论文部分内容阅读
【摘 要】介绍了采用数字信号处理器（DSP）实现自适应自动重合闸， 根据电力线路工作和故障跳闸时采集的暂态量参数变化， 利用BP 神经网络所构成的专家系统进行运算， 从而确定是否重合闸， 有效地解决了目前自动重合闸中合于永久性故障对电力系统造成的危害。通过仿真试验结果分析，证明设计方案可满足实际要求。
【关键词】DSP；自适应重合闸；断路器；神经网络
0.引言
自动重合闸是保证电力系统安全供电和稳定运行的重要手段。对于特高压输电线路发生单相接地故障的概率比较大，而接地故障主要有瞬时性故障和永久性故障，自动重合闸是针对瞬时性故障提高供电可靠性的一种有效措施。当线路出现瞬时性故障时， 继电保护使断路器跳闸， 经过一定时间间隔后， 自动重合闸装置ARC（Auto-Reclosing Controller） 使断路器重新合上，以保证系统的安全供电。瞬时性故障时，断路器跳闸后线路的绝缘性能（ 绝缘子和空气间隙） 能得到恢复， 重合闸能成功。由于ARC 无法判断故障是瞬时性还是永久性的， 所以若重合于永久性故障时， 将会使电力系统又一次受到故障电流的冲击， 其危害超过正常状态下短路对系统的危害，因此判断故障类型是否正确决定了重合闸装置动作是否成功。国内外学着做了大量的研究工作，出现了一些新的方法，如文献[1]利用相位判据，文献[2]利用暂态过程判据，还有其他的一些神经网络方法。本文采用高速DSP作为数据处理核心，采用BP神经网络算法用于其中，提出了基于DSP的自适应单相自动重合闸。建立特高压电网模型，通过大量的仿真试验表明了该方法的有效性和准确性。
1.自适应自动重合闸的基本思路
提出了一种自适应自动重合闸， 能有效的分辨故障类型从而提高合闸成功率。其技术思路是在断路器跳闸和合闸前后用数字信号处理器（DSP）不断采样线路上各种暂态参数， 再根据这些参数进行快速分析， 然后确定重合闸是否重合[1]。其工作流程如图1 所示。
图1 自适应自动重合闸工作流程
2.自适应自动重合闸控制器硬件
其硬件控制电路是一个以DSP 为核心的高速单片机应用电路， 如图2 所示为DSP应用系统。
图2 DSP应用系统
DSP采用TI公司的TMS320VC5502，主频高达300 MHz，实现高速（600MMACS）运算和大容量存储。A/D转换芯片使用TI 公司的AD73360。采集频率高达80MHz， 采用3.6V低电压设计， 功耗低。数据采集部分主要控制A/D采样和FIFO器件。
3.故障类型的判别算法
为防止重合于永久性故障，一般通过分析一相断开后线路两端电压的特征来实现判断故障类型。由于线路存在电磁耦合，在故障点电弧通道存在潜供电流，在瞬时性故障和永久性故障两种情况下，电弧变化不同，在发生瞬时性故障时，电弧变化反复，变化过程复杂，而在永久性故障时，电弧会较快熄灭。对于重负荷长距离的高压输电线路，为了能正确区分故障类型，可采用补偿电压判据。其算法为
k= （1）
判据的动作条件是：
K≥1时判定为瞬时故障，允许重合；K<1 时判定为永久性故障，闭锁重合。
4.基于BP神经网络的算法
由于电网参数、电压电流测量会存在一定误差，因此会存在误判。借鉴BP神经网络来实现自适应单相自动重合闸。BP算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。
运用BP神经网络实现系统建模，BP 网络是一个由大量神经元组成的多层前馈网，但理论分析表明，3层BP 网可以模拟任何非线性映射，其变换函数采用S型函数。由于BP网络用于较复杂问题时，经常出现收敛速度慢，可能收敛到局部极小，难以确定中间层节点个数等缺点，根据参考文献[2]为了加速收敛和防止振荡，对其算法进行如下改进。
ω（t+1）=ω（t）+a（1-η）D（t）+ηD（t-1） （2）
其中：ω（t）表示连接权向量；D（t）=-为t时刻的负梯度；
a为冲量因子，a?1；η为学习效率，0≤η?1。
BP神经网络的特征输入量选择故障相基波分量，直流分量以及高次谐波作为输入量，当发生瞬时性故障时，神经网络输出节点为1；发生永久性故障时，神经网络输出节点为0。
5.自适应自动重合闸仿真试验
为了验证自适应自动重合闸在高压线路上应用的可靠性， 采用重合闸装置进行了以下仿真试验。利用matlab6.5软件，建立simulik模型如下500KV的仿真系统结构。输电线路具体参数根据实际情况及经验取得，其中，电源参数用集中参数表示，线路参数用分布参数表示。
Z=0.0256+j0.2804ΩKm
Z=0.2780+j0.8817ΩKm
C=0.0132μFKm
C=0.0090μFKm
Z=j0.5373Ω
Z=j0.1690Ω
采用EMTP对系统的各种状态进行仿真计算，所得的结果进行适当的前置处理后，作为神经网络的输入，作为样本进行训练和检验。为了反映各种可能的因素对判别结果造成影响，仿真过程中样本数据取自不同故障点和不同故障类型的直流分量、基波分量和三次谐波三种输入的近似值，对BP网络进行训练。
根据所得样本训练网络，表1列出了部分样本及结果。结果表明，实际结果与理论结果非常接近。当线路的首端、末端以及中间段发生单相瞬时接地故障、单相永久接地故障时输出值不同，因此将神经网络用于故障状态的判定，效果很好，克服了传统自适应单相重合闸误判的缺点。
表1 部分实验样本及结果
Tab.1 parts of samples and output
6.结束语
采用高速智能处理器DSP实现自适应自动重合闸，是为了解决当前自适应自动重合闸实时性的要求。引入BP神经网络算法用于高压输电线路故障类型判断， 通过大量样本训练，使系统判断故障类型能力不断提高， 这样重合闸的准确性将会提高， 解决了自动重合闸存在本身不能判断故障是瞬时性还是永久性的， 使断路器的工作条件不会出现恶化，提高了电力系统安全稳定运行。仿真结果表明，该方法能够有效识别故障类型，证实了其在重合闸应用中的可行性。
【参考文献】
[1]赵庆明，李斌.基于电压补偿原理的单相自适应重合闸新型相位判据[J].电力系统保护与控制，2010，13（38）：50-54.
[2]胥杰，张永健.基于MATLAB的自适应单相自动重合闸 [J].华东电网，2010，2（38）：227-230.
[3]陈璟华，陈少华，杨宜明.基于BP神经网络的自适应单相重合闸研究[J].高压电器，2003（4）：43-45.
[4]张建生.用DSP实现智能化自动重合闸[J].电力自动化设备，2007（7）：106-108.
[5]钱武，李生明.电力系统自动装置[M].北京：中国水利水电出版社，2004.
[6]聂宏展，董爽，段玉兵.基于神经网络的单相自适应重合闸的研究[J].东北电力学院学报，2005，25（2）：37-40.
【关键词】DSP；自适应重合闸；断路器；神经网络
0.引言
自动重合闸是保证电力系统安全供电和稳定运行的重要手段。对于特高压输电线路发生单相接地故障的概率比较大，而接地故障主要有瞬时性故障和永久性故障，自动重合闸是针对瞬时性故障提高供电可靠性的一种有效措施。当线路出现瞬时性故障时， 继电保护使断路器跳闸， 经过一定时间间隔后， 自动重合闸装置ARC（Auto-Reclosing Controller） 使断路器重新合上，以保证系统的安全供电。瞬时性故障时，断路器跳闸后线路的绝缘性能（ 绝缘子和空气间隙） 能得到恢复， 重合闸能成功。由于ARC 无法判断故障是瞬时性还是永久性的， 所以若重合于永久性故障时， 将会使电力系统又一次受到故障电流的冲击， 其危害超过正常状态下短路对系统的危害，因此判断故障类型是否正确决定了重合闸装置动作是否成功。国内外学着做了大量的研究工作，出现了一些新的方法，如文献[1]利用相位判据，文献[2]利用暂态过程判据，还有其他的一些神经网络方法。本文采用高速DSP作为数据处理核心，采用BP神经网络算法用于其中，提出了基于DSP的自适应单相自动重合闸。建立特高压电网模型，通过大量的仿真试验表明了该方法的有效性和准确性。
1.自适应自动重合闸的基本思路
提出了一种自适应自动重合闸， 能有效的分辨故障类型从而提高合闸成功率。其技术思路是在断路器跳闸和合闸前后用数字信号处理器（DSP）不断采样线路上各种暂态参数， 再根据这些参数进行快速分析， 然后确定重合闸是否重合[1]。其工作流程如图1 所示。
图1 自适应自动重合闸工作流程
2.自适应自动重合闸控制器硬件
其硬件控制电路是一个以DSP 为核心的高速单片机应用电路， 如图2 所示为DSP应用系统。
图2 DSP应用系统
DSP采用TI公司的TMS320VC5502，主频高达300 MHz，实现高速（600MMACS）运算和大容量存储。A/D转换芯片使用TI 公司的AD73360。采集频率高达80MHz， 采用3.6V低电压设计， 功耗低。数据采集部分主要控制A/D采样和FIFO器件。
3.故障类型的判别算法
为防止重合于永久性故障，一般通过分析一相断开后线路两端电压的特征来实现判断故障类型。由于线路存在电磁耦合，在故障点电弧通道存在潜供电流，在瞬时性故障和永久性故障两种情况下，电弧变化不同，在发生瞬时性故障时，电弧变化反复，变化过程复杂，而在永久性故障时，电弧会较快熄灭。对于重负荷长距离的高压输电线路，为了能正确区分故障类型，可采用补偿电压判据。其算法为
k= （1）
判据的动作条件是：
K≥1时判定为瞬时故障，允许重合；K<1 时判定为永久性故障，闭锁重合。
4.基于BP神经网络的算法
由于电网参数、电压电流测量会存在一定误差，因此会存在误判。借鉴BP神经网络来实现自适应单相自动重合闸。BP算法是一种有监督式的学习算法，其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。
运用BP神经网络实现系统建模，BP 网络是一个由大量神经元组成的多层前馈网，但理论分析表明，3层BP 网可以模拟任何非线性映射，其变换函数采用S型函数。由于BP网络用于较复杂问题时，经常出现收敛速度慢，可能收敛到局部极小，难以确定中间层节点个数等缺点，根据参考文献[2]为了加速收敛和防止振荡，对其算法进行如下改进。
ω（t+1）=ω（t）+a（1-η）D（t）+ηD（t-1） （2）
其中：ω（t）表示连接权向量；D（t）=-为t时刻的负梯度；
a为冲量因子，a?1；η为学习效率，0≤η?1。
BP神经网络的特征输入量选择故障相基波分量，直流分量以及高次谐波作为输入量，当发生瞬时性故障时，神经网络输出节点为1；发生永久性故障时，神经网络输出节点为0。
5.自适应自动重合闸仿真试验
为了验证自适应自动重合闸在高压线路上应用的可靠性， 采用重合闸装置进行了以下仿真试验。利用matlab6.5软件，建立simulik模型如下500KV的仿真系统结构。输电线路具体参数根据实际情况及经验取得，其中，电源参数用集中参数表示，线路参数用分布参数表示。
Z=0.0256+j0.2804ΩKm
Z=0.2780+j0.8817ΩKm
C=0.0132μFKm
C=0.0090μFKm
Z=j0.5373Ω
Z=j0.1690Ω
采用EMTP对系统的各种状态进行仿真计算，所得的结果进行适当的前置处理后，作为神经网络的输入，作为样本进行训练和检验。为了反映各种可能的因素对判别结果造成影响，仿真过程中样本数据取自不同故障点和不同故障类型的直流分量、基波分量和三次谐波三种输入的近似值，对BP网络进行训练。
根据所得样本训练网络，表1列出了部分样本及结果。结果表明，实际结果与理论结果非常接近。当线路的首端、末端以及中间段发生单相瞬时接地故障、单相永久接地故障时输出值不同，因此将神经网络用于故障状态的判定，效果很好，克服了传统自适应单相重合闸误判的缺点。
表1 部分实验样本及结果
Tab.1 parts of samples and output
6.结束语
采用高速智能处理器DSP实现自适应自动重合闸，是为了解决当前自适应自动重合闸实时性的要求。引入BP神经网络算法用于高压输电线路故障类型判断， 通过大量样本训练，使系统判断故障类型能力不断提高， 这样重合闸的准确性将会提高， 解决了自动重合闸存在本身不能判断故障是瞬时性还是永久性的， 使断路器的工作条件不会出现恶化，提高了电力系统安全稳定运行。仿真结果表明，该方法能够有效识别故障类型，证实了其在重合闸应用中的可行性。
【参考文献】
[1]赵庆明，李斌.基于电压补偿原理的单相自适应重合闸新型相位判据[J].电力系统保护与控制，2010，13（38）：50-54.
[2]胥杰，张永健.基于MATLAB的自适应单相自动重合闸 [J].华东电网，2010，2（38）：227-230.
[3]陈璟华，陈少华，杨宜明.基于BP神经网络的自适应单相重合闸研究[J].高压电器，2003（4）：43-45.
[4]张建生.用DSP实现智能化自动重合闸[J].电力自动化设备，2007（7）：106-108.
[5]钱武，李生明.电力系统自动装置[M].北京：中国水利水电出版社，2004.
[6]聂宏展，董爽，段玉兵.基于神经网络的单相自适应重合闸的研究[J].东北电力学院学报，2005，25（2）：37-40.