基于MMC-HVDC系统运行状态评判的故障诊断方法研究

摘要

近年来，模块化多电平换流器型直流输电（MMC-HVDC）技术已成为电气工程领域的研究热点之一。但现阶段该领域的研究主要是从电气机理角度分析MMC-HVDC系统基本原理、故障条件下桥臂过流、过压机理以及构建相应的抑制策略，而针对交流故障对MMC-HVDC 系统整体运行状态影响的评判研究才刚刚起步，根据其运行状态进一步实现交流故障识别的研究几乎还处于空白。如何利用暂态信号特征提取方法进行MMC站内电气信息特征提取，并基于特征提取结果，结合新的人工智能方法对MMC-HVDC系统运行状态进行评判及交流故障识别，将是未来MMC-HVDC技术研究的一个新方向。 本文首先介绍了MMC的基本原理及运行特性，建立了MMC交、直流侧动态数学模型，研究了 MMC-HVDC 系统交流故障对 MMC 换流站的影响。通过分析发现，当MMC-HVDC 系统发生交流故障时，MMC 换流站内各电气信号具有变化无规律、频率复杂且能量等级低等特点，传统的信号处理方法无法准确表征故障特征。针对上述问题，本文对目前流行的Shannon小波熵算法进行了研究，指出Shannon小波熵在频域划分和特征提取精度方面存在的不足。继而以三能级系统复杂度统计为例，分析了不同参数条件下Renyi熵的统计特性，并研究了Renyi熵与Shannon熵在统计特性方面的区别与联系。基于Renyi熵和小波包变换的优点，将二者结合，提出Renyi小波包奇异熵算法、Renyi小波包能量熵算法、Renyi 小波包时间熵算法，并与 Shannon 小波熵算法在特征提取精度方面进行了对比。其次，利用Renyi小波包能量熵算法对MMC换流站内各电气信息进行特征提取，并基于特征提取的结果构建了指标集。针对灰色关联分析法在评判MMC-HVDC系统运行状态时各指标权重确定方面的不足，将Rneyi熵权法和灰色关联分析结合，构建了Renyi熵权-灰色关联分析评判法，并基于特征指标集完成了MMC-HVDC系统运行状态评判。最后，利用Renyi熵权-灰色关联分析评判法对MMC-HVDC系统交流故障的类型进行判断。基于前期判断的结果，利用Renyi小波包时间熵算法对交流故障特征进行提取，根据特征提取的结果进行故障相的判断。将故障类型识别方法和故障相识别方法结合，提出一种基于MMC-HVDC系统运行状态评判的交流故障诊断方法，并通过仿真实验证明了该方法的有效性。

目录

第1章 绪 论

1.1 课题的研究背景及意义

1.2 国内外研究现状

1.3 本课题的主要研究内容

第2章 交流故障对MMC换流站的影响分析

2.1 引言

2.2 MMC的工作原理及数学模型

2.3 交流故障对MMC换流站的影响

2.4 MMC换流站内故障信号的时频域分析

2.5 本章小结

第3章 MMC换流站内的故障信号特征提取

3.1 引言

3.2 Shannon小波熵在MMC换流站内故障信号特征提取的缺陷

3.3 基于Renyi小波包熵的MMC换流站内故障信号特征提取

3.4 本章小结

第4章 基于故障特征提取的MMC-HVDC系统运行状态评判

4.1 引言

4.2 基于故障特征提取的指标集构造

4.3 Renyi熵权-灰色关联分析评判法

4.4 仿真验证

4.5 本章小结

第5章 MMC-HVDC系统交流故障诊断方法

5.1 引言

5.2 基于MMC-HVDC系统运行状态评判的故障类型识别

5.3 基于故障特征提取的故障相识别

5.4 故障诊断方法的构造

5.5 仿真验证

5.6 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其他成果

声明

致谢