楊興雄，孫士云，黃柯昊

基于BP神經(jīng)網(wǎng)絡(luò)模型的風(fēng)電場送出變故障識別

楊興雄，孫士云，黃柯昊

（昆明理工大學(xué) 電力工程學(xué)院，云南 昆明 650500）

變壓器是電力系統(tǒng)中最重要的樞紐設(shè)備之一，其保護(hù)動作的正確是整個電力系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵。對于接入大規(guī)模風(fēng)電場的系統(tǒng)，雙饋風(fēng)電機(jī)組在低電壓穿越期間短路電流特殊的頻偏特性將導(dǎo)致傳統(tǒng)變壓器差動保護(hù)方案在風(fēng)電場送出變中動作性能變差。針對這一問題，首先推導(dǎo)了頻偏特性下短路電流經(jīng)DFT提取后的誤差表達(dá)式，并分析該短路電流對傳統(tǒng)保護(hù)的影響。在此基礎(chǔ)上，提出了利用BP神經(jīng)網(wǎng)絡(luò)模型來逼近變壓器電磁暫態(tài)模型，并結(jié)合波形相關(guān)性進(jìn)行故障識別的新方案。最后，在MATLAB/SIMULINK平臺上搭建雙饋風(fēng)電場仿真模型。仿真結(jié)果表明，在各運(yùn)行工況下，基于BP神經(jīng)網(wǎng)絡(luò)模型的方案能夠有效進(jìn)行故障識別，并規(guī)避頻偏特性及勵磁涌流帶來的影響。

雙饋感應(yīng)風(fēng)力發(fā)電機(jī)；頻偏特性；變壓器故障識別；BP神經(jīng)網(wǎng)絡(luò)；波形相關(guān)性

0 引言

雙饋感應(yīng)發(fā)電機(jī)（DFIG）是風(fēng)電場廣泛采用的機(jī)型。在低電壓穿越期間，其提供的短路電流與傳統(tǒng)電源的短路電流有較大差異，具有特殊的頻偏特性。隨著風(fēng)電滲透率的逐年提高，這一特性使得變壓器傳統(tǒng)差動保護(hù)方案在風(fēng)電場送出變中動作性能變差[1–4]。

目前，國內(nèi)外學(xué)者針對變壓器保護(hù)展開了大量的研究。文獻(xiàn)[5]介紹了傳統(tǒng)變壓器差動保護(hù)方案構(gòu)成思路，并對該方案的適用性進(jìn)行了深入分析和仿真驗(yàn)證，發(fā)現(xiàn)差動保護(hù)方案正確動作的關(guān)鍵是區(qū)分勵磁涌流與故障電流。目前，勵磁涌流的鑒別主要分為2類：一類是基于變壓器參數(shù)特性，通過計算漏電感、電阻等參數(shù)進(jìn)行勵磁涌流鑒別，包括最小二乘法參數(shù)識別、瞬時等效電感識別等[6–8]。另一類是基于勵磁涌流與故障電流的波形特征、諧波特征，通過分析間斷角、二次諧波含量及波形數(shù)學(xué)形態(tài)對勵磁涌流進(jìn)行鑒別[9–11]。這2類方法能夠有效提高傳統(tǒng)變壓器差動保護(hù)的可靠性。文獻(xiàn)[12–14]利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建變壓器模型，在對各工況下樣本訓(xùn)練后直接對故障進(jìn)行識別，規(guī)避了對勵磁涌流的鑒別；該方法辨識精度高，保護(hù)動作快速準(zhǔn)確。以上文獻(xiàn)對變壓器故障識別進(jìn)行了研究，并提出了多種變壓器勵磁涌流識別新方法，進(jìn)一步推動了變壓器繼電保護(hù)的發(fā)展。但是，這些文獻(xiàn)多是針對傳統(tǒng)電源下的變壓器保護(hù)研究，未充分考慮傳統(tǒng)電源短路電流與風(fēng)電場短路電流的較大差異[15,16]。

其次，大數(shù)據(jù)下的開放性創(chuàng)新實(shí)驗(yàn)室能夠?yàn)閷W(xué)生提供實(shí)現(xiàn)自身價值的平臺。大數(shù)據(jù)下的開放性創(chuàng)新性實(shí)驗(yàn)教學(xué)管理，可以更好地為學(xué)生營造一個發(fā)散思維、實(shí)現(xiàn)自身創(chuàng)新想法的平臺，這樣也就為理工類學(xué)生提供了一個實(shí)現(xiàn)夢想的機(jī)會，從這一個層面上展開分析可知，這對于學(xué)生的吸引力仍然是非常重要的。從這個方面再次與傳統(tǒng)的實(shí)驗(yàn)教學(xué)管理模式展開比較可知，很顯然傳統(tǒng)的實(shí)驗(yàn)室教學(xué)管理模式與這樣的目標(biāo)是背道而馳的。充分采用大數(shù)據(jù)開放性創(chuàng)新實(shí)驗(yàn)教學(xué)管理模式，可以很好地節(jié)省人力成本，同時還能更加規(guī)范化以及高效化地對實(shí)驗(yàn)室設(shè)施展開科學(xué)化的保管以及使用，所以這樣的模式受到了當(dāng)前全國范圍內(nèi)大部分業(yè)內(nèi)專家學(xué)者的廣泛關(guān)注與研究。

針對上述問題，本文分析了DFIG頻偏下短路電流經(jīng)DFT提取后的表達(dá)式及其對變壓器保護(hù)的影響；在此基礎(chǔ)上，利用BP人工神經(jīng)網(wǎng)絡(luò)逼近變壓器電磁暫態(tài)模型，從而進(jìn)行故障判別。最后利用MATLAB/SIMULINK平臺進(jìn)行仿真，結(jié)果表明該方案在各運(yùn)行工況下均能夠準(zhǔn)確進(jìn)行變壓器故障識別。

1 風(fēng)電場送出變保護(hù)配置

目前，風(fēng)電場的變壓器保護(hù)配置仍然采用傳統(tǒng)的差動保護(hù)配置，主要包括：比率制動、涌流閉鎖和差流速斷3個部分，其動作邏輯如圖1所示。

圖1 變壓器差動保護(hù)動作邏輯

比率制動元件：該模塊主要是通過判別差動電流與制動電流的關(guān)系，來區(qū)分內(nèi)部故障、外部故障，從而決定保護(hù)是否啟動。常用的比率制動元件動作方程如式（1）所示。

式中：op、op.min分別表示差動電流動作值及差動電流最小動作值；res、res.min分別表示制動電流值及制動電流最小值；n表示變壓器二次側(cè)電流；表示制動系數(shù)。

涌流閉鎖元件：該模塊利用差動電流中二次諧波分量的占比來區(qū)分故障與勵磁涌流，并聯(lián)合比率制動模塊進(jìn)行故障識別。

差流速斷保護(hù)元件：由于比率制動及涌流閉鎖的判別需要時間，故在發(fā)生較為嚴(yán)重的內(nèi)部故障時，為保護(hù)變壓器不受損壞，配置該模塊以快速切除故障。

3)果實(shí)膨大和花芽分化期追肥。此期追肥既能保證當(dāng)年果實(shí)產(chǎn)量，又能為來年結(jié)果打下基礎(chǔ)，避免出現(xiàn)大小年現(xiàn)象。

2 DFIG短路電流對保護(hù)的影響

2.1 DFIG短路電流

含有撬棒保護(hù)電路的雙饋風(fēng)機(jī)結(jié)構(gòu)如圖2所示，其定子側(cè)直接與電網(wǎng)相連，而轉(zhuǎn)子側(cè)通過變流器與電網(wǎng)相連。由于變流器容量較小，當(dāng)發(fā)生轉(zhuǎn)子側(cè)過電流時極易損壞，所以轉(zhuǎn)子側(cè)配備了Crowbar保護(hù)電路。變流器主要用于為轉(zhuǎn)子提供轉(zhuǎn)差頻率的勵磁電流，從而實(shí)現(xiàn)雙饋風(fēng)機(jī)的變速恒頻發(fā)電運(yùn)行。所以，當(dāng)發(fā)生外部故障導(dǎo)致轉(zhuǎn)子側(cè)過電流時，Crowbar保護(hù)電路投入，對變流器進(jìn)行短接，這會導(dǎo)致頻率出現(xiàn)偏移。這一過程時間短，波形復(fù)雜。

圖2 含Crowbar保護(hù)電路的雙饋風(fēng)機(jī)結(jié)構(gòu)

常用的雙饋風(fēng)機(jī)在發(fā)生三相對稱故障后，定轉(zhuǎn)子短路電流可以表示為[2]：

黨的十九大作出判斷：中國特色社會主義進(jìn)入新時代，我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾。社會主要矛盾的變化是關(guān)系全局的歷史性變化，對公安工作提出了許多新要求。尤其是在政治方面，更是要求確保對黨絕對忠誠。因此，公安院校思政課的教學(xué)任重道遠(yuǎn)。然而，必須清醒認(rèn)識到，當(dāng)前公安院校思政課教學(xué)的開展面臨著許多負(fù)面因素的影響。

傅里葉工頻算法是變壓器保護(hù)配置的基礎(chǔ)，其對故障特征的提取準(zhǔn)確與否直接關(guān)系到保護(hù)是否能夠正確動作。相比于傳統(tǒng)的工頻量，DFIG短路電流成分復(fù)雜，含有衰減的轉(zhuǎn)速頻率分量，導(dǎo)致了定子電流頻率不再保持在50 Hz；這將對基于工頻量的傅里葉算法產(chǎn)生影響。

2.2 DFIG短路電流對送出變保護(hù)的影響

由式（2）可知，系統(tǒng)發(fā)生三相對稱故障后，由于Crowbar保護(hù)電路的投入，定子側(cè)的短路電流除了基頻分量、衰減直流分量，還有衰減轉(zhuǎn)速頻率分量。系統(tǒng)發(fā)生不對稱故障時，衰減轉(zhuǎn)速頻率分量的頻率大小取決于故障前的轉(zhuǎn)速。一般地，雙饋風(fēng)機(jī)轉(zhuǎn)速運(yùn)行在0.7～1.2 p.u.之間，因此短路后定子側(cè)電流頻率在35～60 Hz之間，偏離于工頻50 Hz。

在我國西南地區(qū)的深山野林里，生長著一種草本植物，它開著白色的小花，雖然看上去清新可愛，卻也沒什么特別之處。但是，如果下雨之后你再來看，便會發(fā)現(xiàn)原先白色的小花變得晶瑩剔透，就像精心雕琢后的精美藝術(shù)品。你知道這種神奇植物的名字嗎？

引入頻偏因子表示故障后定子電流角頻率與額定角頻率之間的關(guān)系，即令：

式中：表示故障后定子電流角頻率；0表示額定工頻角頻率。發(fā)生對稱短路后，由式（2）可以發(fā)現(xiàn)，定子短路電流含有基頻分量、衰減直流分量、衰減轉(zhuǎn)速頻率分量。由于直流不影響傅里葉提取，因此可將定子短路電流歸一化表示為：

BP網(wǎng)絡(luò)算法是神經(jīng)網(wǎng)絡(luò)中最為常用的一種，其結(jié)構(gòu)主要包括：輸入層，隱藏層，輸出層。該算法以誤差平方為目標(biāo)函數(shù)，通過信號的前向傳播和誤差的反向傳播來計算目標(biāo)函數(shù)的最小值。常用的BP神經(jīng)網(wǎng)絡(luò)模型如圖6所示。

同理，短路電流經(jīng)傅里葉算法運(yùn)算后，二次諧波分量正余弦系數(shù)及幅值如式（6）所示：

目前，風(fēng)電場送出變保護(hù)配置中的差流速斷保護(hù)和比率制動保護(hù)仍是基于工頻量的保護(hù)方案。觀察式（5）可以發(fā)現(xiàn)，如果存在頻偏分量（≠0），經(jīng)過傅里葉算法以后，定子電流的基頻幅值不再保持恒定，而是隨著頻偏因子的變化而變化；基頻幅值可能大于1，且受頻偏因子影響較大。這勢必會導(dǎo)致比率制動環(huán)節(jié)中，實(shí)際動作值和保護(hù)判據(jù)值的波動，從而導(dǎo)致保護(hù)的誤動。另一方面，變壓器保護(hù)配置中較為重要的勵磁涌流模塊是利用二次諧波與基波的占比來進(jìn)行涌流閉鎖的，其動作值一般設(shè)為0.15，超過該動作值判定為涌流閉鎖，保護(hù)不動作。由式（6）可以發(fā)現(xiàn)，由于存在頻偏分量，經(jīng)過傅里葉算法運(yùn)算后，二次諧波的幅值亦不再保持恒定，可使得二次諧波涌流閉鎖期間動作值超過0.15而發(fā)生誤動。

2.3 傳統(tǒng)變壓器保護(hù)方案在風(fēng)電場中的適應(yīng)性分析

式中：下標(biāo)A、B、C表示一次側(cè)各電氣量；下標(biāo)ac、ba、cb表示二次側(cè)各電氣量；表示電壓；表示電阻；表示電感；1、2分別表示一次側(cè)二次側(cè)繞組匝數(shù)；表示一次、二次繞組的互感磁通。

圖3 仿真系統(tǒng)結(jié)構(gòu)示意圖

該系統(tǒng)包含40臺1.5 MW的雙饋風(fēng)機(jī)。每臺風(fēng)機(jī)經(jīng)箱變將出口處電壓由0.575 kV升高至35 kV后匯集到集電線路，再經(jīng)主變壓器將電壓升高送至110 kV母線。系統(tǒng)中各元件主要參數(shù)為：雙饋風(fēng)機(jī)額定功率為1.5 MW，功率因數(shù)為0.9，轉(zhuǎn)差率為0.2，額定電壓為0.575 kV；110 kV電網(wǎng)系統(tǒng)正序阻抗s1=7 Ω，零序阻抗s0=11 Ω，短路容量約為1 728 MVA；風(fēng)電場與電網(wǎng)的短路容量比約為3.5%；輸電線路正序阻抗為Z1=0.115 3+j0.215 Ω/km，零序阻抗為Z0=0.415 3+j0.713 Ω/km。

假設(shè)：=1 s時送出變保護(hù)區(qū)內(nèi)點(diǎn)發(fā)生三相故障，電壓跌落至撬棒動作值；經(jīng)過5 ms延時后投入Crowbar保護(hù)電路，=1.2 s時故障切除；轉(zhuǎn)差率為0.2。圖4、圖5所示為該故障條件下傳統(tǒng)變壓器差動保護(hù)動作情況。

伴隨著經(jīng)濟(jì)全球化進(jìn)程不斷加快，在信息化浪潮席卷全球的背景下，信息化對于一個企業(yè)，其重要性不言而喻。面對日益激烈的市場競爭，越來越多的企業(yè)開始意識到，在互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的今天，企業(yè)的發(fā)展必須依托信息技術(shù)，特別是在信息技術(shù)應(yīng)用相對滯后的建筑業(yè)中。住房和城鄉(xiāng)建設(shè)部印發(fā)的《2016-2020年建筑業(yè)信息化發(fā)展綱要》指出，“十三五”期間，要全面提高建筑業(yè)信息化水平，形成一批具有較強(qiáng)信息技術(shù)創(chuàng)新能力和信息化應(yīng)用達(dá)到國際先進(jìn)水平的建筑企業(yè)及具有關(guān)鍵自主知識產(chǎn)權(quán)的建筑業(yè)信息技術(shù)企業(yè)，人力資源管理信息化作為建筑業(yè)信息化重要一環(huán)被寫進(jìn)綱要中。

圖5 內(nèi)部故障時傳統(tǒng)二次諧波制動環(huán)節(jié)動作情況

對比分析圖4、圖5可知，投入撬棒后，由于變流器被短接，導(dǎo)致頻率出現(xiàn)偏移，短路電流中存在的轉(zhuǎn)速頻率分量使得比率制動和二次諧波制動的制動值、動作值都出現(xiàn)了較大波動。由圖4可知，發(fā)生內(nèi)部故障時，比率制動環(huán)節(jié)（A相）在1.05～1.08 s期間，動作值大于制動值，保護(hù)正確動作；而在1.08～1.015 s期間，動作值小于制動值，保護(hù)出現(xiàn)了拒動。由圖5可知，二次諧波涌流閉鎖環(huán)節(jié)中，在1.07～1.11 s期間，涌流閉鎖判據(jù)動作值大于閾值0.15，判定為勵磁涌流而非故障，將差動保護(hù)環(huán)節(jié)閉鎖，出現(xiàn)了誤動，與前面的理論分析相符。綜上，傳統(tǒng)變壓器保護(hù)配置應(yīng)用于風(fēng)電場送出變中，由于風(fēng)電場短路電流的特殊性，在風(fēng)電滲透率較大、短路容量比較高時，送出變保護(hù)存在著誤動的情況，需要進(jìn)一步探索適用于風(fēng)電場送出變的故障識別方法。

3 BP神經(jīng)網(wǎng)絡(luò)模型及變壓器故障識別

式中：表示定子電流初相角。式（4）短路電流經(jīng)傅里葉算法運(yùn)算后，基頻分量正余弦系數(shù)及幅值如式（5）所示：

圖6 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖6中，x為輸入層的各輸入量；為輸出層的各輸出量；w為輸入層—隱藏層的連接權(quán)值；b為輸入層—隱藏層的偏置量；w為隱藏層—輸出層的權(quán)值；b為隱藏層—輸出層的偏置量。圖6中神經(jīng)網(wǎng)絡(luò)的輸出方程可表示為：

靖邊縣沙源署業(yè)發(fā)展有限公司是全縣較早發(fā)展規(guī)模種植馬鈴薯的現(xiàn)代化基地，2018年耕作土地6000余畝，擁有拖拉機(jī)6臺，其中3臺安裝有自動導(dǎo)航駕駛系統(tǒng)（其中一臺為迪爾導(dǎo)航駕駛系統(tǒng)、2臺為北斗導(dǎo)航駕駛系統(tǒng)）。

該系數(shù)越接近1，表示實(shí)際輸出與神經(jīng)網(wǎng)絡(luò)模型輸出越相近，判定為正常運(yùn)行或外部故障；反之則為內(nèi)部故障。以該系數(shù)作為保護(hù)判據(jù)，摒棄傳統(tǒng)辨識算法中常用的求R-L參數(shù)，即可對故障進(jìn)行識別。本文結(jié)合仿真及相關(guān)文獻(xiàn)研究，設(shè)定保護(hù)判據(jù)為0.85。

為驗(yàn)證傳統(tǒng)變壓器保護(hù)方案在風(fēng)電場中的適應(yīng)性，按照圖3所示系統(tǒng)搭建雙饋風(fēng)電場仿真模型。

由于三角側(cè)的相電流不能直接通過測量來獲得，利用三角側(cè)電流關(guān)系La=ac–ba，Lb=ba–cb，Lc=cb–ac，并假設(shè)三相繞組對稱，兩側(cè)匝數(shù)比等于變比，即A=B=C=1，ac=ba=cb=2，A=B=C=1，ac=ba=cb=2，=1/2，則式（8）（9）利用高斯消去法可進(jìn)一步變換為：

類比于BP神經(jīng)網(wǎng)絡(luò)輸入層、隱藏層、輸出層，以回路平衡式式（10）中第一個等式為例建立網(wǎng)絡(luò)模型。定義變壓器回路方程中輸入層為式（11）所示，輸出層為式（12）所示。

定義輸入層、輸出層后，首先依據(jù)文獻(xiàn)[13]的方法確定隱含層節(jié)點(diǎn)數(shù)目，對輸入數(shù)據(jù)進(jìn)行預(yù)處理；并利用神經(jīng)網(wǎng)絡(luò)可以逼近任一復(fù)雜函數(shù)的特點(diǎn)，逼近變壓器的電磁暫態(tài)模型。然后，對正常和外部故障下的樣本數(shù)據(jù)進(jìn)行訓(xùn)練和檢測，并將訓(xùn)練好的樣本生成神經(jīng)網(wǎng)絡(luò)。最后，比較實(shí)際輸出值與神經(jīng)網(wǎng)絡(luò)輸出值并利用如式（12）所示的波形相關(guān)系數(shù)做為判據(jù)來進(jìn)行故障識別。用1、2、3分別表示平衡式（10）中第1、第2、第3式的波形相關(guān)系數(shù)。

常用的星三角變壓器結(jié)構(gòu)如圖7所示。正常運(yùn)行或外部故障時，一次側(cè)、二次側(cè)繞組回路方程如式（8）（9）所示[15]。

(3)通過對所出露的地下管線調(diào)查記錄。例如運(yùn)用測繪和繪圖的方法，對地下管線現(xiàn)情況加以標(biāo)示，在明確各類地下管線位置的基礎(chǔ)上，詳細(xì)核查地下附屬設(shè)施，并測量附屬物的屬性。

4 仿真驗(yàn)證

為進(jìn)一步驗(yàn)證所述方法的有效性，在MATLAB/SIMULINK軟件平臺上搭建圖3所示雙饋風(fēng)電場仿真模型，以系統(tǒng)點(diǎn)在0.7～0.85 s發(fā)生區(qū)內(nèi)區(qū)外故障為例進(jìn)行驗(yàn)證。本文在該節(jié)仿真中采用的BP神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為4，輸出層節(jié)點(diǎn)數(shù)為1，隱含層神經(jīng)元個數(shù)為8，神經(jīng)網(wǎng)絡(luò)個數(shù)為3。

網(wǎng)宿科技的主營業(yè)務(wù)是CDN（內(nèi)容分發(fā)網(wǎng)絡(luò)），1998年，CDN自國外引入，網(wǎng)宿科技靠前期對市場機(jī)會的敏感捕捉和對市場的深耕，經(jīng)過幾年時間的發(fā)展，一舉成長為國內(nèi)CDN的龍頭企業(yè)。當(dāng)時整個市場形成了以網(wǎng)宿科技和藍(lán)汛雙寡頭壟斷的格局體系。之后，隨著互聯(lián)網(wǎng)的飛速發(fā)展，CDN規(guī)?？焖僭鲩L，騰訊及阿里以價格戰(zhàn)強(qiáng)勢切入戰(zhàn)場，延續(xù)到今日。

取正常運(yùn)行時5周波的采樣數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。訓(xùn)練并測試完成后，將變壓器可能運(yùn)行的工況，包括正常運(yùn)行、高低壓側(cè)內(nèi)部故障、高低壓側(cè)外部故障、空載合閘幾種情況下的一周波數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行計算。然后，將網(wǎng)絡(luò)模型輸出和實(shí)際值進(jìn)行比較，并利用波形相關(guān)系數(shù)進(jìn)行故障判別。限于篇幅，以高壓側(cè)發(fā)生三相、單相內(nèi)外部故障為例進(jìn)行分析，仿真結(jié)果如圖8—10所示，其余工況下動作情況歸納入附表A。

近年來，環(huán)境問題日益受到世界各國的重視，煤炭在為我國經(jīng)濟(jì)社會持續(xù)平穩(wěn)發(fā)展提供能源保障的同時，其帶來的資源、環(huán)境、生態(tài)和安全問題也越來越突出。所以，在煤炭從開發(fā)到利用全過程中，減少污染排放、提高利用效率成為必然趨勢。2017聯(lián)合國組織的能源會議上，參與會議國家和企業(yè)承諾，要發(fā)展CCUS。CCUS（Carbon Capture，Utilization and Storage）碳捕獲、利用與封存是應(yīng)對全球氣候變化的關(guān)鍵技術(shù)之一，即把生產(chǎn)過程中排放的二氧化碳進(jìn)行提純，繼而投入到新的生產(chǎn)過程中，可以循環(huán)再利用。在對于煤炭行業(yè)來說，積極推廣該技術(shù)，從長遠(yuǎn)看，有較高的社會效益和綜合經(jīng)濟(jì)利益。

對比分析圖9、圖10可知，在區(qū)內(nèi)三相故障、單相接地故障時，系統(tǒng)實(shí)際輸出值和神經(jīng)網(wǎng)絡(luò)模型輸出值波形基本吻合，具有較高的相似度。而區(qū)外三相故障、單相接地故障時，系統(tǒng)實(shí)際輸出值和神經(jīng)網(wǎng)絡(luò)模型輸出值波形具有較大的差異，波形幾乎沒有相似或重疊部分。此外，從附表A中各類故障條件下波形相似度及保護(hù)動作情況的歸納也可以發(fā)現(xiàn)，高、低壓側(cè)發(fā)生內(nèi)外部故障及空載合閘時，由于頻偏分量的存在，導(dǎo)致了傳統(tǒng)保護(hù)動作值及保護(hù)制動值均出現(xiàn)較大波動，故障期間保護(hù)動作出現(xiàn)了拒動與誤動。基于BP神經(jīng)網(wǎng)絡(luò)算法故障識別的方案以波形相關(guān)系數(shù)0.85為故障判據(jù)，在區(qū)內(nèi)故障時，波形相關(guān)系數(shù)均小于該判據(jù)值，而區(qū)外故障時大于判據(jù)值，能夠正確識別三相、單相、兩相區(qū)內(nèi)外故障以及空載合閘：判據(jù)簡單有效，且不受頻偏的影響，保護(hù)動作可靠性高。

圖8 正常運(yùn)行時實(shí)際輸出與神經(jīng)網(wǎng)絡(luò)輸出比較

圖10 單相故障時實(shí)際輸出與神經(jīng)網(wǎng)絡(luò)輸出比較

5 結(jié)論

本文分析了DFIG短路電流特性及其對變壓器保護(hù)的影響。在此基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)模型對變壓器進(jìn)行故障識別，得到以下結(jié)論：

（1）DFIG短路電流由于頻偏特性，經(jīng)DFT提取后，短路電流的基頻分量及2次諧波分量的幅值、相角均不再保持恒定，而是隨著頻偏產(chǎn)生波動；對于弱點(diǎn)網(wǎng)或短路容量比較大的風(fēng)電場，這會導(dǎo)致傳統(tǒng)的變壓器差動保護(hù)方案在風(fēng)電場送出變中無法準(zhǔn)確動作。

各斷面洪峰流量計算均采用曼寧公式：Q=A·k/n·R2/3·S1/2。其中面積A與濕周的值根據(jù)斷面圖查算，k值為1，糙率n值按《山西省水文計算手冊》[2]規(guī)定選用。伍姓湖容積及表面積由原容積曲線查得。見圖2，計算結(jié)果如表2。

（2）利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行故障識別的方案，摒棄了傳統(tǒng)辨識算法中常用的求-參數(shù)；通過引入波形相關(guān)系數(shù)，不但能夠準(zhǔn)確判別變壓器內(nèi)外部故障，同時規(guī)避了頻偏及勵磁涌流帶來的影響。

[1] 袁輝, 宋曉喆, 孫福壽, 等. 弱電網(wǎng)中低電壓穿越控制策略導(dǎo)致的雙饋風(fēng)機(jī)失穩(wěn)機(jī)理分析[J]. 電力自動化設(shè)備, 2020, 40(9): 50-56.

YUAN HUI, SONG XIAOZHE, SUN FUSHOU, et al. Analysis of LVRT control strategy-oriented DFIG instability mechanism in weak grid[J]. Electric Power Automation Equipment, 2020, 40(9): 50-56(in Chinese).

[2] 范小紅, 安德超, 孫士云, 等. 計及撬棒保護(hù)動作時間的雙饋風(fēng)機(jī)三相短路電流特性分析[J]. 電工技術(shù)學(xué)報, 2019, 34(16): 3444-3452.

FAN XIAOHONG, AN DECHAO, SUN SHIYUN, et al. Three-phase short circuit current characteristic analysis of doubly fed induction generator considering crowbar protection action time[J]. Transactions of China Electrotechnical Society, 2019, 34(16): 3444-3452(in Chinese).

[3] 王濤, 諸自強(qiáng), 年珩, 等. 非理想電網(wǎng)下雙饋風(fēng)力發(fā)電系統(tǒng)運(yùn)行技術(shù)綜述[J]. 電工技術(shù)學(xué)報, 2020, 35(3): 453-471.

WANG TAO, ZHU ZIQIANG, NIAN HENG, et al. Review of operation technology of doubly-fed induction generator-based wind power system under nonideal grid conditions[J]. Transactions of China Electrotechnical Society, 2020, 35(3): 453-471(in Chinese).

[4] 于珍, 沈沉, 張雪敏. 雙饋風(fēng)機(jī)故障穿越后功率恢復(fù)速率對系統(tǒng)暫態(tài)穩(wěn)定的影響分析[J]. 中國電機(jī)工程學(xué)報, 2018, 38(13): 3781-3791.

YU ZHEN, SHEN CHEN, ZHANG XUEMIN. Analysis on the impact of post-fault power recovery speed of doubly-fed induction generators on power system transient stability[J]. Proceedings of the CSEE, 2018, 38(13): 3781-3791(in Chinese).

[5] 寧鐸, 尤磊, 李英春, 等. 變壓器差動保護(hù)動作特性的仿真研究[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(4): 99-106.

NING DUO, YOU LEI, LI YINGCHUN, et al. Simulation research on the operating characteristic of transformer differential protection[J]. Power System Protection and Control, 2017, 45(4): 99-106(in Chinese).

[6] 武萬才, 邊疆, 吳志勇. 變壓器和應(yīng)涌流產(chǎn)生機(jī)理及其特性分析[J]. 中國電機(jī)工程學(xué)報, 2011, 31(6): 112-115.

WU WANCAI, BIAN JIANG, WU ZHIYONG. Principle and characteristics of transformer sympathetic inrush[J]. Electric Power Automation Equipment, 2011, 31(6): 112-115(in Chinese).

[7] 闞超豪, 李航程, 任泰安, 等. 繞線轉(zhuǎn)子無刷雙饋電機(jī)漏感計算[J]. 電工技術(shù)學(xué)報, 2019, 34(19): 4017-4027.

KAN CHAOHAO, LI HANGCHENG, REN TAI’AN, et al. Calculation of leakage inductance for wound-rotor brushless doubly-fed machine[J]. Transactions of China Electrotechnical Society, 2019, 34(19): 4017-4027(in Chinese).

[8] 王高猛, 么莉, 王文文. 基于AMI量測信息的變壓器參數(shù)辨識方法[J]. 電力系統(tǒng)及其自動化學(xué)報, 2019, 31(6): 38-42.

WANG GAOMENG, YAO LI, WANG WENWEN. Identification method for transformer parameters based on AMI metering data[J]. Proceedings of the CSU-EPSA, 2019, 31(6): 38-42(in Chinese).

[9] 吳雅斌. 變壓器勵磁涌流及其抑制技術(shù)研究[D]. 濟(jì)南: 山東大學(xué), 2019.

WU YABIN. Research on transformer inrush current and suppression technology[D]. Jinan: Shandong University, 2019(in Chinese).

[10] 黃景光, 羅亭然, 林湘寧, 等. 勵磁涌流波形密度系數(shù)鑒別算法[J]. 電力系統(tǒng)及其自動化學(xué)報, 2017, 29(7): 34-40.

HUANG JINGGUANG, LUO TINGRAN, LIN XIANGNING, et al. Identification algorithm for magnetizing inrush current in terms of waveform density coefficient[J]. Proceeding of the CSU-EPSA, 2017, 29(7): 34-40(in Chinese).

[11] JING M, YAN X, ZENGPING W, et al. A novel adaptive scheme of discrimination between internal faults and inrush currents of transformer using mathematical morphology[C]//2006 IEEE Power Engineering Society General Meeting. Montreal, QC, Canada: IEEE, 2006: 1-7.

[12] 胡曉鵬, 易理剛. 基于小波預(yù)處理的人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)微機(jī)變壓器保護(hù)的新方法[J]. 繼電器. 2004, 32(6): 22-26.

HU XIAOPENG, YI LIGANG. A new method of applying artificial neural network based on preprocess of wavelets to realize computer-based transformer protection[J]. RELAY, 2004, 32(6): 22-26(in Chinese).

[13] 趙文清, 嚴(yán)海, 周震東, 等. 基于殘差BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]. 電力自動化設(shè)備, 2020, 40(2): 143-148.

ZHAO WENQING, YAN HAI, ZHOU ZHENDONG, et al. Fault diagnosis of transformer based on residual BP neural network[J]. Electric Power Automation Equipment, 2020, 40(2): 143-148(in Chinese).

[14] LI J, WATER W, ZHU B, et al. Integrated high-frequency coaxial transformer design platform using artificial neural network optimization and FEM simulation[J]. IEEE Transactions on Magnetics, 2015, 51(3): 1-4.

[15] 郝治國, 張保會, 褚云龍, 等. 基于等值回路平衡方程的變壓器保護(hù)原理[J]. 中國電機(jī)工程學(xué)報, 2006, 26(10): 67-72.

HAO ZHIGUO, ZHANG BAOHUI, CHU YUNLONG, et al. Study on transformer protection principle based on equivalent circuit equilibrium equation[J]. Proceedings of the CSEE, 2006, 26(10): 67-72(in Chinese).

[16] 金晶. 雙饋風(fēng)電機(jī)組轉(zhuǎn)子變流器對短路特性的影響研究[D]. 重慶: 重慶大學(xué), 2012.

JIN JING. Studies on the Influence of rotor converter of double-fed induction wind turbine on short circuit characteristics[D]. Chongqing: Chongqing University, 2012(in Chinese).

附錄：

附表A 各運(yùn)行工況下傳統(tǒng)保護(hù)與神經(jīng)網(wǎng)絡(luò)故障識別

Tab. A Traditional protection and neural network fault identification under various operating condition

案例故障類型比率制動涌流閉鎖傳統(tǒng)差動動作情況BP神經(jīng)網(wǎng)絡(luò)下波形相關(guān)系數(shù)R1/R2/R3BP神經(jīng)網(wǎng)絡(luò)動作情況 1正常運(yùn)行不動作不動作正確不動作0.9960.9990.995正確不動作 2Y側(cè)區(qū)外三相故障不動作不動作正確不動作0.9560.9120.905正確不動作 3△側(cè)區(qū)內(nèi)三相故障動作動作拒動–0.201–0.270–0.222正確動作 4Y側(cè)區(qū)內(nèi)單相接地故障動作動作拒動–0.3750.965–0.278正確動作 5△側(cè)區(qū)內(nèi)單相接地故障動作動作拒動–0.3050.921–0.208正確動作 6△側(cè)AB匝間故障（匝比50%）動作不動作正確動作–0.1310.2110.966正確動作 7空載合閘于A相匝間故障動作動作誤動0.2150.9660.166正確動作 8空載合閘于外部故障不動作不動作正確不動作0.9680.9880.982正確不動作

Fault Identification of Transmission Transformer in Wind Farm Based on Artificial Neural Network Model

YANG Xingxiong, SUN Shiyun, HUANG Kehao

(Faculty of Electric Power Engineering, Kunming University of Science and Technology, Kunming 650500, China)

The power transformer is one of the most important equipments in a power system. Its reliable protection system is the key to the stable operation of the whole power system. The unique frequency offset characteristics of short-circuit current of doubly-fed wind farm (DFIG) during low-voltage ride through will affect the differential protection performance in the transmission transformers. To solve this problem, firstly, the error expression of short-circuit current extracted by DFT under frequency offset characteristics is introduced, and the influence of short-circuit current on traditional protection is analyzed. On this basis, this paper proposed a new scheme using BP (Back Propagation) neural network model, combined with waveform correlation for fault identification, to approximate the transformer electromagnetic transient model. Finally, the simulation model of a doubly fed wind farm is built on MATLAB/SIMULINK platform to verify this scheme.The results show that it can effectively identify faults under various operating conditions, and minimize the impact of frequency offset characteristics and inrush current.

doubly-fed induction generator; frequency offset characteristics; transformer fault identification; BP neural network; waveform correlation

10.3969/j.ISSN.1672-0792.2021.11.003

TM73

A

1672-0792(2021)11-0023-09

2021-07-16

國家自然科學(xué)基金重點(diǎn)項(xiàng)目（52037003）；云南省重大專項(xiàng)（202002AF080001）

楊興雄（1995—），男，碩士研究生，研究方向?yàn)轱L(fēng)力發(fā)電及其對電力系統(tǒng)保護(hù)的影響；

孫士云（1981—），女，碩士生導(dǎo)師，研究方向?yàn)樾履茉撮_網(wǎng)及其繼電維護(hù)；

2010年后，隨著油田產(chǎn)量規(guī)模下降，經(jīng)濟(jì)可采儲量不斷降低，即便是高油價也無法抗衡當(dāng)期折舊折耗過高帶來的資產(chǎn)壓力。2014年至2016年，油田折耗率達(dá)到46%，為歷史最高。

黃柯昊（1995—），男，碩士研究生，研究方向?yàn)樾履茉磪⑴c一次調(diào)頻策略研究。