±800kV特高压直流线路故障选极的极波面积比值法

直流系统一般是双极并列运行,一极线路发生故障时可能会在健全极线路上产生较大的电压变化率和电流变化率,启动判据可能会启动,需正确选择故障极。为此,分析了直流线路的故障特征,分析发现,当直流线路发生故障时,故障极的极波波形远离于零轴,非故障极的极波波形在零轴附近变化,因此故障极的极波波形沿零轴的积分绝对值将远大于非故障极的极波波形沿零轴的积分绝对值。根据这一特征,提出了一种利用正、负极线极波波形面积比值的特高压直流输电线路故障选极方法。大量数字仿真试验结果表明,该方法抗干扰能力强、对高阻故障具有较强的鲁棒性。

基于单回线路信息的同塔双回高压直流线路故障选线方法

同塔双回高压直流线路间存在复杂的故障电磁耦合关系,大大增加了各回高压直流线路故障选线的难度。为此,基于同塔双回高压直流线路故障行波的相模变换,分析了基于现有单回线路模量行波计算方法所得到的同塔双回高压直流线路故障回和非故障回的模量行波特点;利用故障回和非故障回地模波和线模波的积分比值以及地模波的极性的差异,提出了1种基于单回线路信息的同塔双回高压直流线路故障选线方法。基于PSCAD/EMTDC的溪洛渡—广东±500 k V同塔双回高压直流输电系统的仿真结果表明,该方法能在行波到达后1 ms时间内快速、可靠地识别出故障极线,且所需采样频率为与实际工程相符的10 k Hz,具有工程实用性。

基于集成神经网络的特高压直流输电线路初始电压行波小波变换模极大值比单端测距方法

针对现有故障测距方法存在对高阻故障不灵敏、二次行波波头难以捕捉的问题,提出一种基于集成神经网络的特高压直流输电线路初始电压行波小波变换模极大值比的单端测距方法。首先,推导出故障距离与初始电压行波的线模量和地模量的小波变换模极大值比之间的近似公式,公式表明两者之间具有非线性关系,且此关系与过渡电阻无关。然后,利用AdaBoost-Elman集成神经网络拟合两者之间的非线性关系,提取不同小波尺度下初始电压行波各模量分量的小波变换模极大值比作为集成神经网络输入量,将故障距离作为输出量,构建集成神经网络故障测距模型。将各小波尺度下的初始电压行波各模量分量的小波变换模极大值比输入训练完成的集成神经网络模型即可达到故障测距的目的。仿真结果表明,所提方法测距精度高,且不受过渡电阻影响。