黃方能，梅 勇，周 劍，雷傲宇，許 琴

基于正序電流的風(fēng)電接入電網(wǎng)自適應(yīng)閾值差動保護方案

黃方能1，梅 勇1，周 劍1，雷傲宇1，許 琴2

(1.中國南方電網(wǎng)電力調(diào)度控制中心，廣東 廣州 510663； 2.中國能源建設(shè)集團廣東省電力設(shè)計研究院有限公司，廣東 廣州 510663)

隨著風(fēng)電滲透率的不斷提高，風(fēng)電不確定性和間歇性對電網(wǎng)保護方案的影響愈加顯著，基于固定閾值的保護整定方案不再適用于復(fù)雜多變的電力系統(tǒng)?；诖?，提出了基于正序電流的風(fēng)電接入電網(wǎng)自適應(yīng)閾值差動保護方案。首先，以含風(fēng)電場的標(biāo)準(zhǔn)電力系統(tǒng)為例，剖析了風(fēng)電“T”型接入對傳統(tǒng)電流差動保護的影響機理。在此基礎(chǔ)上，以正序電流為故障信號，以故障位置和故障發(fā)生時間為自變量，建立了自適應(yīng)閾值差動保護模型。為了提高求解效率以適應(yīng)保護控制的要求，提出了基于PSO算法的二階段求解方法。其中：階段1以故障位置為優(yōu)化變量，得到對閾值影響最高的故障類型；階段2在階段1的基礎(chǔ)上引入故障開始時間，僅針對階段1得到的故障類型進行二維優(yōu)化，可以明顯縮短計算時間，以實現(xiàn)閾值計算的快速性和準(zhǔn)確性。最后，基于Matlab仿真分析，驗證了該方法的正確性和有效性。

差動保護；風(fēng)電；正序電流；自適應(yīng)閾值；粒子群優(yōu)化(PSO)；二階段求解方法

0 引言

近年來，為減少碳排放并鼓勵綠色能源的發(fā)展，可再生能源接入電力系統(tǒng)的比例逐年升高[1-5]。由于風(fēng)能高效清潔且儲量豐富，風(fēng)力發(fā)電成為新能源發(fā)電的主要方式之一。但是風(fēng)力發(fā)電受地域的限制較大，且風(fēng)速具有很大的隨機性和波動性[6-11]，使得風(fēng)電功率輸出具有較高的不可控性。然而傳統(tǒng)繼電保護整定方案是基于離線整定的，且閾值保持不變[12-15]，難以適應(yīng)含大規(guī)模風(fēng)電接入電網(wǎng)的保護控制。

針對上述問題，文獻[16-19]提出了考慮大型風(fēng)電場出力變化的自適應(yīng)距離保護方案。其中，文獻[19]深入研究了風(fēng)電場參數(shù)變化對距離保護整定值的影響，提出了適用于含風(fēng)電場的輸、配線路自適應(yīng)綜合保護方案；然而，距離保護整定過程復(fù)雜，當(dāng)發(fā)生遠距離以及高阻抗故障時，保護的可靠性會變差[20]。因此，差動保護方案更適用于含風(fēng)電接入電網(wǎng)的輸電線路保護。文獻[21]提出基于暫態(tài)電流波形的縱聯(lián)保護新原理，采用最小二乘法擬合、提取暫態(tài)波形主頻率，并構(gòu)造了相應(yīng)保護判據(jù)；文獻[22]提出了基于電流微分平面約束區(qū)域的自適應(yīng)控制方法，在傳統(tǒng)相量誤差分析的基礎(chǔ)上，引入動態(tài)向量法構(gòu)造電流差動保護方案，但其保護方案的性能受雙饋感應(yīng)電機的影響較大；文獻[23-24]提出了功率差動保護方案，但此類保護方案在功率波動較大的情況下難以運行[25]。文獻[26]提出了基于Hilbert變換和Teager功率的差動保護方案，同樣不能適應(yīng)功率不確定性的情形?？紤]到上述傳統(tǒng)方法的缺陷，文獻[27]基于深度學(xué)習(xí)和數(shù)據(jù)挖掘算法，提出了故障檢測和繼電保護方案，但存在訓(xùn)練數(shù)據(jù)復(fù)雜、計算量大的缺點。

針對上述問題，本文提出了基于正序電流的風(fēng)電接入電網(wǎng)自適應(yīng)閾值差動保護方案。首先，剖析了風(fēng)電“T”型接入對傳統(tǒng)電流差動保護的影響機理，在此基礎(chǔ)上，以正序電流為故障信號，以故障位置和故障發(fā)生時間為自變量，建立了自適應(yīng)閾值差動保護模型，并提出了基于PSO算法的二階段求解方法，提高了求解效率，可以滿足保護控制的要求。

1 風(fēng)電“T”型接入對傳統(tǒng)電流差動保護的影響

含風(fēng)電場標(biāo)準(zhǔn)電網(wǎng)模型如圖1所示。圖1中，母線M和P之間的線路長30 km，容量為9 MW (6×1.5 MW)的雙饋感應(yīng)發(fā)電機采用常用的“T”型接入并網(wǎng)方式[28-30]。圖中，M和P分別為節(jié)點M和P處的電壓源，SM和SP分別為節(jié)點M和P處的源阻抗，LM和LP分別為節(jié)點M和P處的線路阻抗，F(xiàn)為接地阻抗，M和P分別為流經(jīng)節(jié)點M和P處的故障電流，F(xiàn)為流經(jīng)故障點F的故障電流，M和P分別為節(jié)點M和P處安裝的繼電保護裝置，Yg/D11、D1/Yg為變壓器繞組接線方式。

通過測量M、P兩節(jié)點的電流，從而估計正序差動電流。對于M、P節(jié)點之間的線路故障，其等效正序網(wǎng)絡(luò)如圖2所示。其中，AM和AP分別為節(jié)點M和P處的正序電壓源，S和P是流經(jīng)節(jié)點M和節(jié)點P的故障正序電流，W為風(fēng)電電流，N為中間回路電流。

圖1 含風(fēng)電的標(biāo)準(zhǔn)電力系統(tǒng)

圖2 故障狀態(tài)下的正序網(wǎng)絡(luò)

基于Kirchhoff電壓定律(KVL)，對圖2采用回路電流法，可得

聯(lián)立求解可得

式中，1、2和3的計算公式分別為

式中，LM和LP與故障位置有關(guān)，其余均為不變量。

由式(2)可知，含風(fēng)電系統(tǒng)故障狀態(tài)下的正序差動電流為

式中，4的計算公式為

同理，可得不含風(fēng)電時，系統(tǒng)故障狀態(tài)下的正序差動電流為

當(dāng)上述正序差動電流滿足式(7)時，即大于某一閾值時，判定為內(nèi)部故障。

由式(6)可知，不含風(fēng)電時，故障狀態(tài)下的正序差動電流僅與故障位置和正序電壓源有關(guān)，只要根據(jù)最嚴(yán)重故障情況進行整定即可，因此，電流差動保護的閾值可以設(shè)為定值。然而，風(fēng)電接入系統(tǒng)后，正序差動電流中增加了4W項，正序差動電流與風(fēng)電的輸出電流密切相關(guān)，不再是一定值，若仍按照固定值整定，則可能導(dǎo)致差動保護誤動或拒動。因此，需要自適應(yīng)整定保護閾值才能保證保護裝置動作的正確性。

2 自適應(yīng)閾值差動保護模型

由式(4)可知，含風(fēng)電系統(tǒng)故障狀態(tài)下的正序差動電流可以看作1、2、3、4和風(fēng)電W的函數(shù)，即

由于1、2、3和4的值主要與LM和LP有關(guān)，即主要取決于故障位置，風(fēng)電W主要是時間的序列，因此，可以將故障位置L和故障發(fā)生時間s作為閾值變化的自變量，以降低閾值優(yōu)化的維度?；诖耍?8)可進一步簡化為

考慮所有故障類型，包括單相對地故障、相間故障以及兩相接地故障、三相接地故障，以最嚴(yán)重故障類型下、最嚴(yán)重故障位置和故障時刻的差動電流作為閾值，即式(9)的最小值作為閾值，可以保證差動保護裝置不會誤動。

為了方便敘述，不妨設(shè)故障類型對應(yīng)符號如表1所示。

則式(9)對應(yīng)的最優(yōu)閾值優(yōu)化可以分解為11個子優(yōu)化，對應(yīng)11種故障類型，如下：

表1 故障類型對應(yīng)符號

上述目標(biāo)函數(shù)中的每個子函數(shù)都是故障位置L和故障發(fā)生時間s的函數(shù)，其中故障位置L的變化情況為

式中，為線路總長度，單位為km。不考慮線路的極限長度，在上限值和下限值處都有小的偏差，因此，故障位置L的變化情況為

故障開始時間s的約束為

式中，min和max分別為故障起始時間的最小值和最大值。由于本文所提的差動保護閾值與風(fēng)電有關(guān)，因此，故障起始時間的范圍為一個風(fēng)電預(yù)測周期，本文取5 min，即在5 min內(nèi)，差動保護均采用一個閾值，下一個周期將根據(jù)風(fēng)電的預(yù)測值重新計算閾值，實現(xiàn)閾值自適應(yīng)更新。

3 基于PSO算法的二階段求解方法

3.1 PSO算法

利用粒子群算法的參數(shù)，即種群數(shù)和迭代數(shù)，在變量約束范圍內(nèi)隨機產(chǎn)生大量樣本，從而對模型進行模擬求解，以尋找最合理的閾值。

根據(jù)式(10)可知，本文閾值優(yōu)化模型中包含11個子優(yōu)化問題，并且每個子優(yōu)化問題都是二維優(yōu)化模型，采用PSO算法進行求解時，針對每個子優(yōu)化問題都要在二維平面搜索最優(yōu)解，無疑計算較慢，可能無法滿足保護控制的要求。眾所周知，一維優(yōu)化的速度遠遠快于二維優(yōu)化，并且11個故障類型中必然存在相對較弱的故障類型，因此，本文提出了二階段求解方法。其中，階段1以故障位置為優(yōu)化變量，得到對閾值影響最高的故障類型；階段2在階段1的基礎(chǔ)上引入故障開始時間，僅針對階段1得到的故障類型進行二維優(yōu)化，可以明顯縮短計算時間，以實現(xiàn)閾值計算的快速性，滿足差動保護控制的要求。

3.2 二階段求解方法

(1) 階段1：單變量優(yōu)化

由實際運行過程發(fā)現(xiàn)，風(fēng)電在5 min時間尺度內(nèi)的變化率相對較小，因此，故障距離對閾值優(yōu)化的影響強于故障發(fā)生時間的影響，故在單變量優(yōu)化階段，可假定風(fēng)電不變，僅將故障距離L作為優(yōu)化變量。式(10)可簡化為

為了量化故障類型對閾值優(yōu)化的影響，需首先定義量化指標(biāo)，考慮到目標(biāo)函數(shù)為正序差動電流的最小值，因此，本文以正序差動電流(Positive sequence Differential Current, PDC)作為量化指標(biāo)，該指標(biāo)越小，閾值越接近該故障類型下的正序差動電流，該故障類型對閾值優(yōu)化的影響也就越大。

以圖1所示的網(wǎng)絡(luò)進行仿真分析，得到各故障類型下的PDC指標(biāo)及對應(yīng)的故障位置如圖3所示。

由圖3可知，A相接地故障、B相接地故障和C相接地故障對應(yīng)的PDC指標(biāo)明顯小于其他故障類型，說明這三種單相接地故障類型對閾值影響最大，差動保護閾值大概率就是這三種故障類型下正序差動電流的最小值，因此，可忽略其他故障類型的影響，故式(17)可進一步簡化為

值得注意的是，上述影響最大的故障類型在每個5 min時間尺度都需要更新，并非所有的計算周期都是三種單相接地故障類型的影響最大。

(2) 階段2：多變量優(yōu)化

在單變量優(yōu)化階段，已經(jīng)得到了對閾值影響最大的故障類型，但僅考慮故障距離的影響，沒有考慮故障開始時間s的影響(即風(fēng)電變化的影響)，所得到的正序差動電流并非最小。為了提高閾值計算的正確性和準(zhǔn)確性，在式(18)的基礎(chǔ)上，引入故障開始時間s，形成二維優(yōu)化模型，如下：

根據(jù)式(19)進一步仿真分析，得到三類接地故障類型下的PDC指標(biāo)如表2所示。

由表2可知，當(dāng)C相發(fā)生接地故障時，PDC的值最小，為0.379 3，因此，保護閾值應(yīng)定為0.379 3。

為了進一步驗證二階段求解方法的合理性，即二階段求解與直接二維優(yōu)化的結(jié)果是否等價，在引入故障開始時間s前后，將所有故障類型下的PDC指標(biāo)及PDC誤差進行統(tǒng)計，結(jié)果如圖4所示。

由圖4可知，引入故障開始時間s后，所有故障類型的PDC指標(biāo)值變化不是很大，變化率一般不會超過5%，說明在5 min時間尺度內(nèi)風(fēng)電的影響確實較小，階段1的假設(shè)是合理的；并且三種接地故障類型的PDC與其他故障類型的PDC的最小差異也顯著大于5%，說明即使引入故障開始時間s，也不會改變對閾值影響嚴(yán)重的故障類型，階段1得到的嚴(yán)重故障類型是正確的，閾值一定是在該嚴(yán)重故障類型下取得。因此，在階段2僅對嚴(yán)重故障類型進行二維優(yōu)化與全部故障類型直接進行二維優(yōu)化的結(jié)果等價。

圖4 階段2不同故障的PDC及PDC誤差

4 仿真分析

對所提自適應(yīng)閾值差動保護算法進行仿真驗證，采樣頻率為1.2 kHz，利用電力系統(tǒng)仿真工具箱進行建模和仿真，并利用Matlab R2016a軟件對算法進行求解。為了得到最優(yōu)閾值，采用二階段求解方法進行求解。

4.1 自適應(yīng)閾值仿真驗證

4.1.1二階段求解

(1) 階段1：單變量優(yōu)化

所提自適應(yīng)差動保護模型的目標(biāo)函數(shù)包括11種故障類型的子函數(shù)，如式(17)。利用PSO對每個子函數(shù)進行優(yōu)化，設(shè)置種群規(guī)模為100，迭代次數(shù)為50次，故障開始時間s為0 s，故障阻抗為1 Ω，僅考慮故障位置變量L，L的約束設(shè)置為

所有故障類型的最優(yōu)PDC如圖3所示，根據(jù)式(17)可得

由于三個單相接地故障的PDC最小，故給出所有單相接地故障最優(yōu)閾值指標(biāo)識別過程，如圖5所示。圖5表明在閾值搜索過程中，PSO的收斂速度快、求解精度高。

(2) 階段2：多變量優(yōu)化

由階段1的仿真可知，在11個子函數(shù)中，只有三個子函數(shù)(AG、BG和CG)對應(yīng)的PDC較小，因此，為了提高算法的運行效率，在階段2中僅考慮AG、BG和CG故障。對于階段2的約束條件，除了式(20)所示約束外，還包括故障開始時間約束。

圖5 PSO最優(yōu)閾值搜索過程(階段1)

對于所有單相接地故障，最優(yōu)PDC對應(yīng)的故障位置、故障開始時間如表2所示，可知，CG故障在距離母線M約20.716 4 km處得到了最優(yōu)解，起始時間為9.508 9 s，最優(yōu)PDC為0.379 3，因此，保護閾值應(yīng)定為0.379 3。

4.1.2自適應(yīng)閾值更新計算

為了驗證本文所提自適應(yīng)閾值更新能力，以24 h為例進行仿真分析，按5 min時間尺度，總計288個時間間隔，均會根據(jù)相應(yīng)的風(fēng)電預(yù)測值更新差動保護閾值，風(fēng)電預(yù)測曲線及對應(yīng)的閾值曲線如圖6所示。由圖6可知，差動保護閾值會隨著風(fēng)電功率波動而變化，近似成正相關(guān)。傳統(tǒng)差動保護閾值為固定值，當(dāng)風(fēng)電有功出力較大時，可能造成誤動，當(dāng)風(fēng)電有功出力較小時，可能造成拒動，本文所提閾值自適應(yīng)更新，可提高差動保護裝置動作的正確性，更適用于大規(guī)模風(fēng)電接入電力系統(tǒng)。

圖6 自適應(yīng)閾值

4.2 高阻接地的影響分析

為研究高阻接地故障對所提保護方案的影響，分別采用5～100 Ω故障電阻進行測試。故障開始時間設(shè)為0 s，故障距離為25 km。不同LG故障的PDC計算結(jié)果如圖7所示。

圖7 不同LG故障的閾值結(jié)果

由圖7可知，故障電阻增加會導(dǎo)致PDC值相應(yīng)減小，但是仍能處于閾值之上，并且PDC隨故障阻抗增大趨于平緩。因此，高阻接地并不會影響所提方案的有效性。

4.3 算法仿真時間分析

由于在線整定對于實時性要求較高，因此對所提方案的計算速度進行測試，仿真結(jié)果如表3所示。

表3 不同方案的仿真用時

由表3可知，相對于遺傳算法和蟻群算法，粒子群優(yōu)化算法的計算用時最少，分別降低了36.57 ms和20.42 ms，但用時依然較長，本文通過二階段求解方法，將計算用時降低至7.04 ms，具有較高的計算效率，能有效滿足在線整定需求。

5 結(jié)論

針對固定閾值保護方案難以有效適應(yīng)復(fù)雜多變的風(fēng)電接入電力系統(tǒng)的問題，本文提出了基于正序電流的風(fēng)電接入電網(wǎng)自適應(yīng)閾值差動保護方案，其保護閾值可以根據(jù)風(fēng)電變化自適應(yīng)更新，避免保護裝置發(fā)生誤動和拒動，得到的主要結(jié)論如下：

(1) 風(fēng)電“T”型接入電力系統(tǒng)后，故障狀態(tài)下的正序差動電流不僅與故障位置和正序電壓源有關(guān)，還與風(fēng)電的輸出電流密切相關(guān)，需要自適應(yīng)整定保護閾值才能保證保護的正確性；

(2) 本文所提差動保護的自適應(yīng)閾值與風(fēng)電近似成正相關(guān)，可避免傳統(tǒng)固定閾值導(dǎo)致的保護誤動或拒動，提高保護動作的正確率；

(3) 所提出的基于PSO算法的二階段求解方法可將自適應(yīng)閾值的計算用時降低至7.04 ms，具有較高的計算效率，能有效滿足在線整定需求。

需要注意的是，本文僅以風(fēng)電作為案例進行研究，本文方法適用于任何形式不確定電源“T”型接入電力系統(tǒng)的差動保護整定，具有廣泛的適應(yīng)能力。

[1] 胡迪, 丁明, 畢銳, 等. 光伏和風(fēng)電互補性對高滲透率可再生能源集群接入規(guī)劃影響分析[J]. 中國電機工程學(xué)報, 2020, 40(3): 821-836.

HU Di, DING Ming, BI Rui, et al. Impact analysis of PV and WT complementarity on access planning of high penetrated renewable energy cluster[J]. Proceedings of the CSEE, 2020, 40(3): 821-836.

[2] 白浩, 袁智勇, 周長城, 等. 計及新能源波動與相關(guān)性的配電網(wǎng)最大供電能力調(diào)度方法[J]. 電力系統(tǒng)保護與控制, 2021, 49(8): 66-73.

BAI Hao, YUAN Zhiyong, ZHOU Changcheng, et al. Dispatching method of maximum power supply capacity of a power distributed network considering fluctuation and correlation of renewable energy[J]. Power System Protection and Control, 2021, 49(8): 66-73.

[3] 錢振宇, 王泉, 魏建民, 等. 考慮削減方法和最大化接納能力的新能源準(zhǔn)入容量柔性優(yōu)化模型[J]. 智慧電力, 2020, 48(6): 35-39, 60.

QIAN Zhenyu, WANG Quan, WEI Jianmin, et al. Flexible optimization model for new energy access capacity considering the method of electricity reduction and maximum acceptance[J]. Smart Power, 2020, 48(6): 35-39, 60.

[4] 裴善鵬, 朱春萍. 高可再生能源比例下的山東電力系統(tǒng)儲能需求分析及省級政策研究[J]. 熱力發(fā)電, 2020, 49(8): 29-35.

PEI Shanpeng, ZHU Chunping. Research of energy storage demand and province class policy in Shandong electric power system in a setting of high proportion renewable energy[J]. Thermal Power Generation, 2020, 49(8): 29-35.

[5] 胡偉, 戚宇辰, 張鴻軒, 等. 風(fēng)光水多能源電力系統(tǒng)互補智能優(yōu)化運行策略[J]. 發(fā)電技術(shù), 2020, 41(1): 9-18.

HU Wei, QI Yuchen, ZHANG Hongxuan, et al. Complementary intelligent optimization operation strategy of wind-solar-hydro multi-energy power system[J]. Power Generation Technology, 2020, 41(1): 9-18.

[6] 王浩, 王艷, 紀(jì)志成. 基于SAIGM-KELM的短期風(fēng)電功率預(yù)測[J]. 電力系統(tǒng)保護與控制, 2020, 48(18): 78-87.

WANG Hao, WANG Yan, JI Zhicheng. Short-term wind power forecasting based on SAIGM-KELM[J]. Power System Protection and Control, 2020, 48(18): 78-87.

[7] 胡帥, 向月, 沈曉東, 等. 計及氣象因素和風(fēng)速空間相關(guān)性的風(fēng)電功率預(yù)測模型[J]. 電力系統(tǒng)自動化, 2021, 45(7): 28-36.

HU Shuai, XIANG Yue, SHEN Xiaodong, et al. Wind power prediction model considering meteorological factor and spatial correlation of wind speed[J]. Automation of Electric Power Systems, 2021, 45(7): 28-36.

[8] 王偉勝, 王錚, 董存, 等. 中國短期風(fēng)電功率預(yù)測技術(shù)現(xiàn)狀與誤差分析[J]. 電力系統(tǒng)自動化, 2021, 45(1): 17-27.

WANG Weisheng, WANG Zheng, DONG Cun, et al. Status and error analysis of short-term forecasting technology of wind power in China[J]. Automation of Electric Power Systems, 2021, 45(1): 17-27.

[9] 孫偉卿, 宋赫, 秦艷輝, 等. 考慮靈活性供需不確定性的儲能優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2020, 44(12): 4486-4497.

SUN Weiqing, SONG He, QIN Yanhui, et al. Energy storage system optimal allocation considering flexibility supply and demand uncertainty[J]. Power System Technology, 2020, 44(12): 4486-4497.

[10] LIN C, BIE Z, PAN C, et al. Fast cumulant method for probabilistic power flow considering the nonlinear relationship of wind power generation[J]. IEEE Transactions on Power Systems, 2020, 35(4): 2537-2548.

[11] CHEN J J, QI B X, PENG K, et al. Conditional value-at- credibility for random fuzzy wind power in demand response integrated multi-period economic emission dispatch[J]. Applied Energy, 2020, 261.

[12] 成和祥. 基于雙饋風(fēng)機短路特性的風(fēng)電場集電線路繼電保護整定方法研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(16): 93-99.

CHENG Hexiang. Discussion on setting scheme of collecting line relay protection in wind farm based on a DFIG short-circuit characteristic[J]. Power System Protection and Control, 2020, 48(16): 93-99.

[13]龔永智, 陶曄, 許傳敏, 等. 考慮風(fēng)電機組饋入電流的風(fēng)電場匯集線路保護整定計算方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(11): 128-135.

GONG Yongzhi, TAO Ye, XU Chuanmin, et al. Relay protection setting calculation of wind farm collector lines considering wind turbine increased short-circuit current[J]. Power System Protection and Control, 2020, 48(11): 128-135.

[14] 謝志遠, 胡斌俞, 張衛(wèi)民, 等. 基于邊界消耗暫態(tài)諧波能量的柔性直流輸電線路保護新方案[J]. 電力系統(tǒng)保護與控制, 2018, 46(19): 34-42.

XIE Zhiyuan, HU Binyu, ZHANG Weimin, et al. A novel protection scheme for VSC-HVDC transmission lines based on boundary transient harmonic energy[J]. Power System Protection and Control, 2018, 46(19): 34-42.

[15] 張嵐, 張悅, 白瑞. 直驅(qū)風(fēng)力發(fā)電機風(fēng)電場故障特征分析及對繼電保護影響研究[J]. 山西電力, 2014(5): 1-4.

ZHANG Lan, ZHANG Yue, BAI Rui. Research on fault characteristics analysis of direct-driven wind generator and its impact on relay protection[J]. Shanxi Electric Power, 2014(5): 1-4.

[16] 洪樹斌, 范春菊, 陳實. 考慮雙饋異步風(fēng)機特性的自適應(yīng)接地距離保護[J]. 電工技術(shù)學(xué)報, 2017, 32(5): 124-133.

HONG Shubin, FAN Chunju, CHEN Shi. Adaptive ground distance protection considering doubly-fed induction generator characteristics[J]. Transactions of China Electrotechnical Society, 2017, 32(5): 124-133.

[17]范小紅, 孫士云, 王春又, 等. 適應(yīng)于雙饋風(fēng)電場送出線不對稱故障的時域距離保護[J]. 電力系統(tǒng)保護與控制, 2020, 48(23): 82-91.

FAN Xiaohong, SUN Shiyun, WANG Chunyou, et al. Time domain distance protection for asymmetric faults of an outgoing line in doubly-fed wind farms[J]. Power System Protection and Control, 2020, 48(23): 82-91.

[18] MA J, ZHANG W, LIU J, et al. A novel adaptive distance protection scheme for DFIG wind farm collector lines[J]. International Journal of Electrical Power & Energy Systems, 2018, 94: 234-244.

[19] HOOSHYAR A, AZZOUZ M A, EL-SAADANY E F. Distance protection of lines connected to induction generator-based wind farms during balanced faults[J]. IEEE Transactions on Sustainable Energy, 2014, 5(4): 1193-1203.

[20] YANG G, DONG M, ZHOU Z, et al. The influences and countermeasures of wind farm access to transmission line differential protection[C] // 2012 IEEE Power Electronics and Machines in Wind Applications, July 16-18, 2012, Denver, CO, USA.

[21] 呂哲, 王增平. 基于暫態(tài)電流波形特征的快速差動保護新原理[J]. 中國電機工程學(xué)報, 2020, 40(5): 1534-1545.

Lü Zhe, WANG Zengping. A transient current waveform feature based novel high-speed differential protection[J]. Proceedings of the CSEE, 2020, 40(5): 1534-1545.

[22] ASGHARIGOVAR S, SEYEDI H. Adaptive CWT-based transmission line differential protection scheme considering cross-country faults and CT saturation[J]. IET Generation Transmission & Distribution, 2016, 10(9): 2035-2041.

[23] KAWADY T A, TAALAB A, AHMED E S. Dynamic performance of the power differential relay for transmission line protection[J]. International Journal of Electrical Power & Energy Systems, 2010, 32(5): 390-397.

[24] WEN M, CHEN D, YIN X. An energy differential relay for long transmission lines[J]. International Journal of Electrical Power & Energy Systems, 2014, 55: 497-502.

[25] JENA M K, SAMANTARAY S R, TRIPATHY L. Decision tree-induced fuzzy rule-based differential relaying for transmission line including unified power flow controller and wind-farms[J]. IET Generation Transmission & Distribution, 2014, 8(12): 2144-2152.

[26] BISWAL S, BISWAL M, MALIK O P. Hilbert Huang transform based online differential relay algorithm for shunt compensated transmission line[J]. IEEE Transactions on Power Delivery, 2018, 33(6): 2803-2811.

[27] GOPALAN S A, SREERAM V, IU H H C. A review of coordination strategies and protection schemes for microgrids[J]. Renewable & Sustainable Energy Reviews, 2014, 32: 222-228.

[28] GHORBANI A, MEHRJERDI H, AL-EMADI N A. Distance-differential protection of transmission lines connected to wind farms[J]. International Journal of Electrical Power & Energy Systems, 2017, 89: 11-18.

[29] CH D, BISWAL M, ABDELAZIZ A Y. Adaptive differential protection scheme for wind farm integrated power network[J]. Electric Power Systems Research, 2020, 187: 1-11.

[30] MALATHI V, MARIMUTHU N S, BASKAR S, et al. Application of extreme learning machine for series compensated transmission line protection[J]. Engineering Applications of Artificial Intelligence, 2011, 24(5): 880-887.

[31] 王育飛, 付玉超, 孫路, 等. 基于混沌-RBF神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率超短期預(yù)測模型[J]. 電網(wǎng)技術(shù), 2018, 42(4): 1110-1116.

WANG Yufei, FU Yuchao, SUN Lu, et al. Ultra-short term prediction model of photovoltaic output power based on chaos-RBF neural network[J]. Power System Technology, 2018, 42(4): 1110-1116.

[32] 宋雨妍, 王渝紅, 劉天宇, 等. 基于多目標(biāo)離散粒子群算法的電容隔直裝置優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2019, 43(1): 266-274.

SONG Yuyan, WANG Yuhong, LIU Tianyu, et al. Optimal configuration of capacitor blocking devices based on multi-objective discrete PSO[J]. Power System Technology, 2019, 43(1): 266-274.

[33] 宋雪瑋, 趙吉文, 董菲, 等. 基于PSO-LSSVM的永磁同步直線電機局部退磁故障識別[J]. 中國電機工程學(xué)報, 2019, 39(8): 2426-2435.

SONG Xuewei, ZHAO Jiwen, DONG Fei, et al. Local demagnetization fault recognition of permanent magnet synchronous linear motor based on PSO-LSSVM[J]. Proceedings of the CSEE, 2019, 39(8): 2426-2435.

Adaptive threshold differential protection scheme for wind power integration based on positive sequence current

HUANG Fangneng1, MEI Yong1, ZHOU Jian1, LEI Aoyu1, XU Qin2

(1. CSG Power Dispatching Control Center, Guangzhou 510663, China; 2. China Energy Engineering Group Guangdong Electric Power Design Institute Co., Ltd., Guangzhou 510663, China)

With the continuous improvement of wind power penetration, the impact of wind uncertainty and intermittence on power grid protection schemes is increasingly significant. A protection setting scheme based on a fixed threshold is no longer suitable for complex and changeable power systems. In view of this, this paper proposes an adaptive threshold differential protection scheme for a power grid with large-scale wind power based on positive sequence current. First, taking the standard power system with a wind farm as an example, the influence mechanism of wind power "T" access on traditional current differential protection is analyzed. Then, taking positive sequence current as the fault signal and taking the fault location and occurrence time as independent variables, an adaptive threshold differential protection model is established. In order to improve the solution efficiency to meet the requirements of protection control, a two-stage solution method based on a PSO algorithm is proposed. In phase 1, the fault type with the highest impact on the threshold is obtained by taking the fault location as the optimization variable; phase 2 introduces the fault start time on the basis of phase 1, and carries out two-dimensional optimization only for the fault types obtained in phase 1. This can significantly shorten the calculation time, so as to realize the rapidity and accuracy of threshold calculation. Finally, the correctness and effectiveness of this method are verified by simulation analysis based on Matlab.

This work is supported by the National Key Research and Development Program of China (No. 2016YFB0901300).

differential protection; wind power; positive sequence current; adaptive threshold; particle swarm optimization (PSO); two-stage solution method

10.19783/j.cnki.pspc.210357

國家重點研發(fā)計劃項目資助“工業(yè)園區(qū)多元用戶互動的配用電系統(tǒng)關(guān)鍵技術(shù)研究與示范”(2016YFB0901300)

2021-04-01；

2022-10-18

黃方能(1976—)，男，博士，高級工程師，主要研究方向為電力系統(tǒng)安全穩(wěn)定分析與控制等；

梅 勇(1980—)，男，工學(xué)碩士，教授級高級工程師，主要研究方向為電力系統(tǒng)調(diào)度運行控制等；

周 劍(1979—)，男，碩士，高級工程師，主要研究方向為電力系統(tǒng)調(diào)度運行控制等。

(編輯 魏小麗)