金属氧化物避雷器在线监测研究

发布时间：2017-08-19 03:29

  本文关键词：金属氧化物避雷器在线监测研究

  更多相关文章： 金属氧化物避雷器 遗传算法 老化 等效模型 消噪 在线监测

【摘要】：金属氧化物避雷器(MOA)具有良好的非线性特性,是电力系统中抑制过电压的重要器件。但MOA为在线工作,受众多因素影响会逐渐发生老化劣化现象,因此对其进行电气性能在线监测十分必要。首先对MOA老化特性及其小电流区等效模型进行了研究分析。其次,在前人提出的容性电流补偿算法基础上进一步进行优化,减小了谐波电压对在线监测算法的影响。然后,为进一步提高MOA老化在线监测精确度,通过Matlab仿真研究了现有MOA老化监测指标的灵敏性问题。最后,利用较为成熟的遗传算法,提出了一种全新的MOA老化在线监测技术,并对其实际应用中泄漏电流存在“噪声”问题,提出一种新消噪算法。研究得出如下结论：传统容性电流补偿算法及其改进算法计算基波阻性电流ir1和3次谐波阻性电流ir3时,理论上就产生了误差。研究表明利用容性电流成比例特性,计算真实电容推导出阻性电流,并利用等效电阻方法消除一部分谐波对阻性电流的影响,可以大大减小ir1和ir3计算误差。Matlab仿真表明,改进的容性算法和本章算法计算的ir1误差均值分别为3.35%、2.38%,ir3的误差分别为21.11%,10.40%,具有很好的稳定性,可以准确反应MOA老化劣化情况。为进一步提高MOA老化在线监测精度,通过Matlab分别仿真分析基波电压和全波电压下,基波阻性电流和三次谐波阻性电流的变化规律。仿真表明,基波阻性电流和三次谐波阻性电流随谐波电压初相位的增加而增加,其中三次谐波阻性电流尤为明显,而电力系统中谐波电压初相位具有不确定性。因此监测基波电压产生的基波阻性电流和3次谐波阻性电流更能够准确反映MOA老化劣化情况。为提高MOA老化监测效率,提出基于遗传算法(GA)的MOA在线监测算法。利用GA较好的拟合优化能力,按照MOA等效模型计算泄漏电流,并将其拟合逼近实际测量泄漏电流,求解出模型中反应MOA老化参数k和电容c值,进而实现MOA老化监测。研究表明：基于GA的MOA老化监测技术可较好将计算漏电流值拟合逼近实际测量漏电流(标准差达到1.498%),求解出参数k和电容c值,进而实现老化监测。Matlab仿真表明,在电压频率波动、电压波动以及谐波电压影响下,该算法求解参数k值最大误差0.08%,c值最大误差0.05%,故该算法对电网电压中频率波动、电压波动以及谐波电压干扰敏感性较小,提高了在线监测准确性。实现MOA老化监测需要测量泄漏电流,而泄漏电流信号本身非常微弱,会被电力系统中干扰信号覆盖,因此需要对泄漏电流进行消噪处理。在对比卡尔曼滤波算法和平稳小波消噪算法后,提出一种基于两者的综合消噪算法。首先使用平稳小波变换将泄漏电流信号分解为细节信号和逼近信号,其次对逼近信号和细节信号滤波进行卡尔曼滤波,最后将滤波后的逼近信号和部分细节信号进行重构,得到消噪后的泄漏电流信号。研究表明,该综合消噪算法消噪效果明显优于单独使用卡尔曼滤波和平稳小波算法,为获取“纯净”的泄漏电流提供了可能。
【关键词】：金属氧化物避雷器 遗传算法 老化 等效模型 消噪 在线监测
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM862
【目录】：

• 摘要6-8
• ABSTRACT8-10
• 第一章 绪论10-17
• 1.1 研究背景10-11
• 1.2 金属氧化物避雷器11-12
• 1.3 国内外研究进展12-14
• 1.4 本文的主要工作14-17
• 第二章 MOA阀片老化特性及等效模型研究17-24
• 2.1 MOA阀片老化特性17-18
• 2.2 MOA老化机理研究18-22
• 2.2.1 MOA在过电压影响下的老化研究18-21
• 2.2.2 MOA在温度影响下的老化研究21-22
• 2.3 MOA阀片小电流区等效电路22-23
• 2.4 本章小结23-24
• 第三章 改进的MOA阻性电流算法24-31
• 3.1 算法基本原理24-28
• 3.1.1 容性电流补偿法及其改进算法24-26
• 3.1.2 新等效电阻修正算法26-28
• 3.2 MATLAB仿真结果及分析28-30
• 3.3 本章小结30-31
• 第四章 金属氧化物避雷器在线监测新指标研究31-41
• 4.1 MOA在线监测指标研究31-37
• 4.1.1 电力系统中基波电压作用产生的i_(r1ul)和i_(r3ul)32-34
• 4.1.2 电力系统电压作用下产生的i_(r1)和i_(r3)34-36
• 4.1.2.1 谐波电压初相位为零34-36
• 4.1.2.2 谐波电压具有初相位36
• 4.1.3 仿真结果分析36-37
• 4.2 基波电压作用下i_(rlul)简便求解算法37-39
• 4.2.1 传统算法37-38
• 4.2.2 本章算法38-39
• 4.2.3 Matlab仿真计算39
• 4.3 本章小结39-41
• 第五章 基于遗传算法的金属氧化物避雷器在线监测研究41-52
• 5.1 MOA阀片等效模型介绍41-43
• 5.2 基于GA的MOA老化在线监测算法43-44
• 5.3 试验方法44-46
• 5.3.1 试验结果分析45-46
• 5.4 仿真分析46-51
• 5.4.1 电网谐波电压对本章算法影响46-48
• 5.4.2 电网电压频率波动对本章算法影响48-49
• 5.4.3 电网电压波动对本章算法影响49-51
• 5.4.4 结果及分析51
• 5.5 本章小结51-52
• 第六章 综合消噪算法在金属氧化物避雷器在线监测中的应用52-60
• 6.1 综合滤波算法52-54
• 6.1.1 卡尔曼滤波原理52-53
• 6.1.2 离散平稳小波原理53
• 6.1.3 综合滤波算法53-54
• 6.2 仿真分析54-58
• 6.2.1 仿真模型的建立54
• 6.2.2 仿真模型参数选择54-56
• 6.2.3 滤波结果分析56-58
• 6.3 消噪法的效果对比58-59
• 6.4 本章小结59-60
• 第七章 结论与展望60-63
• 7.1 结论60-61
• 7.2 本文创新点61-62
• 7.3 不足与展望62-63
• 参考文献63-69
• 作者简介69-71
• 致谢71

，

本文编号：698432