一种微机保护方法
【技术领域】
[0001] 本发明设及电力系统微机保护领域，特别设及一种微机保护方法。
【背景技术】
[0002] 目前电力系统输电线路继电保护中，绝大多数保护原理都基于故障信号的基波相 量，根据故障电压、电流基波相量或二者的结合来进行故障判断。但由于故障发生后的暂态 过程，故障电压、电流中含有丰富的暂态噪声，继电保护装置中必须采用滤波算法滤除该些 噪声。因此，快速、准确的滤取出输电线路故障信号中的基波相量是提高保护动作速度的重 要手段，也是继电保护学科一直所关注的课题。暂态噪声主要成分包括非周期分量和高频 噪声分量，对于长距离高压输电线路，由于输电距离长，线路分布电容大，故障暂态过程非 常严重，同时由于线路阻抗角增大，暂态过程的持续时间较长，该些都要求保护滤波算法具 有非常强的滤波能力。
[0003] 传统的微机继电保护装置普遍采用半波和全波化urier算法求取故障信号的基 波相量进行故障判断。全波化urier可W有效滤除恒定直流分量和整数次谐波，但对信 号中的衰减直流分量、非整数次谐波分量滤波效果较差，对频率偏移比较敏感，且数据窗 长度为一个周波，响应时间较长。半波化urier数据窗长度为半个周波，运算量比全周波 Fourier减少一半，响应速度快，可W有效滤除奇次谐波分量，但是不能抑制偶次谐波和衰 减直流分量，精度不高。
[0004] 公开于该【背景技术】部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应 当被视为承认或W任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
【发明内容】
[0005] 本发明的目的在于提供一种微机保护方法，从而克服现有判断电力系统故障的算 法响应时间较长W及精度不高的缺点。
[0006] 为实现上述目的，本发明提供了一种微机保护方法，包括W下步骤；1)采集电力 系统中的故障信号f(t) ;2)利用小波多尺度将所述故障信号f(t)分解得到N层平滑信号 和N层细节信号；3)从所述N层细节信号中获取模极大值点，并计算所述模极大值点的模 极大值Wm"，将所述模极大值胖。"与设定值Wwt比较，若所述模极大值W大于所述设定值 Wwt，则判断所述模极大值点为信号异常点；若所述模极大值Wm。/]、于所述设定值Wwt，则返 回步骤1) ;4)当判断所述模极大值点为信号异常点后，利用所述平滑信号更新卡尔曼滤波 器的观测值，利用所述细节信号计算卡尔曼滤波器的观测噪声方差，通过卡尔曼滤波器估 计出所述信号异常点的基波分量或谐波分量的幅值与相角；5)利用所述基波分量或所述 谐波分量的幅值与相角计算出所述信号异常点的特征电参量F，将所述特征电参量F与整 定值Fwt比较，若所述特征电参量F大于所述整定值Fwt，则判断所述信号异常点为故障点。
[0007] 上述技术方案中，步骤4)中所述平滑信号为第N-1层的平滑信号。
[0008] 上述技术方案中，步骤4)中所述细节信号为第N层的细节信号。
[0009] 上述技术方案中，步骤5)中根据继电保护算法利用所述基波分量或所述谐波分 量的幅值与相角计算出所述信号异常点的特征电参量F。
[0010] 上述技术方案中，所述特征电参量F包括零序电流的幅值，若该幅值大于预设阀 值，则判断存在接地故障。
[0011] 与现有技术相比，本发明具有如下有益效果：本发明中的方法，采用小波分解后的 平滑信号更新卡尔曼滤波器的观测值，减少暂态噪声对滤波算法估计过程的影响，加快滤 波算法的收敛速度；利用细节信号实时在线计算观测噪声方差，提高了滤波算法的收敛精 度；同时采用卡尔曼滤波算法估计故障信号的基波分量或谐波分量的幅值和相角，测量值 采用初步滤除了暂态噪声的故障信号，估计精度高，其中，小波多尺度分析对故障信号进行 初次检测和判断，而卡尔曼滤波器估计出故障信号的基波分量或谐波分离，进而结合继电 保护算法对故障信号进行再次判断，提高了保护算法的可靠性。
【附图说明】
[0012] 图1是根据本发明的微机保护方法的流程示意图。
[0013] 图2是根据本发明的电力系统输电线路故障模型图。
[0014] 图3是根据本发明的微机保护方法实施效果图。
【具体实施方式】
[0015] 下面结合附图，对本发明的【具体实施方式】进行详细描述，但应当理解本发明的保 护范围并不受【具体实施方式】的限制。
[0016] 如图1所示，根据本发明【具体实施方式】的一种微机保护方法，包括W下步骤：
[0017] 步骤S100;采集电力系统中的故障信号f(t);
[0018] 建立如图2所示的电力系统，采集故障f处的故障信号f(t)。
[001引步骤S102 ;利用小波多尺度将故障信号f(t)分解得到N层平滑信号，.…jf\和N层细节信号记，.…//}；
[0020] 其中，在小波多尺度分析中，平滑信号和细节信号存在W下关系：
[0021] /；=/："+/r Cl)
[0022] 式中；i= 1，2, . . .，N-1。
[0023] 步骤S104;从N层细节信号中获取模极大值点，并计算模极大值点的模极大值 Wm"，将模极大值胖。"与设定值Wwt比较，若模极大值W大于所述设定值Wwt，则判断模极大 值点为信号异常点；若模极大值Wm。/]、于设定值Wwt，则返回步骤S100;
[0024]在该步骤中，检测故障信号f(t)采用小波多尺度变换中细节信号的模极大 值点的方法（即小波极大模值）来确定信号异常点。小波极大模值中，在尺度5下， 若N层细节信号中点化满足5(巧^/)化旬/% = 0，且的某一邻域内的任意点b有 Of；/}化W间W；/X"V;)|，则化如为小波变换的模极大值点。
[00巧]步骤S106 ;当判断模极大值点为信号异常点后，利用平滑信号更新卡尔曼滤波器 的观测值，利用细节信号计算卡尔曼滤波器的观测噪声方差，通过卡尔曼滤波器估计出信 号异常点的基波分量或谐波分量的幅值与相角；
[0026] 小波变换具有低通滤波效应，故障信号f(t)经过小波多尺度分解后的平滑信号 的测量噪声大大减少，且分解层数越高噪声越少。因此，选择第N-1层平滑信号更新卡 尔曼滤波器的观测值，利用第N层细节信号//实时在线计算观测噪声方差，可W减少故障 信号f(t)的暂态噪声对卡尔曼滤波器的干扰，提高估计精度。观测噪声方差Rk计算公式 如下：
[0027]
(2)
[002引式中；a。a2为权重系数，满足a。a0且a1+a2= 1。
[0029] 步骤S108 ;利用基波分量或谐波分量的幅值与相角计算出信号异常点的特征电 参量F，将特征电参量F与整定值Fwt比较，若特征电参量F大于整定值Fwt，则判断信号异 常点为故障点，其结果如图3所示。
[0030] 该步骤中，根据继电保护算法（包括过电流保护算法、距离保护算法、差动保护算 法等）利用基波分量或谐波分量的幅值与相角计算出信号异常点的特征电参量F。
[0031] 其中通过过电流保护算法得出的特征电参量F包括零序电流的幅值，若该幅值大 于预设阀值，则判断存在接地故障。
[0032] 本发明中的保护方法对故障进行了两次判断，可靠性高，与此同时，该方法具有较 快的收敛速度和较高的收敛精度，能够快速、准确地实现对故障的检测和选相功能。
[0033] 该实施例中步骤S102的小波多尺度分析，小波变换的定义为L2 (时为R上平方可 积函数构成的函数空间，设故障信号f(t)GL2(R)，iD(t)GL2(R)，若iD(t)的傅里叶变换 :户(的满足容许条件：
[0034]
C3)
[00巧]则称1])为母小波（或基小波）。母小波经过尺度伸缩和位置平移后生成小波序 列：
[0