基于异化系数的直流微电网故障检测方法

《International Journal of Electrical Power & Energy Systems》:An alienation-coefficient based fault detection method for DC microgrid

【字体: 大 中 小 】 时间:2026年02月02日 来源:International Journal of Electrical Power & Energy Systems 5.3

编辑推荐:

  本文介绍了一种基于异化系数(AC)的直流微电网(DCMGs)故障检测方法。在该方法中,首先将从极线一端测量到的电流转换为模态分量。然后,利用相关性的概念对这些模态电流进行处理。随后,通过将模态电流与移动窗口理论相关联,定义了一种称为保护信号(PS)的信号。该信

  
本文介绍了一种基于异化系数(AC)的直流微电网(DCMGs)故障检测方法。在该方法中,首先将从极线一端测量到的电流转换为模态分量。然后,利用相关性的概念对这些模态电流进行处理。随后,通过将模态电流与移动窗口理论相关联,定义了一种称为保护信号(PS)的信号。该信号在正常运行期间波动可忽略不计,但在故障发生后会出现显著变化,使其适合用于指示故障。将基于AC的方法应用于PS以表征这些变化,从而构建出故障检测指数(FDI)。将FDI与预设阈值进行比较即可实现故障检测。此外,FDI能够区分DCMG各种运行模式下的故障情况,可适应广泛的故障场景。为了评估所开发方案的性能,研究人员在MATLAB/Simulink中仿真了一个包含不同类型电源和负载的DCMG。结果证明了所提技术的速度和高准确性。此外,该方法还通过实验级小规模测试台进行了验证。最后,研究人员还与近期的故障检测方法进行了比较研究,以突出该方法的优越性。
近年来,直流微电网(DCMGs)因其能够可靠高效地将可再生能源传输给负载而受到广泛关注。然而,DCMGs的大规模接入带来了显著的保护挑战,其中故障检测是最关键的任务之一。故障检测之所以关键,是因为它能触发故障隔离,防止对电压源变换器(VSCs)及其他组件造成严重损坏。与交流系统不同,由于缺乏过零点、电缆低阻抗以及高幅值故障电流等原因,DCMGs中的故障检测极具挑战性,因此亟需一种快速、安全且准确的方案。过去十年中提出了多种检测方法,包括基于过电流、电压变化率、差动保护以及行波等方法。然而,这些方法在速度、灵敏度或适应性上存在局限,或过度依赖通信基础设施与复杂的训练数据,且容易受噪声和负载变化的影响而产生误动。为了解决这些现有方法在速度、可靠性、鲁棒性及通用性方面的缺陷,研究人员开展了一项创新研究。该研究提出了一种基于异化系数(AC)的故障检测方法,仅利用线路一端的本地电流测量数据,免除了通信链路的需求。研究得出结论,该方法能够在亚毫秒级时间内准确识别故障,适用于并网与孤岛模式下的环形与辐射状拓扑结构。这项研究发表在《International Journal of Electrical Power 》上,为下一代直流微电网保护提供了一种理论严谨且易于实际部署的基础方案。研究队伍采用的关键技术方法主要包括:首先利用模态变换将双极电流转化为单一模态信号;其次引入滑动时间窗口技术并基于皮尔逊相关系数计算连序窗口的相关性;随后利用异化系数原理构建故障检测指数(FDI);最后采用大津法无参数阈值选取策略确定全局故障触发阈值。该研究的仿真数据源自MATLAB/Simulink构建的包含多种分布式电源的微电网模型,实验数据则来自于一个包含光伏阵列和储能系统的12 V低压实验室硬件测试平台。

研究结果通过不同的测试场景得到了充分验证:

场景1:评估不同故障类型的影响。通过仿真极对地(PG)和极对极(PP)等故障,研究发现模态信号iL在故障后发生显著变化,此时故障检测指数(FDI)迅速越过预设阈值。结果表明该方法能以极高的精度和速度识别各类故障,例如在PG故障中检测延迟仅为0.2 ms。场景2:评估微电网运行模式的影响。针对并网(GC)与孤岛(IL)模式进行仿真,结果显示在GC模式下由于上游网络注入故障电流更大,FDI信号越限更早,检测延迟为0.1 ms,而在IL模式下检测延迟也仅为0.2 ms,证明该方法在两种模式下均具备快速响应能力。场景3:评估微电网拓扑结构的影响。通过切换开关改变网络结构,并在辐射状与环状网络中施加故障,研究表明拓扑改变虽会影响FDI信号波形,但故障均能在0.3 ms内被准确捕获。场景4:评估故障电阻的影响。针对高阻故障这一检测难点,仿真表明随着故障电阻的增加,尽管初始模态电流降低,但所有故障仍在0.2 ms内被检出,证实了抵抗高阻故障的鲁棒性。场景5:评估故障位置的影响。在线路30%至95%处施加故障,结果表明故障距离的远近不会削弱检测的准确性与速度,消除了传统保护存在的检测盲区。场景6:评估噪声的影响。在20 dB信噪比(SNR)的高斯白噪声环境下测试,FDI未发生误触发,证明方法对噪声具备免疫力。场景7:评估负载变化的影响。在微电网负载增加40%的严苛暂态条件下,FDI信号始终维持在阈值以下,有效避免了因负载波动引起的误动作。场景8:评估谐波与开关纹波的影响。在电流信号注入包含100 Hz至2 kHz的高频谐波与开关纹波后,FDI保持在0.1以下并稳定运行,表明该方法免疫于变换器高频干扰。实验验证部分通过设置包含真实物理电阻与电感线路的低压测试台,记录了超过120个测试案例。实验结果证实,实际系统中的PP与PG故障分别在0.4 ms与0.6 ms内被识别,与仿真结论高度一致。敏感性分析研究中,设计了超过500种包含不同电阻、位置、网络结构、窗口长度、采样率与噪声水平的场景,结果显示平均检测时间保持在0.2 ms左右,检测成功率高达98%以上,且5 ms的窗口长度与5 kHz的采样率能提供最佳的检测速度与精度平衡。对比研究中,将所提方法与基于暂态监测、行波、Tucker一致性系数、熵以及机器学习(ML)的五种近期技术进行对比,结果表明该方法在实现0.17 ms极快响应速度与98.3%准确率的同时,计算复杂度仅为O(n),且无需通信链路和参数重新调整,在噪声免疫和非故障扰动识别方面全面优于现有技术。最后,在讨论部分,研究人员总结了该方法的局限性与未来应用前景。在硬件受限或极低采样率以及非高斯噪声环境下,检测精度可能下降;将其扩展至中压工业微电网时需考虑传感器延迟与非线性变换器行为的影响。研究结论部分翻译为:本研究提出了一种基于AC方法的直流微电网故障检测方法,旨在解决速度、可靠性和适应性方面的局限。该方法采用双阶段流水线:首先将正负极电流转换为统一的模态信号,在保留暂态内容的同时解耦极间依赖;其次利用滑动窗口异化系数计算动态FDI。与传统方法相比,该方法维持了亚毫秒级的响应速度且无需针对特定工况重新整定参数。它仅需本地单端电流量,免除了通信链路依赖。相比于行波方案,它无需高频采样仪器。与机器学习分类器相比,该方法无需训练数据,时间与内存复杂度均为O(n)。综合仿真与实验结果证实了该方法的普适性,能够成功检测高达30Ω的故障电阻及覆盖5%至95%线路长度的故障位置。对比研究显示了其在计算效率及抵御非故障扰动方面的显著优势,为下一代平衡理论严谨性与实际部署能力的直流微电网保护体系奠定了坚实基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号