基于故障电流预测的柔性直流电网自适应限流策略

故障限流是保证柔性直流电网安全运行的关键技术。然而,现有基于故障限流器(FCL)的限流策略未考虑与故障严重程度的匹配,增加了FCL在轻微故障下非必要启动的次数及保护拒动的风险。针对上述问题,提出一种基于人工神经网络(ANN)预测故障电流的柔性直流电网自适应限流策略。该策略能在线评估故障严重程度并据此灵活选择加速投入、正常投入或不投入FCL,提升了FCL的限流效率。首先,分析了自适应限流及故障在线预测的必要性,并阐述了基于ANN预测故障电流的流程。在此基础上,结合差模电流积分比和故障电流瞬时值形成故障严重程度分级指标,并基于故障电流及其预测值在线评估故障严重程度。针对极严重故障、严重故障、轻微故障及区外故障分别采取相应时序的限流策略,进而形成匹配故障严重程度的柔性直流电网自适应限流策略,在避免FCL非必要启动的同时降低直流断路器开断容量需求。最后,在PSCAD/EMTDC环境中搭建了四端柔性直流电网仿真模型,以直流断路器开断电流为评估指标,对比验证了所提自适应限流策略在各故障工况下的灵敏性和有效性。