logo好方法网

一种柔性直流输电设备故障识别方法和装置


技术摘要:
本发明提供一种柔性直流输电设备故障识别方法和装置,通过子模块中的信息确定各子模块的故障特征参数;计算所述故障特征参数的空间自相关指标;基于所述空间自相关指标对各子模块进行故障识别;所述故障特征参数包括子模块中均压电容的容值、子模块的温度和子模块的均  全部
背景技术:
柔性直流输电设备器件拓扑结构设计相对复杂,大量应用的电力电子器件增加了 设备运行的脆弱性。柔性直流输电设备故障的在线识别和定位可协助运维人员快速发现和 捕捉设备早期缺陷,为柔直设备状态检修计划制定提供科学依据,减少设备不必要的停电 检修和预防性试验,对于确保柔直设备安全可靠运行有着重要意义。 目前,针对柔性直流输电设备的故障特征识别研究大多集中于对电力电子器件或 模块的失效机理、故障特征参数仿真分析以及电子元件选择和管理等方面,主要局限于 IGBT模块、金属氧化膜电容器等关键元器件的故障后检测及处理,以及通过选取电气量测 量信息根据设备元器件实现原理仿真计算的故障识别。 现有的柔性直流输电设备故障特征识别侧重于在故障发生后进行故障机理研究 及故障点确定,不能对柔性直流输电设备发生的故障进行早期预警,且不能阻止局部故障 进一步扩大。关键元器件的故障后检测及处理可以准确定位故障的位置以及严重程度,但 是故障的查找和定位耗时长,人力成本较高,而且柔性直流输电设备本身必须退出运行状 态,影响高压直流系统的正常运行;利用仿真计算的柔性直流输电设备故障特征识别方法 需要以全面、完整且正确的电气量测量信息为基础,否则可能会造成判断结果不准确,而柔 性直流输电设备各子系统元件之间结构复杂,难以对每种元件的特征参量进行全面提取和 准确测量,测量误差大,受电气量测量信息制约较大,得到的识别结果准确度较低,且不能 实现对柔性直流输电设备实现在线识别。
技术实现要素:
为了克服上述现有技术中不能实现在线设别以及识别结果准确度较低的不足,本 发明提供一种柔性直流输电设备故障识别方法,包括: 通过子模块中的信息确定各子模块的故障特征参数; 计算所述故障特征参数的空间自相关指标; 基于所述空间自相关指标对各子模块进行故障识别; 所述故障特征参数包括子模块中均压电容的容值、子模块的温度和子模块的均压 比。 所述通过子模块中的信息确定各子模块的故障特征参数,包括: 通过子模块中的温度传感器采集子模块的温度,并通过子模块中的高电位板卡采 集所述子模块的电压、均压电容的纹波电压和纹波电流; 基于子模块的电压确定子模块的均压比,并基于所述纹波电压和纹波电流确定均 压电容的容值。 6 CN 111596155 A 说 明 书 2/9 页 所述计算所述故障特征参数的空间自相关指标,包括: 基于子模块的故障特征参数实时值计算故障特征参数的空间联系局部Moran指 数,空间联系局部Moran指数即莫兰指数,其属于空间自相关系数的一种,用于判别空间是 否存在自相关性。 基于所述空间联系局部Moran指数计算所述故障特征参数的空间自相关指标。 所述基于所述空间自相关指标对各子模块的故障进行识别,包括: 根据柔性直流输电设备设计要求对所述故障特征参数进行识别; 基于所述故障特征参数的识别结果对各子模块的故障进行识别。 所述根据柔性直流输电设备设计要求对所述故障特征参数进行识别,包括: 根据柔性直流输电设备设计要求确定所述空间自相关指标的置信水平; 基于所述置信水平,结合故障特征参数的统计分布类型确定所述空间自相关指标 的接受域; 判断计算的空间自相关指标是否属于所述接受域,若是,确定所述故障特征参数 处于正常状态,否则,确定故障特征参数处于异常状态。 所述基于所述故障特征参数的识别结果对各子模块的故障进行识别,包括: 当子模块的所有故障特征参数均处于正常状态时,确定所述子模块处于正常运行 状态; 当子模块的任一故障特征参数处于异常状态且处于异常状态的故障特征参数的 延时时间与反时限常数满足预设关系,确定所述子模块处于故障状态。 所述预设关系按下式确定: 式中,ti为第i个子模块故障特征参数处于异常状态的延时时间,xi为第i个子模块 的故障特征参数实时值,x0为子模块的故障特征参数的基准值;c为反时限常数,其基于子 模块对故障特征参数的耐受能力确定。 所述故障特征参数的空间联系局部Moran指数按下式计算: 式中,S2为故障特征参数的方差, n为子模块个数,xi为子模块i 的故障特征参数实时值,x为故障特征参数的平均值,xj为子模块j的故障特征参数实时值, ωij为子模块i与子模块j之间的空间接近度权重系数,且 dij为子模块i与子模块j 之间的距离,ε为故障特征参数的非线性衰减系数。 所述故障特征参数的空间自相关指标按下式确定: 式中,Zi为第i个子模块故障特征参数的空间自相关指标,E(Ii)为Ii的期望,VAR 7 CN 111596155 A 说 明 书 3/9 页 (Ii)为Ii的方差。 所述均压电容的容值按下式确定: 式中,C为均压电容的容值,Δvc为均压电容的纹波电压,ic为均压电容的纹波电 流; 所述子模块的均压比按下式确定: 式中,ηi为第i个子模块的均压比,vi为第i个子模块的电压,n为子模块个数。 另一方面,本发明还提供一种柔性直流输电设备故障识别装置,包括: 数据处理模块,用于通过子模块中的信息确定各子模块的故障特征参数; 计算模块,用于采用空间局部估计方法计算所述故障特征参数的空间自相关指 标; 识别模块,用于基于所述空间自相关指标对各子模块进行故障识别; 所述故障特征参数包括子模块中均压电容的容值、子模块的温度和子模块的均压 比。 所述数据处理模块具体用于: 采集模块,用于通过子模块中的温度传感器采集子模块的温度,并通过子模块中 的高电位板卡采集所述子模块的电压、均压电容的纹波电压和纹波电流; 处理单元,用于基于子模块的电压确定子模块的均压比,并基于所述纹波电压和 纹波电流确定均压电容的容值。 所述计算模块包括: 第一计算单元,用于基于子模块的故障特征参数实时值计算故障特征参数的空间 联系局部Moran指数; 第二计算单元,用于基于所述空间联系局部Moran指数计算所述故障特征参数的 空间自相关指标。 所述识别模块具体用于: 参数识别单元,用于根据柔性直流输电设备设计要求对所述故障特征参数进行识 别; 故障识别单元,用于基于所述故障特征参数的识别结果对各子模块的故障进行识 别。 所述参数识别单元具体用于: 根据柔性直流输电设备设计要求确定所述空间自相关指标的置信水平; 基于所述置信水平,结合故障特征参数的统计分布类型确定所述空间自相关指标 的接受域; 判断计算的空间自相关指标是否属于所述接受域,若是,确定所述故障特征参数 处于正常状态,否则,确定故障特征参数处于异常状态。 8 CN 111596155 A 说 明 书 4/9 页 所述故障识别单元具体用于: 当子模块的所有故障特征参数均处于正常状态时,确定所述子模块处于正常运行 状态; 当子模块的任一故障特征参数处于异常状态且处于异常状态的故障特征参数的 延时时间与反时限常数满足预设关系,确定所述子模块处于故障状态。 所述故障识别单元按下式确定所述预设关系: 式中,ti为第i个子模块故障特征参数处于异常状态的延时时间,xi为第i个子模块 的故障特征参数实时值,x0为子模块的故障特征参数的基准值;c为反时限常数,其基于子 模块对故障特征参数的耐受能力确定。 所述第一计算单元按下式计算故障特征参数的空间联系局部Moran指数: 式中,S2为故障特征参数的方差, n为子模块个数,xi为子模块i 的故障特征参数实时值, 为故障特征参数的平均值,xj为子模块j的故障特征参数实时值, ωij为子模块i与子模块j之间的空间接近度权重系数,且 dij为子模块i与子模块j 之间的距离,ε为故障特征参数的非线性衰减系数。 所述第二计算单元按下式计算故障特征参数的空间自相关指标: 式中,Zi为第i个子模块故障特征参数的空间自相关指标,E(Ii)为Ii的期望,VAR (Ii)为Ii的方差。 所述处理单元按下式确定均压电容的容值: 式中,C为均压电容的容值,Δvc为均压电容的纹波电压,ic为均压电容的纹波电 流; 所述处理单元按下式确定所述子模块的均压比: 式中,ηi为第i个子模块的均压比,vi为第i个子模块的电压,n为子模块个数。 本发明提供的技术方案具有以下有益效果: 本发明提供的柔性直流输电设备故障识别方法中,通过子模块中的信息确定各子 模块的故障特征参数;计算所述故障特征参数的空间自相关指标;基于所述空间自相关指 9 CN 111596155 A 说 明 书 5/9 页 标对各子模块进行故障识别;故障特征参数包括子模块中均压电容的容值、子模块的温度 和子模块的均压比,实现柔性直流输电设备故障的在线识别,提高了识别结果准确度; 本发明提供的技术方案不仅考虑了柔性直流输电设备的故障特征参数,且考虑了 不同子模块之间的关联关系,即综合了柔性直流输电设备的拓扑结构,为柔性直流输电设 备中子模块的故障识别提供基础; 本发明提供的技术方案不受电气量测量信号的制约,无需提取每个元件的所有的 故障特征参数,耗时短,且大大节省了人力成本,提高了识别效率; 本发明提供的技术方案在进行柔性直流输电设备故障识别时,柔性直流输电设备 无需退出运行状态,不影响高压直流系统的正常运行; 本发明提供的技术方案可协助运维人员快速发现和捕捉设备早期缺陷,为柔直设 备状态检修计划制定提供科学依据,减少设备不必要的停电检修和预防性试验,对于确保 柔直设备安全可靠运行提供可靠基础。 附图说明 图1是本发明实施例中柔性直流输电设备故障识别方法流程图; 图2是本发明实施例中柔性直流输电设备故障识别装置结构图。
下载此资料需消耗2积分,
分享到:
收藏