電網(wǎng)高級智能故障診斷系統(tǒng)中關(guān)鍵技術(shù)的研究.pdf

1、電網(wǎng)的安全運行越來越依賴于對各種信息的有效分析和處理。電力系統(tǒng)發(fā)生故障，尤其是大面積復雜故障后，僅依靠來自SCADA系統(tǒng)和微機保護間隔單元的保護、開關(guān)接點的變位數(shù)字量信息，調(diào)度員難以做出準確判斷。而來自繼電保護和故障錄波器的信息越來越成為事故分析和系統(tǒng)恢復的重要依據(jù)。對這些信息進行分析，可以得出系統(tǒng)異常時的故障類型、故障位置、故障相別、故障前后的相量、保護及開關(guān)動作事件、事件時序(SOE)等；對來自多個廠站的保護和錄波信息進行綜合分析，

2、可使調(diào)度中心迅速掌握電網(wǎng)真實故障情況，以及繼電保護、開關(guān)和重合閘的動作行為，這對調(diào)度員迅速做出正確判斷并恢復系統(tǒng)供電創(chuàng)造了條件，同時有助于繼電保護人員和調(diào)度員利用故障數(shù)據(jù)進行事后分析。 本文充分利用高壓/超高壓電網(wǎng)中故障錄波器記錄的原始海量故障錄波數(shù)據(jù)，及錄波數(shù)據(jù)中的暫態(tài)信號，借助新的數(shù)學方法如小波、神經(jīng)元網(wǎng)絡、時態(tài)邏輯技術(shù)等，對傳統(tǒng)電網(wǎng)故障診斷中的系列算法進行了改進和創(chuàng)新，取得了以下主要成果： ◆提出了基于信號奇異性檢

3、測原理的故障錄波數(shù)據(jù)自適應小波去噪壓縮新算法，詳細分析各尺度上小波系數(shù)奇異點的匹配搜索過程和最大尺度層數(shù)自適應閾值選取方法；通過故障錄波信號頻率與采樣率的關(guān)系，來確定最大小波分解層數(shù)n，然后在該分解層數(shù)上進行噪聲白化檢驗，并對某一個信號奇異點進行奇異性指數(shù)計算，以確定出小波最優(yōu)分解層數(shù)；論文還系統(tǒng)闡述了基于小波模極大值的信號重構(gòu)算法。通過大量真實故障錄波數(shù)據(jù)編程仿真，驗證了算法的高效性。 ◆在子站端，提出了基于二進小波和信號奇異

4、性檢測原理的數(shù)據(jù)預處理和故障初步診斷新方案，通過二進小波準確提取電網(wǎng)故障發(fā)生時刻，以解決錄波器啟動記錄時標存在的誤差問題，故障時刻提取誤差率不超過0.6ms。同時，提出了一種基于小波理論的故障選線和選相新思想，為全網(wǎng)實時或準實時故障診斷創(chuàng)造了條件。 ◆在主站端，提出了基于小波神經(jīng)網(wǎng)絡和故障電流量的故障類型識別新算法，利用bior3.1提升小波和RBPNN網(wǎng)絡構(gòu)造了新的小波神經(jīng)網(wǎng)絡故障類型識別模型，應用bior3.1提升小波對故障

5、前一個周波和故障后兩個周波的電流量進行分解，將分解到的(0～375)Hz頻率段的小波系數(shù)輸入到神經(jīng)網(wǎng)絡。通過ATP仿真測試，選線準確率達100％，證明了該模型的高效性。 ◆提出一種新的系統(tǒng)振蕩與故障信號識別方法：利用雙正交小波包和連續(xù)復小波，分別提取故障信號小波系數(shù)局部模極大值、不同頻段小波系數(shù)變化率、電流小波系數(shù)幅值變化趨勢以及電流與電壓小波系數(shù)相角差作為新判據(jù)，根據(jù)各判據(jù)的特點與適用性，運用模糊集合理論，分別給予各判據(jù)不同的

6、隸屬度，最后給出振蕩與故障識別綜合判據(jù)，大量仿真驗證了該算法的有效性。 ◆提出了基于時態(tài)邏輯技術(shù)的全網(wǎng)故障診斷新思想，其核心是利用全網(wǎng)故障線路及與故障線路相關(guān)的模擬量信息準確提取和校核開關(guān)量信息。利用線性時態(tài)邏輯技術(shù)，建立了故障診斷演繹模型，根據(jù)全網(wǎng)保護配置信息和配合關(guān)系，利用模擬量信息分層和保護分級診斷思想，診斷出保護、開關(guān)和重合閘動作行為，形成故障簡報，供調(diào)度員參考決策。通過仿真測試，故障準確識別率較高，基本解決了傳統(tǒng)基于數(shù)