利用机器学习和基于FRT（频率旋转技术）的时序调整方法，对基于DFIG（直驱式风力发电机组）的风电场实施数字保护

《Scientific Reports》：Digital protection of DFIG-based wind farms using machine learning and FRT?based timing adjustment

　　

摘要

随着基于双馈感应发电机（DFIGs）的风电场在现代电力系统中的渗透率不断提高，开发出准确、快速且可靠的保护方案变得至关重要，这些方案必须确保能够满足故障穿越（FRT）的要求。这一领域面临的一个关键挑战是DFIG驱动的风力涡轮机具有固有的非线性动态行为，以及低压穿越（LVRT）策略对故障引起的电压和电流成分的影响，这些影响可能会通过导致继电器误操作或跳闸延迟来损害保护性能。本文提出了一个针对径向配置风电场的全面而智能的保护框架，涵盖了所有保护区域，包括风力涡轮机支路、集电线路、中间馈线、升压变压器和高压输电线路。在所提出的方法中，使用了两层神经网络来检测故障并确定继电器的保护职责（主保护或后备保护），同时开发了一种基于故障穿越的自适应分析算法来调整继电器的动作时间。通过基于离散小波变换（DWT）的多分辨率分析（MRA）来分析电压和电流信号，从而提取出后续处理所需的最重要特征。在MATLAB/Simulink环境中进行的仿真结果表明，所提出的保护框架显著提高了故障检测和决策的速度与准确性，同时确保了完全满足故障穿越（FRT）的要求，并在动态网络条件下提供了稳定、可靠且具有弹性的保护性能。