【继电器】基于泰勒级数展开的样本估计和误差计算方法提高继电器的功率摆幅检测性能研究（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客  

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、文章讲解

---

💥1 概述

电力系统中的功率摆动条件使距离继电器在某些情况下采取错误的断路器动作。在这种情况下，功率摆幅阻塞和功率摆幅去阻塞是距离继电器的两个重要功能，用于区分功率摆幅和故障，从而保持系统的稳定性和电源的连续性。该文提出一种基于泰勒级数展开的样本估计和误差计算方法，以提高继电器的功率摆幅检测性能。该方法的性能与文献中的四种常规方法和一种新方法进行了比较。分析在两个系统中进行：具有平行线的单机无限总线系统和68节点新英格兰测试-纽约电力系统，用于功率摆动情况下的故障，功率摆动和故障。仿真和性能分析分别使用EMTDC/PSCAD和MATLAB进行。结果表明，当考虑正确操作的性能、算法响应时间、输出清晰度和处理器程序执行所经过的时间时，所提方法总体上具有最佳性能。研究发现，采用所提方法提高了正确运行下的距离继电器性能和采取功率摆动阻塞和去阻塞动作的速度。

受距离继电器保护的传输线可能会因功率摆动而错误地断电 发生。这是一个常见问题，可通过距离继电器中的功率摆动阻断（PSB）功能解决。是的 对于保持系统的稳定性和电源的连续性非常重要。除此之外，如果发生短路故障 在电源摆动期间发生，这次必须通过取消PSB来打开断路器。它是权力摆动去阻塞 （PSD）功能。这两种功能都很重要，并从文献的不同角度进行了研究， 广阔地。

之前研究了快速功率摆幅[1]和高抗故障条件下[2]下的PSD。有一些传统的权力摆动方法 检测，以实现基于速度等参数的简单计算的PSB和PSD功能 阻抗变化或摆动中心电压 （SCV） [3]、[4]。广泛解释了功率摆动阻塞问题，考虑到 [5] 中问题的不同方面。它们特别对称 在功率摆动过程中难以检测到的故障，建议使用摆动中心电压来解决 （SVC） 在 [6] 中。同样的问题也打算通过小波变换来解决 在 [7] 中。在另一种方法中，自适应神经模糊推理系统（ANFIS）是 作为解决方案提出[8]。使用功率变化率 [9] 和 prony 方法 [10] 也是 介绍。

据观察，在考虑性能结果时，新方法具有一些优势，但它们似乎也 有一些缺点。在[11]中，数学形态学（MM）方法是 用于故障摆动判别，但由于其复杂性，该过程可能难以应用。 瞬时三相有功功率的频率分量在[12]中突出显示，但可能需要针对不同的系统和条件进行测试。还研究了小波奇异熵（WSE）[13]，支持向量机（SVM）方法[14]和串联补偿线情况[15]。 训练 对于基于机器学习的方法来说是必需的，这使得它们在某些应用程序中不切实际。

导纳轨迹的圆形轨迹及其行为在[16]中进行了研究。在这项研究中甚至据说检测到了高频摆动。过错的鉴别 在[17]和[18]中研究了不同的应力条件。正序瞬态监测功能和相位角 阻抗在[18]中被用作应力条件的新标准。一个 功率摆动的分类在[19]中进行。为此，一个模糊的 使用基于逻辑的算法。[20]中提出了一种形态学滤波算法，并打算在此上下文中检测直流短路分量。在 [21] 中，使用了移动窗口平均技术，因为它被称为 观察到调制电流信号在功率摆动和故障条件下以不同的方式变化。问题所在 在 [22] 中的电压稳定性概念中进行了研究，并且由于速率 故障等条件下电压和电流大小的变化往往彼此不同，因此 被用作歧视的工具。在[23]中，电流信号是 通过采用 S 变换和概率神经网络 （PNN） 方法进行跟踪。

在其他一些研究中，使用了基于估计和误差计算的方法。基于差分功率 自回归技术在 [24] 中提出，它跟踪预测和 实际电压和电流样本值。但是，参数确定可能既复杂又耗时。在 另一项使用类似方法的研究，监测瞬态周期，当前动态相量值 估计[25]。但是[25]中的方法需要计算动态相量计算的矩阵运算，并且观察到它倾向于 在某些情况下，为具有快速摆动的并行线应用提供错误的输出，如本研究所示。

该文提出一种基于估计误差计算的新型方法。此方法基于泰勒 使用样本校正技术进行系列扩展。用于歧视的拟议指数由下式计算 在一个采样窗口中对误差平方求和。该方法计算简单且可靠，如 性能分析的结果。该方法的简单性使过程更快，并且需要更少的内存 控制器。

📚2 运行结果

部分代码：

for p=1:length(t)    
    DI(p)=0;
    if p>=2*N-1
        for q=0:N-1
            DI(p)=DI(p)+(y(-q+p-3)-3*y(-q+p-2)+3*y(-q+p-1)-y(-q+p)+mean(y(-q+p-N+1:-q+p)))^2;
        end            
    end
end

%clc;
%fprintf('Minimum (DI) = %g\n',min(DI));
fprintf('Maximum (DI) = %g',max(DI));
%figure;
yyaxis left;
plot(t,y/1000);
grid on;
xlabel('Time (s)')
ylabel('Current (kA)')
yyaxis right;
plot(t,DI);
ylabel('Discrimination Index (DI)');
title('The simple abnormal/unhealthy condition detection test');
saveas(gcf, '../results/test.png');

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]İbrahim Gürsu Tekdemir, Bora Alboyacı (2018) Demonstration of Discrimination Index (DI) Proposed for Fault and Power Swing Detection in Distance Relays

🌈4 Matlab代码、数据、文章讲解