盐城供电公司 丁静娴
继电保护是保障电网安全、稳定运行的第一道防线。近年来,随着电网建设规模的不断扩大以及电网结构和运行方式的日益复杂化和多样化,在复杂电网环境下,广域继电保护面临新的调整,传统继电保护存在着许多的问题。研究能够快速识别与隔离故障,简化保护整定计算的广域保护原理和配置方案,是保障电网安稳运行的重要内容。
对于结构和运行方式复杂多变的现代电网,各相关后备保护之间动作值的配合非常复杂,并且通过就地检测量和延时实现配合的方式在很多情况下难以确保选择性。人们在继电保护中常采用“加强主保护,简化后备保护”措施,形成简化甚至放弃某些后备保护配置的趋向。在大电网发生高阻故障时,即使采用双套主保护并不能完全杜绝其拒动发生。
多级阶梯延时配合导致远后备保护延时可能很长,于系统安全不利。
传统后备保护的整定配合基于有限的运行方式,当电网的网架结构及
运行方式因故发生频繁和大幅改变时,易导致后备保护动作特性失配,可能造成误动或扩大事故
当电网结构或运行工况突发非预设性改变而伴随出现大范围的大负荷潮流转移时,可能造成距离保护Ⅲ段非预期连锁跳闸,甚至最终导致系统解列或大停电事故。产生这些问题的重要原因在于目前继电保护的动作依据仅仅是保护安装处设备本身的信息。如果可以得到当前系统更为全面的信息,可以产生更有效的故障判断和动作,这意味着基于广域信息有可能解决传统继电保护的某些难题。
目前,实现广域继电保护的基本功能主要有基于在线自适应整定原理(On-line Adaptive Setting,OAS)及基于故障元件判别原理(Fault Element Identification,FEI)两种不同途径。
在线自适应整定的研究始于上世纪80年代,国内则有学者将其表述为采用,防止保护失配并提高其灵敏度。在线自适应整定方法近20年来的研究工作主要围绕故障后扰动域识别、最小断点集搜索和快速短路计算等方面内容展开。
基于OAS的广域继电保护,研究时间较长,取得了很多成果,但实用化却受到一定的限制,其原因可能在于该方法虽可通过在线调整定值来对保护的灵敏性、选择性加以改善,但未从根本上克服传统后备保护整定配合复杂困难、阶梯延时动作缓慢等劣化保护性能的缺陷,这正是使后备保护存在隐性故障,易引发连锁跳闸、威胁系统安全的重要原因。
基于FEI的广域继电保护的研究是按后备保护区域来形成差动保护范围,可以准确的判定故障元件和确定后备保护动作区域。其优越性在于其无需整定计算,只需通过简单的时序和逻辑配合就能保证后备保护的选择性;可以有效地缩短后备保护的动作时间。同时,它没有大负荷潮流转移引起后备保护连锁动作的缺陷。
基于FEI的广域继电保护并不要求全电网的实时变化信息,即使远后备保护,最远仅需要周边相邻变电站群外延设备的故障相关信息,因此,这是一种有限广域保护,比较有利于其工程实现。针对大负荷潮流转移可能引发后备保护非预期连锁动作这一潜在风险问题,也可利用广域信息对电网潮流转移状况进行分析和判别,并及时对相关后备保护采取闭锁或改变动作特性等措施,从而避免后备保护的连锁跳闸,保障系统安全。
作为单一元件的故障判别原理有多种,譬如:电流差动、纵联方向、纵联距离等。显然,前者对同步采样要求严格而当应用于广域保护时存在困难,而后两者在复杂故障条件下性能尚不够完善。
基于线路故障电压分布的故障元件判别原理则能同时解决上述两方面的问题。该原理利用线路一侧电压、电流故障分量的测量值估算另一侧的电压故障分量。这样,广域后备保护可同时获得电压故障分量的测量值和估算值。外部故障时线路任意一侧电压故障分量的测量值和估算值是一致的,而内部故障时至少有一侧电压故障分量的测量值和估算值存在较大的差异,以此构成故障元件识别判据,且仅需要根据故障时线路两端的启动特征实现同步校正即可。该原理均能正确识别高阻接地、转换性故障及振荡中再故障等复杂情况下的故障线路,并且不受潮流转移的影响。
广域电流差动保护较普通电流差动更易受线路分布电容的影响而降低灵敏度,这是因为区域差动范围内在不同运行方式下包含的线路数量可能不一样,分布电容以及电容电流可能呈现较大范围的变化,同时在广域条件下估计和补偿电容电流也有较大难度。基于综合阻抗的纵联保护能克服分布电容的影响,灵敏度较高。将综合阻抗概念引入广域继电保护,可形成基于广域综合阻抗的故障元件判别原理,克服广域电流差动保护的缺陷。该原理利用区域多端电压和电流构造综合阻抗,广域综合阻抗定义为:
其中,M-流入广域继电保护区域的线路数目;N-广域继电保护区域边界母线数目。
为提高广域保护信息的可靠性,提出一种基于遗传(GA)信息融合技术的故障元件判别方法,它以故障方向作为遗传算法的处理对象,结合其他状态和多种保护判据信息进行信息融合,由线路两端故障方向的容错判定确定故障元件,以克服数据传输过程中信息缺失或信息错误的影响。
该方法从基于故障方向的广域继电保护原理出发建立基于遗传算法的信息融合数学模型。然后根据当前保护状态值与保护的状态期望值之间的差异构造求极大值的适应度函数。采用遗传算法的种群建立,快速搜索和收敛判定的运算来寻找最优解,实现基于最优解的故障方向决策和故障元件判别。
为降低基于遗传算法的广域继电保护的计算量,避免过早收敛导致保护判断错误,提高信息容错能力,提出基于概率识别的信息融合技术,简化和改进基于遗传算法的故障元件判别原理。该算法基于有限广域范围同时发生多处故障的可能性很小的假设,仅对区域内单个元件故障建立故障识别编码,大大减小了搜索范围,避免遗传算法中复杂的搜索过程和收敛判断。算法依据保护原理的选择性与灵敏度设置加权系数,然后根据各类保护的实际状态和基于故障识别编码的期望状态之间的差异,结合加权系数,构造求极小值的适应度函数,并引入故障识别概率Ki为:
式中,Esi—正常运行时各组识别编码适应度;Ei—识别编码适应度。Ki越大说明对应故障元件发生故障的概率越大。通过适当的门槛和处理规则,就可以实现高可靠、高容错的故障元件判别。
广域继电保护是目前我国电力系统建设及保护研究的重点课题,为实现电力系统广域继电保护的高效性、可靠性、灵敏性以及数据的传输、控制和信号的发送、交换等的安全可靠性,应从系统全局角度出发,加强对电力系统的检测、维护和规划,提高广域继电保护及故障原件的判断能力,从而促进大电网的发展。
[1]吕颖,张伯明,吴文传等.基于增广状态估计的广域继电保护算法[J].电力系统自动化,2008,32(12):12-16.
[2]韩雄辉,吴科成,翁汉琍等.基于分层判别的广域继电保护系统[J].广东电力,2009,22(12):16-19,29.
[3]杨增力,石东源,段献忠等.基于方向比较原理的广域继电保护系统[J].中国电机工程学报,2008,28(22):87-93.
[4]何志勤,张哲,尹项根等.电力系统广域继电保护研究综述[A].电力自动化设备,2010,30(5):125-130.