技术新讯 > 测量装置的制造及其应用技术 > 一种故障电流相量估计方法、装置、存储介质及计算设备与流程  >  正文

一种故障电流相量估计方法、装置、存储介质及计算设备与流程

  • 国知局
  • 2024-10-21 15:08:02

本发明属于电力系统故障检测,具体地说,是一种故障电流相量估计方法、装置、存储介质及计算设备。

背景技术:

1、为了有效地保护电力系统的设施,需要快速准确地检测出输电线路的故障。相量估计是指对采样电流信号的基频向量进行估计,从而用于故障检测。目前的保护装置相量估计的速度相对较慢(需要1到1.5个周期),而且存在由于谐波、测量噪声以及故障时产生的衰减直流分量(ddc)导致估计误差较大的问题。由于上述问题的存在,提出了各种相量估计方法,如全周期离散傅里叶变换(fcdft)方法和最小二乘法(ls)等,以提高相量估计的准确性和速度。

2、ls技术可以通过使用小于一个周期的数据窗口快速有效地进行相量估计,因此其相量估计速度优于fcdft方法。在传统ls方法中,将ddc近似为通过泰勒级数展开的前几项。然而,泰勒级数展开的ddc近似会导致ls方法中的相量估计误差较大,所以其相量估计精度不可避免地低于fcdft方法。为了避免ls方法中的估计误差,可通过prony分析(一种用一组指数项的线性组合来拟和等间距采样数据的方法)无近似地识别ddc。这种识别需要矩阵求逆计算,这可能会对数值继电器中的实时处理造成过载。因此,如何在不降低精度的情况下加速相量估计,是检测电力系统故障的重点和难点。

技术实现思路

1、本发明的目的是提供一种故障电流相量估计方法、装置、存储介质及计算设备,通过傅里叶分析对衰减直流分量进行逼近,在不降低精度的前提下提高了相量估计速度,应用于电力系统中的故障检测和诊断,可有效提高故障检测和诊断的准确性和速度。

2、为达到上述目的,本发明是采用下述技术方案实现的。

3、一方面,本发明提供一种故障电流相量估计方法,包括:

4、基于傅里叶分析识别故障时产生的衰减直流分量;

5、忽略所述衰减直流分量中的直流项和高阶谐波项,得到故障电流的谐波相量估计,并基于所述故障电流的谐波相量估计计算故障电流相量估计;

6、将衰减直流分量中的直流项和高阶谐波项叠加到计算得到的所述故障电流相量估计中,得到考虑衰减直流分量的故障电流相量估计;

7、分析由测量噪声引起的相量估计误差,与所述考虑衰减直流分量的故障电流相量估计相叠加,得到考虑衰减直流分量和测量噪声的故障电流相量估计。

8、可选的,所述基于傅里叶分析识别故障时产生的衰减直流分量,包括:

9、在不考虑测量噪声的情况下,故障电流信号表示为:

10、;;;

11、其中,为故障电流信号,为衰减直流分量,和分别为衰减直流分量信号形式和信号序列数,和分别为衰减直流分量的幅度和时间常数,和分别为每周期的采样间隔和采样个数,为第次谐波分量,和分别为第次谐波分量的幅值和相位角,为最高次谐波分量的阶数;

12、获取故障电流序列:;其中,是指序列的第一行的故障电流分量,为数据窗长度;

13、使用傅里叶分析将中的衰减直流分量近似为直流项、基频项和谐波项的和;

14、采用最小二乘法分别从三个子序列中计算基频上的三个时间连续的离散傅里叶变换系数,得到基于傅里叶分析的衰减直流分量。

15、可选的,所述采用最小二乘法分别从三个子序列中计算基频上的三个时间连续的离散傅里叶变换系数,得到基于傅里叶分析的衰减直流分量,包括:

16、衰减直流分量在的子序列表示为:

17、,;

18、其中,表示序列中的第项;

19、在直流和次谐波频率处的离散傅里叶变系数计算为:

20、,;

21、通过对进行离散傅里叶变逆运算,得到子序列中衰减直流分量的表示为:

22、;

23、,

24、其中表示复数的实部,表示复数的虚部,是的第次谐波项。

25、可选的,所述忽略所述衰减直流分量中的直流项和高阶谐波项,得到故障电流的谐波相量估计,并基于所述故障电流的谐波相量估计计算故障电流相量估计,包括:

26、基于识别的衰减直流分量,将子序列采用谐波分量表示为:

27、,

28、,

29、其中,,,是的第次谐波分量的总和;

30、基于此,得到的谐波相量表示为:

31、;

32、其中表示第次估计的基本谐波相量;

33、忽略直流项和高阶谐波项,,则子序列的谐波相量表示为:

34、;

35、;

36、;

37、;

38、其中,为子序列谐波相量估计,为子序列谐波相量,是的逆矩阵,;

39、实际中,仅采用进行谐波相量估计:

40、;

41、其中和分别是的第一行和第二行中的第个元素;

42、基于估算出、和,带入下述和,最终得到故障电流相量估计:

43、;

44、;

45、。

46、可选的,所述将衰减直流分量中的直流项和高阶谐波项叠加到计算得到的所述故障电流相量估计中,得到考虑衰减直流分量的故障电流相量估计,包括:

47、考虑和,则将采用替代:

48、;

49、;

50、基于估算出、和,得到估计值,最终得到故障电流相量估计:

51、;

52、;

53、。

54、可选的,所述分析由测量噪声引起的相量估计误差,与所述考虑衰减直流分量的故障电流相量估计相叠加,得到考虑衰减直流分量和测量噪声的故障电流相量估计,包括:

55、考虑高斯白测量噪声,则故障电流信号表达为:

56、;

57、其中,为测量噪声;

58、将所述替换为,重新估算,得到考虑衰减直流分量和测量噪声的故障电流相量估计,

59、;

60、,

61、其中,表示不考虑测量噪声的故障电流序列的随机变量,和为带测量噪声的故障电流序列的随机变量。

62、第二方面,本发明提供一种故障电流相量估计装置,用于实现上述的故障电流相量估计方法,所述装置包括:

63、识别模块,用于基于傅里叶分析识别故障时产生的衰减直流分量;

64、第一估算模块,用于忽略所述衰减直流分量中的直流项和高阶谐波项,得到故障电流的谐波相量估计,并基于所述故障电流的谐波相量估计计算故障电流相量估计;

65、第二估算模块,用于将衰减直流分量中的直流项和高阶谐波项叠加到计算得到的所述故障电流相量估计中,得到考虑衰减直流分量的故障电流相量估计;

66、第三估算模块,用于分析由测量噪声引起的相量估计误差,与所述考虑衰减直流分量的故障电流相量估计相叠加,得到考虑衰减直流分量和测量噪声的故障电流相量估计。

67、可选的,所述识别模块具体用于,

68、在不考虑测量噪声的情况下,故障电流信号表示为:

69、;;;

70、其中,为故障电流信号,为衰减直流分量,和分别为衰减直流分量信号形式和信号序列数,和分别为衰减直流分量的幅度和时间常数,和分别为每周期的采样间隔和采样个数,为第次谐波分量,和分别为第次谐波分量的幅值和相位角,为最高次谐波分量的阶数;

71、获取故障电流序列:;其中,是指序列的第一行的故障电流分量,为数据窗长度;

72、使用傅里叶分析将中的衰减直流分量近似为直流项、基频项和谐波项的和;

73、采用最小二乘法分别从三个子序列中计算基频上的三个时间连续的离散傅里叶变换系数,得到基于傅里叶分析的衰减直流分量,具体如下:

74、衰减直流分量在的子序列表示为:

75、,;

76、其中,表示序列中的第项;

77、在直流和次谐波频率处的离散傅里叶变系数计算为:

78、,;

79、通过对进行离散傅里叶变逆运算,得到子序列中衰减直流分量的表示为:

80、;

81、,

82、其中表示复数的实部,表示复数的虚部,是的第次谐波项。

83、可选的,所述第一估算模块具体用于,

84、基于识别的衰减直流分量,将子序列采用谐波分量表示为:

85、,

86、,

87、其中,,,是的第次谐波分量的总和;

88、基于此,得到的谐波相量表示为:

89、;

90、其中表示第次估计的基本谐波相量;

91、忽略直流项和高阶谐波项,,则子序列的谐波相量表示为:

92、;

93、;

94、;

95、;

96、其中,为子序列谐波相量估计,为子序列谐波相量,是的逆矩阵,;

97、实际中,仅采用进行谐波相量估计:

98、;

99、其中和分别是的第一行和第二行中的第个元素;

100、基于估算出、和,带入下述和,最终得到故障电流相量估计:

101、;

102、;

103、。

104、可选的,所述第二估算模块具体用于,

105、考虑和,则将采用替代:

106、;

107、;

108、基于估算出、和,得到估计值,最终得到故障电流相量估计:

109、;

110、;

111、。

112、第三方面,本发明提供一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述的方法中的任一方法。

113、第四方面,本发明提供一种计算设备,包括,一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据前述的方法中的任一方法的指令。

114、与现有技术相比,本发明所达到的有益效果:

115、本发明通过傅里叶分析对衰减直流分量进行逼近,在不降低精度的前提下提高了相量估计速度,应用于电力系统中的故障检测和诊断,可有效提高故障检测和诊断的准确性和速度。

本文地址:https://www.jishuxx.com/zhuanli/20241021/320648.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。