[发明专利]一种基于MEEMD算法的变压器励磁涌流识别方法

说明书

本发明公开了一种基于MEEMD算法的电力变压器励磁涌流识别方法，属于电力系统继电保护领域，通过采集变压器两侧的差动电流信号，首先进行MEEMD分解，获得一组近似平稳的IMF信号，然后从分解的结果中提取第一个IMF信号进行Hilbert变换得到其瞬时频率，瞬时频率的突变点可以反映出电流信号的相位的突变，根据实时监测到的瞬时频率两个相邻突变点之间的时间间隔可以实现对变压器励磁涌流、内部故障准确识别。本方法不受涌流间断角、合闸初相角和非周期分量的影响，能准确、可靠、快速地区分变压器励磁涌流和内部短路故障。

技术领域

本发明属于电力系统继电保护领域，具体涉及一种基于MEEMD算法的变压器励磁涌流识别方法。

背景技术

变压器励磁涌流和内部短路故障的识别是变压器差动保护最关键的一环，它的安全与否直接关系到电网的安全稳定运行。传统的差动保护采用比例制动和二次谐波制动来改善其性能。然而，变压器的制造水平的提高减少了励磁涌流中二次谐波的含量，使得该方法存在一定的局限性。近年来，国内外学者提出了很多识别励磁涌流的新原理和新算法。如小波差动保护方案，用边界离散小波变换计算故障暂态分量来识别内部故障，但是该方案在故障角为0°或者180°时有可能误动作；间断角识别法，但是它受电流互感器饱和的影响，在实际应用中受到限制；波形对称法识别励磁涌流和区内故障，动作时间约在20ms以上，很难再提高动作的速度。利用EMD和Hilbert算法，通过瞬时频率变化率识别涌流和内部故障，但EMD算法本身存在端点效应，涌流存在的间断角会使EMD算法出现模态混叠现象，其动作时间为20ms左右。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于MEEMD(ModifiedEnsemble Empirical Mode Decomposition，改进的集总平均经验模态分解)算法的变压器励磁涌流识别方法，设计合理，克服了现有技术的不足，具有良好的效果。

为了实现上述目的，本发明采用如下技术方案：

一种基于MEEMD算法的变压器励磁涌流识别方法，该方法是基于排列熵算法而提出的，具体包括如下步骤：

步骤1：采集变压器两侧的差动电流信号，并对其进行MEEMD分解，经过MEEMD分解后得到若干个满足IMF(Intrinsic Mode Function，固有模态函数)条件的本征模态函数即IMF分量；

步骤2：从步骤1分解的结果中提取第一个IMF分量；

步骤3：对步骤2中得到的IMF分量作Hilbert变换，得到其瞬时频率；

步骤4：根据步骤3得到的瞬时频率，监测瞬时频率两相邻突变点之间的时间间隔；

步骤5：对变压器励磁涌流和区内故障进行识别。

优选地，在步骤1中，MEEMD分解的具体步骤如下：

步骤1.1：在原始电流信号S(t)中，添加均值为零的成对的白噪声信号n_i(t)和-n_i(t)，即：

S_i⁺(t)＝S(t)+a_in_i(t)；

S_i-(t)＝S(t)-a_in_i(t)；

其中，n_i(t)表示添加的白噪声信号，a_i表示添加的白噪声信号的幅值，i＝1,2,···,N_e,N_e表示添加的白噪声信号的对数；

步骤1.2：分别对和进行EMD分解，分别得到P个IMF分量即和(i＝1,2,···N_e；j＝1,2,···P)；