杨兴雄，孙士云，黄柯昊

基于BP神经网络模型的风电场送出变故障识别

杨兴雄，孙士云，黄柯昊

（昆明理工大学 电力工程学院，云南 昆明 650500）

变压器是电力系统中最重要的枢纽设备之一，其保护动作的正确是整个电力系统稳定运行的关键。对于接入大规模风电场的系统，双馈风电机组在低电压穿越期间短路电流特殊的频偏特性将导致传统变压器差动保护方案在风电场送出变中动作性能变差。针对这一问题，首先推导了频偏特性下短路电流经DFT提取后的误差表达式，并分析该短路电流对传统保护的影响。在此基础上，提出了利用BP神经网络模型来逼近变压器电磁暂态模型，并结合波形相关性进行故障识别的新方案。最后，在MATLAB/SIMULINK平台上搭建双馈风电场仿真模型。仿真结果表明，在各运行工况下，基于BP神经网络模型的方案能够有效进行故障识别，并规避频偏特性及励磁涌流带来的影响。

双馈感应风力发电机；频偏特性；变压器故障识别；BP神经网络；波形相关性

0 引言

双馈感应发电机（DFIG）是风电场广泛采用的机型。在低电压穿越期间，其提供的短路电流与传统电源的短路电流有较大差异，具有特殊的频偏特性。随着风电渗透率的逐年提高，这一特性使得变压器传统差动保护方案在风电场送出变中动作性能变差[1–4]。

目前，国内外学者针对变压器保护展开了大量的研究。文献[5]介绍了传统变压器差动保护方案构成思路，并对该方案的适用性进行了深入分析和仿真验证，发现差动保护方案正确动作的关键是区分励磁涌流与故障电流。……