噪声背景下有效应用的超高速方向保护算法.docxVIP

噪声背景下有效应用的超高速方向保护算法 1 小波分析方法增加了行波保护的性能 快速、选择性地拆除特高压和超高压故障线，可以有效提高电气系统的暂时稳定。因此,开发超高速保护以缩短故障切除时间对于提高电力系统的稳定性和安全性具有重要意义。 超高速保护一般通过提取故障产生的具有突变特性的电流和电压信号的特征来实现。20世纪70～80年代,行波原理在超高速保护中得到了广泛应用。故障引起的行波中包含丰富的故障信息,利用这些信息可构成超高速保护。与传统基于工频电气量的保护相比,行波保护具有反应速度快及对串联补偿元件、系统振荡和CT饱和等的影响不敏感的优点。变化特征剧烈的行波信号对数学方法提出了更高的要求。因为行波保护要求高采样率以确保能准确地分析故障信息,而行波波形中一般都混有大量的噪声,作为高频信号,行波很难与噪声干扰区分开。为解决上述问题,有必要采用一些新方法。 小波分析能在时域和频域同时对信号进行处理,对暂态信号有很强的处理能力。文献应用小波方法改善了行波保护的性能。文献利用B样条小波在噪声下区分从故障点或其它阻抗不连续点反射来的入射行波;文献利用B样条小波来抑制噪声和识别暂态行波电流电压信号的极性。大多数基于小波分析的行波保护都通过离散小波变换(Discrete Wavelet Transform,DWT)将行波信号分成不同的频带,从而观察信号在各频带的特征。从不同尺度小波分解的细节可得到对应频带的幅值和相位特征。对于随机噪声,小波分析的模极大值随DWT尺度的增加而减小。但这些基于小波分析的方法仍存在一定的局限,如很难在强噪声背景下准确辨别行波。DWT滤噪的效果依赖于信号分解的层数,要得到好的结果需要进行更多层的分解,这时计算量会急剧增加,对于微机超高速保护而言,必然对硬件平台提出更高的要求。 近年来,一种新兴的数学形态学(Mathematical Morphology,MM)方法在电力系统信号处理方面得到了广泛应用,其特点之一是计算量小。文献提出通过数学形态学方法提取行波暂态信息来辨别故障,但没有充分考虑噪声的影响。 本文提出了一种完全基于MM且能在噪声背景下有效应用的超高速方向保护算法。基于形态开闭运算的滤波器可有效滤除暂态行波中的噪声干扰。在完成滤波后,通过多分辨形态梯度(Multi-resolution Morphological Gradient,MMG)表现出电流电压行波信号的突变特征,利用瞬时功率判据可得到故障方向。建立EMTP500kV线路模型进行仿真验证了该保护方案的可行性和有效性。 2 应用形态滤波算子进行三滤波仿真 与小波分析等方法相比,数学形态学方法完全着眼于波形形态,而不是频域分析。形态滤波器通过修正信号的局部几何特征来完成对信号的变换,该变换是非线性的。形态变换通过不同的结构元素完成对信号的分析。 (1)形态学滤波 设f(x)和g(x)分别为一维输入信号和结构元 素(也是一个信号),表示两个函数的定义域集合。用函数g(x)的本影去膨胀和腐蚀f(x)的本影可得到新函数的本影。利用结构元素g对信号f的膨胀和腐蚀分别定义为 开运算使目标轮廓光滑,并去掉毛刺和孤立点,锐化了角,抑制了信号中的峰值(正脉冲)噪声;闭运算则填平了小沟,弥合了孔洞和裂缝,滤除了信号中的底谷(负脉冲)噪声。在开闭运算基础上再定义其级联形式的滤波运算算子,开-闭和闭-开运算算子分别为 由于开运算的扩展性和闭运算的反扩展性,两种滤波器均存在统计偏倚现象,此时开-闭滤波器输出幅度偏小,闭-开滤波器输出幅度偏大,在很多情况下单独使用二者之一并不能取得最好的滤波效果。因此可将二者结合,常见的方法如下:设输入信号为 式中s(x)为原信号;n(x)为噪声。滤波输出为 式中α1、α2为权系数。 一般通过最优化方法不断修正权系数αi可得到最优滤波效果,但最优化过程中要进行大量的迭代计算,不能体现形态滤波算法简单快速的优点。同时,最优化也存在修正因子及修正过程所用原信号s(x)的选择问题,修正因子选择不当会导致迭代次数增加,s(x)选择不当会导致滤波结果不理想。基于上述考虑本文进行简化,令α1=α2=1/2,即滤波输出为 后续仿真结果证明该简化是可行的。 (2)多分辨形态梯度 基本形态学梯度的定义以如下差分形式给出 该梯度常用来进行边沿检测。 为检测行波波形的突变特性,利用基本形态学梯度设计了一种多分辨形态梯度,灰值多分辨形态梯度定义为 式中g+和g-分别为原点在最左侧和最右侧的结构元素,分别提取波形上升沿和下降沿。 本文采用结构元素长度为7点的一层MMG变换来提取暂态电流和电压行波的上升沿和下降沿,因此数据窗长为7个采样点。仿真算例说明该方法能敏锐而正确地检测出行波波形的突变及其极性。 3 故障分量系统保护 实际系统三相线路之间存在电磁耦合,各相行波的