一种LCC-MMC混合直流输电结构故障定位方法技术

本申请属于输变电故障检测方法技术领域，尤其涉及一种LCC

【技术实现步骤摘要】
一种LCC
‑
MMC混合直流输电结构故障定位方法


[0001]本申请属于输变电故障检测方法
，尤其涉及一种LCC
‑
MMC混合直流输电结构故障定位方法。

技术介绍

[0002]我国国土辽阔，电力资源的输出区与电能的消耗区分布不均衡，因此建立了庞大的西电东送、北电南送输电网络，在全国大背景下，输电网线路的距离长，输电线路复杂，在进行长途输电过程中给电网的建设带来极大的技术挑战，由于直流高压输电在超高压输送、大容量传输以及沿途低消耗等方面的技术优势，使得其成为我国长途高压输电的一项重要手段，在实际实施过程中，综合考虑到不同直流输电网络结构在换相功能、可控性以及稳定性上的优劣势，目前采用最多的是各类不同结构的混合直流输电网络，但随着系统结构和功能的复杂化，系统的稳定性受到影响，在系统故障发生时若不能迅速高效的进行排查定位，将影响整个系统的功能和稳定性。

技术实现思路

[0003]本申请的目的在于，提供一种便于实施，能够有效确定LCC
‑
MMC混合直流输电网络结构中故障侧和位置的故障定位方法。
[0004]为实现上述目的，本申请采用如下技术方案。
[0005]一种LCC
‑
MMC混合直流输电结构故障定位方法，包括如下步骤：步骤1、在混合直流输电系统故障发生后，测量混合直流输电系统中部汇流母线两侧的故障电流分量和；步骤2、计算两侧的故障电流分量中的较大值，并将其与参考电流值的大小进行比较判断，确定故障侧；其中为电路正常运行时汇流母线上的电流值；具体而言，若，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排除；若LCC换流侧故障电流为正向或零即，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流也为正向即则判定故障侧位于LCC换流侧；若MMC换流侧电流为反向或零即，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排出；若LCC换流侧故障电流为反向即，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流为正向即则判定故障侧位于汇流母线；若MMC换流侧电流为反向或零即，则判断故障侧位于MMC换流侧；步骤3、基于小波包分解重构原理，将故障侧电流进行正交分解，其分解和重构方
程如下：分解方程：；重构方程：；其中为小波包系数；为低通分解滤波器的滤波系数，为高通分解滤波器的滤波系数；步骤4、基于小波包分解得到多层小波包各频带数据，确定故障信号经过分解后的第层第j节点的频带能量；频带能量与重构信号绝对值积分和小波包系数的关系有；步骤5、按照层数顺序选取前三层小波包结构，以节点j对应的频带能量为输入样本，以故障点与节点j的距离为输出构建Elman神经网络，建立故障定位模型，通过模拟测试数据或者历史测量数据对故障定位模型进行训练，据数据量和预测需求，设置训练参数。
[0006]步骤6、基于训练得到的故障定位模型，采集待测线路汇流母线两侧的故障电流分量，并基于步骤1~4的顺序确定故障侧以及小波包能量数据，代入步骤5训练得到的故障定位模型进行距离预测。
[0007]对前述LCC
‑
MMC混合直流输电结构故障定位方法的进一步改进或者优选实施方案，所述步骤4和5中用于求解参数和进行训练过程中，对于训练用参数进行归一化处理，以统一样本数据，降低运算压力。
[0008]对前述LCC
‑
MMC混合直流输电结构故障定位方法的进一步改进或者优选实施方案，所述Elman神经网络由输入层、承接层、隐含层、输出层构成；所述Elman神经网络模型可表达为：；其中为隐含层输入，为输入层输入，为输出层输出，为层间权值，为反馈增益因子；其中承接层传递函数为线性函数：；隐含层使用的传递函数为Tansig：；输出层传递函数为Traingdm：。
[0009]对前述LCC
‑
MMC混合直流输电结构故障定位方法的进一步改进或者优选实施方案，所述步骤4和步骤5用于获取故障定位模型训练用数据的过程中，当时用模拟数据时，根据需要在节点数据中心加入预设噪音信号，以使模拟数据更接近实际情形。
[0010]其有益效果在于：本申请的LCC
‑
MMC混合直流输电结构故障定位方法利用故障发生后小波包分解后
能量分布的特点作为故障定位特征，利用Elman神经网络进行训练并应用，该方法实施过程中不需要对过多监测数据和监测操作，易于操作，同时其能够根据历史故常数据进行自适应匹配和修正，跟随混合输电网络结构的变化和升级进行同步更新，在基本结构保持已知的情况下，能够随输电网络结构的改变而更新，不需要对故障定位方案进行过多改变，具有良好的泛用性。
附图说明
[0011]图1是LCC
‑
MMC混合直流输电结构示意图；图2是CC
‑
MMC混合直流输电结构故障定位方法的流程示意图。
具体实施方式
[0012]以下对本申请的技术方案进行详细说明。
[0013]本申请地LCC
‑
MMC混合直流输电结构故障定位方法，主要用于LCC（基于换相换流器的高压直流输电）和MMC（多电平换流器高压直流输电）结构的多端混合直流输电结构中，LCC
‑
MMC混合直流输电结构如图1所示，该混合输电机构属于并联多端输电结构，本申请主要用于在端间故障发生时，快速确定故障侧以及故障位置。
[0014]如图2所示，CC
‑
MMC混合直流输电结构故障定位方法的基本步骤如下：步骤1、在混合直流输电系统故障发生后，测量混合直流输电系统中部汇流母线两侧的故障电流分量和；步骤2、计算两侧的故障电流分量中的较大值，并将其与参考电流值的大小进行比较判断，确定故障侧；其中为电路正常运行时汇流母线上的电流值；具体而言，若，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排除；若LCC换流侧故障电流为正向或零即，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流也为正向即则判定故障侧位于LCC换流侧；若MMC换流侧电流为反向或零即，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排出；若LCC换流侧故障电流为反向即，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流为正向即则判定故障侧位于汇流母线；若MMC换流侧电流为反向或零即，则判断故障侧位于MMC换流侧；步骤3、基于小波包分解重构原理，将故障侧电流进行正交分解，其分解和重构方程如下：分解方程：；重构方程：；
其中为小波包系数；为低通分解滤波器的滤波系数，为高通分解滤波器的滤波系数；步骤4、基于小波包分解得到多层小波包各频带数据，确定故障信号经过分解后的第层第j节点的频带能量；频带能量与重构信号绝对值积分和小波包系数的关系有；步骤5、按照层数顺序选取前三层小波包结构，以节点j对应的频带能量为输入样本，以故障点与节点j的距离为输出构建Elman神经网络，建立故障定位模型，通过模拟测试数据或者历史测量数据对故障定位模型进行训练，根据数据量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种LCC
‑
MMC混合直流输电结构故障定位方法，其特征在于，包括如下步骤：步骤1、在混合直流输电系统故障发生后，测量混合直流输电系统中部汇流母线两侧的故障电流分量
△
I1和
△
I2；步骤2、计算两侧的故障电流分量中的较大值max|
△
I
L
,
△
I
M
|，并将其与参考电流值I0的大小进行比较判断，确定故障侧；其中I0＝0.1I
re
，I
re
为电路正常运行时汇流母线上的电流值；具体而言，若max|
△
I
L
,
△
I
M
|≤I0，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排除；若LCC换流侧故障电流为正向或零即
△
I
L
≥0，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流也为正向即
△
I
M
＞0则判定故障侧位于LCC换流侧；若MMC换流侧电流为反向或零即
△
I
M
＞0，则判断汇流母线内阻抗故障或者测试数据有误需要重新测量排出；若LCC换流侧故障电流为反向即
△
I
L
＜0，则进一步判断MMC换流侧故障电流方向：若MMC换流侧电流为正向即
△
I
M
＞0则判定故障侧位于汇流母线；若MMC换流侧电流为反向或零即
△
I
M
≤0，则判断故障侧位于MMC换流侧；步骤3、基于小波包分解重构原理，将故障侧电流进行正交分解，其分解和重构方程如下：分解方程：重构方程：其中为小波包系数；h
k
为低通分解滤波器的滤波系数，b
k
为高通分解滤波器的滤波系数；步骤4、基于小波...

【专利技术属性】
技术研发人员：黄亮，宋思琪，沈楠，刘胜，张志，陈长安，姚苏文，李志强，姜关胜，谢庆，卓俊帆，戢志雄，李冬，
申请(专利权)人：黄冈东源电力集团有限公司，
类型：发明
国别省市：