حفاظت دیفرانسیل ترانسفورماتورهای قدرت بر اساس مولفه های گذرای فرکانس بالای تولید شده توسط خطا

ترانسفورماتورها از مهمترین تجهیزات شبکه‌ی قدرت هستند که حفاظت از آن‌ها اهمیت بسیار بالایی دارد. در این مقاله، یک الگوریتم جدید و کارامد بر اساس محتوای فرکانس بالای جریان دیفرانسیل، برای تشخیص سیگنال‌های جریان مربوط به خطای داخلی از سیگنال‌های جریان هجومی پیشنهاد شده است. در الگوریتم پیشنهادی، پس از مشاهده‌ی افزایش در دامنه‌ی جریان دیفرانسیل، نمونه‌های یک چهارم سیکل از جریان دیفرانسیل ثبت می‌شود. سپس تبدیل موجک بر نمونه‌های ثبت شده اعمال می‌شود. در مرحله‌ی بعد، جزئیات تبدیل موجک مربوط به همان یک چهارم سیکل از جریان دیفرانسیل، استخراج می‌شود. در سیگنال‌های جریان ناشی از خطا، مولفه‌های فرکانس بالای زیادی وجود دارد. در نتیجه، نوسانات موجود در خروجی تبدیل موجک برای سیگنال‌های جریان خطای داخلی بسیار بیشتر از سیگنال‌های مربوط به جریان هجومی است. با به دست آوردن انحراف معیار خروجی تبدیل موجک، می‌توان این نوسانات را کمّی‌سازی کرد. بنابراین، مقدار انحراف معیار خروجی تبدیل موجک، به عنوان ابزاری برای شناسایی خطای داخلی از شرایط جریان هجومی استفاده می‌شود. بار محاسباتی بسیار پایین الگوریتم پیشنهادی و نیاز به فقط یک چهارم سیکل از نمونه‌های سیگنال جریان ورودی، تضمین کننده‌ی سرعت بالای این الگوریتم است. نتایج شبیه​سازی نشان داده است که حداکثر حدود 11 میلی ثانیه بعد از وقوع خطا، الگوریتم پیشنهادی قادر است که وقوع خطای داخلی را شناسایی کند. به علاوه، نتایج نشان می دهد که اشباع ctها روی الگوریتم پیشنهادی تاثیری ندارد و خطاهای امپدانس بالا و نیز خطاهایی که همزمان با حضور جریان هجومی اتفاق می​افتند هم با الگوریتم پیشنهادی تشخیص داده می​شوند.

transformer differential protection using the fault-generated high-frequency transient components

power transformers are the most important components of a power system, so their protection is a critical issue. this paper proposes a novel and efficient algorithm based on the high-frequency components of the differential current signal to discriminate between the magnetizing inrush currents and the internal faults. after detecting the over-current in the differential current signals, samples of a quarter of a cycle of the signal are recorded. then, discrete wavelet transform (dwt) is applied to the recorded signals, and the details of the wavelet transform output are extracted. because of the existence of the high-frequency transients in the internal fault current signals, the wavelet transform outputs of the internal fault signals have more fluctuations than that of the inrush current signals. by calculating the standard deviation of the wavelet transform output, the fluctuations can be quantified. therefore, the standard deviation of the wavelet transform output can be used as a criterion to discriminate between the internal faults and the magnetizing inrush currents. the proposed algorithm has a very low computational burden, and it uses only a quarter of a cycle of the differential current signals. this guarantees the high speed of the proposed algorithm. the proposed algorithm is tested by different conditions of the internal faults and the inrush situations, and it successfully identifies the true situation with high accuracy in all conditions. the simulation results show the superior specifications of the proposed algorithm.