基于自适应故障分量提取与参数辨识的变压器保护

来源 :重庆大学 | 被引量 : 0次 | 上传用户:gaoyueeryubing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对于大型变压器在励磁涌流和内部故障时难于区分的现状,该文提出了参数辨识理论用于变压器保护,无需识别励磁涌流,从原理上克服了传统的差动保护有时难于区分励磁涌流和内部故障的缺点.但考虑到变压器在稳态运行时,其辨识算法输入、输出信号过于单一,如果此时把电流和电压直接作为辨识算法的输入和输出信息,势必造成参数值的不可辨识性,基于参数辨识的变压器保护将无法实现.该文对变压器的可变辨识性进行了讨论,得出在变压器空栽合闸和运行中受扰,其参数具有可辨识性.仿真计算表明:变压器外部故障时、励磁涌流及正常运行时绕组参数不会变化;内部故障时,绕组参数将发生较大的变化,因此该方法能很好的区分出外部故障、励磁涌流和内部故障.
其他文献
在煤炭资源供应日益紧张、煤炭价格上涨的严峻形势下,加强挖掘燃煤火力发电机组的能耗特性,是实现机组节能运行的重要基础,也是实现电力系统节能工作的一个重要方向,更是保障我国经济可持续发展的一个关键问题。因此,做好火电机组节能工作的基础性研究具有重要意义。针对此课题,论文主要工作如下:首先,利用因子分析法降维的功能挖掘出影响机组能耗的重要指标。在火力发电机组的历史运行数据的基础上,选取一组尽可能反映机组
配电网单相接地故障选线一直是个尚未解决的难题,由于配电网结构复杂,现有各种单一选线方法的局限性,选线结果准确率低,因此探索新型快速准确的选线方法具有重大现实意义。论文分析了配电网单相接地故障时的电压电流信号的故障特征,探索了一种基于遗传算法优化神经网络的信息融合选线方法。首先针对利用故障暂态特征的小波模极大值选线方法在故障相电压过零点且接高过度电阻时容易发生误判或漏判的不足,利用学习矢量量化(LV