交流滤波器开关选相合闸装置定值自适应选取方法制造方法及图纸

本发明专利技术公开了一种交流滤波器开关选相合闸装置定值自适应选取方法，包括以下步骤：获取选相合闸装置定值初值；将小组交流滤波器开关下一次合闸前的历史实际合闸时间组成合闸时间序列以X

Adaptive selection method of AC filter switch phase selection and closing device

The invention discloses an AC filter switching phase selection setting value of adaptive selection method, comprising the following steps: acquiring phase selection of setting initial value; the group exchange filter switch next time before switching on the history of the actual closing time composed of closing time sequence in X

【技术实现步骤摘要】
交流滤波器开关选相合闸装置定值自适应选取方法
本专利技术涉及高压直流主设备领域，尤其涉及一种交流滤波器开关选相合闸装置定值自适应选取方法。
技术介绍
随着电网规模的扩大，电力系统的建设和发展，电力设备数量不断增加，各种新型设备的投入运行，直流主设备的可靠性已成为电力系统安全运行的保证。换流站的小组交流滤波器不仅承担系统的滤波工作，还提供一定的无功容量，属于换流站的重要设备之一。滤波器的投切操作和故障会在其元件上产生暂态应力，若超过了设计的暂态额定值则可能损坏元件。滤波器小组开关装设选相合闸装置可以有效防止大角度合闸产生的过电压应力，减小对元件的冲击。选相合闸装置的原理是通过设定合闸定值，使得交流滤波器三相开关分别在电压过零点附近合闸，以期可以抑制暂态过程中的过电压和涌流。开关从接到合闸命令到机构动静触头接触、回路导通的时间为实际合闸时间，该实际合闸时间具有一定的分散性，并且随着开关投运年限的增加具有一定的漂移性。然而从选相合闸的原理可以知道，选相合闸技术对断路器机构的动作时间稳定性要求比较高，若选相合闸装置无法准确预测下次操作机构的合闸时间，则无法精确控制开关在理想相位合闸。目前选相合闸装置合闸时间定值的设置通用方式为定值一经设定则在日后运行过程中不做修改。但在机构老化，合闸线圈阻值变化等因素的影响下，实际合闸时间随着运行年限会有一定程度的偏移。据统计广东某换流站全站交流滤波器开关实际运行情况，实际合闸时间与投运前设置的选相合闸装置定值相比都出现了漂移，幅度在1-5ms之间不等。这就要求定值的设置必须随着实际合闸时间的变化趋势而自适应改变。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提出一种交流滤波器开关选相合闸装置定值自适应选取方法，解决了现有技术中选相合闸装置无法准确预测下次交流滤波器开关合闸操作的合闸时间的问题，本专利技术开关选相合闸装置定值的设置随着实际合闸时间的变化趋势而自适应改变，能精确控制开关在理想相位合闸。本专利技术的技术方案是：一种交流滤波器开关选相合闸装置定值自适应选取方法，包括以下步骤：步骤1、获取选相合闸装置定值初值；所述步骤1包括以下步骤：步骤11、将小组交流滤波器开关进行若干次离线机械特性试验，得到该小组交流滤波器开关的固有合闸时间平均值；步骤12、考虑预计穿时间和二次回路延时，得到选相合闸装置定值初值，所述选相合闸装置定值初值为所述固有合闸时间平均值、预计穿时间以及二次回路延时三者之和；步骤2、投运小组交流滤波器，所述小组交流滤波器开关下一次合闸前的历史实际合闸时间组成合闸时间序列X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}，其中x(0)(k)表示第k次合闸对应的合闸时间，定义k为x(0)(k)在合闸时间序列X(0)中对应的时间序列号，k＝1,2,3...n，以X(0)进行一次累和操作生成累和序列作为训练样本；所述步骤2包括：投运小组交流滤波器，以该小组交流滤波器开关若干次离线机械特性试验的合闸时间序列生成训练样本的初值，小组交流滤波器开关合闸时间序列X(0)跟随该组交流滤波器开关的合闸操作进行更新，更新方法为：该小组交流滤波器开关每合闸1次后，将小组交流滤波器该次合闸的实际合闸时间更新到该小组交流滤波器开关的合闸时间序列X(0)，形成新的合闸时间序列，为削弱样本的离散性，对合闸时间序列进行累和操作生成累和序列作为下一次合闸时间预测的训练样本，具体为：定义原始合闸时间序列为X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}，则一次累和序列X(1)＝{x(1)(1),x(1)(2),x(1)(3),...,x(1)(n)}，其中k＝1,2,3...n；步骤3、确定网络响应函数和网络结构，建立GNNM(1,1)灰色神经网络模型，所述小组交流滤波器开关下一次合闸前，使用所述训练样本并运用粒子群优化算法对建立的GNNM(1,1)灰色神经网络进行训练，将粒子群优化算法训练得到的结果作为GNNM(1,1)灰色神经网络的权值和阈值，得到训练好的GNNM(1,1)灰色神经网络模型；所述GNNM(1,1)灰色神经网络模型的网络结构的输入层、输出层神经元个数均为1，隐层层数为2，所述2层隐层神经元个数分别为1个和2个，网络的输入为时间序列号k，网络的输出为时间序列号k对应的累和序列相应值；所述GNNM(1,1)灰色神经网络模型的网络参数为：其中：W11,W21,W22,W31,W32为神经元各层权值；θ为阈值，k为网络输入即合闸时间序列号，X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}为由历史实际合闸时间组成的原始时间序列，X(1)表示X(0)的累和向量即a,b为灰色参数，所述GNNM(1,1)灰色神经网络模型的网络结构的隐层包括第一隐层和第二隐层，第一隐层的传递函数设为Sigmoid函数，输入层、输出层以及第二隐层的传递函数均为线性函数g(x)＝x。用粒子群优化算法对GNNM(1,1)灰色神经网络模型进行优化的方法是：步骤31：以网络的输出误差为各粒子的适应度，每个粒子的维数设定为2维，初始化粒子群，设定第i个粒子的初始位置Zi＝(ai,bi)，其中，ai,bi为第i组网络的灰色参数，并选取合适的粒子适应度函数；所述粒子适应度函数选取为：其中：n为训练样本的维度，O(k)为网络输出，d(k)为目标输出。步骤32：比较每个粒子的适应度与已存储的最佳适应度，将二者较小值作为当前粒子的局部极值，同时更新二者较小值为已存储的最佳适应度，将所有粒子适应度中最小的值，作为全局极值；同时更新粒子速度和粒子位置；步骤33：如果所述输出误差满足预设的误差精度，或者达到最大迭代次数，则结束粒子群优化算法对权值和阈值的优化，将所述粒子群优化算法训练得到的结果作为GNNM(1,1)灰色神经网络的权值和阈值；否则返回所述的步骤32，继续优化；所述粒子更新速度和位置的方程为：vij(m+1)＝ωvij(m)+c1r1[Qij(m)-zij(m)]+c2r2[Qgj(m)-zij(m)]zij(m+1)＝zij(m)+vij(m+1)其中，ω为惯性因子；c1,c2为加速因子；r1,r2为两随机数，取值区间为[01]；vij∈[-vmax,vmax]为第i个粒子第j维空间的速度，vmax为允许移动的最大速度，vij∈[-vmax,vmax]为第i个粒子第j维空间的位置，xmax为允许的最大空间位置；Qij为第i个粒子第j维空间的局部极值，Qgj为第j为空间的全局极值。所述GNNM(1,1)灰色神经网络模型的网络参数的选取方法为：首先确定网络响应函数，根据GNNM(1,1)灰色神经网络模型确定的网络响应函数为设从而推导出进一步的推导出O＝f(W11k)W21W31+f(W11k)W22W32-θ设得到GNNM(1,1)灰色神经网络模型的网络参数为：步骤4、将所述小组交流滤波器下一次合闸对应的时间序列号输入训练好的GNNM(1,1)灰色神经网络模型，对网络输出进行一次累减还原得到小组交流滤波器开关下一次合闸的合闸时间预测值；所述步骤4包括：训练好GNNM(1,1)灰色神经网络模型后，将小组交流滤波器下一次合闸本文档来自技高网...

【技术保护点】
一种交流滤波器开关选相合闸装置定值自适应选取方法，其特征在于，其包括以下步骤：步骤1、获取选相合闸装置定值初值；步骤2、投运小组交流滤波器，所述小组交流滤波器开关下一次合闸前的历史实际合闸时间组成合闸时间序列X

【技术特征摘要】
1.一种交流滤波器开关选相合闸装置定值自适应选取方法，其特征在于，其包括以下步骤：步骤1、获取选相合闸装置定值初值；步骤2、投运小组交流滤波器，所述小组交流滤波器开关下一次合闸前的历史实际合闸时间组成合闸时间序列X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}，其中x(0)(k)表示第k次合闸对应的合闸时间，定义k为x(0)(k)在合闸时间序列X(0)中对应的时间序列号，k＝1,2,3...n，对X(0)进行一次累和操作生成累和序列作为训练样本；步骤3、确定网络响应函数和网络结构，建立GNNM(1,1)灰色神经网络模型，所述小组交流滤波器开关下一次合闸前，使用所述训练样本并运用粒子群优化算法对建立的GNNM(1,1)灰色神经网络进行训练，将粒子群优化算法训练得到的结果作为GNNM(1,1)灰色神经网络的权值和阈值，得到训练好的GNNM(1,1)灰色神经网络模型；步骤4、将所述小组交流滤波器下一次合闸对应的时间序列号输入训练好的GNNM(1,1)灰色神经网络模型，对网络输出进行一次累减还原得到小组交流滤波器开关下一次合闸的合闸时间预测值；步骤5、输出所述的合闸时间预测值，并将该合闸时间预测值设为小组交流滤波器开关下一次合闸前所述选相合闸装置的新定值。2.根据权利要求1所述的交流滤波器开关选相合闸装置定值自适应选取方法，其特征在于，所述步骤1包括以下步骤：步骤11、将小组交流滤波器开关进行若干次离线机械特性试验，得到该小组交流滤波器开关的固有合闸时间平均值；步骤12、考虑预计穿时间和二次回路延时，得到选相合闸装置定值初值，所述选相合闸装置定值初值为所述固有合闸时间平均值、预计穿时间以及二次回路延时三者之和。3.根据权利要求1所述的交流滤波器开关选相合闸装置定值自适应选取方法，其特征在于，所述步骤2包括：投运小组交流滤波器，以该小组交流滤波器开关若干次离线机械特性试验的合闸时间序列生成训练样本的初值，小组交流滤波器开关合闸时间序列X(0)跟随该组交流滤波器开关的合闸操作进行更新，更新方法为：该小组交流滤波器开关每合闸1次后，将小组交流滤波器该次合闸的实际合闸时间更新到该小组交流滤波器开关的合闸时间序列X(0)，形成新的合闸时间序列，为削弱样本的离散性，对合闸时间序列进行累和操作生成累和序列作为下一次合闸前训练样本，对X(0)进行一次累和操作生成累和序列的方法为：定义原始合闸时间序列为X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}，则一次累和序列X(1)＝{x(1)(1),x(1)(2),x(1)(3),...,x(1)(n)}，其中4.根据权利要求1所述的交流滤波器开关选相合闸装置定值自适应选取方法，其特征在于，所述GNNM(1,1)灰色神经网络模型的网络结构的输入层、输出层神经元个数均为1，隐层层数为2，所述2层隐层神经元个数分别为1个和2个，网络的输入为时间序列号k，网络的输出为时间序列号k对应的累和序列相应值；所述GNNM(1,1)灰色神经网络模型的网络参数为：其中：W11,W21,W22,W31,W32为神经元各层权值；θ为阈值，k为网络输入即合闸时间序列号，X(0)＝{x(0)(1),x(0)(2),x(0)(3),...,x(0)(n)}为由历史实际合闸时间组成的原始时间序列，X(1)表示X(0)的累和向量即a,b为灰色参数，5.根据权利要求4所述的交流滤波器开关...

【专利技术属性】
技术研发人员：罗新，谭华安，黄学民，刘春涛，谷裕，王耀，谢超，叶建铸，齐向东，陈为庆，王帅伊，杨洋，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
类型：发明
国别省市：广东,44