的电力变压器故障定位方法研究》(魏鲁原,中国矿业大学),针对传统电力变压器故障检测过程的不足,应用蚁群优化算法对其进行改进。在对电力变压器故障树分析方法研究的基础上,提出了一种基于多种群蚁群算法的电力变压器故障定位方法模型。通过蚁群算法的全局优化和启发式寻优的特点,对电力变压器故障定位方法进行优化。
在特高压直流输电继电保护系统中,故障发生后保护装置动作,大量包含故障信息的交直流故障录波数据会以COMTRADE(电力系统暂态数据交换)通用格式存储在故障录波器当中。这为故障定位和溯源、现场检修以及后续优化控制保护系统提供大量的参考。因此,借助故障录波数据针对变压器进行故障检测和预测,实现更加快速且智能的诊断方法,对直流输电系统的安全可靠运行具有一定的实际应用价值。
发明内容
本发明的所要解决的技术问题在于如何借助故障录波数据对换流变绕组常见的隐性故障进行快速地检测和预测。
本发明是通过以下技术方案解决上述技术问题的:
一种基于故障录波的特高压直流输电换流变隐性故障预测方法,包括以下步骤:
S1、读取COMTRADE格式录波文件;
S2、截取换流变网侧阀侧的电压电流录波波形;
S3、对录波数据进行异常检测与修复;
S4、对阀侧电压和网侧电流进行傅里叶分解;
S5、使用电压电流波形构成换流变运行椭圆曲线;
S6、拟合椭圆并计算椭圆的离心率倾角相关参数;
S7、将实测椭圆参数与正常变压器的椭圆参数进行比对;
S8、以参数偏差程度判断是否发生绕组故障,若是则进行步骤S9,否则结束;
S9、使用SVM诊断模型进行绕组故障类型判断。
本发明的技术方案首先在COMTRADE录波数据中提取换流变的阀侧电压和网侧电压电流,接着使用傅里叶分解提取其中的基波分量,再使用椭圆法构造换流变运行椭圆曲线,并求出其离心率参数与健康换流变进行比对,最后使用SVM对绕组故障类型进行分类预测;仅使用变压器运行过程中记录的电压电流录波数据,不需要对变压器增设额外的传感器;针对性地对特高压直流输电系统中换流变压器的绕组匝间短路和轴向位移进行故障诊断,有助于及时安排变压器的检修工作,适用于特高压直流输电系统、电力调度系统、电力控保系统等场合。
作为本发明技术方案的进一步改进,步骤S1中所述的COMTRADE录波文件包括:cfg格式文件和data格式文件。
作为本发明技术方案的进一步改进,步骤S2中所述的换流变采用三相独立式的换流变,每一相使用的是一个双绕组变压器。
作为本发明技术方案的进一步改进,步骤S3中所述的对录波数据进行异常检测是通过录波cfg文件的模拟量通道上下限实现的。
作为本发明技术方案的进一步改进,步骤S4中所述的对阀侧电压和网侧电流进行傅里叶分解的方法为:
录波数据是一个有限长的离散时间序列x(n),对这个离散时间序列x(n)做离散傅里叶变换得到连续时间信号的频谱;设有一个有限长的离散时间序列:
离散傅里叶变换的结果本身也是一个离散序列,该变换的采样个数为N;
当釆样个数为N时,信号x(n)的离散傅里叶变换为:
相应的离散傅里叶逆变换的公式为:
作为本发明技术方案的进一步改进,步骤S5中所述的使用电压电流波形构成换流变运行椭圆曲线的方法为:
设换流变阀侧电压为V1,电网侧电压为V2,则:v1(t)=V1sin(ωt+α),v2(t)=V2sin(ωt);构成椭圆法的电压电流波形即为x和y;
对式上式进行展开和积化和差运算可得如下:
又根据变压器矢量图和余弦定理可得:V1 2+V2 2-2V1V2cosα=I2 2(Req 2+Xeq 2);
消去ωt,可得x和y的关系式满足如下椭圆一般方程:
Ax2+Bxy+Cy2+D=0
方程系数如下:
作为本发明技术方案的进一步改进,步骤S6中所述的拟合椭圆并计算椭圆的离心率倾角相关参数的方法为:
由以上公式推导可得,椭圆的离心率和倾角特征参数与变压器的内阻抗Req和Xeq均有关系,通过离心率和椭圆倾角的数值变化反映变压器内部参数的变化,从而预测发生的故障类型和程度。
作为本发明技术方案的进一步改进,步骤S7中所述的将实测椭圆参数与正常变压器的椭圆参数进行比对的方法为:根据变压器铭牌中的容量、原副边额定电压、原副边额定电流、负载损耗、空载损耗、阻抗电压百分数、空载电流百分数,计算变压器原始的线圈电阻、漏抗和励磁阻抗;根据原始的变压器阻抗参数结合椭圆法得到变压器的初始参考椭圆,并与实际电压电流构成的实测椭圆进行对比,以进行是否发生绕组故障的诊断。
作为本发明技术方案的进一步改进,步骤S8中以参数偏差程度判断是否发生绕组故障的方法为:
以变压器实测椭圆的倾角θm、离心率em,实测椭圆的倾角θh、离心率eh两组指标,计算实际椭圆与健康椭圆的差值百分数之和E,具体公式如下:
当E大于阈值E0时,认为实际变压器发生了绕组故障,否则认为变压器绕组在正常工作状态。
作为本发明技术方案的进一步改进,步骤S9中所述的使用SVM诊断模型进行绕组故障类型判断的方法为:
使用健康变压器数据建立的仿真椭圆作为基础,以集总参数模型修改电阻电感进行模拟绕组故障的仿真作为故障数据集,以此进行诊断;
变压器的轴向位移主要影响变压器的内部电抗X,从0%至80%等比例地改变内部电抗X的值来模拟不同程度的轴向位移,得到不同的椭圆曲线;
当发生匝间短路时,变压器的变比和内部阻抗电抗均发生等比例的变化,根据这一特性从0%至20%改变变压器参数模拟不同程度的变压器匝间短路,得到不同的椭圆曲线,并最终得到基于实际变压器参数的故障仿真数据集;
在两种不同故障类型下椭圆的参数变化趋势区别较为明显,满足线性可分,使用SVM 支持向量机进行样本的学习,并在得到实际变压器的运行椭圆后对绕组故障类型进行预测。
本发明的优点在于:
本发明的技术方案旨在对换流变压器绕组常见的隐性故障进行诊断,传统换流变压器运行时两侧的电压电流谐波成分较高,不方便进行故障诊断。本发明的技术方案首先在COMTRADE录波数据中提取换流变的阀侧电压和网侧电压电流,接着使用傅里叶分解提取其中的基波分量,再使用椭圆法构造换流变运行椭圆曲线,并求出其离心率等参数与健康换流变进行比对,最后使用SVM对绕组故障类型进行分类预测。本发明的技术方案仅使用变压器运行过程中记录的电压电流录波数据,不需要对变压器增设额外的传感器,即可对常见绕组隐性故障进行诊断和预测,针对性地对特高压直流输电系统中换流变压器的绕组匝间短路和轴向位移进行故障诊断,有助于及时安排变压器的检修工作,适用于特高压直流输电系统、电力调度系统、电力控保系统等场合。
附图说明
图1为本发明具体实施方式中基于故障录波的特高压直流输电换流变隐性故障预测方法的流程图;
图2为本发明具体实施方式中换流变压器等效电路图与电压电流矢量关系图;
图3为本发明具体实施方式中高端YY换流器A相变压器阀侧电压波形图;
图4为本发明具体实施方式中高端YY换流器A相变压器网侧电流波形图;
图5为本发明具体实施方式中原始健康换流变的椭圆曲线图;
图6为本发明具体实施方式中不同程度轴向位移下换流变的椭圆曲线图;
图7为本发明具体实施方式中不同程度匝间短路下换流变的椭圆曲线图;
图8为本发明具体实施方式中基于SVM训练的两类故障分类结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述:
实施例一
如图1所示,基于故障录波的特高压直流输电换流变隐性故障预测方法,包括以下步骤:
(1)读取COMTRADE格式录波文件;需要检测文件服务器是否有COMTRADE录波文件生成,具体包含.cfg文件和.data文件,此步的目的是将以二进制存储在COMTRADE文本的信息转移至程序方便操作的变量中,但具体使用何种存储变量应当与后续进行分析的软件语言相适应,并不局限于特定格式。
(2)截取换流变网侧阀侧的电压电流录波波形;针对三相独立式的换流变压器,每一相使用的是一个双绕组变压器。因此对于一个双绕组换流变压器而言,存在阀侧电压U1、网侧电压U2、阀侧电流I1、网侧电流I2四个相关波形。而绕组发生隐性故障后并不存在剧烈的电压电流波动,因此截取的录波数据可以利用故障录波中的故障前稳态运行段。由于故障录波器启动后都会记录故障前一段时间的波形,这些故障时刻前数据存在于各类故障录波中的,这为发现变压器隐性故障提供了持续的数据条件。
(3)对录波数据进行异常检测与修复;异常录波数据检测是通过录波.cfg文件的模拟量通道上下限实现的。若录波数据点超过限值,则需要通过回归拟合等方式进行修复。
(4)对阀侧电压和网侧电流进行傅里叶分解;由于LCC直流输电系统换流变的阀侧电压和两侧电流含有较多谐波成分,因此需要进行傅里叶分解以获取基波分量。而换流变网侧通常配备适合的交流滤波器,因此网侧电压不需要提取基波分量可以直接使用。具体地,录波数据是一个有限长的离散时间序列x(n),对这个离散时间序列x(n)做离散傅里叶变换,就可以得到连续时间信号的频谱。设有一个有限长的离散时间序列:
离散傅里叶变换的结果本身也是一个离散序列,该变换的采样个数为N。当釆样个数为N时,信号x(n)的离散傅里叶变换为:
相应的离散傅里叶逆变换的公式为:
(5)使用电压电流波形构成换流变运行椭圆曲线;单相变压器的等效电路图与电压电流矢量关系图如图1所示。设换流变阀侧电压为V1,电网侧电压为V2,列如下等式: v1(t)=V1sin(ωt+α),v2(t)=V2sin(ωt)。构成椭圆法的电压电流波形即为x和y。令自变量x取值为网侧电流值I2,因变量y取变压器两侧电压的实时差值,等式如下:y=v1(t)-v2(t)=V1sin(ωt+α)-V2sin(ωt)。对式上式进行展开和积化和差运算可得如下: y=(V1cosα-V2)sin(ωt)+V1cos(ωt)sinα。又根据变压器矢量图和余弦定理可得: V1 2+V2 2-2V1V2cosα=I2 2(Req 2+Xeq2)。消去ωt,可得x和y的关系式满足如下椭圆一般方程:Ax2+Bxy+Cy2+D=0方程系数如下:
(6)拟合椭圆并计算椭圆的离心率倾角等相关参数;
椭圆的倾角为:长短轴计算公式:离心率公式:由以上公式推导可得,椭圆的离心率和倾角等特征参数与变压器的内阻抗Req和Xeq均有关系,可通过离心率和椭圆倾角的数值变化反映变压器内部参数的变化,从而预测发生的故障类型和程度。
(7)将实测椭圆参数与正常变压器的椭圆参数进行比对;根据变压器铭牌中的容量、原副边额定电压、原副边额定电流、负载损耗、空载损耗、阻抗电压百分数、空载电流百分数,计算变压器原始的线圈电阻、漏抗和励磁阻抗,具体计算公式在此不再赘述。根据原始的变压器阻抗参数结合椭圆法可以得到变压器的初始参考椭圆,并与实际电压电流构成的实测椭圆进行对比,以进行是否发生绕组故障的诊断。
(8)以参数偏差程度判断是否发生绕组故障,若是则进行下一步,否则结束。以变压器实测椭圆的倾角θm、离心率em,实测椭圆的倾角θh、离心率eh两组指标,计算实际椭圆与健康椭圆的差值百分数之和E,具体公式如下:当E大于阈值E0(可以设置为10)时,认为实际变压器发生了绕组故障,否则认为变压器绕组在正常工作状态。该阈值应当与实际变压器仿真相结合进行优化设置。
(9)使用SVM诊断模型进行绕组故障类型判断。使用健康变压器数据建立的仿真椭圆作为基础,以集总参数模型修改电阻电感进行模拟绕组故障的仿真作为故障数据集,以此进行诊断。具体地,变压器的轴向位移主要影响变压器的内部电抗X,从0%至80%等比例地改变内部电抗X的值来模拟不同程度的轴向位移,得到不同的椭圆曲线;当发生匝间短路时,变压器的变比和内部阻抗电抗均发生等比例的变化,根据这一特性从0%至20%改变变压器参数模拟不同程度的变压器匝间短路,得到不同的椭圆曲线,并最终得到基于实际变压器参数的故障仿真数据集。可以看出在两种不同故障类型下椭圆的参数变化趋势区别较为明显,满足线性可分,因此使用SVM支持向量机(Support vector machine)进行样本的学习,并在得到实际变压器的运行椭圆后对绕组故障类型进行预测。
采用仿真验证的方式对本发明所提方法做进一步解释和说明。
仿真模型使用Matlab/Simulink进行搭建,其换流变的具体参数与国内某±1100kV 特高压直流输电系统保持一致。故障数据集使用Simulink仿真生成,椭圆拟合和SVM 算法在Matlab中使用.m文件实现。表1给出了受端换流站的变压器具体的仿真参数。
表1受端换流变压器参数
以高端YY换流器的A相换流变压器为例,变压器初始健康阻抗参数计算如下:
1、基准值
IB=I2N=1994(A)
2、励磁阻抗
3、绕组电阻和漏抗
根据图2图3所示的换流变阀侧电压、网侧电流波形,需要经过傅里叶分解得到基波分量才能使用椭圆法进行故障诊断。通过simulink中示波器元件将电压电流波形保存为时间序列后输出工作区,进行椭圆拟合和参数计算。得到原始健康变压器下的椭圆曲线如图4所示,原始椭圆的各项参数如表2所示。
表2原始椭圆参数表
参数表反映了在额定工况下变压器正常运行时的椭圆特征,之后的故障状态模拟将以此作为判断基准。等比例地改变内部电抗X的值来模拟不同程度的轴向位移,从0%至80%,得到不同的椭圆曲线图如图5所示。当发生匝间短路时,变压器的变比和内部阻抗电抗均发生等比例的变化,改变变压器参数模拟不同程度的变压器匝间短路,从0%至20%,得到不同的椭圆曲线如图6所示。
为了训练SVM诊断模型,通过Simulink生成了400组样本,其中50组为变压器参数保持正常状态下测得。为了获得正常变压器在不同工况下的运行状态,通过改变换流器触发角调整直流系统传输功率,分别在100%、80%、60%、40%、20%额定功率下提取变压器录波数据绘制椭圆得到特征量。另外250组是在不同功率条件下得到轴向位移程度 1%至50%的特征量,最后100组则是在不同功率下得到的匝间短路1%至20%的特征量,以此作为训练SVM模型的数据样本。
根据提取的数据集,利用MATLAB中对“匝间短路”、“绕组轴向位移”两种数据进行分类,分类依据的特征向量为椭圆的离心率和倾角,分类结果如图7所示。可以看到,两种故障存在明显的分界面,这为实际故障的预测提供了依据。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,包括以下步骤:
S1、读取COMTRADE格式录波文件;
S2、截取换流变网侧阀侧的电压电流录波波形;
S3、对录波数据进行异常检测与修复;
S4、对阀侧电压和网侧电流进行傅里叶分解;
S5、使用电压电流波形构成换流变运行椭圆曲线;
S6、拟合椭圆并计算椭圆的离心率倾角相关参数;
S7、将实测椭圆参数与正常变压器的椭圆参数进行比对;
S8、以参数偏差程度判断是否发生绕组故障,若是则进行步骤S9,否则结束;
S9、使用SVM诊断模型进行绕组故障类型判断。
2.根据权利要求1所述的基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,步骤S1中所述的COMTRADE录波文件包括:cfg格式文件和data格式文件。
3.根据权利要求2所述的基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,步骤S2中所述的换流变采用三相独立式的换流变,每一相使用的是一个双绕组变压器。
4.根据权利要求3所述的基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,步骤S3中所述的对录波数据进行异常检测是通过录波cfg文件的模拟量通道上下限实现的。
8.根据权利要求7所述的基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,步骤S7中所述的将实测椭圆参数与正常变压器的椭圆参数进行比对的方法为:根据变压器铭牌中的容量、原副边额定电压、原副边额定电流、负载损耗、空载损耗、阻抗电压百分数、空载电流百分数,计算变压器原始的线圈电阻、漏抗和励磁阻抗;根据原始的变压器阻抗参数结合椭圆法得到变压器的初始参考椭圆,并与实际电压电流构成的实测椭圆进行对比,以进行是否发生绕组故障的诊断。
10.根据权利要求9所述的基于故障录波的特高压直流输电换流变隐性故障预测方法,其特征在于,步骤S9中所述的使用SVM诊断模型进行绕组故障类型判断的方法为:
使用健康变压器数据建立的仿真椭圆作为基础,以集总参数模型修改电阻电感进行模拟绕组故障的仿真作为故障数据集,以此进行诊断;
变压器的轴向位移主要影响变压器的内部电抗X,从0%至80%等比例地改变内部电抗X的值来模拟不同程度的轴向位移,得到不同的椭圆曲线;
当发生匝间短路时,变压器的变比和内部阻抗电抗均发生等比例的变化,根据这一特性从0%至20%改变变压器参数模拟不同程度的变压器匝间短路,得到不同的椭圆曲线,并最终得到基于实际变压器参数的故障仿真数据集;
在两种不同故障类型下椭圆的参数变化趋势区别较为明显,满足线性可分,使用SVM支持向量机进行样本的学习,并在得到实际变压器的运行椭圆后对绕组故障类型进行预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111042902.8A CN113792636B (zh) | 2021-09-07 | 基于故障录波的特高压直流输电换流变隐性故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111042902.8A CN113792636B (zh) | 2021-09-07 | 基于故障录波的特高压直流输电换流变隐性故障预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792636A true CN113792636A (zh) | 2021-12-14 |
CN113792636B CN113792636B (zh) | 2024-05-14 |
Family
ID=
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091603A (zh) * | 2013-01-14 | 2013-05-08 | 华北电力大学 | 一种输电线路故障智能分类和定位方法 |
CN104808109A (zh) * | 2015-04-23 | 2015-07-29 | 广东电网有限责任公司电力科学研究院 | 基于录波数据的高压输电线路故障识别方法和系统 |
CN104991160A (zh) * | 2015-06-24 | 2015-10-21 | 云南电网有限责任公司电力科学研究院 | 基于电压电流特性的变压器绕组故障检测诊断方法 |
CN107992665A (zh) * | 2017-11-27 | 2018-05-04 | 国家电网公司 | 一种特高压换流站交流滤波器在线故障诊断分析方法 |
CN111458601A (zh) * | 2020-05-13 | 2020-07-28 | 中国南方电网有限责任公司超高压输电公司昆明局 | 故障检测方法及装置 |
US20200393505A1 (en) * | 2019-06-11 | 2020-12-17 | Arizona Board Of Regents On Behalf Of Arizona State University | Effective feature set-based high impedance fault detection |
CN112881824A (zh) * | 2021-01-08 | 2021-06-01 | 国网安徽省电力有限公司电力科学研究院 | 中压系统电压暂降对计算机设备影响的评估方法及装置 |
CN113139158A (zh) * | 2021-04-21 | 2021-07-20 | 国网安徽省电力有限公司 | 基于高斯过程回归的comtrade异常录波数据监测和修正方法及系统 |
CN113203903A (zh) * | 2021-04-27 | 2021-08-03 | 合肥工业大学 | 一种光伏逆变器直流侧故障检测与成因定位方法 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091603A (zh) * | 2013-01-14 | 2013-05-08 | 华北电力大学 | 一种输电线路故障智能分类和定位方法 |
CN104808109A (zh) * | 2015-04-23 | 2015-07-29 | 广东电网有限责任公司电力科学研究院 | 基于录波数据的高压输电线路故障识别方法和系统 |
CN104991160A (zh) * | 2015-06-24 | 2015-10-21 | 云南电网有限责任公司电力科学研究院 | 基于电压电流特性的变压器绕组故障检测诊断方法 |
CN107992665A (zh) * | 2017-11-27 | 2018-05-04 | 国家电网公司 | 一种特高压换流站交流滤波器在线故障诊断分析方法 |
US20200393505A1 (en) * | 2019-06-11 | 2020-12-17 | Arizona Board Of Regents On Behalf Of Arizona State University | Effective feature set-based high impedance fault detection |
CN111458601A (zh) * | 2020-05-13 | 2020-07-28 | 中国南方电网有限责任公司超高压输电公司昆明局 | 故障检测方法及装置 |
CN112881824A (zh) * | 2021-01-08 | 2021-06-01 | 国网安徽省电力有限公司电力科学研究院 | 中压系统电压暂降对计算机设备影响的评估方法及装置 |
CN113139158A (zh) * | 2021-04-21 | 2021-07-20 | 国网安徽省电力有限公司 | 基于高斯过程回归的comtrade异常录波数据监测和修正方法及系统 |
CN113203903A (zh) * | 2021-04-27 | 2021-08-03 | 合肥工业大学 | 一种光伏逆变器直流侧故障检测与成因定位方法 |
Non-Patent Citations (2)
Title |
---|
朱佼佼等: "一种新的交流机车主变压器绕组状态在线监测方法", 中国电机工程学报, 20 April 2016 (2016-04-20), pages 2281 - 2283 * |
袁世英: "数字信号处理学习指导及实验", 30 April 2021, 西南交通大学出版社, pages: 52 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103328990B (zh) | 用于变压器诊断的方法和装置 | |
Nurmanova et al. | A new transformer FRA measurement technique to reach smart interpretation for inter-disk faults | |
Bhide et al. | Analysis of winding inter-turn fault in transformer: A review and transformer models | |
CN112904108B (zh) | 一种电容式电压互感器电磁单元故障诊断方法 | |
Zhao et al. | A novel approach to transformer fault diagnosis using IDM and naive credal classifier | |
JP5456582B2 (ja) | 変圧器の健全性診断方法、健全性診断装置及び健全性診断プログラム | |
Dreisbusch et al. | Determination of a Failure Probability Prognosis based on PD-Diagnostics in GIS | |
Aschwanden et al. | Development and application of new condition assessment methods for power transformers | |
Nurmanova et al. | Confidence level estimation for advanced decision-making in transformer short-circuit fault diagnosis | |
Tian et al. | Hybrid algorithm for traction transformer differential protection based on intrinsic mode function energy entropy and correlation dimension | |
Leal et al. | Comparison of online techniques for the detection of inter-turn short-circuits in transformers | |
Luszcz et al. | Voltage harmonic distortion measurement issue in smart-grid distribution system | |
CN112595941B (zh) | 一种换流变压器绕组层间绝缘监测方法及系统 | |
Chang et al. | Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor | |
CN113792636A (zh) | 基于故障录波的特高压直流输电换流变隐性故障预测方法 | |
CN113792636B (zh) | 基于故障录波的特高压直流输电换流变隐性故障预测方法 | |
CN108445385A (zh) | 一种基于局放监测和油色谱分析的有载分接开关分接选择器状态评估方法 | |
Dmitriev et al. | Fuzzy dynamic model of power equipment state assessment | |
CN113156358B (zh) | 一种架空输电线路异常线损分析方法及系统 | |
Quan et al. | The application of Bayesian network theory in transformer condition assessment | |
Cao et al. | Research on online monitoring of transformer winding deformation state based on short circuit reactance | |
Wen et al. | Comprehensive Evaluation of New Type Substation Equipment under the Target of" Double Carbon" Empowered by Digital Technology | |
Zhang et al. | Research on digital twin-based capacitive voltage transformer operating condition monitoring method | |
CN114677031B (zh) | 一种基于数据包络分析的谐波治理需求评估方法 | |
Liu et al. | Evaluation of transformer state based on the life cycle |
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 |