一种基于故障电流暂态特征差异的柔性直流电网故障保护方法

专利检索2026-08-16  27


本发明属于电网故障检测,具体涉及一种柔性直流配电网故障保护方法。


背景技术:

1、随着风电、光伏、潮汐等清洁能源在能源系统中所占比重的提高,合理开发利用能源,成为我国资源与环境问题得以解决的关键所在。柔性直流电网具备了输送容量大、输电距离远、线路损耗低、系统稳定等特性,因此,柔性直流输电技术在长距离,大容量电能传输中得到了广泛运用,成为直流输电领域的重点研究方向。继电保护是电力系统安全稳定运行的首道防线,也是目前柔性直流电网发展面临的重要技术问题之一。柔性直流电网的直流线路出现故障时,电流的增加极为迅速,在数毫秒之内将危害到整个电网的安全,因此要求柔性直流电网继电保护方案要具有较高的速动性和可靠性。

2、现有柔性直流系统故障保护方法存在的问题:

3、(1)故障特征提取:基函数固定导致特征表征能力的缺失;提取特征信息缺乏自适应性,eemd、ceemd等已有算法虽有自适应性,但容易出现模态混叠与端点效应等问题;一些特征分量的物理意义不够明确。

4、(2)故障检测判据:现有柔性直流配电网故障检测方法的启动判据不灵敏,造成配电网工作状态的误判;采用双端量保护能够实现清晰的保护边界,准确判别故障线路。但是,由于计算量较大并且需要通信同步,保护的速动性会难以满足。

5、(3)故障检测难点:当发生故障时,故障放电迅速,可用故障信息数据窗较短;较大的瞬间放电电流对换流站的安全运行构成威胁;故障电流无过零点对直流断路器的开断能力有较高的要求,其可行方法是故障电流升至最大之前先判别故障。


技术实现思路

1、本发明的目的在于克服已有柔性直流电网故障保护方法的不足,提供一种基于故障电流暂态特征差异的柔性直流电网故障保护方法。

2、为了实现上述目的,本发明是通过以下技术方案实现的:

3、一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,包括以下步骤:

4、s1、对柔性直流电网运行状态下的直流线路正、负极故障电流进行实时采样,提取故障特征数据;首先,采用天鹰算法(ao)对ceemdan算法进行参数优化;其次,利用优化后的ceemdan算法对信号分解,获得各阶本征模态分量;

5、s2、与柔性直流电网正常状态相区分,采用计算线模电流i1在故障发生0.3ms内的变化率,并设定启动阈值kset1,kset1按躲过正常状态下线模电流变化率最大值设定,构造保护启动判据。

6、s3、以区内、外故障时正极故障电流暂态量大小的不同为基础,对暂态正极电流进行一阶差分运算,并计算其分解后1~4阶模态分量能量矩总值的对数,构造区内、外故障判据;当区内发生不同故障时,电网直流线路正、负极故障电流呈现不同的暂态特征,两者大小具有明显差异,本发明依据上述特征,对正、负极故障电流一阶本征模态分量进行一次积分运算,利用imf奇异值作为故障特征量,构造区内选极判据;

7、优选地,步骤s1中ao参数优化包括如下步骤:

8、s11、设置ao的迭代次数、种群数、所提问题的上下界(ub、lb)等参数;

9、s12、采用ceemdan对信号进行分解,获得各阶本征模态分量,并计算各阶imf分量的最小包络熵;

10、s13、更新种群位置,达到包络熵最小值时停止迭代,输出最优参数。

11、优选地,步骤s1中获得各阶本征模态分量包括如下步骤:

12、s21、令s(n)为原始信号,利用emd分解信号s(n)=s(n)+wi(i=1,2,...),wi为加入的白噪声,得到一阶本征模态分量imf1:

13、

14、s22、计算第一个余量:

15、r1(n)=s(n)-imfi1

16、s23、继续用emd分解信号r1(n)+εe1(wi(n)),得到第二阶ceemdan模态分量imf2:

17、

18、上式中,ea为emd分解后的第a个模态分量,ε为自适应系数。

19、s24、计算第a个余量ra(n):

20、

21、s25、计算出第a+1个ceemdan模态分量:

22、

23、s26、重复步骤(4)~(6),直至残差余量无法继续分解。

24、优选地,步骤s2中所得的暂态线模电流通过以下公式求取:

25、

26、上式中,ip(t)、in(t)分别为柔性直流配电网的正极、负极电流,t表示时间。

27、优选地,步骤s3中所得的正极故障电流的一阶差分结果通过以下公式求取:

28、ipd(t)=diff(ip(t))

29、上式中,ipd(t)为ip(t)一阶差分结果,ip(t)为故障时直流线路正极电流。

30、优选地,步骤s2中保护启动判据通过以下公式判定:

31、

32、上式中,k1为直流线路的暂态线模电流变化率,kset1为暂态线模电流变化率门槛值,取值为0.9ka/ms;

33、当k<kset1时,判定系统为正常运行状态,反之,k≥kset1时,判定系统为非正常运行状态。

34、优选地,步骤s3中区内、外故障判据通过如下步骤判定:

35、s31、计算经ao-ceemdan分解所得的各阶imf分量能量矩:

36、

37、上式中,ei为第i阶imf能量矩,n为采样点数。δt为采样周期,hi(j)表示第i阶imf分量在第j个离散点的幅值;

38、s32、计算1~4阶imf能量矩总值;

39、

40、上式中,e为1~4阶imf能量矩总值;

41、s33、对总值进行对数计算,构造特征值:

42、el=ln(e)

43、上式中,el为1~4阶imf能量矩总值的对数值;

44、当计算所得能量矩特征值el>0时,判定为区内故障;当el<0时,判定发生区内故障。

45、优选地,步骤s3中区内选极判据通过以下公式判定:

46、

47、上式中,sip为正极故障电流奇异值,sin为负极故障电流奇异值;

48、当正、负极故障电流imf1奇异值的比值k2>2时,判定为区内正极故障,当0.1<k2≤2时,判定为区内极间故障,当k2≤0.1时,判定为区内负极故障。

49、相比于已有技术方法,本发明的有益效果为:

50、(1)特征提取方法:采用ceemdan算法进行故障特征提取,因为ceemdan算法的分解效果取决于其参数设置,故利用天鹰优化算法进行参数寻优,使得其提取的特征信息更丰富。ceemdan算法是对原始信号添加一些高斯白噪声后再进行emd分解。分解得到的各imf分量频率范围随白噪声添加而扩大,解决了模态混叠、端点效应等问题。相较于小波变换、s变换固定的基函数,ceemdan分解在随机噪声的构建中采用了自适应策略,实现对噪声大小和分布的控制,使信号分解结果更加准确和稳定。

51、(2)故障检测判据:利用故障电流在不同故障下暂态特征差异性明显的特点,采用ceemdan分解,得到各阶本征模态分量,并结合其能量矩特征值和奇异值特征值构造故障判据,此保护算法能明显区分各种故障类型。本发明选择了0.5ms和2ms作为启动判据和故障区分判据的时间窗。仅需选取少数采样点即可启动保护,并且在故障放电电流达到最大值之前就可以完成故障判别。

52、(3)不同工况故障检测:本发明所提方法与现有方法相比更具有可靠性和快速性,在高阻接地故障的工况下,对于故障检测识别有更高的准确度。通过仿真验证,本发明可在故障点位置、噪声、采样频率、限流电抗大小等工况的影响下,仍保持保护的准确性、快速性。


技术特征:

1.一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s1中参数优化包括如下步骤:

3.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s1中获得各阶本征模态分量包括如下步骤:

4.根据权利要求1所述的一种基于基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s2中暂态线模电流通过以下公式求得:

5.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s3中所得的正极故障电流的一阶差分结果通过以下公式求取:

6.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s2中保护启动判据通过以下公式判定:

7.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s3中区内、外故障判据通过以下公式判定:

8.根据权利要求1所述的一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,其特征在于,步骤s3中区内选极判据通过以下公式判定:


技术总结
本发明公开了一种基于故障电流暂态特征差异的柔性直流电网故障保护方法,首先,计算暂态线模电流变化率,通过计算值与启动阀值相比较,判别是否发生故障;其次,对直流线路正、负极故障电流采用经过天鹰算法优化参数的自适应噪声完备集成经验模态分解算法提取出特征模态分量;接着,对正极故障电流分解所得的模态分量进行能量矩特征值运算,通过能量矩特征值的不同进一步区分区内、外故障状态;然后,计算正、负极故障电流一阶本征模态分量的奇异值特征量,利用其奇异值特征量之比的差异进一步区分区内不同故障状态。与已有柔性直流配电网故障检测方法相比,本发明故障检测方法能适应高过渡电阻、强噪声等环境,且特征提取方面具有自适应性、准确度高、提取速度快和应用简易方便的优势,能可靠、灵敏地判定配电网运行状态。

技术研发人员:曾志辉,李佳音,于阳晓,韦延方,郑莹莹
受保护的技术使用者:河南理工大学
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1166665.html

最新回复(0)