[发明专利]基于电流衰减比的高压直流输电线路雷击干扰识别方法

说明书

本发明公开了一种基于电流衰减比的高压直流输电线路雷击干扰识别方法，首先，对一定长度数据窗T(通常为0.8‑1ms)内整流侧正负极电流信号故障分量进行相模变换，得到线模电流故障分量；其次，依次求取线模电流故障分量绝对值最大值、线模电流故障分量绝对值积分、线模电流故障分量名义平均值；最后，计算线模电流故障分量衰减比，并将其与阈值比较，判定雷击干扰或故障。本发明可以准确识别雷击干扰，提高直流线路超高速暂态量保护的可靠性。

技术领域

本发明属于电力系统领域，涉及高压直流输电线路的继电保护领域，具体涉及一种基于电流衰减比的高压直流输电线路雷击干扰识别方法。

背景技术

随着化石能源的日渐衰竭和全球气候环境问题的突出，清洁能源逐渐在全球能源结构中发挥起重要作用。作为有效解决清洁能源输送问题的方法，高压直流输电除了线路成本低、结构简单、输送容量大、损耗小、输送距离较长等优势，在电能的远距离传输、电力系统非同步联网、分布式资源并网、城市电缆供电等方面也有着广泛应用。基于暂态量的保护原理仅需单端故障信息，常作为线路的主保护，但雷击线路时注入的高频信号容易对基于暂态量的保护造成影响。对于直流输电线路保护来说，需要快速可靠的抗雷击干扰技术，将雷击导致故障的情形归类于线路故障、触发保护动作，而对雷击干扰未导致故障的情形加以甄别、不触发保护动作。

目前，针对雷击干扰识别问题的现有成果从时域上的数值和波形特征、频域上的能量分布特征以及人工智能方法等角度进行研究。其中，时域上波形特征的提取需要基于长时间窗，难以与超高速暂态量保护相配合。频域上通常采用小波变换、HHT等方法，能够有效提取干扰及故障频谱能量分布差异，但前者小波基的选取、参数的确定具有较强的经验性，后者具有难以避免的模态混叠现象。人工智能方法避免了复杂的数学运算，通过对训练集的离线学习就可以达到区分干扰和故障的目的，但可以用作训练集的实际算例较少，需要基于大量的仿真结果，其分类标准可能在实际的电力系统中并不适用。

发明内容

为解决上述现有技术存在的问题，本发明的目的是提供一种基于电流衰减比的高压直流输电线路雷击干扰识别方法，能够快速可靠的雷击干扰识别，且对故障和干扰的类型、雷电流参数、折反射行波等因素的影响有较强的适应性，实现在较短数据窗内快速识别雷击干扰。

为达到上述目的，本发明采用的技术方案是：

一种基于电流衰减比的高压直流输电线路雷击干扰识别方法，基于短数据窗，对不同类型的故障、干扰适应性好，不受过渡电阻和雷电流参数影响，包括以下步骤：

步骤1：雷击干扰识别系统以预设采样频率采集整流侧正、负极电流信号，对电流信号进行相模变换，自动记录保护启动后预设长度数据窗T(通常为0.6-1ms)内的线模电流故障分量ΔI；

步骤2：求取数据窗内线模电流故障分量绝对值最大值，记为ΔI_max；

步骤3：根据式(1)求取数据窗内线模电流故障分量绝对值积分，记为S_I：

其中i＝1,2,3,…,n表示数据窗内各采样点，|ΔI(i)|为采样点i时刻对应的线模电流故障分量绝对值，T为数据窗长度，Δt为采样点时间间隔；

步骤4：根据式(2)求取数据窗内线模电流故障分量名义平均值ΔI_avg：

步骤5：根据式(3)计算线模电流故障分量衰减比K_att：

步骤6：判断比值K_att是否超过阈值K_{att_set}，若超过，则判定为雷击干扰，保护复归；若未超过，则判定为雷击故障或普通短路故障，算法结束，保护正常出口。