基于参数辨识的故障测距算法..docVIP

基于参数辨识的单端量故障测距算法的研究 高压输电线路在电力系统中担负着传送电能的重任，同时也是系统中发生故障最频繁的地方，并且很难查出故障点。因此，随着输电线路容量和电压等级的提高，高压输电线路的准确故障测距显得尤为重要，一方面，在线路故障后准确地定位故障点，不仅能及时地修复线路，使线路及时恢复供电，而且大大减轻了人工巡线的负担，减少经济损失。另一方面，如果能够在线完成故障测距并且精度足够高，那么它可以作为新一代超高速距离保护的原理，对于电力系统的安全稳定运行起着重要的作用。 为提高测距精度应当考虑以下因素的影响： （1）装置本身的误差 在正常工作状态和故障时，保护装置的测量数据范围变化很大，因此，在硬件电路设计和软件设计方面要求比较高。 （2）故障点的过渡电阻，在单端电气量实现测距方面表现明显 （3）线路两侧的系统阻抗 因为电力系统的实际运行方式在不断变化，给定的系统综合阻抗很难与故障时的实际情况一样。 （4）线路分布电容 在测距算法中通常不考虑分布电容而用集中参数的线路模型，对于短距离线路，可以满足要求，但长线路会产生很大误差。 根据输电线故障测距装置按工作原理可以分为3种： 1．阻抗法 线路发生故障时，从保护装置中读出测量的电压、电流值，计算出故障回路的阻抗，由于线路长度与阻抗成正比，既而得到装置到故障点处的距离。此方法简单可靠，但在现场运行时，受到过渡电阻、线路不完全对称、变换器误差等因素的影响，其测量误差很大，还不能满足电力部门的要求。 2．行波法 利用故障点产生的行波，根据测量点到故障点来回时间和行波波速来求故障点距离。此方法测距精度比较高，但对测距装置要求也高，技术上实现比较困难。 3．故障分析法 根据故障时记录的电压、电流，通过分析计算，求出装置到故障点的距离。随着电力系统自动化的发展和微处理机故障录波器的开发应用，利用故障分析法可以自动完成测距的全部过程。故障分析法可以分为单端量测距算法和双端量测距算法，双端测距受过渡电阻和负荷扰动影响较小，理论上测距精度能达到要求，但需要硬件电路复杂、投资大，并受不同步采样等因素影响大。单端量算法不需额外设备，不受系统通信技术的限制，但受过渡电阻的影响，一直受到人们的关注。常见的单端量测距算法有(1)工频阻抗法，（2）解微分方程法，(3)零序电流（相位）修正法，（4）故障电流（相位）修正法，（5）解二次方程法，（6）对称分量法，（7）解一次方程法，（8）网孔方程法。其中，（1）（2）以故障点电流与测量端电流同相位为条件，（3）~（7）在已知对侧系统参数的情况下才能实现准确测距，（8）认为对侧系统阻抗为零。以上故障测距算法因对侧系统的模糊实时参数只能近似地估计或采用一些特殊值，故不可避免地产生原理性的错误。 针对目前传统单端量算法故障测距存在的问题，采用模型参数识别的方法提高故障测距精度，使其满足电力部门的要求。首先建立故障时的系统模型，然后在解微分方程算法的基础上，采用模量分析法，构造出与故障类型对应的故障分量网络及微分方程，并与原有的故障状态网络的微分方程联立，从而确定基于瞬时采样值的时域测距方程，将故障距离、过渡电阻及对侧系统实时运行参数做为待求参数，最后利用最小二乘法，并根据装置采集的电压、电流信号求解未知参数，此方法解决了单端量测距的原理性错误，具有很高的精度。 R-L模型参数识别算法的基本原理 参数辨识的主要目标就是参数模型的辨识，其辨识方法可归结为：最小二乘法、极大似然法、随机逼近法、预报误差法等。极大似然法在线辨识计算量大，离线辨识效果比较好，若先验假定的概率分布是正确的，将收敛于真值；随机逼近法，每次迭代需要的计算量最少，并且算法给出的是无偏估计，但收敛速度慢；预报误差法，有较好的收敛性，但它不要求关于数据概率分布的先验知识；最小二乘法，参数估计值可很快收敛到真值，所需计算量相对较小，对实际噪声估计有偏，由于微机保护装置要求速度快，因此，选用最小二乘法作为参数估计方法。 本文以单相系统为例说明该算法的基本原理，R-L模型双端电源系统的故障状态网络等效电路如图1所示： 图1：单相故障状态网络等效电路 图中，，分别为系统故障时m和侧的瞬时电压，，分别为故障时和侧的瞬时电流，为故障点电流瞬时值，和分别为线路单位长度电阻与电感， ，为侧的等效电阻和电感， ，为 侧系统的等效电阻与电感，为故障时的过渡电阻，，分别为电路的总长度与侧到故障点的距离。 由电路叠加原理，故障状态电路可看做由正常状态电路和故障分量电路叠加而成。正常状态网络等效电路如图2和故障分量网络等效电路如图3所示， 图2：正常状态网络等效电路图 图3：故障分量网络等效电路图 图中，为系统正常状态运行时的负荷电流瞬时值，，分别为 和 侧的故障分量电流