罗氏线圈电流互感器特性及其对保护的影响研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:waxq134
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
现代社会对电力供应的依赖,决定了电力系统在国民经济体系中无法撼动的地位,所以确保电力系统安全可靠运行是亘古不变的话题。同时,针对气候变化、资源消耗、能源安全以及可持续供给等重点问题,全球学者都在努力开发绿色能源并提高能源使用效率。在此发展背景下,为实现电网和用户之间多元友好的交流,建设一个坚强智能电网是大势所趋。目前,我国处于建设智能电网的第三阶段,该阶段对高压设备有大量需求,而电子式互感器是其中极为关键的一环,对它的研究重要且必要。然而在实际应用过程中,罗氏线圈式电流互感器由于其相关特性,导致过保护的误动作,所以为保证电网安全可靠地运行,还需对它进行改进。论文以此为出发点,对罗氏线圈电子式电流互感器的特性展开了全面的试验与研究。论文阐述了罗氏线圈传感头的传变原理,并根据使用工况的不同,对其进行了集中式参数与分布式参数的建模,推导了相应的传递函数,对比了模型选取所带来的相位误差,给出了研究基于集中参数模型的依据。然后,开展了对典型厂商生产的罗氏线圈的物理实测,得到了电网常用罗氏线圈的结构参数的频率特性,并将测量结果与基于集中参数模型计算出的理论值进行了误差分析,验证了推导出模型的正确性。论文再依据推导出的模型及物理实测数据,对罗氏线圈传感头、积分电路以及滤波电路进行了频域分析,提出了提高罗氏线圈电流互感器传变精度的改进措施,并通过PSCAD仿真验证了措施的有效性。论文从传感单元和采集单元的角度,分析了罗氏线圈电流互感器产生动态附加分量的原因,并结合差动保护算法原理,指出了动态附加分量致使保护误动作的原因,并利用实际厂商生产的产品进行了动态附加分量的激发试验,验证了动态附加分量的客观存在。最后,论文依据实际电网结构及参数,利用PSCAD搭建了仿真模型,分析了影响动态附加分量大小的因素及趋势,并从采样和滤波环节两个环节,提出了降低动态附加分量进而降低保护误动风险的改进措施,并通过工频分量的误差分析以及改进前后的输出结果,验证了措施的有效性。
其他文献
在传统燃油车使用过程中对环境污染和石油能源依赖的大背景下,发展新能源汽车是汽车行业必然走向。近年来电动汽车发展飞速,这对作为动力源的锂电池的能量密度以及安全性能也提出着更高的要求,不仅高安全、高比能的固态电池成为下一代电池发展的重要方向,同时对电池包在运行过程中进行有效热管理、准确温度预测以及对均衡性的监测也格外重要。因此,研究不同材料体系的电池底层参数、搭建适用精度更高的单体/模组的温度预测模型
齿轮箱被广泛应用于机械传动中,可起到加减速、控制离合、分配动力等作用。齿轮箱的工作状态关系到整个机械设备的性能,由于齿轮箱的工作环境恶劣,经常以高负载、高转速的工况不间断的运行,对其进行故障诊断具有非常重要的意义。现如今的故障诊断研究大都是从三个方面对振动信号进行处理:一是利用传统的时频分析法和提取齿轮故障相关特征分析齿轮运行状态;二是从振动信号中根据专家经验人工提取特征并筛选,从而进行模式识别;
金属氧化物避雷器(MOA)是抑制电网过电压、保护其他设备免受过高电压侵袭的电气设备。MOA阀片具有非常优异的非线性特性,因此无内部串联间隙,但在工频电压作用下,MOA阀片上流过持续的泄漏电流,该电流的阻性分量导致MOA发热和损耗,同时也是其阀片受潮和劣化的反映。故监测MOA阻性电流对反映其绝缘状态十分重要。测量MOA阻性电流需要对电网电压和MOA全泄漏电流进行同步测量。目前电压信号通常通过电压互感
变桨轴承是风力发电机组的核心部件,其工作环境恶劣、受载复杂,在长期的交变载荷以及冲击载荷的作用下,将会发生裂纹扩展,进而导致整个变桨轴承断裂失效。因此,综合应用断裂力学与有限元分析技术,研究变桨轴承的裂纹产生位置以及裂纹扩展特性,对于变桨轴承的安全性评估、寿命预测及寿命提高具有重要的参考价值。论文主要研究内容和结论如下:(1)建立叶根-变桨轴承-轮毂-螺栓的非线性接触有限元模型,通过Link10单
设备安全直接关系到经济建设平稳运行、人民生命财产安全和社会稳定,本文针对工业设备大型化、种类多、数量大、参数高的状况带来质量及安全管理的复杂性难题,对传感器采集的工业设备监测数据进行分析,建立工业设备异常和健康状态智能检测模型,检测数据异常,诊断设备的健康度和异常概率,以保障工业设备的稳定安全运行。本文以工业设备时序数据为研究对象,针对传统的工业设备异常检测方法存在通用性较弱、精确度和数据利用率较
开发可循环利用的绿色能源是延缓对化石燃料能源依赖甚至取代传统能源的主要途径,风能、太阳能、潮汐能与氢能等绿色能源进入了人们的视野。简便和高效的电解水技术可将大量的风弃电,光弃电转化为能量密度高的氢能。为了促进电解水制氢技术的工业化,设计和制备高效低成本的碱性HER(hydrogen evolution reaction)催化剂十分重要。碱性条件下的HER反应,因为需要对额外的水分子进行分解以获得活
在物联网(Io T)时代,无处不在的传感器网络节点在为日常生活和工业生产带来便利的同时,也面临着巨大的能源供应挑战。电池作为传统能源供应的主要选择,存在明显的缺陷,如寿命有限,需要频繁更换或充电,体积和重量大,硬度高,物相容性差,环境污染等。因此,环境能量收集技术可能成为替代电池的最有吸引力的解决方案。在环境中存在的各种能源类型中,机械能可能是最有希望建立自供能系统的能源之一。近年来,科学家们致力
信息技术大变革时代,造价咨询人才不仅面临着知识更新的加速更迭和复杂多变的工作挑战,同时需要满足社会需求对不同阶段造价咨询人才的差异化能力要求。因此,培养适合各阶段造价工作的咨询人才成为当下最为迫切的愿景。知识是能力的本质,合理的知识路径是提高能力的潜在力量。挖掘造价人才的知识重要度,构建知识矩阵,制定针对性的学习路径,将最大化的帮助造价咨询人才塑造核心竞争力。本文从造价人才职业生涯阶段聚类的角度出
随着网络上的信息越来越多和现代社会生活节奏的加快,信息过载的问题也愈加明显,获取信息的效率也显得越来越重要。如何从浩如烟海的信息中发掘出用户的偏好和行为模式,准确的做出推荐就成了当下推荐系统亟需解决的问题。从以You Tube为首的视频平台到阿里巴巴为首的各类电商平台,根据用户的历史行为预测用户感兴趣的视频或商品,各种各样的推荐系统提高了用户的浏览体验。协同过滤是一种经典的推荐算法,它基于购买同样
获取高质量、判别能力强的特征是分类任务的关键问题之一,对模型的训练及分类性能至关重要。传统的特征学习主要包括特征选择和特征提取,都属于浅层学习。相较于传统算法,深度神经网络具有更好的非线性拟合能力以及特征提取能力。其中,堆栈自动编码器(Stacked Autoencoder,SAE)作为典型的深度学习算法之一,不仅具有特征自学习能力,能够通过多层非线性变换挖掘数据中的关键信息,还具有搭建过程简单,