论文部分内容阅读
随着国民经济地快速发展，电力系统的规模不断地扩大，对电力设备的安全可靠性提出了更高的要求。电力变压器是电力系统中最重要的电气设备，因此针对变压器的保护显得尤为重要。长期以来，纵联差动保护一直被广泛地用作变压器的主保护，但是现有的变压器差动保护一直被不平衡电流所困扰，尤其是不平衡电流中的励磁涌流。因此如何区分变压器励磁涌和内部故障电流就成了提高差动保护可靠性的一个核心问题。但是目前应用于差动保护中的励磁涌流识别方法均不能很好地满足变压器保护的需求，为此有必要探索识别速度更快，更准确的新方法。论文首先分析了变压器励磁涌流产生的原因及影响因素，以及对变压器差动保护的影响,并对多种励磁涌流识别方法作了分析和评价。文中采用Simulink对空载合闸时产生的励磁涌流进行了仿真，在此基础上，对涌流波形的特征进行了深入的分析。同时，为了分析影响涌流的因素，论文分别改变电源合闸初相角和变压器铁芯剩磁，继而对变压器励磁涌流进行仿真对比，观察得出合闸初相角和剩磁对涌流波形的影响。进一步地，为了比较励磁涌流和内部故障电流波形的不同，本文对变压器内部短路故障作了仿真，并通过Simulink自带的Powergui模块对励磁涌流和故障电流作了谐波分析，统计了各自的高次谐波含量。论文最后利用FFT分析采集到的励磁涌流和内部故障电流的基波和2~5次谐波作为LVQ网络的输入，对LVQ网络做了大量的训练和验证仿真，结果表明LVQ神经网络能准确快速地识别励磁涌流。本文首次提出基于LVQ神经网络的变压器励磁涌流识别方法。论文将LVQ网络和BP网络进行对比分析，分别从识别的速度、精度及准确度三方面对两个网络做了仿真分析对比，结果表明LVQ网络能更快速准确地识别变压器励磁涌流。将本文提出的方案与变压器微机保护相结合使用可提高差动保护的可靠性，LVQ神经网络在变压器保护领域具有广阔的应用前景。