CN114966323A - 一种基于全时域突变信息的故障识别方法及系统 - Google Patents

一种基于全时域突变信息的故障识别方法及系统 Download PDF

Info

Publication number
CN114966323A
CN114966323A CN202210717823.0A CN202210717823A CN114966323A CN 114966323 A CN114966323 A CN 114966323A CN 202210717823 A CN202210717823 A CN 202210717823A CN 114966323 A CN114966323 A CN 114966323A
Authority
CN
China
Prior art keywords
fault
phase
current
flexible
power plant
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
Application number
CN202210717823.0A
Other languages
English (en)
Other versions
CN114966323B (zh
Inventor
杨国生
王聪博
余越
蒋帅
曹虹
窦雪薇
薛志英
王剑锋
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202210717823.0A priority Critical patent/CN114966323B/zh
Publication of CN114966323A publication Critical patent/CN114966323A/zh
Priority to PCT/CN2022/116214 priority patent/WO2023245866A1/zh
Application granted granted Critical
Publication of CN114966323B publication Critical patent/CN114966323B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/081Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/088Aspects of digital computing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

本发明公开了一种基于全时域突变信息的故障识别方法及系统,包括:当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流,并根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵;根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型;本发明能够实现故障的高速可靠判别,从而解决新型电力系统中传统保护灵敏性降低以及不正确动作的风险问题,可适应多种新能源电源接入送出的场景,对于未来新能源高比例消纳、电网安全运行具有重要的工程意义。

Description

一种基于全时域突变信息的故障识别方法及系统
技术领域
本发明涉及电力系统保护技术领域,并且更具体地,涉及一种基于全时域突变信息的故障识别方法及系统。
背景技术
随着风电、光伏等新能源占比日益提高,电网规模持续扩大,我国新型电力系统安全面临严峻挑战。高占比新能源成为新型电力系统的一个重要特性。在新型电力系统中,由于大量采用电力电子换流器并入电网,故障暂态过程与电力电子设备控制策略及其参数密切相关,短路电流幅值受限、相角受控,且非特征谐波含量显著增大。这会导致传统以工频量为基础的继电保护可靠性与灵敏性受到一定威胁,使得传统差动保护存在性能下降,严重影响新能源电力系统的安全运行。目前针对现有保护原理,根据故障信息种类的不同,可细分为全时域信息保护和频域信息保护。全时域信息量保护通过利用余弦相似度、斯皮尔曼等级相关系数和皮尔逊相关系数等方式来表征新能源场站和电网之间的电流暂态波形的差异。然而,该类方法完全依赖线路两侧的电压电流,当新能源场站出力较小时,或并入弱电网的场景下,此时电流幅值整体较小,保护存在性能下降,甚至出现拒动的风险。关于频域信息的保护,传统利用工频量信息保护方法,需要提取故障后电流电压采样值中的工频量信息,从而形成保护判据。但此类方法由于利用的线路故障信息均以工频量为主,易受到新能源场站短路电流幅值受限、相角受控、频率偏移等特性的影响,导致保护性能下降。暂态高频量信息保护通过利用故障后故障电压电流在频域的分布情况来实现区内外故障的区分。但目前仅有针对个别场景及距离保护进行判别的判据,对新能源场站送出线路保护不具有普适性,且距离保护通常无法实现全线速动,还需要进一步强化。
因此,需要一种基于全时域突变信息的故障识别方法。
发明内容
本发明提出一种基于全时域突变信息的故障识别方法及系统,以解决如何高效地实现高压交流线路故障识别,从而提高电力系统保护能力的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种基于全时域突变信息的故障识别方法,所述方法包括:
当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流;
根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;
根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
优选地,其中风电场侧每相的故障电流为:
Figure DEST_PATH_IMAGE001
所述柔直侧故障电流为:
Figure 971996DEST_PATH_IMAGE002
其中,i为风电场侧φ相的故障电流;
Figure DEST_PATH_IMAGE003
Figure 357978DEST_PATH_IMAGE004
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure DEST_PATH_IMAGE005
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure 996770DEST_PATH_IMAGE006
为d轴电压;
Figure DEST_PATH_IMAGE007
为d轴初始电流;t为故障时间;
Figure 595242DEST_PATH_IMAGE008
为电流控制环比例;
Figure DEST_PATH_IMAGE009
为积分时间常数;L为桥臂电感;
Figure 268669DEST_PATH_IMAGE010
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure DEST_PATH_IMAGE011
为负序电流初始相角。
优选地,其中所述根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure 559973DEST_PATH_IMAGE012
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2,I3, ... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure DEST_PATH_IMAGE013
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure 420481DEST_PATH_IMAGE014
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure DEST_PATH_IMAGE015
其中,G为故障电流对应的突变特征值;
Figure 416119DEST_PATH_IMAGE016
Figure DEST_PATH_IMAGE017
分别为横向梯度矩阵和纵向梯度矩阵;
Figure 553839DEST_PATH_IMAGE018
为横向梯度矩阵中第i行第j列的元素;
Figure DEST_PATH_IMAGE019
为纵向梯度矩阵中第i行第j列的元素。
优选地,其中所述根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure 152397DEST_PATH_IMAGE020
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE021
为预设整定值。
优选地,其中所述方法还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;
其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
根据本发明的另一个方面,提供了一种基于全时域突变信息的故障识别系统,所述系统包括:
故障电流获取单元,用于当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流;
突变特征值计算单元,用于根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;
故障类型确定单元,用于根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
优选地,其中在所述故障电流获取单元,所述风电场侧每相的故障电流为:
Figure 375568DEST_PATH_IMAGE022
所述柔直侧故障电流为:
Figure DEST_PATH_IMAGE023
其中,i为风电场侧φ相的故障电流;
Figure 971635DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 963861DEST_PATH_IMAGE026
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure 721602DEST_PATH_IMAGE006
为d轴电压;
Figure DEST_PATH_IMAGE027
为d轴初始电流;t为故障时间;
Figure 697648DEST_PATH_IMAGE028
为电流控制环比例;
Figure 300668DEST_PATH_IMAGE009
为积分时间常数;L为桥臂电感;
Figure DEST_PATH_IMAGE029
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure 209718DEST_PATH_IMAGE030
为负序电流初始相角。
优选地,其中所述突变特征值计算单元,根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure DEST_PATH_IMAGE031
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2,I3, ... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure 13726DEST_PATH_IMAGE032
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure DEST_PATH_IMAGE033
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure 539385DEST_PATH_IMAGE034
其中,G为故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE035
Figure 211675DEST_PATH_IMAGE036
分别为横向梯度矩阵和纵向梯度矩阵;
Figure DEST_PATH_IMAGE037
为横向梯度矩阵中第i行第j列的元素;
Figure 178494DEST_PATH_IMAGE038
为纵向梯度矩阵中第i行第j列的元素。
优选地,其中所述故障类型确定单元,
根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure DEST_PATH_IMAGE039
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure 215720DEST_PATH_IMAGE040
为预设整定值。
优选地,其中所述故障类型确定单元,还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;
其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
基于本发明的另一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现一种基于全时域突变信息的故障识别方法中任一项的步骤。
基于本发明的另一方面,本发明提供一种电子设备,包括:
上述的计算机可读存储介质;以及
一个或多个处理器,用于执行所述计算机可读存储介质中的程序。
本发明提供了一种基于全时域突变信息的故障识别方法及系统,包括:当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流;根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型;本发明的方法利用线路两侧各相的电流信号分别构造多阶矩阵,综合利用多阶矩阵能快速放大突变信号占比的特性,以及矩阵梯度可以精准表征数据突变程度的优势构建保护判据,以实现故障的高速可靠判别,从而解决新型电力系统中传统保护灵敏性降低以及不正确动作的风险问题。本发明可适应多种新能源电源接入送出的场景,且不依赖工频量,具有耐受过渡电阻及噪声的能力,速动性好,对于未来新能源高比例消纳、电网安全运行具有重要的工程意义,为未来进一步发展高比例的新能源电力电子系统提供前提与保障。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的基于全时域突变信息的故障识别方法100的流程图;
图2为根据本发明实施方式的保护流程图;
图3为根据本发明实施方式的风机并入交流系统的示意图;
图4为根据本发明实施方式的F2处故障时保护动作情况的示意图;
图5为根据本发明实施方式的F3处故障时保护动作情况的示意图;
图6为根据本发明实施方式的F4处故障时保护动作情况的示意图;
图7为根据本发明实施方式的区外不同类型故障保护动作情况的示意图;
图8中的(a)和(b)分别为双侧受控场景下本发明实施方式所提保护方法与传统保护方法的保护效果对比图;
图9为根据本发明实施方式的基于全时域突变信息的故障识别系统900的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
在新型电力系统中,由于故障特性受电力电子装置控制策略的影响,会使短路电流呈现幅值受限、频率非工频、相角受控等与同步发电机截然不同的特性,导致传统的差动保护在短路电流受控的场景下难以快速提取持续且稳定的工频分量,进而会出现灵敏度降低甚至不正确动作的风险,影响电力系统的安全运行。因此研究适用于不受电力电子装置控制影响的保护新原理,对此后规模化新能源并网的安全稳定运行具有重要意义。图1为根据本发明实施方式的基于全时域突变信息的故障识别方法100的流程图。如图1所示,本发明实施方式提供的基于全时域突变信息的故障识别方法,利用线路两侧各相的电流信号分别构造多阶矩阵,综合利用多阶矩阵能快速放大突变信号占比的特性,以及矩阵梯度可以精准表征数据突变程度的优势构建保护判据,以实现故障的高速可靠判别,从而解决新型电力系统中传统保护灵敏性降低以及不正确动作的风险问题。本发明可适应多种新能源电源接入送出的场景,且不依赖工频量,具有耐受过渡电阻及噪声的能力,速动性好,对于未来新能源高比例消纳、电网安全运行具有重要的工程意义,为未来进一步发展高比例的新能源电力电子系统提供前提与保障。
本发明实施方式提供的基于全时域突变信息的故障识别方法100,从步骤101处开始,在步骤101,当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流。
优选地,其中电场侧每相的故障电流为:
Figure 494255DEST_PATH_IMAGE042
所述柔直侧故障电流为:
Figure 845602DEST_PATH_IMAGE044
其中,i为风电场侧φ相的故障电流;
Figure 463665DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE045
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 999688DEST_PATH_IMAGE046
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure 640885DEST_PATH_IMAGE047
为d轴电压;
Figure DEST_PATH_IMAGE048
为d轴初始电流;t为故障时间;
Figure 654978DEST_PATH_IMAGE049
为电流控制环比例;
Figure 393126DEST_PATH_IMAGE009
为积分时间常数;L为桥臂电感;
Figure 709838DEST_PATH_IMAGE050
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure DEST_PATH_IMAGE051
为负序电流初始相角。
在本发明中,首先分析新能源经柔直并网送出交流线路区内外故障的故障特性,明确区内外故障电流的特征,然后将两侧时间窗内采集的单相电流信号构造成多阶矩阵。风电换流器是永磁风机的唯一功率出口。由于过流能力有限,为保护换流器电力电子器件,控制系统主要选用限幅控制和负序电流控制。风电场侧每相的短路电流可表示为:
Figure DEST_PATH_IMAGE053
其中,i为风电场侧φ相的故障电流,由风场换流器提供;
Figure 962965DEST_PATH_IMAGE054
Figure 100002_DEST_PATH_IMAGE055
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 984011DEST_PATH_IMAGE056
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ); P为单相输出有功功率;
Figure 100002_DEST_PATH_IMAGE057
为d轴电压;
Figure 638983DEST_PATH_IMAGE058
为d轴初始电流;t为故障时间;
Figure 188913DEST_PATH_IMAGE059
为电流控制环比例;
Figure DEST_PATH_IMAGE060
为积分时间常数;L为桥臂电感。
如上述公式所示,风电场的短路电流受换流器控制系统的dq轴电流的参考值控制,风电场相当于一个受控电流源。由于换流器的耐受过电流能力有限,短路电流一般为最大额定电流电流的1.5-2倍。因此,风电场具有故障电流幅值受限的特性。
其中,柔直侧的送端换流器由于与受控电流源连接,一般选用交流电压-频率控制,等效为受控电压源。柔直送端换流器闭锁前的故障电流表达式可以写为:
Figure DEST_PATH_IMAGE043
其中,
Figure 398177DEST_PATH_IMAGE061
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure 100002_DEST_PATH_IMAGE062
为负序电流初始相角。
由上述公式可知,故障发生时柔直换流器提供的短路电流同时具有正序分量和负序分量。换流器相当于受控电压源,其短路电流幅值取决于柔直换流器的的等效内电位和等效阻抗。
根据以上对换流器的故障特征分析,得知换流器故障电流幅值受限且缺少持续且稳定的工频分量,严重影响传统电流差动保护原理正确识别故障,保护装置计算过程中会出现灵敏度降低的问题,存在不正确动作的风险。同时不同的换流器控制体现出不同的控制响应特征,从而决定了故障后短路电流的突变特性不同且均与传统同步机不同。
在步骤102,根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值。
优选地,其中所述根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure 895018DEST_PATH_IMAGE063
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2,I3, ... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure 100002_DEST_PATH_IMAGE064
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure 670076DEST_PATH_IMAGE065
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure 100002_DEST_PATH_IMAGE066
其中,G为故障电流对应的突变特征值;
Figure 328590DEST_PATH_IMAGE067
Figure 100002_DEST_PATH_IMAGE068
分别为横向梯度矩阵和纵向梯度矩阵;
Figure DEST_PATH_IMAGE069
为横向梯度矩阵中第i行第j列的元素;
Figure 100002_DEST_PATH_IMAGE070
为纵向梯度矩阵中第i行第j列的元素。
在本发明中,线路两侧任一相的电流采样值可以视作一个一维的数组,即一段时间内的N个采样点构成的电流信号可以记作:I={i1, i2, i3, ... , iN} 。
将上述公式进行改进,构造多阶矩阵如下:
Figure 100002_DEST_PATH_IMAGE072
矩阵中所有的信号元素第一行按照时间顺序从i0开始顺序排列,由于矩阵对称,第一列和第一行一样从i0开始顺序排列。第二行开始,每个位置的元素和其左上角的元素相同,直至排满整个n×n矩阵。矩阵采用对称构型,这使得其及符合对称矩阵的定义IT=IT T,同时每一个元素都与其左上角的元素相同。当发生故障时,电流会出现短时间的突变,那么故障后的电流信号相对于之前的信号会出现一个较大的阶跃性跳变。进一步的为了将这种突变程度用具体的数值表示,引入矩阵梯度的概念。
矩阵梯度分为横向梯度和纵向梯度,主要反映的矩阵内相邻元素间的变化程度。以矩阵IT为例,将其转化为列向量的表达形式:
列向量表达形式为:IT={I1, I2, I3, ... , IN},其中第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T。其中,电流矩阵第一个列向量和下一个列向量作差除以1得到横向梯度矩阵的第一个列向量;中间的第n个列向量与两侧的电流列向量作差的平均值作为横向梯度矩阵的第n个列向量;最后一列列向量与前一列向量之差作为横向梯度矩阵的对后一个列向量。横向梯度矩阵Gx表达式为:
Figure 556309DEST_PATH_IMAGE064
同理,行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN-1 T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN}。则有电流矩阵第一个行向量和下一个行向量作差除以1得到纵向梯度矩阵的第一个行向量;中间的第n个行向量与两侧的电流行向量作差的平均值作为纵向梯度矩阵的第n个行向量;最后一行行向量与前一行向量之差作为纵向梯度矩阵的对后一个行向量。纵向梯度矩阵Gy表达式为:
Figure 450316DEST_PATH_IMAGE065
对于任一相,在获取到横向梯度和纵向梯度后,将求得的横向梯度矩阵Gx和纵向梯度矩阵Gy取绝对值,求二者内部所有元素之和,作为该时间窗内采集信号的突变特征值,即可得到任一相的电流信号对应的突变特征值G,表达式为:
Figure 17564DEST_PATH_IMAGE073
即取每个时间窗的G用于反映这段信号的突变特征值;其中,G为故障电流对应的突变特征值;
Figure 100002_DEST_PATH_IMAGE074
Figure 846979DEST_PATH_IMAGE068
分别为横向梯度矩阵和纵向梯度矩阵;
Figure 561994DEST_PATH_IMAGE075
为横向梯度矩阵中第i行第j列的元素;
Figure DEST_PATH_IMAGE076
为纵向梯度矩阵中第i行第j列的元素。
在本发明中,风电场侧和柔直侧每相的故障电流均对应一个突变特征值。
在步骤103,根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
优选地,其中所述根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure 400637DEST_PATH_IMAGE077
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE078
为预设整定值。
优选地,其中所述方法还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
在本发明中,需要利用区内故障时电流信号的多维度突变特征值不同,构建判),再通过比较判据中的实际运算值与整定值之间的大小关系来识别故障类型,进而根据故障类型启用相应的保护措施。
在正常稳态运行时,风电场功率完全经线路流向柔直侧,此时线路中全部流过穿越性电流,线路两侧采集到的交流电流是相同的正弦波,那么相同时间窗两侧采集的电流信号的突变量G也应该基本相同。
区内故障时,由于控制策略以及调节速度的差异,两侧的故障电流会在故障发生后的短时间内出现较大幅度的调整,整个时间窗的突变特征值都会因为采集到的故障点在短时间内出现变化,且两侧的变化不同,计算得到的G值也会存在较大差异。
区外故障时,被保护线路同样流过穿越性电流,故两侧的同相电流信号的多阶矩阵梯度的突变特征值G应该相同,理论上两侧G值差应该趋近于零。
因此,根据以上故障特征分析可以构造保护判据为:
Figure 150288DEST_PATH_IMAGE077
式中,G1、G2分别表示线路两端电流信号对应的突变特征值,|·|表示取绝对值;Gset为保护的主判据的整定值,该值按躲过外部故障时的最大振幅误差整定,考虑电流互感器(CT)的最大传输误差为±10%,且电容对故障电流的影响较小,将两侧的最大振幅误差设为20%,同时考虑特殊情况留有一定裕度。在本发明中,为了保证采样点数满足计算要求,越短的时间窗要求的采样频率越高,但工业应用难以达到较高的采样频率,所以此处采用10ms时间窗内的电流信号构造多阶矩阵,再求矩阵梯度的绝对值之和,从而确定多突变特征值。
结合图2所示,在本发明中通过比较判据实际运算值与整定值之间的大小关系来识别故障类型,进而根据故障类型启用相应的保护措施。具体流程为:当保护启动后,每套保护装置分相进行故障的判断,提取故障时刻后10ms的差动电流数据,并根据所提保护判据进行计算。对于任一相,如果满足公式保护判据,即多维度突变特征值之差大于定值,则确定故障类型为区内故障,此时保护出口;反之,则确定故障类型为区外故障,保护复归。
值得注意的是,在确定了故障类型后,确定故障类型为区内故障的相为故障相,若故障相为单相,则继电保护装置发出故障相跳闸命令,非故障相仍继续运行。若两相或三相满足判据,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
规模化新能源并入电网后,传统保护灵敏性下降,为了保证系统安全可靠的运行,本方法通过理论分析与仿真验证证实了区内外故障时突变特征值存在明显差异,最终提出了一种采用多维突变信息的高压交流线路保护方法,所述方法解决了传统保护因故障电流受控无法提供持续且稳定的工频分量导致的灵敏性降低以及不正确动作的风险问题,适用不同类型新能源场站,所述方法具有如下特点:
1)速动性强,保护的出口时间在5ms以内;
2)可靠性强,保护利用区故障后两侧短路电流的多维度突变特征值的不同构造保护判据,不受两侧电源特性的影响,且在大于30dB的噪声下仍可正确动作;与传统差动保护相比,在新能源接入柔直系统的双侧受控场景下仍然可以保证较高的灵敏度实现可靠动作;
3)过渡电阻耐受能力强,100Ω过渡电阻下保护仍可正确动作。
以下具体举例说明本发明的实施方式
在PSCAD/EMTDC中搭建图3所示的额定电压220kV直驱风电场经±500kV柔直输电线路并网系统,系统容量为200MVA。风电场采用单个风机进行等效,风电机组单机容量5MW。风电场变压器到柔直送端换流器交流线路长度定为20km。
如图3所示,在交流线路上设置了五个故障点,其中F1、F5为区外故障点,区内内部故障包括F2风场侧保护线路出口、F4柔直侧线路出口处以及F3线路中点故障。电流信号采样频率为4kHz,时间窗选择为10ms。
整定设置应避免出现外部故障时的最大振幅误差。电流互感器(CT)的最大传输误差为±10%,两侧的最大振幅误差为20%。虽然电容电流的影响很小,但采用可调容余度来避免电容电流的影响。本文将裕度设置为20%,并可根据实际系统参数进行调整。当两侧存在20%的振幅误差时,外部故障时突变特征值之差G增加到30。因此,将Gset的常数值设置为30。
图4、图5和图6分别给出了在区内F2、F3、F4处故障后保护动作情况,图7给出了在区外F1处故障后保护动作情况。表1给出了5ms时区内F2、F3、F4,区外F1、F5位置处不同类型故障的保护特变特征值之差。
由图4至图7可以看出,所提出的保护原理在不同场景下(不同故障类型、不同故障位置)均具有良好的动作性能:区内故障时,故障相的突变特征值之差在5ms之内均大于保护判据整定值,保护可靠动作;区外故障时,故障相与非故障相均未越过定值,保护可靠不动作,验证了所提保护的有效性。
为验证所提保护对过渡电阻的适应性,以F3处发生区内故障为例,分别对过渡电阻25Ω、50Ω、75Ω、100Ω的A相接地故障及BC相间故障进行分析。表2分别给出了经过渡电阻时单相接地故障及两相相间故障下,所提保护的突变特征值差动量。
从表2可以看出,随着过渡电阻的增大,电流信号的突变程度逐渐减小,两侧电流信号突变特征值的差异减小,所以突变特征值差动量减小。尽管存在灵敏性下降的趋势,但所提保护在100Ω的高阻故障场景下仍然能够可靠地反映故障,考虑到220kV系统最大过渡电阻为100Ω,因此以上结果基本可以满足所提保护在高阻故障场景下具有良好的性能。
表3给出的了F3 处发生故障时不同噪声场景下5ms后的保护动作性能。从表3可以知,噪声增大对故障相的影响较小,保护能够正确反映故障;对于非故障相来说,噪声增大,会导致两侧电流出现差异,进而导致奇异值差动量有增加的趋势,但仍远低于整定值。在30dB的高噪声场景下,保护仍然能够正确区分故障类型,可以证明所提方法具有较好的抗噪能力。
表1
Figure DEST_PATH_IMAGE080
表2
Figure DEST_PATH_IMAGE082
表3
Figure DEST_PATH_IMAGE084
为了测试所提保护的优越性,将本发明提出的保护新原理与传统差动保护进行动作性能对比。如图8所示,当三相相间故障时,传统基于工频量的差动保护保护在5ms时间内保护启动速度慢,并且在5ms时A相存在明显的回落趋势,保护出口的差动电流与制动电流的比值勉强超过整定值,灵敏度严重下降,存在拒动的风险。而本文所提出的保护新原理在5ms内故障响应更为迅速,灵敏度更高,可以快速识别故障,且在噪声和电阻接地场景下仍能保证正常的性能。
本发明提出了电流采样数据多阶矩阵变换概念,多阶矩阵变换能快速放大故障电流突变信号的占比,从根本上解决了电力电子器件故障特征“弱”的问题;提出了利用矩阵梯度可以精准表征数据突变程度的优势构建保护判据,以实现故障的高速可靠判别,从而解决新型电力系统中传统保护灵敏性降低的问题。图9为根据本发明实施方式的基于全时域突变信息的故障识别系统900的结构示意图。如图9所示,本发明实施方式提供的基于全时域突变信息的故障识别系统900,包括:故障电流获取单元901、突变特征值计算单元902和故障类型确定单元903。
优选地,所述故障电流获取单元901,用于当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流。
优选地,其中在所述故障电流获取单元901,所述风电场侧每相的故障电流为:
Figure 9659DEST_PATH_IMAGE085
所述柔直侧故障电流为:
Figure DEST_PATH_IMAGE086
其中,i为风电场侧φ相的故障电流;
Figure 415233DEST_PATH_IMAGE087
Figure DEST_PATH_IMAGE088
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 57567DEST_PATH_IMAGE089
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure DEST_PATH_IMAGE090
为d轴电压;
Figure 661723DEST_PATH_IMAGE091
为d轴初始电流;t为故障时间;
Figure DEST_PATH_IMAGE092
为电流控制环比例;
Figure 98521DEST_PATH_IMAGE093
为积分时间常数;L为桥臂电感;
Figure DEST_PATH_IMAGE094
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure 788128DEST_PATH_IMAGE095
为负序电流初始相角。
优选地,所述突变特征值计算单元902,用于根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值。
优选地,其中所述突变特征值计算单元902,根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure DEST_PATH_IMAGE097
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2,I3, ... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure 234153DEST_PATH_IMAGE098
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure 427237DEST_PATH_IMAGE099
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure 831674DEST_PATH_IMAGE100
其中,G为故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE101
Figure 883943DEST_PATH_IMAGE102
分别为横向梯度矩阵和纵向梯度矩阵;
Figure DEST_PATH_IMAGE103
为横向梯度矩阵中第i行第j列的元素;
Figure 727134DEST_PATH_IMAGE104
为纵向梯度矩阵中第i行第j列的元素。
优选地,所述故障类型确定单元903,用于根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
优选地,其中所述故障类型确定单元903,
根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure DEST_PATH_IMAGE105
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure 181249DEST_PATH_IMAGE106
为预设整定值。
优选地,其中所述故障类型确定单元903,还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;
其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
本发明的实施例的基于全时域突变信息的故障识别系统900与本发明的另一个实施例的基于全时域突变信息的故障识别方法100相对应,在此不再赘述。
基于本发明的另一方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现一种基于全时域突变信息的故障识别方法中任一项的步骤。
基于本发明的另一方面,本发明提供一种电子设备,包括:
上述的计算机可读存储介质;以及
一个或多个处理器,用于执行所述计算机可读存储介质中的程序。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (12)

1.一种基于全时域突变信息的故障识别方法,其特征在于,所述方法包括:
当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流;
根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;
根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
2.根据权利要求1所述的方法,其特征在于,风电场侧每相的故障电流为:
Figure 290127DEST_PATH_IMAGE002
所述柔直侧故障电流为:
Figure 549201DEST_PATH_IMAGE004
其中,i为风电场侧φ相的故障电流;
Figure 211127DEST_PATH_IMAGE006
Figure 881142DEST_PATH_IMAGE008
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 12041DEST_PATH_IMAGE010
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure 792915DEST_PATH_IMAGE012
为d轴电压;
Figure 574926DEST_PATH_IMAGE014
为d轴初始电流;t为故障时间;
Figure 415843DEST_PATH_IMAGE016
为电流控制环比例;
Figure 765529DEST_PATH_IMAGE018
为积分时间常数;L为桥臂电感;
Figure 350094DEST_PATH_IMAGE020
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure 721032DEST_PATH_IMAGE022
为负序电流初始相角。
3.根据权利要求1所述的方法,其特征在于,所述根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure 732850DEST_PATH_IMAGE024
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2, I3,... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure 307182DEST_PATH_IMAGE026
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure 695438DEST_PATH_IMAGE028
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure 920883DEST_PATH_IMAGE030
其中,G为故障电流对应的突变特征值;
Figure 103603DEST_PATH_IMAGE032
Figure 430810DEST_PATH_IMAGE034
分别为横向梯度矩阵和纵向梯度矩阵;
Figure 357178DEST_PATH_IMAGE036
为横向梯度矩阵中第i行第j列的元素;
Figure 437129DEST_PATH_IMAGE038
为纵向梯度矩阵中第i行第j列的元素。
4.根据权利要求1所述的方法,其特征在于,所述根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure 56330DEST_PATH_IMAGE040
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure 605254DEST_PATH_IMAGE042
为预设整定值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;
其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
6.一种基于全时域突变信息的故障识别系统,其特征在于,所述系统包括:
故障电流获取单元,用于当高压交流线路故障时,进行风电场侧和柔直侧电流信号的采集,获取风电场侧和柔直侧每相的故障电流;
突变特征值计算单元,用于根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值;
故障类型确定单元,用于根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型。
7.根据权利要求6所述的系统,其特征在于,在所述故障电流获取单元,所述风电场侧每相的故障电流为:
Figure 335312DEST_PATH_IMAGE044
所述柔直侧故障电流为:
Figure 269770DEST_PATH_IMAGE046
其中,i为风电场侧φ相的故障电流;
Figure 59872DEST_PATH_IMAGE048
Figure 636040DEST_PATH_IMAGE049
分别为预设的d轴和q轴的电流参考值;ωPLL为基频角频率;
Figure 904210DEST_PATH_IMAGE051
为初始相位角;ξ为二阶系统的阻尼比,ξ=kip/2(Lkii)1/2;ωd为阻尼固有频率,ωdn(1-ξ2)1/2,ωn为二阶系统阻尼为零时的自然振荡角频率,ωn=(kii/L)1/2;β为系统阻尼角, β=arctan((1-ξ2)1/2/ξ);P 为单相输出有功功率;
Figure 958754DEST_PATH_IMAGE012
为d轴电压;
Figure 670489DEST_PATH_IMAGE052
为d轴初始电流;t为故障时间;
Figure 912114DEST_PATH_IMAGE054
为电流控制环比例;
Figure DEST_PATH_IMAGE055
为积分时间常数;L为桥臂电感;
Figure DEST_PATH_IMAGE057
为柔直侧φ相的故障电流;Ef为换流器内电势;Zeq为等效阻抗;ω和ω-分别表示正、负序电流的角频率;m为与短路类型有关的比例系数;
Figure DEST_PATH_IMAGE059
为负序电流初始相角。
8.根据权利要求6所述的系统,其特征在于,所述突变特征值计算单元,
根据所述风电场和柔直侧每相的故障电流分别构造多阶矩阵,并根据所述多阶矩阵分别计算风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
对风电场侧和柔直侧每相的故障电流,均按照如下方式操作,以分别获取风电场侧和柔直侧每相的故障电流对应的突变特征值,包括:
将任一相的故障电流采样值视作一个一维的数组,采样时间内N个采样点构成的电流信号记作I={i1, i2, i3, ... , iN},则多阶矩阵为:
Figure DEST_PATH_IMAGE061
将多阶矩阵转化为行向量和列向量的表达形式,列向量表达形式为:IT={I1, I2, I3,... , IN},其中,第一个列向量内部元素为:I1={i1,i2,i3,...,iN}T;行向量表达形式为:IT={I1 T, I2 T, I3 T, ... , IN T}T,其中第一个行向量内部元素为:I1 T={i1,i2,i3,...,iN};
计算列向量表达形式的多阶矩阵对应的横向梯度矩阵,包括:
Figure 124921DEST_PATH_IMAGE026
计算行向量表达形式的多阶矩阵对应的纵向梯度矩阵,包括:
Figure DEST_PATH_IMAGE062
根据所述横向梯度矩阵和纵向梯度矩阵计算突变特征值,包括:
Figure DEST_PATH_IMAGE064
其中,G为故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE065
Figure DEST_PATH_IMAGE066
分别为横向梯度矩阵和纵向梯度矩阵;
Figure DEST_PATH_IMAGE068
为横向梯度矩阵中第i行第j列的元素;
Figure DEST_PATH_IMAGE070
为纵向梯度矩阵中第i行第j列的元素。
9.根据权利要求6所述的系统,其特征在于,所述故障类型确定单元,
根据风电场侧和柔直侧每相的故障电流对应的突变特征值以及预设判据,确定故障类型,包括:
对于任一相,若该任一相对应的风电场侧和柔直侧的故障电流满足预设判据
Figure DEST_PATH_IMAGE072
,则确定该任一相的故障类型为区内故障;反之,则确定该任一相的故障类型为区外故障;
其中,G1和G2分别为风电场侧故障电流和柔直侧故障电流对应的突变特征值;
Figure DEST_PATH_IMAGE074
为预设整定值。
10.根据权利要求9所述的系统,其特征在于,所述故障类型确定单元,还包括:
确定故障类型为区内故障的相为故障相,并根据故障相的数量进行保护出口;
其中,若故障相的数量小于等于预设数量,则继电保护装置发出故障相跳闸指令,控制故障相跳闸,非故障相正常运行;若故障相的数量大于预设数量,则继电保护装置发出三相跳闸指令,控制三相全部跳闸。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。
12. 一种电子设备,其特征在于,包括:
权利要求11中所述的计算机可读存储介质;以及
一个或多个处理器,用于执行所述计算机可读存储介质中的程序。
CN202210717823.0A 2022-06-23 2022-06-23 一种基于全时域突变信息的故障识别方法及系统 Active CN114966323B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210717823.0A CN114966323B (zh) 2022-06-23 2022-06-23 一种基于全时域突变信息的故障识别方法及系统
PCT/CN2022/116214 WO2023245866A1 (zh) 2022-06-23 2022-08-31 一种基于全时域突变信息的故障识别方法、系统、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210717823.0A CN114966323B (zh) 2022-06-23 2022-06-23 一种基于全时域突变信息的故障识别方法及系统

Publications (2)

Publication Number Publication Date
CN114966323A true CN114966323A (zh) 2022-08-30
CN114966323B CN114966323B (zh) 2023-06-02

Family

ID=82966201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210717823.0A Active CN114966323B (zh) 2022-06-23 2022-06-23 一种基于全时域突变信息的故障识别方法及系统

Country Status (2)

Country Link
CN (1) CN114966323B (zh)
WO (1) WO2023245866A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023245866A1 (zh) * 2022-06-23 2023-12-28 中国电力科学研究院有限公司 一种基于全时域突变信息的故障识别方法、系统、电子设备及计算机可读存储介质
CN117833276A (zh) * 2024-01-04 2024-04-05 南京国电南自电网自动化有限公司 柔性直流输电系统宽频振荡风险辨识及抑制方法和系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895443B (zh) * 2024-01-22 2024-08-09 国网湖北省电力有限公司荆门供电公司 一种基于电压梯度能量比的柔直线路全线速动单端量保护方法
CN118232293B (zh) * 2024-03-26 2024-08-20 中国矿业大学 一种基于故障前后电流奇异谱分布的低频送出线保护方法
CN118091234B (zh) * 2024-04-28 2024-06-25 山东德源电力科技股份有限公司 一种用于故障诊断处理的电流互感器

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105576675A (zh) * 2016-01-28 2016-05-11 云南电网有限责任公司电力科学研究院 一种含多台风机的电力系统的阻尼控制的方法和系统
CN106443135A (zh) * 2016-10-26 2017-02-22 重庆大学 混合风电场输出工频短路电流计算方法
CN111541262A (zh) * 2020-05-12 2020-08-14 浙江大学 模型预测定交流电压控制下mmc频率耦合阻抗建模方法
CN111562516A (zh) * 2020-05-27 2020-08-21 南方电网科学研究院有限责任公司 基于序突变量阻抗判别电源故障方法、系统及设备
CN111953012A (zh) * 2020-06-29 2020-11-17 中国电力科学研究院有限公司 一种用于抑制交直流暂时过电压的方法及系统
CN112653103A (zh) * 2020-11-27 2021-04-13 中国电力科学研究院有限公司 一种适用于柔直输电系统的断路器失灵保护方法及系统
US10985558B1 (en) * 2020-08-24 2021-04-20 North China Electric Power University Structural similarity based pilot protection method and system for renewable power transmission line
WO2021088502A1 (zh) * 2019-11-08 2021-05-14 南京南瑞继保工程技术有限公司 一种直流耗能装置控制系统及控制方法
CN113488972A (zh) * 2021-08-27 2021-10-08 中国电力科学研究院有限公司 基于电流时域累积量的高压直流输电线路保护方法和系统
CN114219947A (zh) * 2021-11-18 2022-03-22 三峡大学 基于边缘检测的大规模风电场送出线路纵联保护方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106786424B (zh) * 2017-01-10 2018-11-27 华北电力大学 基于电流波形相似度的新能源场站送出线路纵联保护方法
CN111884183A (zh) * 2020-07-20 2020-11-03 天津大学 一种花瓣状配电网主干线的自适应正序电流速断保护方法
CN114966323B (zh) * 2022-06-23 2023-06-02 中国电力科学研究院有限公司 一种基于全时域突变信息的故障识别方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105576675A (zh) * 2016-01-28 2016-05-11 云南电网有限责任公司电力科学研究院 一种含多台风机的电力系统的阻尼控制的方法和系统
CN106443135A (zh) * 2016-10-26 2017-02-22 重庆大学 混合风电场输出工频短路电流计算方法
WO2021088502A1 (zh) * 2019-11-08 2021-05-14 南京南瑞继保工程技术有限公司 一种直流耗能装置控制系统及控制方法
CN111541262A (zh) * 2020-05-12 2020-08-14 浙江大学 模型预测定交流电压控制下mmc频率耦合阻抗建模方法
CN111562516A (zh) * 2020-05-27 2020-08-21 南方电网科学研究院有限责任公司 基于序突变量阻抗判别电源故障方法、系统及设备
CN111953012A (zh) * 2020-06-29 2020-11-17 中国电力科学研究院有限公司 一种用于抑制交直流暂时过电压的方法及系统
US10985558B1 (en) * 2020-08-24 2021-04-20 North China Electric Power University Structural similarity based pilot protection method and system for renewable power transmission line
CN112653103A (zh) * 2020-11-27 2021-04-13 中国电力科学研究院有限公司 一种适用于柔直输电系统的断路器失灵保护方法及系统
CN113488972A (zh) * 2021-08-27 2021-10-08 中国电力科学研究院有限公司 基于电流时域累积量的高压直流输电线路保护方法和系统
CN114219947A (zh) * 2021-11-18 2022-03-22 三峡大学 基于边缘检测的大规模风电场送出线路纵联保护方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BONIAN S: "Influence Study of VSC-HVDC Interconnection on AC Line Differential Protection", 《2019 IEEE 8TH INTERNATIONAL CONFERENCE ON ADVANCED POWER SYSTEM AUTOMATION AND PROTECTION》 *
姜锐: "风电机组发电机轴承电腐蚀故障的分析诊断", 《中国电力》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023245866A1 (zh) * 2022-06-23 2023-12-28 中国电力科学研究院有限公司 一种基于全时域突变信息的故障识别方法、系统、电子设备及计算机可读存储介质
CN117833276A (zh) * 2024-01-04 2024-04-05 南京国电南自电网自动化有限公司 柔性直流输电系统宽频振荡风险辨识及抑制方法和系统

Also Published As

Publication number Publication date
WO2023245866A1 (zh) 2023-12-28
CN114966323B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN114966323A (zh) 一种基于全时域突变信息的故障识别方法及系统
Zheng et al. Cosine similarity based line protection for large-scale wind farms
US11146063B1 (en) Renewable power transmission line using the square error method
Liu et al. Protection and control of microgrids using dynamic state estimation
Dharmapandit et al. Detection, classification, and location of faults on grid‐connected and islanded AC microgrid
Xu et al. Fault phase selection method applied to tie line of renewable energy power stations
Kong et al. A three-zone distance protection scheme capable to cope with the impact of UPFC
CN111600318B (zh) 一种实现目标三相不平衡度的电流检测方法
Li et al. Improved amplitude differential protection scheme based on the frequency spectrum index for distribution networks with DFIG-based wind DGs
Shu et al. Single-ended protection method for hybrid HVDC transmission line based on transient voltage characteristic frequency band
Wang et al. Adaptive reclosing strategy for single outgoing line of converter-interfaced wind park using distance relaying algorithm
Liang et al. A single-phase-to-ground fault detection method based on the ratio fluctuation coefficient of the zero-sequence current and voltage differential in a distribution network
Chang et al. A single-terminal fault location method for transmission lines integrated by inverter-type source
Bakkar et al. Multi-layer smart fault protection for secure smart grids
Sadoughi et al. Detection of islanding, operation and reconnection of microgrids to utility grid using local information
Wang et al. A novel directional element for transmission line connecting inverter-interfaced renewable energy power plant
Zare et al. A new relaying scheme for protection of transmission lines connected to DFIG‐based wind farms
Jodaei et al. Fault Detection and Location in Power Systems with Large-Scale Photovoltaic Power Plant by Adaptive Distance Relays
CN117110783A (zh) 基于电流波形畸变特征的故障方向判别方法及系统
CN115313473B (zh) 一种计及逆变电源正负序解耦控制的故障电流解析方法
Liu et al. A Dice similarity coefficient-based pilot protection method for 500kV transmission lines of large-scale integrated photovoltaic power supply
Khederzadeh et al. STATCOM/SVC impact on the performance of transmission line distance protection
Zhou et al. A novel method to predict and prevent commutation failures in LCC-HVDC systems
Zheng et al. Improved time-domain distance protection for asymmetrical faults based on adaptive control of MMC in offshore AC network
CN113437732B (zh) 一种光伏发电并网联络线纵联保护方法及系统

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