ارائه یک طرح حفاظتی جدید به منظور تمایز خطای داخلی از جریان هجومی با در نظر گرفتن اشباع ترانسفورماتورهای جریان

نوع مقاله : مقاله برق

نویسندگان

دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

چکیده

حفاظت دیفرانسیل یکی از مهمترین طرحهای حفاظتی ترانسفورماتورهای قدرت میباشد. در شرایط عادی، جریان تفاضلی تقریباً صفر است، اما در هنگام وقوع خطای داخلی جریان تفاضلی افزایش می‌یابد. افزایش جریان تفاضلی می‌تواند دلایل دیگری غیر از وقوع خطای داخلی داشته باشد، لذا وجود جریان تفاضلی لزوماً نشانه رخداد خطای داخلی نیست. پدیده‌هایی مانند جریان هجومی، اشباع ترانسفورماتورهای جریان و اضافه تحریک نیز موجب ظهور جریان تفاضلی می‌گردند. بنابراین، تمایز بین جریان هجومی و خطای داخلی برای عملکرد صحیح رله دیفرانسیل ضروری است. در طرح حفاظتی ارائه شده، سیگنال جریان تفاضلی با استفاده از تبدیل فوریه گسسته تحلیل می‌شود. در مرحله اول با استفاده از این ویژگی که شدت تغییرات اندازه هارمونیک دوم جریان دیفرانسیل در خطای داخلی با اشباع ترانسفورماتور جریان، بسیار بیشتر از جریان هجومی میباشد، دو حالت ذکر شده از هم متمایز میشوند. در مرحله دوم با استفاده از این نکته که نسبت اندازه هارمونیک دوم به مولفه اصلی جریان دیفرانسیل، پس از رخداد خطای داخلی بدون اشباع ترانسفورماتور جریان، به سرعت افت میکند و تقریباً به صفر می رسد، میتوان آن را از دیگر شرایط کاری ترانسفورماتور قدرت تفکیک نمود. به منظور دستیابی به حداکثر قدرت تفکیک پذیری، شبیه سازیهای مختلفی جهت تعیین دو مقدار آستانه برای شاخصهای ذکر شده انجام شده است. نتایج به دست آمده بر روی یک ترانسفورماتور واقعی 63/230 کیلو ولت با ظرفیت 160 مگا ولت آمپر نشان میدهد که الگوریتم پیشنهادی در شرایط خطای خارجی و برق دار کردن ترانسفورماتور قدرت حتی در زمان اشباع ترانسفورماتور جریان پایدار باقی میماند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

A New Protective Scheme for Discrimination of Internal Fault from Inrush Currents Considering CTs Saturation

نویسندگان [English]

  • Zahra Hasanzadeh Kami
  • Ali Akbar Abdoos
Department of Electrical and Computer Engineering, Babol Noshirvani University of Technology, Babol, Iran
چکیده [English]

Differential protection is one of the most important and basic protections for power transformers. In normal conditions, the differential current is almost zero, but it increases during internal faults. Since the increase in the differential current can have other reasons than the occurrence of an internal fault, the existence of a differential current is not necessarily a good sign of the internal fault occurrence. Some phenomena, such as the inrush current, saturation of current transformers, and over-excitation, also result in the appearance of the differential current. In the presented protection scheme, the differential current signal is analyzed by the discrete Fourier transform. In the first stage, based on the point that the rate of changes in the magnitude of the second harmonic of the differential current in the internal fault with current transformer saturation is much greater than the inrush current, these two events can be distinguished. In the second stage, based on the fact that the ratio of the second harmonic to the fundamental component of the differential current drops rapidly after the occurrence of internal faults without current transformer saturation and reaches almost zero, it can be easily discriminated from other conditions. Various simulations have been performed for proper threshold settings for the above-mentioned criteria to achieve maximum separability. The results obtained from simulation studies on a real 230/63 kV, 160 MVA power transformer reveal that the proposed algorithm remains stable for external faults and transformer energization conditions even during current transformer saturation.

کلیدواژه‌ها [English]

  • Power transformer
  • Current transformer
  • Differential protection
  • Fault current
  • Inrush current
  • Current transformer saturation

مراجع

  1. Z. Moravej, and S. Bagheri. "Condition monitoring techniques of power transformers: A review." Journal of Operation and Automation in power Engineering3, no. 1 (2015): 71-82.
  2. F. Naseri, Z. Kazemi, M.M. Arefi, and E. Farjah. "Fast discrimination of transformer magnetizing current from internal faults: An extended Kalman filter-based approach." IEEE Transactions on Power Delivery33, no. 1 (2017): 110-118.
  3. M. Eissa. "A novel digital directional transformer protection technique based on wavelet packet." IEEE Transactions on Power Delivery20, no. 3 (2005): 1830-1836.
  4. Z. Moravej, A.A. Abdoos, and M. Sanaye-Pasand. "Power transformer protection using improved S-transform." Electric Power Components and Systems39, no. 11 (2011): 1151-1174.
  5. M.F. Abbas, L. Zhiyuan, H. Zhiguo, and Z. Guanjun. "Inrush current discrimination in power transformer differential protection using wavelet packet transform based technique." In 2016 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), pp. 944-948. IEEE, 2016.
  6. Z. Moravej, and A.A. Abdoos. "An improved fault detection scheme for power transformer protection." Electric Power Components and Systems40, no. 10 (2012): 1183-1207.
  7. A. Hooshyar, M. Sanaye-Pasand, S. Afsharnia, M. Davarpanah, and B.M. Ebrahimi. "Time-domain analysis of differential power signal to detect magnetizing inrush in power transformers." IEEE Transactions on Power Delivery27, no. 3 (2012): 1394-1404.
  8. A. Sahebi, and H. Samet. "Efficient method for discrimination between inrush current and internal faults in power transformers based on the non‐saturation zone." IET Generation, Transmission & Distribution11, no. 6 (2017): 1486-1493.
  9. D.D. Patel, N.G. Chothani, and K.D. Mistry. "Sequence component of currents based differential protection of power transformer." In 2015 Annual IEEE India Conference (INDICON), pp. 1-6. IEEE, 2015.
  10. L.L. Zhang, Q.H. Wu, T.Y. Ji, and A.Q. Zhang. "Identification of inrush currents in power transformers based on higher-order statistics." Electric Power Systems Research146 (2017): 161-169.
  11. E. Ali, A. Helal, H. Desouki, K. Shebl, S. Abdelkader, and O.P. Malik. "Power transformer differential protection using current and voltage ratios." Electric Power Systems Research154 (2018): 140-150.
  12. Z. Moravej, A. Ebrahimi, M. Pazoki, and M. Barati. "Time domain differential protection scheme applied to power transformers." International Journal of Electrical Power & Energy Systems154 (2023): 109465.
  13. C. Mo, T.Y. Ji, L.L. Zhang, and Q.H. Wu. "Equivalent statistics based inrush identification method for differential protection of power transformer." Electric Power Systems Research203 (2022): 107664.
  14. Z. Morave, and D.N. Vishwakarma. "ANN-based harmonic restraint differential protection of power transformer." Journal-Institution of Engineers India Part EL Electrical Engineering Division(2003): 1-6.
  15. Z. Li, Z. Jiao, and A. He. "Knowledge‐based artificial neural network for power transformer protection." IET Generation, Transmission & Distribution14, no. 24 (2020): 5782-5791.
  16. R.A. Naghizadeh, B. Vahidi, and S.H. Hosseinian. "An adaptive approach for simulation of inrush current in three-phase transformers considering hysteresis effects." Electric Power Components and Systems44, no. 6 (2016): 673-682.
  17. Z. Moravej, A.A. Abdoos, and M. Sanaye-Pasand. "A new approach based on S-transform for discrimination and classification of inrush current from internal fault currents using probabilistic neural network." Electric Power Components and Systems38, no. 10 (2010): 1194-1210.
  18. M. Tripathy, R.P. Maheshwari, and H.K. Verma. "Power transformer differential protection based on optimal probabilistic neural network." IEEE Transactions on Power Delivery25, no. 1 (2009): 102-112.
  19. M.B. Raichura, N.G. Chothani, and D.D. Patel. "Identification of internal fault against external abnormalities in power transformer using hierarchical ensemble extreme learning machine technique."IET Science, Measurement & Technology 14, no. 1 (2020): 111-121.
  20. S. Afrasiabi, M. Afrasiabi, B. Parang, and M. Mohammadi. "Designing a composite deep learning based differential protection scheme of power transformers." Applied Soft Computing87 (2020): 105975.
  21. A. He, Z. Jiao, Z. Li, and Y. Liang. "Discrimination between internal faults and inrush currents in power transformers based on the discriminative-feature-focused CNN." Electric Power Systems Research223 (2023): 109701.
  22. S. Jazebi, B. Vahidi, and M. Jannati. "A novel application of wavelet based SVM to transient phenomena identification of power transformers." Energy Conversion and Management52, no. 2 (2011): 1354-1363.
  23. D.D. Patel, N.G. Chothani, Khyati D. Mistry, and M. Raichura. "Design and development of fault classification algorithm based on relevance vector machine for power transformer." IET Electric Power Applications12, no. 4 (2018): 557-565.
  24. N. Shrivastava. "Power transformer differential protection based on DWT and EDT." International Journal of Research in Engineering, Science and Management5, no. 2 (2022): 154-158.
  25. M. Tripathy, R.P. Maheshwari, and H.K. Verma. "Neuro-fuzzy technique for power transformer protection." Electric Power Components and Systems36, no. 3 (2008): 299-316.
  26. F. Zhalefar, and M. Sanaye-Pasand. "A new fuzzy-logic-based extended blocking scheme for differential protection of power transformers." Electric Power Components and Systems38, no. 6 (2010): 675-694.
  27. D. Woodford. "Introduction to pscad/emtdc v3." Manitoba HVDC research center Inc (2000).
  28. U. Annakkage, P.G. McLaren, E. Dirks, R.P. Jayasinghe, and A.D. Parker. "A current transformer model based on the Jiles-Atherton theory of ferromagnetic hysteresis." IEEE Transactions on Power Delivery 15, no. 1 (2000): 57-61.
مدل سازی در مهندسی
دوره 23، شماره 80
در حال تکمیل شدن
فروردین 1404
صفحه 31-45

فایل ها

سابقه مقاله

  • تاریخ دریافت: 07 آذر 1402
  • تاریخ بازنگری: 09 اردیبهشت 1403
  • تاریخ پذیرش: 21 اردیبهشت 1403

هم رسانی

ارجاع به این مقاله

آمار