[發明專利]基于Hausdorff距離算法的變壓器勵磁涌流和故障差流識別方法

有效

• 申請號: 201610105674.7
• 申請日: 2016-02-25
• 公開（公告）號: CN105529688B
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 翁漢琍;林湘寧;陳樂;萬毅
• 申請（專利權）人: 三峽大學
• 主分類號: H02H7/045
• 分類號: H02H7/045;G01R31/00
• 代理公司: 宜昌市三峽專利事務所42103
• 代理人: 吳思高

技術領域

本發明一種基于Hausdorff距離算法的變壓器勵磁涌流和故障差流識別方法，涉及變壓器差動保護領域。

背景技術

現有變壓器差動保護廣泛采用二次諧波制動判據，用于對變壓器勵磁涌流進行識別。但實際運行表明，二次諧波制動判據存在局限性，例如在差動電流為對稱性涌流時，其二次諧波含量較低，會導致二次諧波制動判據失效而差動保護誤動；在變壓器帶高阻內部故障空載合閘時，差流中除故障電流外含有明顯勵磁涌流，會增大二次諧波含量，導致二次諧波制動判據誤閉鎖差動保護。基于間斷角原理和波形對稱原理的勵磁涌流判據也存在類似局限性。

近年來，針對上述傳統勵磁涌流識別方法應用于變壓器差動保護的不足，研究者提出了許多新的方法，大體分為兩類：

一類是引入電壓量，構成電壓變化和差流變化(或磁通變化等)時間差的涌流識別判據，但由于引入電壓量，因而需要考慮電壓互感器暫態特性，電壓互感器斷線故障時保護需要退出。

第二類是基于電流波形特征的涌流識別方法，例如，基于波形相關性的勵磁涌流識別方法，基本點都是利用故障差流波形與正弦波貼近、而勵磁涌流與正弦波相差較大的特點，輔助加以數學處理方法(數學形態學、模糊集合理論、小波變換等)或是定義一個的相關系數或波形系數，利用半個到一個周波的數據窗對差流波形與正弦的貼近度進行一個計算，根據計算值大小來確定是涌流還是故障差流。前者涉及到復雜數學分析方法，計算量大實現復雜且對裝置硬件要求高；后者對差流波形平滑度要求較高，因此需要對其所含非周期分量和諧波等干擾進行濾波處理，在加上算法本身至少需要半個到一個周波時窗，因此識別過程延時較長，在內部故障時延時至少3/4個周波才能作出反應。同時，以上算法對差流序列采樣點數據完整性要求較高，某些采樣點的丟失可能對算法結果影響很大，導致保護誤判。

發明內容

針對上述問題，本發明提供了一種基于Hausdorff距離算法的變壓器勵磁涌流和故障差流識別方法，該方法利用Hausdorff距離算法在波形相似性判別中的優勢，對涌流、包括對稱性涌流；以及故障差流、包括故障電流疊加典型涌流的波形形態整體特征的差別進行直接判斷，保證變壓器差動保護正確動作。

本發明所采用的技術方案是：

基于Hausdorff距離算法的變壓器勵磁涌流和故障差流識別方法，包括以下步驟：

步驟1：在一定的采樣率下，每周波N點，采集變壓器差動保護兩側電流互感器二次電流并形成差流信號序列I；

步驟2：判別步驟1中差流信號序列I的值是否超過差動保護啟動元件的整定值，若超過，則啟動本發明所提判據進行故障差流和勵磁涌流的判別；

步驟3：對差流信號序列I采用1/4周波數據窗，即N/4個點，進行極值判斷獲取，若獲取極值小于設定門檻，則判為勵磁涌流；若獲取極值大于設定門檻，則用該極值Ik作為基準，對差流信號序列I進行標幺化計算，形成標幺化差流序列同時，形成幅值為1標準正弦波序列Bi，i＝1,2,…N，序列B的極值與序列A的極值對應；

步驟4：將標幺化后的差流序列A作為Hausdorff距離算法目標圖形的邊緣特征點，將幅值為1的標準正弦波序列B作為Hausdorff距離算法模板圖形的邊緣特征點，根據式(1)、 (2)和(3)計算出兩者之間的Hausdorff距離值序列Hi,i＝1,2,…N；

步驟5：將步驟4中Hi值與設定的Hausdorff距離門檻值Hset進行比較，低于該門檻值，則判為內部故障，保護動作；高于該門檻值則判為勵磁涌流，閉鎖保護。

采用Hausdorff距離算法對標幺化差動電流序列和標準正弦波序列進行波形相似度識別。

本發明基于Hausdorff距離算法的變壓器勵磁涌流和故障差流識別方法，技術效果如下：

1：Hausdorff距離算法不涉及信號從時域到頻域的投射，因此時間窗的設置可以更靈活。運用到差動保護時只需1/4周波時間窗即可，一般情況5ms能作出正確判斷；1/4周波時間窗的Hausdorff距離計算時間為DFT計算時間的1/3到1/2之間，本方案快速性好。

2：本發明方法考慮的是波形整體特征的一致性，而對采樣點的時域對齊及采樣率的統一性并沒有嚴格要求，在不更換已有采樣設備的前提下，能夠實現差動保護范圍及策略的靈活布置

3：本發明方法比較整體波形，差動電流采樣序列中個別數據點的丟失，并不影響其對圖形整體特征的判斷，具有很強的抗數據丟失能力，優于實時采樣差動算法。