基于CNN图像识别算法的保护装置智能巡视技术

继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,日常巡视工作量已经趋于饱和,无法保证每次都实现高质量、无死角的巡视,给保护装置的可靠运行带来了隐患。文中提出基于卷积神经网络(CNN)图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍保护装置智能巡视系统,并对可实现的智能巡视项目进行分析,引出可利用CNN对其进行图像识别;然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出巡视项目的CNN层级;再利用训练样本集对不同巡视项目的CNN进行训练;最后,对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。

快速隔离母联死区故障的母线保护

针对双母线接线的母差保护,在母联死区发生故障时,因无法自动识别母线运行状态,导致故障跳闸缺乏选择性且实际故障母线切除时间长的问题,提出一种快速隔离母联死区故障的母线保护原理。新原理将母联断路器两侧CT同时接入母线保护,通过增加母联间隔比率差动,调整小差差流计算方法,使得故障时母线保护装置可自动识别母联断路器分合状态,并准确辨识故障位置,从而提高母联死区保护故障时故障切除的快速性和选择性。仿真结果表明:该方法实现了故障切除的快速性或最小范围隔离故障,提高了母线设备运行状态的自动化以及母线保护装置的智能化水平。

变压器保护子机的信息环网异常解决方案

就地化分布式变压器保护采用子机模式,通过环网传输交流采样、开入量及参数等信息,环网的信息异常将直接影响保护装置的可靠运行。为了解决各种环网异常情况下变压器保护装置不正确动作的问题,以220 kV变压器保护子机配置模式为例,分析了环网可能存在的各类异常情况。并有针对性地提出处理原则及解决方案,基于该方案搭建测试环境,验证了方案的合理性和可行性。该环网异常方案可有效提高就地化分布式变压器保护装置运行的稳定性和可靠性。

基于采样值差动原理的变压器差动速断保护抗饱和优化措施

差动速断保护作为比率差动保护的补充,在变压器发生严重区内故障时可以快速切除故障,但CT(电流互感器)饱和可能引起差动速断保护误动。为此,结合一起由于CT饱和导致的差动速断保护误动案例,对保护动作原因、CT饱和原因及电流波形特征进行分析,提出了一种基于采样值差动原理的差动速断保护抗饱和优化措施。仿真测试和波形回放等试验结果表明,优化后的差动速断保护抗饱和性能明显提高,并且速断的动作特性在金属性故障、转换性故障、永久性故障等情况下均不受影响。