订阅最新相关文献

针对铁路牵引供电系统长区段馈线保护判据受牵引负荷冲击、高阻故障及相邻供电臂扰动影响而适应性不足的问题,研究光纤纵联保护判据优化方法.通过双端电气量同步与特征对齐,构建差动主判据、方向距离辅助判据以及联跳闭锁出口判据,形成协同动作逻辑.测试结果表明,该方法可提升故障识别准确性、保护速动性和抗误动能力.

针对光纤通道时延波动、双端采样失步及异常报文导致纵联差动保护误判的问题,构建主备光纤数据交互架构,提出时延校正、差流补偿、自适应制动和通道状态约束方法.实验结果表明,该技术可有效减小同步误差,提高区内故障识别率,抑制区外故障及通道异常误动作,全面提升线路保护的灵敏性、选择性和可靠性.

针对传统差动保护应用于沙戈荒新能源基地时出现性能下降甚至拒动的问题,分析了沙戈荒新能源基地交流汇集线路发生故障时新能源变流器和直流换流站的故障电流特征,同时对交流汇集线路的传统差动保护进行适应性分析.由于发生区内故障时线路两端故障电流存在幅值及相角的差异,提出了基于幅相系数的纵联保护新原理.幅相系数综合了幅值和相角的差异,在各种故障场景下均可以快速可靠识别区内、外故障,具有较强的耐受过渡电阻和噪声的能力,硬件在环仿真实验验证了所提保护的有效性.

随着柔性直流电网的快速发展,系统直流侧边界结构在不同应用场景下不断变化,传统针对单一边界结构的线路保护方法逐渐无法满足需求.为解决这一问题,针对不同边界结构的柔性直流电网,通过构建彼得逊等效电路,分析不同故障测量阻抗的相频特性,基于正、反方向故障下的测量阻抗高频段相位差异,提出了不依赖边界的故障区间识别判据.并通过对线模电压反行波时域分布特征进行分析,构建雷击干扰识别判据.综上提出一种适用于一般性线路边界的柔性直流电网纵联保护方案.基于PSCAD/EMTDC的大量仿真验证结果表明,该方案不受边界结构和边界元件参数变化的影响,具有较强的耐受过渡电阻的能力,能够有效区分区、内外故障并准确识别雷击干扰,在不同柔性直流电网环境下具有良好的适用性和较高的可靠性.

光伏电站经逆变器接入电网,受电力电子器件控制策略的影响,其输出的短路电流幅值受限,相角受控,导致传统的比率式差动保护灵敏度下降.为解决该问题,本文首先分析了馈线系统侧与光伏场站侧电流的差异;其次利用互信息来刻画两侧电流波形相似度,计算分析区内、区外故障时互信息值的区别,以此构造出基于互信息相似度比较的纵联保护新方法.经仿真验证,该方法在不同故障位置、不同故障类型下均能可靠动作,且抗过渡电阻能力强、耐噪声能力强,适用于光伏电站接入配电网的场景.

为提升混合多端直流输电系统在复杂换流站拓扑及非一致边界条件下保护的可靠性,本文引入并构建了基于行波突变量方向判别特性的纵联保护方法.首先,在 PSCAD/EMTDC 平台构建三端混合直流输电精细化模型,深入解析故障行波突变量的传播特性;其次,创新性地融合改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)与 Spearman 相关系数,构建行波信号联合分析模型;最后,通过 ICEEMDAN 精准提取暂态行波的模态分量,利用 Spearman 相关系数量化故障分量相关性差异,形成故障区域判别判据.该保护方案无需依赖边界元件特性,且通过模态分量相关性分析有效抑制电容电流影响.仿真结果表明,该保护方法在满足高可靠性和快速动作需求的同时,对噪声干扰亦具备良好的鲁棒性.

构网型新能源大规模并网场景下送出线路故障响应特性复杂,传统纵联差动保护易出现灵敏度降低甚至拒动的风险,本文针对构网型新能源交流送出线路保护开展研究.首先,以虚拟同步机控制的构网型光伏场站为对象,建立电网故障期间各序等效电路,分析其故障电流特性并验证传统纵联差动保护在该场景下的适用性;其次,综合滤波器截止频率、谐波干扰规避及电能质量约束,选取 8 次谐波作为特征信号,采用比例谐振(PR)控制器实现特征信号与工频信号的独立控制及灵活注入;最后,基于区内区外故障下特征信号的分布差异,构建差动电流谐波分量与场站侧注入特征信号幅值比的保护判据.在 Matlab/Simulink 平台的仿真结果表明,该保护策略能准确判别区内区外各类故障,在不同故障类型、故障位置下均能可靠动作,且具备较强的抗过渡电阻能力.

随着逆变型分布式电源(inverter interfaced distri-buted generator,IIDG)和储能(energy storage systems,ESS)在配电网中的渗透率不断提高,传统纵联保护面临整定困难、选择性和可靠性不足等问题.为解决上述问题,提出基于正序故障分量阻抗特性的纵联保护方案.首先,结合 IIDG 与 ESS 在不同工况下的输出特性并计及改进型低电压穿越控制策略的影响,推导并分析 IIDG 和ESS 的等值正序阻抗表达式及其幅相特性;其次,探究含 IIDG 和 ESS 的配网线路两侧保护在区内、外故障下测得的正序故障分量阻抗的特征差异,在此基础上结合5G 通信技术设计基于正序故障分量阻抗特性的纵联保护方案.仿真结果表明,该方案不受 IIDG 类型、接入方式及储能工作状态的影响,具有良好的抗过渡电阻能力,能够准确可靠地判别区内、外故障.

[目的]为了应对船舶供电网络闭环运行模式下故障电流多向分流特性给继电保护配置带来的新挑战,提出四种方向纵联保护方案.[方法]分析各方案在不同网络拓扑中的适用性,从线路保护、母线保护和远后备功能等维度验证其保护功能,[结果]系统构建多种适用于闭环船舶供电网络的保护配置体系.[结论]所构建的保护方案可为闭环船舶供电网络的保护设计提供新的解决方案和工程实践参考.

在新型电力系统建设背景下,海量数据拥有者具有多源异构的数据资源,但是出于对数据资产与隐私安全的担忧,数据拥有者之间通常存在"数据孤岛"问题.作为一种新型的分布式机器学习技术,联邦学习能够有效帮助多个数据拥有者在满足隐私保护、数据安全和政府法规的前提下,进行数据共享和机器学习建模,因此,对于新型电力系统相关业务场景的人工智能模型构建与数据价值挖掘具有重大意义.在此背景下,本文针对近年来联邦学习在新型电力系统中的应用现状、存在的问题与挑战,以及未来的技术研究方向进行了系统综述.首先,对联邦学习的基本概念、分类、适用场景进行了简要概述.根据数据样本在不同参与方之间的数据特征空间和样本空间的分布情况,联邦学习通常可被划分为横向联邦学习、纵向联邦学习、联邦迁移学习.然后,针对新型电力系统背景下数据拥有者面临的数据安全共享问题,详细阐述了当前联邦学习在新型电力系统各业务场景中的应用现状.其中:横向联邦学习的应用场景主要包含源荷预测、用户用电行为分析、电力系统网络安全防护、电网调度优化、电网安全稳定评估等;纵向联邦学习的应用场景主要包含配电网/微电网运行控制、车网互动与电动汽车等;联邦迁移学习的应用场景主要包含负荷预测、电力设备故障诊断、建筑楼宇调节能力评估、电力安全防护装备检测等.进一步地,深入分析了目前联邦学习在新型电力系统应用中存在的问题与不足.其中:在通信方面,联邦学习面临计算资源的异构性、模型的参数规模巨大、客户端数量庞大等挑战,易造成其通信效率下降;在隐私与安全方面,联邦学习面临信息泄露、恶意攻击等问题,从而影响其可信性与可靠性;在模型方面,联邦学习存在模型训练效果不佳、模型泛化能力不足等问题,会使其模型性能降低,难以满足不同参与方的差异化需求.最后,针对当前联邦学习面临的挑战与问题,对基于模型压缩与异步更新机制的分层联邦学习、基于区块链和个性化差分隐私的联邦学习、基于客户端选择的个性化联邦学习3个未来联邦学习的研究方向进行了展望,以期为"双碳"目标下新型电力系统的数据价值挖掘提供建设性参考.