基于主元分析的牵引变电所互感器故障在线识别策略

本文主要探讨了基于主元分析的牵引变电所互感器二次量异常故障在线识别方法。在电力系统中，互感器起着至关重要的作用，它们将一次系统的高电压和大电流转换为易于监测和保护的低电压和小电流。然而，二次电流和电压的异常是常见的故障类型，可能源于接线错误、接触不良、设备性能问题等多种原因。 传统的故障检测方法主要包括基于信号处理和基于模型的策略。信号处理方法依赖于检测信号突变，但渐变性故障的信号不易识别，且容易受测量误差干扰。基于模型的方法，如电流观测器模型和基尔霍夫电流定律的解析冗余模型，虽然理论上可行，但实际应用中可能受限于模型精度和误差。 面对这些挑战，文章提出了一种新的解决方案：利用主元分析（PCA）来挖掘牵引变电所内各互感器测量有效值之间的相关关系。PCA作为一种多元统计分析方法，能够发现数据中的潜在模式和结构，即使在存在大量噪声和相关性的复杂数据集中也能有效工作。作者将统计平均值（SPE）和SPE贡献均值作为故障检测和识别的关键指标，以减少单一有效值样本带来的不确定性。 以一个实际的自耦变压器牵引变电所为例，通过仿真验证，该方法的优点在于无需额外增加测量设备，能够准确识别出发生二次量异常的互感器，适应不同主接线拓扑结构的变电所。这种方法的优势在于它能够在现有SCADA系统采集的有效值数据基础上工作，而且对于牵引负荷的快速波动和工况变化有较好的鲁棒性。 总结来说，这篇文章提供了一种创新的在线故障识别技术，通过主元分析挖掘数据间的内在联系，有效地解决了传统方法在处理渐变性故障和测量误差方面的问题，为提高牵引变电所的安全性和效率提供了有力支持。