某变电站10kV系统实测雷电侵入波过电压幅值与波形特征统计分析

雷电过电压是威胁系统安全运行的风险源之一,但目前变电站内雷电侵入波过电压的统计规律尚不明确,难以为绝缘介质的放电特性研究提供广泛数据支撑,造成绝缘配合存在过设计或欠设计问题。该文以某变电站10 kV系统实测雷电侵入波过电压数据为基础,研究其幅值和波形参数统计分布规律。研究发现,站内设备上承受的雷电侵入波过电压波形与IEC标准规定的1.2/50μs双指数波存在显著差别。针对站内雷电侵入波的波形特征,提出过电压幅值、波前时间、振荡主频以及衰减常数的统计特征量,并采用Kolmogorov-Smirnov(KS)检验方法辨识得到其概率密度分布。统计表明:该变电站10 kV系统雷电侵入波过电压的幅值分布在[12,42] kV,概率密度服从Burr分布;波前时间分布在[8.3,167.0]μs,其累积概率密度服从Bi DoseResp分布;振荡主频分布在[2.08,22.22] kHz,99.28%的振荡频率小于15 kHz,均值为5.84 kHz,振荡主频的概率密度服从Generalized Pareto分布;波形的衰减常数分布在[0.01, 0.90]范围内,均值为0.39,其概率密度服从Beta分布。该文研究结果可为绝缘特性、绝缘配合和泛在电力物联网数据层建设提供基础数据支撑。

基于稀疏自编码的过电压特征提取与分类方法

随着智能电网的发展,识别和处理各种类型的过电压和故障具有越来越重要的意义。文中提出了一种基于稀疏自编码的过电压智能分类识别框架,依靠多层自编码器,实现了电力系统中实测铁磁谐振过电压波形的特征自提取,然后利用Softmax分类器完成精确分类,调节模型参数实现最优分类结果。该框架可应用到实际应用中,为建立过电压智能分类识别系统提供了一个全新的思路与方法。