淺析風電場集電線路的保護研究現狀與發展前景

蔣文光

摘要：風電場集電線路是風力發電系統中的重要組成部分，其運行是否穩定可靠直接影響風電場的發電效率與發電總量。然而存在多方面因素會導致風電場集電線路突發故障并難以切除，因此如何快速，準確的切除故障，對風電場穩定運行有著重要意義。本文總結了現階段集電線路的保護研究方向，并從集電線路的反時限過電流保護原理和利用神經網絡進行故障預測兩方面分析了集電線路的保護發展前景，給風電相關從業人員提供一定的參考價值。

關鍵詞：風電場集電線路；保護現狀；發展前景；反時限過電流保護；神經網絡

1 引言

風能是一種可再生清潔能源，其發電規模呈逐年增長趨勢。而風電場集電線路作為電能輸送的通道，主要分為架空線和直埋電纜兩種，其系統運行參數復雜，加上所處的地理環境復雜，容易受到暴風、覆冰、雷擊、線路老化等因素影響，導致線路突發跳閘、短路、斷路等故障，造成重大的電力故障和經濟損失，因此如何確保集電線路的安全穩定對風電場及電網的平穩運行有著重要意義。

2 風電場集電線路的保護研究現狀

風電場集電線路系系統運行參數復雜統主要由風機機組、箱變、熔斷器、電纜及架空導線等設備組成，系統運行參數復雜，容易受到暴風、覆冰、雷擊、線路老化等因素影響，現有的保護整定方法及配置都不在適應，因此許多學者針對風電場集電線路的故障特征及保護配置問題進行了大量研究，并提出了一些解決方法，這些方法主要歸類為以下三個方向：

（1）基于集電線路故障特征的保護整定方法

通過分析風電場集電線的拓撲結構與故障特征，結合風機低穿約束條件和風機出力情況，進行三段式過電流保護整定，用以保護集電線路，快速切除故障，但此類整定方法，對電網提供的短路電流、風機出力的隨機性及熔斷器反時限特性上未充分考慮，因此在保護可靠性上有所欠缺。

（2）基于網絡通訊技術的集電線路保護方法

此類方案采用了GOOSE網絡并結合電流差動保護方式，具有選擇性聯鎖跳閘的功能，能快速切斷故障點，但此方案需要在箱變高壓側安裝斷路器以及通訊功能，用以實現保護上下級的聯鎖。由于方案改造成本過高，山地通訊存在延時、斷線等問題，并不適合現有的風電場運行環境，故此方案需要輔以限時過電流保護作為后備，所以現階段無法做到獨立可靠運行。

（3）基于智能算法的自適應保護方法

此類方案基于配網自動化，通過對不確定系統進行自適應辨識，采用多Agent的方式進行保護。雖然通過多個Agent（包括電流方向、自適應過電流、保護動作時限等Agent）協作的方式，可以實現定值動態調整，使保護裝置在最佳狀態，彌補了現有過流保護的缺點，但它對通訊可靠性有很高的要求，并不適合現有的風電場運行環境。

綜上所述，在進行集電線路保護配置時，需要考慮風機提供的短路電流大小、熔斷器動作曲線、風機低電壓穿越約束條件、區內外故障特征等因素，是以現有的集電線路保護方法及整定方式都不再適應，需要一種更先進的保護方法，相關文獻也提出了一些新的保護方向，如網絡通訊技術與繼電保護原理結合的方法、智能算法與自適應電流保護結合的方法等，這些方法或多或少有不成熟、需要改進的方面，但是這些方法思路值得借鑒。

3 風電場集電線路的保護發展前景分析

3.1反時限過電流保護

反時限過電流保護可表示為在同一條線路上，隨著故障位置的不同，故障電流值會增大或減小，此時保護延時跳閘時間也會相應改變并呈反時限性。它的通用數學式如下：

式中，I—故障電流；

IP—啟動電流；

R—系數（一般取值在0-2之間）；

k—動作時間常數。

由式（1-1）可以看出， 不大于1時，保護不出口； 大于1時，保護出口時間t隨著 的變大而變短，呈現出反時限特征。同時IEC又將此保護分為三種類型：正常反時限（r=0.02）、非常反時限（r=1）、極端反時限（r=2），它們的區別是r值越大，曲線越陡。

根據其特征描述，反時限過流保護可用于需要上下級元件配合的環境，如：電動機、分布式電源、箱變以及中低壓配電網，用以實現保護選擇性的功能。同時它在特殊條件下也具備三段式過電流保護的作用，因此能適合于風電場集電線路的運行環境，但反時限過流保護是基于熔斷器理想熔斷曲線來整定，而理想曲線與實際運行曲線存在誤差，因此在進行整定時留有裕度，故其保護出口時間往往長于熔斷器的熔斷時間，這將導致當熔斷器出現拒動時，反時限過流保護不能迅速地消除故障，從而使故障擴大化。

3.2基于神經網絡的集電線路故障分析

集電線路運行參數復雜，故障參數難以辨識，反時限過流保護在整定時留有裕度。當熔斷器出現拒動時，反時限過流保護不能更快切斷故障，因此需要在反時限過流保護的速動性上進行改進。

人工神經網絡是一種由許多基本計算單元互聯構成的非線性、自適應數據處理系統，它的主要特點為：

a.能夠任意對復雜的非線性數據進行擬合；

b.采取分布式并行處理方式，能夠迅速的進行批量計算；

c.可辨識和自適應未知或不確定的系統；

由于人工神經網絡具有如上特征，故可以選取人工神經網絡進行集電線路故障特征的辨識，通過對反時限過流保護運行特征的模擬，用以預測跳閘動作時限，這種方法克服了反時限過流保護動作精度不高、速動性不足的弊端。

其主要步驟如下：

（1）將全電流量寫完為正序與負序分量之和的形式，并進行 變換，在正序dq軸上提取瞬時正序故障電流分量；

（2）將瞬時正序故障電流分量作為網絡輸入層特征量，以熔斷器實際動作時限與風機低電壓穿越約束時限作為期望輸出，構造RBF神經網絡；

（3）采用故障特征信息來訓練RBF神經網絡，然后將訓練好的網絡根據瞬時正序故障電流分量來預測動作時限，實現保護跳閘功能。

神經網絡模型具有良好的魯棒性和容錯性，隨著訓練數據的不斷增加，利用神經網絡模型對集電線路進行故障特征的辨識將變得精確可靠，更能接近上下級保護元件的動作曲線，很好的解決了三段式過電流保護選擇性不足、反時限過流保護動作精度低等問題，具有一定的發展前景。

4 小結

運行安全穩定的集電線路是風電場正常工作的前提，本文主要針對集電線路運行參數復雜，所處地理條件惡劣等因素，分析總結了集電線路保護研究現狀的適應性。同時，本文從反時限過電流保護原理和利用神經網絡進行故障預測兩方面分析了集電線路的保護發展前景，給風電相關從業人員提供一定的參考價值。

參考文獻：

[1]楊平怡，王寶華.風電場集電線路電流速斷保護整定研究[A].電子設計工程，2015，23（20）：158-165.

[2]趙忠立.提高風電場集電線路保護選擇性的方案探討[B].內蒙古電力技術，2012，30（4）：35-38.

[3]黃景光，鄭淑文，林湘寧.基于多端差動的風電場集電線路保護新原理[A].電網與清潔能源，2016，32（9）：102-106.

[4]楊利水，楊旭，徐巖.基于多Agent技術的自適應過電流保護的研究[A].華北電力大學學報，2009，36（6）：34-38.

[5]陳少華，張輝.基于BRF神經網絡的電電流保護[A].廣東工業大學學報，2001，18（3）：17-21.

[6]安艷秋，高厚磊.正序故障分量及其在繼電保護中的應用[J].電力系統及其自動化學報2003，15（4）：76-78.