一种确定振荡中心位置的方法

    公开(公告)号:CN104124673B

    公开(公告)日:2018-01-26

    申请号:CN201410366444.7

    申请日:2014-07-29

    IPC分类号: H02H7/26

    摘要: 本发明属于电力系统继电保护领域,具体涉及一种确定振荡中心位置的方法。为了提供一种简单可靠的、仅使用本地电气量且不受系统阻抗的方法,本发明采集得到的A、B、C三相电压和电流进行低通滤波、采样保持和A/D转换后,得到A、B、C三相电压和电流采样值;将采样结果记为uA(k),uB(k),uC(k),iA(k),iB(k),iC(k),电力系统发生振荡时,得到 λ = | U · M | cos θ | Z L · I · M | = | U · M | | Z L · I · M | cos θ | Z L · I · M | 2 = ( | U · M | , | Z L · I · M | ) | Z L · I · M | 2 , 若λ<0,则说明振荡中心在母线M外侧;若λ>1,则说明振荡中心在母线N外侧;若0<λ<1,则说明说明振荡中心在线路MN上,且λ的值可以反映振荡中心到母线M距离占线路总长度的比例。本方法在计算过程中只关心线路阻抗值得大小,与两侧系统的阻抗值无关,所以理论上不受线路两侧系统阻抗对计算振荡中心位置的影响。

    基于降噪-分类神经网络的变压器智能保护方法

    公开(公告)号:CN115331060A

    公开(公告)日:2022-11-11

    申请号:CN202211022036.0

    申请日:2022-08-24

    摘要: 本发明公开了一种基于降噪‑分类神经网络的变压器智能保护方法,其特点是,通过提出一种降噪‑分类神经网络,实现了降噪编码器和卷积神经网络的交互协同,降噪编码器引导卷积神经网络关注励磁支路电压‑差动电流曲线的非饱和部分,使得卷积神经网络具备了关注励磁支路电压‑差动电流曲线的非饱和部分,与通用型的卷积神经网络相比,经降噪‑分类神经网络训练得到的卷积神经网络提高了变压器智能保护方法的泛化能力,提高了变压器保护的可靠性,能够避免变压器保护误动或拒动。具有科学合理、适用性强、效果佳的优点。

    一种基于等效励磁阻抗特征的变压器保护方法

    公开(公告)号:CN111463751A

    公开(公告)日:2020-07-28

    申请号:CN202010346213.5

    申请日:2020-04-27

    IPC分类号: H02H7/045

    摘要: 本发明公开了一种基于等效励磁阻抗特征的变压器保护方法,变压器差动保护装置启动后,利用半周傅里叶算法计算变压器一、二侧端电压及差动电流工频量,并由此计算保护启动时刻的变压器等效励磁阻抗Z(1);接着计算保护启动后一段时间t内的变压器等效励磁阻抗与Z(1)的平均值,得到变压器等效励磁阻抗平均值序列Zav;若时间t内变压器等效励磁阻抗平均值始终小于整定值Zset则认为变压器存在内部故障,发出保护跳闸信号;否则认为变压器正常运行或外部故障,保护不动作。本发明能够正确区分内部故障和正常运行/外部故障,在产生励磁涌流时正确闭锁,同时对于存在剩磁及直流偏磁导致变压器饱和或CT饱和等复杂情况也具有良好的适应性。