多能互補發電系統故障識別與測距方法

劉婷, 羅皓鵬, 王斌, 吳鳳嬌, 徐哲熙

(西北農林科技大學水利與工程建筑學院, 楊凌 712100)

中國能源資源和電力負荷集中區域呈逆向分布,東西部地區能源供需嚴重失衡[1]。柔性直流輸電技術具有自換相特性,在無源逆變下能夠向新能源場站提供并網所需頻率和電壓,是實現大規模新能源外送的重要手段[2-4]。然而風電和太陽能等新能源出力的強波動性、非線性和間歇性,使得電網運行方式和故障機理愈加復雜[5]。此外,電力電子裝置抗干擾能力差、慣性低,且具有多時間尺度響應的特性[6]給故障檢測帶來巨大挑戰。因此,迫切需要探索高效的線路故障識別與故障測距方法,實現架空線路故障快速清除,為未來新型電力系統安全、高效運行提供技術支撐。

對于不考慮新能源并網的傳統柔性直流系統故障識別及測距已有大量的研究。例如,文獻[7]利用換流器電流控制信號暫態能量構成保護判據,來區分直流線路區內區外故障,該方案不需要采集直流線路電信號,且具有較強的耐受過渡電阻能力;文獻[8]提出了一種雙端系統的保護方案,首先利用550～650 Hz頻帶的Shannon熵構造區段識別判據,針對區內故障,根據正負極暫態電流在特征頻帶積分的比值,判斷故障極;文獻[9]無需雙端通信,利用電流電壓信號的暫態能量,分別構造不同的判據用于實現故障選線、選極以及母線故障的識別;文獻[10]采用多寬度脈沖注入的方式,以特定頻率判別線路狀態得到故障定位結果,減少了單脈沖的定位死區,具有較高的定位精度;文獻[11]提出了一種適用于混合三端系統故障定位方法,利用互補集合經驗模態分解和希爾伯特變換對小波閾值去噪后的線模電壓提取故障特征;文獻[12]利用交叉熵來描述內部故障和外部故障之間的電荷差異,提出了基于電荷交叉熵的適用于遠距離輸電線路保護方案;文獻[13]利用遺傳算法對故障電壓信號的頻域分布進行迭代評估,然后采用加權平均函數細化以獲得較為精確的故障距離,該方法可用于任何傳輸介質的故障測距。

由于新能源出力具有強波動性和隨機性,針對新能源外送系統的故障識別與測距機理更為復雜,目前相關研究較少。文獻[14]分析了故障發生后直流線路高頻暫態分量特性,通過S變換獲取頻帶為300～1 000 Hz和1 000～2 500 Hz電流分量分別構成故障選級和區內區外故障判據,形成風光儲聯合發電站高壓直流外送系統保護方案,但是沒有進一步研究故障測距方法。

現搭建風-光-儲-蓄互補發電站經柔性直流外送系統模型,并基于此提出一種新的基于Teager能量算子能量熵的故障識別方法以及利用VMD結合TEO算子的故障測距方法。首先利用測量點正負極Teager能量算子能量熵的比值構造故障選極及區段識別判據。然后針對已識別的對應區段故障,利用VMD結合TEO算子實現故障測距。最后,通過PSCAD/EMTDC和MATLAB綜合仿真驗證了所提方案的有效性。

1 算法原理

1.1 VMD原理及算法

變分模態分解(variational mode decomposition, VMD)的本質是在多個自適應波段使用維納濾波器,根據交替方向乘子法優化變分模型,對噪聲有很好的魯棒性[15-18]。它能夠自適應地確定模態分解個數,通過迭代求解過程確定每個模態的最優中心頻率和帶寬,突出了不同序列的內在特征[19]。假設故障信號被分解為K個模態分量,則約束變分模型可表示為

(1)

式中:uk={u1,u2,…,uK}為分解后的K個模態分量;ωk={ω1,ω2,…,ωK}為各模態分量的中心頻率,k=1,2,…,K。

引入二階懲罰因子α和Lagrange乘子λ(t),以尋求最優解,擴展后Lagrange表示為

(2)

(3)

(4)

由交替方向乘子更新的各模態分量的計算公式為

(5)

重構后的信號頻帶寬度為

(6)

經優化得到

(7)

最終得出

(8)

具體實現過程如下。

(2)n=n+1,開始循環。

(4)更新λ。

(9)

(5)重復過程(2)到過程(4),直到滿足式(10),停止迭代。

(10)

1.2 Teager能量算子

TEO是一種用于非線性信號分析的差分算子,通過提取實時信號幅值和頻率變化,來反映信號的奇異性[20-21]。TEO能夠有效跟蹤信號變化,可將其應用于對實時信號的檢測和處理。

對于時域連續信號s(t),其TEO定義為

ψ[s(t)]=s′2(t)-s(t)s″(t)

(11)

式(11)中:s′(t)為連續信號s(t)的一階導數;s″(t)為連續信號s(t)的二階導數。

對于時域離散信號s(n),其TEO定義為

ψ[s(n)]=s2(n)-s(n+1)s(n-1)

(12)

1.3 TEO算子能量熵

假設原始信號經過VMD分解得到n個IMF分量,首先計算各個分量的TEO算子,相應的TEO算子依次用u1,u2,…,un表示,各TEO算子能量依次用E1,E2,…,En表示,總能量E={E1,E2,…,En}。各TEO算子的能量定義為

(13)

根據熵的定義,TEO算子能量熵的定義為

(14)

式(14)中:pi為i個信息分量能量的比重概率,pi=Ei/E。

2 基于TEO算子能量熵的故障識別方法

2.1 啟動判據

提取線路兩端測量點的直流電壓,構造故障識別啟動判據,即

|ΔU|<0.5Un

(15)

式(15)中:|ΔU|為雙極直流電壓中任一極的幅值;Un為額定電壓。線路故障瞬間,電壓發生突變,若測量點電壓跌落滿足式(15),故障識別啟動,否則不啟動。

2.2 故障選極及區段識別判據

提取兩條線路兩端共4個測量點的正負極直流電流,分別對其進行VMD分解,對每個IMF分量計算其TEO算子,接著計算各分量的TEO算子能量熵,各測量點的正負極TEO算子能量熵分別記為HiP和HiN(i=1,2,3,4)。計算測量點1和測量點3的正負極TEO算子能量熵的比值,分別記為K1和K3。即

(16)

式(16)中:H1P、H1N和H3P、H3N分別為GSMMC1-GSMMC2線路兩端正負極直流電流的TEO算子能量熵,其中,GSMMC1和GSMMC2表示電網側MMC。

故障選極判據如下:當K1和K3均小于1,判定為正極故障;當K1和K3均大于1,判定為負極故障;當K1和K3均等于1,判定為極間故障。接著進行故障區段識別:若K1和K3均小于1,當K1?K3時,判定故障為GSMMC1-GSMMC2正極故障;當K1?K3時,判定故障為GSMMC1-NEMMC正極故障,其中NEMMC表示新能源側MMC。若K1和K3均大于1,當K1?K3時,判定故障為GSMMC1-GSMMC2負極故障;當K1?K3時,判定故障為GSMMC1-NEMMC負極故障。若K1和K3均等于1,當GSMMC1-GSMMC2線路兩端正負極直流電流的TEO算子能量熵H1PH3P時,判定故障為GSMMC1-NEMMC極間故障。

3 基于VMD-TEO算子的故障測距方法

圖1為L2線路正極故障后(故障距離50 km,過渡電阻0.01 Ω)采集的雙端故障電流行波、經VMD分解后IMF分量及IMF1的Teager瞬時能量譜。首先對故障電流行波進行VMD分解,取模態個數K為4,將IMF1分量運用Teager能量算子解調,以求取模極大值時刻,即行波波頭到達檢測點的時刻。標定故障行波波頭到達左端測點及右端測點的時刻分別圖1(c)及圖2(c)所示,故障行波波頭到達M、N兩側檢測點的時刻分別為tM=2 069、tN=2 433,根據雙端測距公式求得故障測距結果dM=48.148 km,測距誤差率為0.93%,測距結果比較理想。

圖1 M側電流行波、IMF分量及IMF1的Teager瞬時能量譜Fig.1 Current traveling wave, IMF component and Teager instantaneous energy spectrum of IMF1 at M side

圖2 N側電流行波、IMF分量及IMF1的Teager瞬時能量譜Fig.2 Current traveling wave, IMF component and Teager instantaneous energy spectrum of IMF1 at N side

綜上,多端柔性直流輸電線路故障識別與測距總體流程圖如圖3所示。

圖3 故障識別與測距流程圖Fig.3 Flow chart of fault identification and location

具體步驟為:通過保護測點對線路電流實時監測,根據直流電壓的跌落判斷保護是否啟動。觸發保護后,記錄故障發生時刻前后2 ms內的故障電流信號,計算該時間段內每個測量點的TEO算子能量熵,通過計算正負極TEO算子能量熵的比值K1和K3,判別故障極。判定故障極后,通過比較正負極TEO算子能量熵及其比值,判斷故障區段。在判斷出故障線路的基礎上,根據故障線路兩端直流電流信號,通過VMD結合TEO算子標定行波波頭到達測量點的時刻,根據雙端行波測距法得到故障所在位置。

4 仿真驗證

4.1 系統參數及故障設置

在PSCAD中搭建風-光-儲-蓄互補發電站經柔直外送系統,系統模型如圖4所示,各換流站及線路的參數如表1所示。Udc1、Udc2、Udc3和Udc4分別為GSMMC1、 GSMMC2和NEMMC直流側電壓。L1和L2線路為直流架空線路,L1線路全長180 km,L2線路全長200 km。S1、S2為電壓110 kV、頻率50 Hz的交流系統。NEMMC和GSMMC分別為新能源場站側MMC和電網側MMC。GSMMC1為主控站,采用定直流電壓、定無功控制,額定容量400 MVA,控制直流線路電壓正負200 kV;GSMMC2為從控站,采用定有功、定無功控制,控制功率向GSMMC1輸送200 MW;新能源場站由風光儲蓄互補發電站組成,永磁直驅風電場由單臺直驅風機模型經RTDS接口變壓器放大等效為電場模型,額定容量25 MW,單機容量2.5 MW。光伏電站為50臺單組串并聯陣列的聚合模型,額定容量25 MW,單組串并聯陣列額定輸出0.5 MW,光伏逆變器采用定直流電壓定無功控制,直流電壓環引入最大功率點追蹤。儲能電站采用恒功率充放,額定容量25 MW,單機額定容量0.5 MW。抽水蓄能電站額定容量40 MW。NEMMC采用孤島下垂控制策略,控制新能源場站出口處交流母線電壓穩定在110 kV,頻率穩定為50 Hz。風光儲蓄互補發電站發出功率由NEMMC送入柔性直流輸電系統,與送端交流電網S2由GSMMC2發出的電能,在GSMMC1直流側端口匯合,并經GSMMC1接入交流電網S1。

表1 MMC-MTDC系統部分參數Table 1 Parameters of MMC-MTDC system

圖4 系統拓撲圖Fig.4 System Topology diagram

為分析所提故障識別及測距方法的性能,在直流線路設置單極接地故障和極間短路故障,故障點設置如圖5所示。

f5和f10為線路中點極間短路故障;f1-f2及f8-f9為線路正極單極接地故障;f3-f4及f6-f7為線路負極單極接地故障;f11-f12為線路MMC側單相短路故障;p1～p4、n1～n4為保護安裝處

4.2 故障區段識別及選極

故障區段劃分為:由測量點1和測量點2組成的區段1,以及測量點3和測量點4組成的區段2。仿真設置故障發生在2 s,為永久性故障。采樣頻率為2 kHz,取故障發生前后0.2 s時間窗的數據。所提方法對故障極和故障區段的判別結果如表2所示。

表2 故障區段識別及選極仿真結果Table 2 Simulation results of fault section identification and pole selection

表2中H1P和H3P為保護安裝處(p1、p3)正極電流的TEO算子能量熵,K1和K3為保護安裝處(p1、n1,p3、n3)正負極電流的TEO算子能量熵的比值。由表2可知,所提方法能可靠識別故障區段及故障極。

4.3 故障測距

4.3.1 方法驗證

假設圖5中線路L2處發生正極接地故障,故障發生在2 s,取故障發生前后2 ms時間窗的數據,采樣頻率為1 MHz,本節分別考慮故障電阻和故障位置對所提方法的影響,故障點從10 km增至190 km,并將過渡電阻的變化范圍設為0.01～500 Ω,仿真結果如表3所示。表中誤差率的計算如式(17)所示。由表3可知,所提測距方法不受故障位置的影響,且在500 Ω高過渡電阻接地時仍能準確計算故障距離,誤差率不超過2.55%,因此本文所提測距方法可以準確地識別高阻接地時線路不同位置的接地故障。

表3 不同過渡電阻及故障位置下故障測距結果Table 3 Fault location results under different transition resistances and fault locations

(17)

4.3.2 性能分析

1)過渡電阻影響

在線路L2距離M端150 km設置正極接地故障后,將過渡電阻值分別取為0.01、100、200、400、500 Ω,此時故障電流的變化情況如圖6所示。可以看出,在一定范圍內,隨著過渡電阻的增大,故障電流變化率逐漸降低,即故障暫態特性逐漸減弱,故障識別難度增大,但是故障行波波頭到達保護安裝處的時間基本不變且波形走向基本沒有改變,所提方法在500 Ω高過渡電阻接地時仍能準確識別波頭到達測點時刻。

圖6 過渡電阻對故障電流行波的影響Fig.6 Effect of transition resistance on fault current traveling wave

圖7給出了線路L2在不同故障位置、不同過渡電阻時單極接地故障后的測距結果。圖中橫坐標代表故障發生位置與線路總長的占比。由圖7可知,線路L2的誤差率在2.0%以下,最大測距誤差不超過2.5 km。因此,所提測距方法幾乎不受過渡電阻的影響,在較大過渡電阻時仍有較高的測距精度。

圖7 不同過渡電阻時的測距誤差Fig.7 Ranging errors with different transition resistances

2)限流電抗器影響

在線路L2距離M端150 km處設置正極接地故障后,將限流電抗器的幅值分別取為20、100、150、200 mH,此時故障電流的變化情況如圖8所示。

圖8 不同限流電抗器對故障電流行波的影響Fig.8 Effect of different current limiting reactors on the traveling wave of fault current

由圖8可知,隨著限流電抗器幅值的增加,故障電流行波幅值變化減弱,但由于本文所提測距方法只需標定行波波頭到達測量點的時間,因此對精度并沒有很大影響。對于4種不同幅值限流電抗器情景下的故障,測距誤差率基本在0.93%。在多端柔性直流輸電系統中,故障行波的折反射多次經過限流電抗器,幅值會衰減,因此當限流電抗器幅值過大時,會使故障測距誤差變大。

5 結論

對風-光-儲-蓄互補發電站經柔性直流輸電線路外送系統的故障識別與測距方法進行了研究,得到以下結論。

(1)提出了一種利用測量點正負極TEO算子能量熵的比值作為判據,實現故障極和故障區段的識別的方法。

(2)利用VMD-TEO算子作為標定行波波頭到達檢測點時刻的方法,以提高對弱故障特征的敏感度,進而提升高阻故障下波頭識別能力。

(3)仿真驗證表明,所提故障識別方案可以準確識別故障類型、故障極和故障區段,使得保護快速正確動作。所提故障測距方法可以在故障發生2 ms時間窗內獲取故障位置,且幾乎不受故障位置和過渡電阻的影響,具有較高的可靠性和靈敏性。