小电流接地系统单相接地故障选线的算法探讨

通过对现有选线方法的分析及选线系统面临问题的探讨,提出采用改进的Prony算法提取故障零序电流的谐波分量,通过比较谐波分量的幅值和相位选出故障线路。实验结果表明,该方法可以准确的实现小电流接地系统单相接地故障的选线,并且无需区分暂态和稳态过程。     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法.利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线.ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于Prony算法的小电流接地系统单相接地故障选线研究

Prony算法是用一组指数函数的线性组合来拟合等间隔采样数据的方法,可以从中分析出信号的幅值、相位、衰减系数、频率等信息.通过对故障零序电流特征的分析,提出采用Prony算法来提取故障零序电流的谐波分量的信息,比较谐波分量的幅值和相位来实现正确选线.理论分析及仿真实验表明该方法可以准确实现小电流接地系统单相接地故障选线.     

基于五次谐波和混沌系统的谐振接地系统故障选线

单相接地故障在中性点经消弧线圈接地系统中发生的概率最大,并且接地点的电气故障特征较弱,选线难度大.不同线路的对地电容电流突变量的5次谐波分量的幅值和相位特征差异明显,通过分析比较非故障线路和故障线路之间的这些差异,提出基于电容电流突变量的5次谐波分量和Duffing振子检测原理相结合的选线方法,将每条线路各相的电容电流...     

新型小电流接地故障选线设备的研制与应用

单相接地故障长期以来困扰供电系统,提出了一种新型选线设备。选线设备利用经验模态分解(EMD)方法进行选线,首先对各条线路的零序电流进行EMD分解,得到衰减直流分量以及各次谐波分量,然后计算直流分量与各次谐波分量的均方根之和,最后依据故障线路衰减直流分量与各次谐波分量的均方根之和大于非故障线路的物理特性,准确选出故障线路。通过现场实际运行对选线设备进行了验证,表明选线设备能够准确选出故障线路,满足实际应用的要求。     

基于改进模糊神经网络的配电网故障选线研究

在配电网中广泛采用小电流接地方式,传统的单一单相接地故障选线方法适用范围有限.针对单一故障选线方法的不足,提出利用模糊神经网络对多种选线方法进行融合.采用基于小波包从零序电流中提取暂态能量分量和暂态方向分量,和基于FFT从零序电流中提取稳态基波分量和五次谐波分量作为故障选线的特征分量.设计模糊神经网络的结构并进行改进,采用BP学习算法.在Matlab7.1环境下搭建10 kV配电网模型,分别仿真不同的故障位置、故障合闸角、故障接地类型和故障线路的故障以验证理论的有效性.     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法。利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线。ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性。     

基于Prony算法的小电流接地系统单相接地故障选线研究

Prony算法是用一组指数函数的线性组合来拟合等间隔采样数据的方法,可以从中分析出信号的幅值、相位、衰减系数、频率等信息。通过对故障零序电流特征的分析,提出采用Prony算法来提取故障零序电流的谐波分量的信息,比较谐波分量的幅值和相位来实现正确选线。理论分析及仿真实验表明该方法可以准确实现小电流接地系统单相接地故障选线。     

基于Rogowski线圈测量信号和改进Elman神经网络的矿井电网故障选线研究

为适应当前矿井高压电网漏电保护的新要求,解决漏电故障选线难题,利用故障发生时故障路径线路区段零序电流高次谐波分量的分布特点与非故障路径不同,提取高次谐波电流作为故障选线的特征向量,应用改进的Elman神经网络建立从特征向量到故障线路区段的映射。同时考虑到Rogowski线圈能够有效提升谐波分量在被测零序电流中的含量比例,引入Rogowski线圈检测零序电流信号以提高选线的灵敏度。构建了基于Rogowski线圈二次侧电压测量信号和改进Elman神经网络的故障选线模型,在Matlab平台下搭建10 kV矿井高压电网模型,并通过典型故障仿真验证了选线模型的有效性。     

基于神经网络的中性点经消弧线圈接地系统故障选线方法

中性点经消弧线圈接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、5次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高.文章通过构造每种选线方法的相对故障测度函数和可确定故障测度函数来确定其故障测度函数,再利用神经网络对每种选线方法的实际故障测度进行智能融合,从而得到可靠性较高的故障选线结果.EMTP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于信息融合技术的单相接地故障选线方法

中性点经消弧线圈接地的电力系统中，单相接地故障发生的瞬间，系统中的暂态电流中包含了丰富的故障信息，通过小波分析提取暂态信息可用来进行选线。另一方面，实际的电力系统中存在有多种谐波，对系统稳态的谐波进行分析，可以提取故障特征，通过对单相接地故障的稳态和暂态进行分析，提出了基于信息融合技术的单相接地故障选线方法，最大限度地克服了系统的干扰，提高了选线准确率。     

“S注入法”与电压互感器的特殊接线方式

基于"S注入法"的选线定位保护新原理的TY系列选线定位保护已大量运行于国内电力系统。"S注入法"需通过电压互感器向故障系统注入检测信号,而为了消谐等目的,电压互感器有多种特殊的接线方式。对这些特殊的接线方式进行了分析,论证说明了这些特殊接线方式既能够满足消谐的需要,又适合于"S注入法"选线定位。     

注入方波信号的经消弧线圈接地系统故障选线方法

提出一种注入方波信号的经消弧线圈接地系统故障选线方法。通过从故障相电压互感器向系统注入一特定频率的方波信号,探测各支路零序电流,并分析其基波与3次谐波电流幅值之间的关系来确定故障线路。详细分析了注入方波信号的单相接地故障选线原理并提出了选线判据。模拟实验结果证明该方法能准确、稳定、快速地实现故障选线,检测精度高且能有效...     

晶闸管控制电抗器故障态3次谐波分析

晶闸管控制电抗器（TCR）是静止无功补偿器（SVC）的重要组成部分,是SVC安全稳定运行的重要保证。文中根据实际TCR装置的安装及接线方式,详细给出了其运行时的各种故障态,包括引线间短路、接地短路及相控电抗器匝间短路。将直流系统的准稳态模型引入TCR装置建模,在此基础上将任意周期电流表达式推广到三相系统中,得到了TCR装置正常运行时线电流中无3次谐波,内部故障时线电流中存在3次谐波的正序及负序分量的结论。引入非特征3次谐波概念,并对TCR装置在各种故障态下存在的非特征3次谐波进行了定性及定量分析。PSCAD数字仿真结果证明了TCR装置的运行特性及故障态非特征3次谐波计算方法正确。     

基于5次谐波突变量的小电流接地系统选线

为了解决小电流接地系统选线难的问题,在对小电流接地系统单相接地故障的特点进行详细分析的基础上,提出通过综合比较各线路的故障相和非故障相的5次谐波电流突变量以及本线路和相邻线路故障相的5次谐波电流突变量两个判据进行故障选线。对故障后5 s和故障前1 s的数据之差进行傅里叶滤波得到5次谐波电流突变量。利用所提方法做了大量的仿真试验,结果表明,该选线方法不受暂态过程、故障点过渡电阻、线路长度等因素的影响,可以正确选线。     

基于改进型锁相环和混沌振子的配电网故障选线

当小电流系统发生故障时,各线路零序电流特征呈现出复杂的非线性和非平稳性,并且故障点的电流非常小,给故障选线带来一定的困难,对此给出一种改进锁相环和混沌振子相结合的检测方法,改进型锁相环不但可以准确的跟踪特定频率的信号,而且不需要进行 dq变换和 ab变换;混沌振子系统对于与本身内驱动力同频的信号具有较高的敏度,外加信号不同时,Duffing系统的相图轨迹不同。首先用改进型锁相环锁定零序电流中的五次谐波,将此信号作为混沌系统的待测信号,通过Duffing振子系统检测此信号,正常线路和故障线路的待测信号通过混沌系统表现出来的相图状态是不一致的,由此判断出故障线路。对不同故障条件进行模拟,验证了算法的可靠性。     

基于GA优化BP神经网络的小电流接地故障选线方法

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验，通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法，将零序电流信号的各种特征量进行提取，经过故障测度函数计算得到故障测度数据，将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试，讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异，输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明，综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法，且其选线速度与精度优于单一BP神经网络，能够更快速、有效地进行故障选线，满足配电网故障选线要求。     

一种基于EMD的谐振接地系统选线新方法

针对谐波接地系统故障线路零序导纳特征不突出这一问题,提出了一种基于EMD的谐振接地系统选线新方法。该方法对各条线路的零序导纳进行EMD分解,提取出特征分量,通过比较故障线路和非故障线路特征分量的符号进行选线。大量仿真表明,该方法不受接地电阻和初始故障角的影响,能准确地选出故障线路。     

基于神经网络数据融合方法的小电流接地选线装置的研制

配电网中的单相接地故障是经常发生的一类故障,本文通过设计研究并安装一款基于神经网络数据融合方法的小电流选线装置来排查此类故障。装置利用BP神经网络良好的非线性拟合能力,结合故障后各线路的小波能量、五次谐波和有功功率作为特征值进行融合选线。根据故障选线的准确性和快速性对系统的要求,提出了一种基于ARM(Advanced RISC Machines)技术的软硬件平台,装置采用32位嵌入式ARM微处理器S3C2440作为诊断机的核心,以C8051F060作为前端采集器的控制核心,充分利用ARM出色的实时中断响应和快速的运算速度,很好的实现了综合智能选线算法。现场运行结果表明,该装置运行稳定,选线快速可靠,适应性强,是小电流接地系统中一种实用的选线装置。