基于瞬时电流的电流互感器饱和识别优化方法：BP神经网络的应用

本文主要探讨了电力系统在发生区外故障时电流互感器（CT）饱和可能导致的差动保护误动问题。传统解决方案通常采用固定的开放差动保护门槛值，这种方法没有充分考虑差动电流的畸变程度，导致在饱和程度较轻时，门槛值设置偏大，这会导致开放保护的延迟增加，不利于快速响应故障。 为了改善这一问题，作者提出了一种基于瞬时电流特征的电流互感器饱和识别改进方法。首先，该方法利用虚拟制动电流来识别CT的饱和状态，这是识别过程的基础。然后，通过对电流互感器的传变特性的深入分析，研究了CT饱和程度与其一次电流及其导数之间的关系。这种关系的理解有助于理解饱和对电流传输的影响。 接着，文章引入了BP神经网络拟合算法，通过构建一次电流特征与最优差动保护门槛值之间的映射模型。这种方法允许系统自适应地选择开放差动保护的阈值，从而降低了因饱和引起的保护闭锁时间。通过这种方式，该方法能够更准确地判断故障类型，提高保护的反应速度和可靠性。 仿真结果部分展示了所提方法的有效性，通过与传统方法进行对比，证明了新方法在处理不同饱和程度的电流畸变时，能够显著减少差动保护的闭锁时间，减少了误动作的风险。因此，基于瞬时电流特征的电流互感器饱和识别方法对于提升电力系统的保护性能具有重要的实际意义。 关键词：电流互感器，饱和，虚拟制动电流，神经网络，差动保护，继电保护。该研究不仅关注技术细节，还涵盖了电力系统保护领域的关键问题，对于维护电力系统的稳定运行和提高保护装置的智能化水平具有重要意义。