单击进入沈阳变压器回收专题 沈阳变压器回收专题

神经网络在变压器微机保护中的应用

http://www.huishouceo.com 2015年09月19日        

  摘 要:为了研究变压器的保护方法,建立了变压器的电气特征线性模型,该模型无需涉及变压器铁心的非线性关系和磁滞效应,并在此基础上提出一种基于人工神经网络的变压器状态模式识别的方法。由于已经考虑了变压器铁心的非线性关系和磁滞效应。因此,在识别变压器故障状态无需附加涌流识别。仿真结果表明了该方法具有可靠、快速识别特性。
  关键词:人工神经网络;模式;识别;变压器;微机保护

  电力变压器是电力系统中的重要设备,若发生故障将对供电可靠性和整个系统的稳定运行带来严重影响。因此,变压器对保护维护电力系统正常运行有着重要的意义。变压器差动保护作为变压器的主保护方案及其核心内容,也是该领域研究的难点,关键问题在于变压器励磁涌流与内部短路电流难于鉴别。传统的保护方案主要利用励磁涌流的一些波形特征:它存在非周期分量、间断角和二次谐波。因此,目前变压器的差动保护主要是利用励磁涌流的非周期分量的速饱和、间断角和二次谐波作制动等构成。
  变压器保护牵涉的因素比较多,技术较为复杂,为此国内外学者为寻求新的原理作了不懈的努力,其典型的方法有利用小波分析详细分析涌流特征[1],利用电压和电流的相似程度识别内部故障的微机保护原理[2],利用变压器各侧流入的有功功率总和识别内部故障的微机保护原理[3]以及人工智能[4]等。
  本文提出一种利用变压器两端电压、电流电气量构成一个变压器状态观测模型,由观测矩阵H(或获取的样本集),通过反映的输入输出特性寻求一个估计函数(Z),使得估计值尽可能接近真值X。变压器工作状态可定义为两种状态:(1)变压器正常状态,包括空载、额定运行、过负荷、励磁涌流、外部故障引起的过电流、过电压问题。(2)变压器故障状态,包括变压器绕组间相间短路、匝间短路、接地短路等故障。该模型可以利用实验或故障录波或仿真所得的变压器各种正常状态下的历史数据,利用神经网络构成变压器正常状况下的观测模型。由于该模型在变压器故障状态下电流互感器所测得的短路电流所通过的磁路或线圈匝数发生了变化,故等值参数已经发生变化,而正常状态下不会有很大变化。因此,使用正常状态下的等值参数进行故障状态参数估计,估计值和实际值将差距很大,而在正常状况下差距很小,由此可以识别出变压器是否处于正常状态。由于观测模型已经考虑了变压器的励磁特性,故无需附加涌流制动措施。

1 考虑励磁特性的变压器状态观测器模型

  考虑到变压器的Y0—△11接线方式比较复杂。因此,本文的模型建立在Y0—△11接线方式的两绕组变压器基础上(见图1),其他类型的变压器状态观测器模型可以类似推理得到。A,b,c表示△侧三相,A,B,C为Y侧三相,ip为绕组内环电流,iLa,iLb,iLc为△侧三相线电流。其中:la,lb,lc和lA,lB,lC分别为△侧和Y侧绕组的各自的漏电感;ra,rb,rc和rA,rB,rC分别为△侧和Y侧绕组的各自电阻;ΦAa,ΦBb,ΦCc分别为绕组Aa,Bb,Cc磁通。

ra=rb=rc=r;rA=rB=rC=R;消除环流和互感的影响有,并以一次侧电压作为预估量,则观测器模型可以写为:

其中,X为待辨识参数或称为观测器等值参数,Z为观测值,H为观测器观测矩阵,T表示矩阵的转置。由于观测器采取了差分代替微分、数据表达精度,以及电压、电流互感器本身带有一定的测量误差,另外现场也具有一定的随机噪声干扰等问题,这些误差因素我们在此处统称为测量误差,观测器的模型写为如下等式更为合理:
  Z=HX+U+V(10)
其中,V为测量误差函数。
式(7)在变压器正常状态下观测器参数不会发生变化,而在故障状态下由于电流互感器所测得的参数并非流过磁路的电流,其反映观测器的等值漏感参数也发生变化。因此,如果以正常状态下的观测器等值参数去预估故障状态下的观测值,观测值和真值间将具有较大误差,由此可以识别出变压器是否处于故障状态。

2 基于神经网络的变压器状态观测器模式识别

  式(10)中的测量误差函数具有很大的随机性。
因此,考虑利用人工神经网络的学习功能进行观测器数学模型逼近,或称为模式识别。
  考虑到变压器各变量间的一些非线性关系,故实际构造中本文采用了进行(ua-ub,ub-uc,uc-ua)T观测,以当前(ua-ub,ub-uc,uc-ua)T测量值为真值,构成3向量输入单相量输出的3层BP神经网络,T为矩阵转置,U作为神经网络输出阈值。为了加快神经网络的收敛速度,以及数据无须归一化处理需要,神经元输入输出函数实际采用了代价函数采用了

中Z为观测值预估或神经网络输出,为实际观测值。由于本文构造的神经网络与传统神经网络不同之处在于神经网络的每个输入节点每次输入均为相量,而非数值。因此,学习过程和传统神经网络学习稍有出入,即取输入向量的对应元素一一学习后利用代价函数进行反向误差传播学习。
  用于训练BP网络的数据来自于图2所示仿真系统,仿真数据主体来自于加拿大Mantitoba HVDC研究中心开发的PSCAD/EMTDC仿真软件,励磁涌流部分采用文献[5]所提供方法,形成数据文件采取了1 000 Hz的采样频率。电压电流互感器装设在变压器T2两侧。

  如图3所示为ANN构成的状态观测器构造。如果观测器比较值大于阈值,则计数器增一,小于阈值就减一,计数器满8次就可以判断变压器处于故障状态,计数器经过若干采样间隔后自动复位,重新66进入计数状态。

[上一个变压器回收]:沈变自主研发世界最大组合...
阅读技巧:键盘方向键 ←左 右→ 翻页
[下一个变压器回收]:山东泰开风力发电用组合式...
Copyright @ 沈阳废品回收    电子邮件:
沈阳荣汇物资回收有限公司   电话:13252826888