电气工程学报, 2015, 10(11): 33-38 doi: 10.11985/2015.11.005

理论研究

基于变压器模糊自适应纵联差动保护的仿真研究

宗超凡1, 曾昭炜2, 赵海丽1, 代奇迹1

1. 贵州大学电气工程学院 贵阳 550000

2. 国家电网湖南省电力公司怀化供电分公司 怀化 418000

A Fuzzy Adaptive Longitudinal Differential Protection of Transformer and Its Simulation Study

Zong Chaofan1, Zeng Zhaowei2, Zhao Haili1, Dai Qiji1

1. Guizhou University Guiyang 550000 China

2. Huaihua Electricity Supply Company Huaihua 418000 China

责任编辑: 杨晓花

收稿日期: 2015-07-15   网络出版日期: 2015-11-25

Editor: Yang Xiaohua

Received: 2015-07-15   Online: 2015-11-25

作者简介 About authors

宗超凡, 男 1991年生,硕士研究生,研究方向为电力系统运行与控制。

曾昭炜, 男 1988年生,硕士,研究方向为电力系统保护与控制。

摘要

为了提高变压器纵联差动保护动作的可靠性,本文设计了一种模糊自适应纵联差动保护。当发生区内故障时,模糊逻辑自动调节减小制动系数,增加了区内保护的灵敏性;当发生区外故障时,模糊逻辑自动调节增大制动系数,增加了保护的可靠性。通过Matlab仿真结果表明,模糊自适应纵联差动保护切实可行,并且比传统纵联差动更具优势。

关键词: 模糊自适应控制 ; 纵联差动保护 ; 控制因子 ; 变压器 ; Matlab仿真

Abstract

In order to improve the reliability of transformer longitudinal differential protection, a fuzzy adaptive longitudinal differential protection of transformer is proposed in the paper. When a fault occurs in the protection zone, the fuzzy logic can reduce the resistance coefficient automatically. It results to increase the sensitivity of protection. Besides, when a fault happens out of the protection zone, the fuzzy logic can adaptive increase the resistance coefficient. It enhances the reliability of protection. Finally, the Simulink simulation is done on Matlab. It is result that the proposed fuzzy adaptive longitudinal differential protection of transformer is better than the longitudinal differential protection of transformer.

Keywords: Fuzzy adaptive control ; longitudinal differential protection ; control factor ; transformer ; Matlab simulation

PDF (3328KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

宗超凡, 曾昭炜, 赵海丽, 代奇迹. 基于变压器模糊自适应纵联差动保护的仿真研究. 电气工程学报[J], 2015, 10(11): 33-38 doi:10.11985/2015.11.005

Zong Chaofan. A Fuzzy Adaptive Longitudinal Differential Protection of Transformer and Its Simulation Study. Journal of Electrical Engineering[J], 2015, 10(11): 33-38 doi:10.11985/2015.11.005

1 引言

纵联差动保护是变压器的主保护之一,具有简单可靠、灵敏度高和速动性好等优点。但在实际运行中,由于励磁涌流、电流互感器饱和以及系统运行方式等影响,差动保护远远不能满足变压器安全可靠运行的要求[1]。例如,当区外故障时,由于电流互感器可能发生饱和以及非周期分量因素的影响,差动电流可能达到设定值,而制动电流较小,导致差动保护误动;当区内故障时,如轻微匝间故障或者高阻抗接地故障时,其故障电流较小,导致差动保护拒动。

因此,本文提出了一种模糊自适应纵联差动保护判据。当发生区内故障时,模糊逻辑自动减小制动系数,提高区内故障时保护的灵敏性;当发生区外故障时,模糊逻辑自动增大制动系数,提高保护的可靠性。最后,通过Matlab对具体系统的仿真,结果表明模糊自适应纵联差动保护比传统纵联差动保护更具优势。

2 纵联差动保护原理

纵联差动保护作为变压器的主保护之一,双绕组变压器的纵联差动保护原理接线如图1所示,图示电流方向为规定正方向[2]

以双绕组为例进行说明,流入差动继电器的电流为两侧电流互感器二次电流相量和,即 。当IdIset时,纵联差动保护动作,其中Iset为动作电流,Id为差动电流有效值。当发生区外故障和正常运行时,两侧电流互感器流入差动继电器的方向相反,相互抵消,差动电流几乎为零,保护不动作;当发生区内故障时,流入差动继电器的两电流方向相互叠加,一旦大于动作电流,保护动作。

为了减小保护内不平衡电流的影响,引入具有制动作用的纵联差动保护。利用外部故障时的短路电流来实现制动,使继电器的动作电流随制动电流的增加而增加[3]。具有制动特性继电器的动作方程为Id>KrelIres,其中Krel为可靠系数。在数字化差动保护中,常采用两折线特性,但容易导致区外故障被切除时保护误动,其制动特性数学表达式为

式中,Isetmin为最小动作电流;Iresg为拐点电流,一般取(0.6~1.1)IN;K为制动斜率,且

3 励磁涌流的鉴别

空载投入变压器或者区外故障切除电压恢复后,可能出现数值很大的励磁涌流。励磁涌流中存在大量的高次谐波,主要以2次谐波为主[4]。可靠判断励磁涌流存在的判据可以以差动电流中2次谐波分量的含量为依据,即

式中,I2h为2次谐波分量;I1h为基波分量;K2h为2次谐波含量,K2h = 15%〜20%。为了防止产生励磁涌流时差动保护误动,若2次谐波含量超过K2h,差动保护将被闭锁。为了加快严重内部故障时差动保护的动作速度,需另外配合一组差动电流速断保护。

4 模糊自适应纵联差动保护

4.1 模糊自适应差动保护判据

为实现差动保护在区内故障时灵敏、可靠、快速动作,而在区外故障时安全不误动。本文提出了一种模糊自适应纵联差动保护[5],其保护判据为

式中,Id为动作电流;K1 + K2Q(R)为差动保护自适应制动系数;其中K1为基础制动系数,K2为偏移制动系数,Q(R)为根据模糊逻辑自动调节的控制因子,且Q(R)∈[-1.5,1.5]。

4.2 判据实现

系统故障算例设置如图2所示,三相双绕组变压器连接两侧无穷大系统,分别设置区外故障和区内故障。

图2

图2   故障算例设置

Fig.2   Protection examples setting


当发生区外故障时,则有

式中,K为比例系数, 。对于控制因子Q(R),当区外故障时增大制动系数,制动其动作;当区内故障时减小制动系数,提高其动作灵敏度,增加动作可靠性。

4.3 模糊算法

模糊算法是人工智能算法的一种,它能模拟人类思维进行逻辑判断实现控制[6]。本文引用模糊算法,根据R动态自适应地输出Q的值。设置输入、输出变量RQ的模糊隶属度函数如图3图4所示。

图3

图3   输入变量R 的隶属度函数

Fig.3   The membership function of input variable R


图4

图4   输出变量Q 的隶属度函数

Fig.4   The membership function of output variable Q


建立的模糊规则如下表所示。根据输入、输出变量RQ建立的隶属度函数以及模糊规则,可以形成如图5所示的模糊控制曲线。

表1   自适应控制因子模糊规则

Tab1  The fuzzy rules of adaptive control

RSML
QSML

新窗口打开| 下载CSV


图5

图5   模糊控制曲线

Fig.5   Fuzzy control curve


图5可知,根据R的数值变化,控制因子Q可以动态地非线性实行控制,当外部故障时,R值较大,控制因子Q为较大的正值,因此有较大的制动系数,导致动作电流增大,防止区外故障误动。同理,当发生区内故障时,R值较小,控制因子Q为较大负值,因此制动系数较小,导致动作电流减小,区内故障时增加了保护动作的灵敏性。

5 故障算例仿真及分析

5.1 Simulink模块搭建

为实现模糊自适应纵联差动控制,需在保护中引入模糊算法,再根据式(3)搭建整定动作电流模块,为防止励磁涌流保护动作需搭建励磁涌流闭锁并配合差动速断保护。为比较模糊自适应纵联差动保护和传统纵联差动保护,搭建如图6所示的系统故障仿真模块。图7所示为模糊自适应控制模块封装内部,图8所示为励磁涌流2次谐波制动配合差动速断保护。

图6

图6   模糊自适应纵联差动仿真

Fig.6   Fuzzy adaptive longitudinal differential simulation


图7

图7   模糊自适应控制模块

Fig.7   Fuzzy adaptive control module


图8

图8   励磁涌流2 次谐波制动

Fig.8   The second harmonic resistance


图9

图9   励磁涌流波形图

Fig.9   Excitation inrush current waveform figure


图10

图10   励磁涌流A 相FFT 分析

Fig.10   FFT analysis of A phase excitation inrush current


5.2 结果分析

按上述方法搭建仿真系统,分别设置变压器空载合闸、区外三相短路故障和区内三相短路故障的仿真。变压器在0.1s时空载合闸,产生励磁涌流图形如图9所示,开关没有动作,利用2次谐波制动闭锁保护,并对A相励磁涌流进行快速傅里叶分析(FFT),结果如图10所示。由图10可知,励磁涌流产生了大量高次谐波,其中2次谐波含量百分比最大。

图11

图11   区外故障情况

Fig.11   The current of outside fault


当0.1s发生区外三相短路故障时,故障情况如图11所示,制动电流如图12所示。在0.1s时,产生了很大的故障电流,但由于模糊逻辑判断是区外故障,于是增大了制动电流,如图12所示,保护安全可靠地执行区外故障不动作。

图12

图12   区外故障制动电流

Fig.12   The resistance current of outside fault


当0.1s发生区内三相短路故障时,故障情况如图13所示,制动电流如图14所示。在0.1s时产生了很大的故障电流,远远高于正常运行的电流值,而制动电流马上根据模糊逻辑判断发生了区内故障,于是制动电流极速下降,让保护更加灵敏动作。

图13

图13   区内故障情况

Fig.13   The current of inside fault


图14

图14   区内故障制动电流

Fig.14   The resistance current of inside fault


6 结束语

为提高纵联差动的性能,在传统纵联差动保护基础上提出了模糊自适应纵联差动保护,引入了控制因子,根据模糊逻辑使控制因子能自适应地调节,使得保护在区外故障时更加可靠地不误动,在区内故障时保护动作更具灵敏性,仿真结果表明本文所提模糊自适应纵联差动保护比传统纵联差动保护更具优势。

参考文献

余加霞, 张恒泰 , .

自适应变压器电流差动保护判据研究

[J]. 电力系统保护与控制, 2010,38(18):115-116.

DOI:10.7667/j.issn.1674-3415.2010.18.023      URL     [本文引用: 1]

Yu Jiaxia, Zhang Hengtai , et al.

The research of the adaptive transformer current differential protection criterion

[J]. Power System Protection and Control, 2010,38(18):115-116.

DOI:10.7667/j.issn.1674-3415.2010.18.023      URL     [本文引用: 1]

张远 .

电力变压器继电保护动作行为仿真分析系统

[D]. 长沙:湖南大学, 2012.

[本文引用: 1]

贺家李, 宋从矩 . 电力系统继电保护原理 [M]. 北京: 中国电力出版社, 2005.

[本文引用: 1]

张保会, 尹项根 . 电力系统继电保护 [M]. 北京: 中国电力出版社, 2005.

[本文引用: 1]

聂一雄, 尹项根 .

人工智能与模糊控制在电力系统继电保护应用的研究现状及前景

[J]. 电力系统及其自动化学报, 2000,12(2):37-48.

[本文引用: 1]

Nie Yixiong, Yin Xianggen .

Present situation and developing prospect of artificial intelligence and fuzzy control in power system protection relay

[J]. Proceedings of the EPSA, 2000,12(2):37-48.

[本文引用: 1]

宗超凡 .

基于双控制器切换的模糊PID励磁控制的仿真研究

[J]. 电气时代, 2015,1:74-76.

[本文引用: 1]

Zong Chaofan .

Simulation of synchronous generator excitation controller based on two controllers alternating (PID and fuzzy-PID controller)

[J]. Electrical Age, 2015,1:74-76.

[本文引用: 1]

/