注入探测信号的直流配电网接地故障识别方法

为准确可靠识别直流配电网接地故障,解决现有基于故障暂态信息识别方法可靠性和灵敏度不足的问题,提出基于探测信号注入的接地故障识别方案。提出一种利用模块化多电平换流器(modular multilevel converter,MMC)注入正弦探测信号的附加控制策略;并进一步结合MMC响应速度、电网安全运行准则和测量设备精度等约束确定了探测信号参数的选择依据;在此基础上,分析了故障网络对探测信号的响应特征,得出从馈线首端看入的线路零模阻抗在故障下显感性,而非故障下显容性的结论;据此设计了接地故障识别方法,方法兼具永久性故障判别能力。仿真结果表明:所提接地故障识别方法能在500Ω过渡电阻下可靠识别发生在母线或各条馈线任意位置的单极接地故障,整体性能优于现有的接地故障识别原理。

基于数学形态谱和人工神经网络的高压输电线接地故障类型识别方法

高压输电线接地故障的正确、快速识别是处理故障的前提之一。该文提出了一种基于数学形态谱和人工神经网络识别高压输电线路接地故障类型的新方法。数学形态学颗粒分析是一种用来处理图像的粒度和形状特征的图像处理工具。该方法通过对故障电流进行相模变换后,用数学形态学颗粒分析方法提取序电流分量的形态谱,并作为神经网络的输入,实现对接地故障类型的识别。仿真表明,该方法具有较高是识别率。

基于接地故障特征增强识别的直流漏电流传感保护功能设计

针对现有直流漏电流传感保护的故障识别率较低,供电可靠性较差的问题,设计一种基于接地故障特征增强识别的直流漏电流传感保护器。微控制芯片型号为ATAVR 12单片机,电源模块能够在直流20~150 V范围内稳定运行,振荡电路包括电压比较器、反馈形式等,中央处理器型号为STM23F704ZGT5,由电流传感器、电压传感器等构成传感器模块。通过卷积神经网络进行直流漏电流接地故障特征增强识别,结合漏电检测模块,应用中断服务程序实现外部触发中断。仿真测试结果表明,该功能的故障识别率与供电可靠性均较优。

基于频域反射系数谱的电缆故障定位与故障类型识别方法研究

频域反射法(FDR)是目前对电缆接地故障诊断较为有效的方法之一。针对输入阻抗谱法识别电缆接地故障在下限频率较高时容易出现误判的问题,本文提出了一种新的基于反射系数谱法的电缆故障定位与故障类型识别方法。首先对接地故障的定位与识别原理进行了分析,基于此对FDR测试频率下限引起的相位误差进行了修正。将布莱克曼自卷积窗的快速傅里叶变换插值算法用于反射系数谱法,同时引入恢复系数对窗函数造成的幅值误差进行修正。建立了不同类型电缆故障仿真模型验证算法的可行性,同时在实验室的40 m同轴电缆与500 m交联聚乙烯电力电缆上对提出算法的准确性进行检验。结果表明:本文所提方法可以准确定位电缆故障,定位误差为0.14%,并有效识别过渡电阻在0~40Z_(0)及开路故障。相较于输入阻抗谱识别法,本研究所提出的反射系数谱识别法更具有普适性,对电缆接地故障定位识别有重要参考意义。

配电网单相接地故障的识别与智能补偿控制

针对目前运行的自动消弧线圈不能识别接地故障,导致拒动、误动、残流过大等问题,对中性点电压在瞬时性接地、低阻接地、高阻接地等情况下的取值范围进行了推导计算,对能够识别的高阻接地的取值勤范围亦进行了推导计算,并通过仿真验证了推导的正确性。据此对自动消弧线圈进行了改造。