母线继电保护动作行为仿真分析系统：CT饱和与差动保护建模实践

简介本资源面向电气工程、电力电子与继电保护方向的本科及研究生毕业设计场景围绕母线继电保护动作行为仿真分析展开提供一套可直接运行的Simulink仿真模型与配套研究文档帮助读者理解双母线结构一次系统建模、母线完全电流差动保护原理及区内区外故障下的动作特性对比。压缩包共19个文件约95.88MB包含6个slx仿真模型、6份pdf参考资料、2份docx研究文档以及m脚本、说明文档与工程备份文件覆盖建模、仿真、分析与论文写作全流程。资源中既有双母线结构一次系统与差动保护模型也包含TA饱和、输电线路波形等扩展仿真配合母线差动保护讲义与相关论文便于对照学习保护判据与波形特征。目前已有662人学习下载适合需要完成毕设仿真、复现母线保护动作行为或撰写继电保护论文的读者参考使用。1. 母线继电保护动作行为仿真分析系统从“看不懂波形”到“敢下结论”做变电站二次调试的人大多有过这种经历母线差动保护在实验室里动作逻辑跑得通可一到现场投运区外故障时保护偶尔误动翻看录波图却看不出所以然。问题往往出在CT饱和、和应涌流、死区故障这些边界工况上真到现场去复现几乎不可能。母线继电保护动作行为仿真分析系统就是干这件事的——在电力电子仿真环境里搭出母线、CT、断路器、保护装置的等效模型人为构造各种故障场景观察保护的动作行为把“玄学误动”变成可解释、可复现的仿真结论。这套东西适合继保调试人员、电力电子方向做毕设的学生以及需要验证母线保护逻辑的二次设计工程师。它不替代现场试验但能让你在动手接线之前先把保护的动作边界摸清楚。2. 母线保护仿真建模从一次系统到二次逻辑的映射2.1 为什么母线保护仿真比线路保护仿真更难做线路保护仿真相对成熟因为线路参数分布均匀故障电流路径单一模型简化后误差可控。母线保护不一样它的核心难点在于“节点”特性母线上挂接多条进出线故障时电流从多个方向汇入差动电流是各支路电流的矢量和。这意味着仿真模型必须同时满足两个条件——一次系统的拓扑要准确到每条支路的阻抗和互感二次侧的CT传变特性要能反映暂态饱和。很多毕设或论文里的母线保护仿真只搭了理想CT模型结果区外故障时差动电流始终为零保护永远不误动仿真结论和现场实际完全对不上。常见做法是一次系统用三相集中参数模型CT用Jiles-Atherton磁滞模型或分段线性化励磁曲线保护逻辑用Comtrade录波数据驱动或直接搭建差分算法模块。2.2 用Python搭一个最小母线差动保护仿真回路下面这段代码用纯Python加NumPy实现一个单母线两进一出的简化模型目的是跑通“区外故障时差动电流不为零”这个关键现象。代码不依赖Simulink或PSCAD方便快速验证逻辑。import numpy as np import matplotlib.pyplot as plt # 参数设置 fs 10000 # 采样率 10kHz T 0.1 # 仿真时长 0.1s t np.arange(0, T, 1/fs) f 50 # 工频 # 三条支路电流支路1和2为进线支路3为出线区外故障时穿越性电流 # 区外故障电流从支路1流入支路2流出支路3流出 I1 5 * np.sin(2*np.pi*f*t) # 进线1 I2 -3 * np.sin(2*np.pi*f*t) # 进线2反向 I3 -2 * np.sin(2*np.pi*f*t) # 出线 # 理想差动电流 Id_ideal I1 I2 I3 # 考虑CT饱和支路1的CT在电流过零附近出现传变误差 # 用分段线性函数模拟饱和电流超过阈值后传变比下降 def ct_saturate(i, threshold4.0, ratio0.6): out np.copy(i) mask np.abs(i) threshold out[mask] np.sign(i[mask]) * (threshold ratio*(np.abs(i[mask])-threshold)) return out I1_sat ct_saturate(I1) I2_sat ct_saturate(I2) I3_sat ct_saturate(I3) Id_real I1_sat I2_sat I3_sat # 绘制波形 fig, ax plt.subplots(2,1, figsize(10,6)) ax[0].plot(t, Id_ideal, label理想差动电流) ax[0].plot(t, Id_real, labelCT饱和后差动电流, linestyle--) ax[0].set_ylabel(电流 (A)) ax[0].legend() ax[0].grid(True) # 计算差动电流有效值 Id_rms_ideal np.sqrt(np.mean(Id_ideal**2)) Id_rms_real np.sqrt(np.mean(Id_real**2)) ax[1].bar([理想, 饱和], [Id_rms_ideal, Id_rms_real]) ax[1].set_ylabel(差动电流有效值 (A)) ax[1].grid(True) plt.tight_layout() plt.show() print(f理想差动电流有效值: {Id_rms_ideal:.4f} A) print(fCT饱和后差动电流有效值: {Id_rms_real:.4f} A)这段代码的逻辑说明三条支路电流之和在理想情况下为零基尔霍夫电流定律但CT饱和后支路1的二次电流不再线性传变导致差动电流出现非零分量。参数说明threshold4.0是CT饱和阈值对应一次电流的拐点ratio0.6是饱和后的传变比例数值越小饱和越严重。实际工程中这个阈值和比例需要根据CT的伏安特性曲线用最小二乘法拟合得到不能随便拍。跑完这段代码你会看到理想差动电流有效值接近零而饱和后差动电流有效值可能达到0.5A以上——这就是区外故障误动的根源。2.3 保护动作判据的仿真实现与参数整定差动电流算出来之后下一步是模拟保护的动作判据。母线差动保护常用比率制动特性动作方程是Id Icdqd且Id K * Ir其中Icdqd是差动启动定值K是制动系数Ir是制动电流。仿真时要把这两个判据都写进去否则无法复现“区外故障不动作、区内故障动作”的选择性。# 比率制动特性仿真 Icdqd 0.5 # 差动启动定值 0.5A K 0.5 # 制动系数 # 制动电流取各支路电流绝对值之和的一半常见取法 Ir 0.5 * (np.abs(I1_sat) np.abs(I2_sat) np.abs(I3_sat)) # 动作判据 trip (np.abs(Id_real) Icdqd) (np.abs(Id_real) K * Ir) # 统计动作时间 trip_indices np.where(trip)[0] if len(trip_indices) 0: print(f保护动作时刻: {t[trip_indices[0]]*1000:.2f} ms) else: print(保护未动作)参数整定的经验Icdqd一般取0.3~0.5倍额定电流K取0.3~0.5。如果仿真中区外故障时保护频繁动作优先检查CT饱和模型是否过于理想其次看制动电流的取法是否合理。有些保护装置采用最大制动电流而不是求和制动仿真时要把这个差异体现出来。3. 故障场景构造区外故障、区内故障与CT饱和的仿真复现3.1 区外故障时差动电流为什么不为零区外故障的仿真目标是验证保护不动作。但实际仿真中只要CT模型不是理想的差动电流就一定存在。区别在于这个不平衡电流是否超过启动定值。构造区外故障场景时关键参数是故障点位置和过渡电阻。故障点越靠近母线穿越性电流越大CT饱和越严重。过渡电阻越大故障电流越小饱和反而减轻。仿真时建议设置三组对比金属性故障过渡电阻0.01Ω、经电阻故障过渡电阻5Ω、高阻故障过渡电阻100Ω观察差动电流的变化趋势。# 区外故障场景对比 Rf_list [0.01, 5, 100] # 过渡电阻 for Rf in Rf_list: # 简化故障电流与过渡电阻成反比 Ifault 10 / (1 Rf/0.1) # 经验公式仅用于演示趋势 I1 Ifault * np.sin(2*np.pi*f*t) I2 -0.6 * Ifault * np.sin(2*np.pi*f*t) I3 -0.4 * Ifault * np.sin(2*np.pi*f*t) I1_sat ct_saturate(I1) Id I1_sat I2 I3 Id_rms np.sqrt(np.mean(Id**2)) print(f过渡电阻 {Rf}Ω: 差动电流有效值 {Id_rms:.4f} A)跑完会发现金属性故障时差动电流最大高阻故障时差动电流反而小。这跟直觉相反——很多人以为过渡电阻越大越容易误动实际上过渡电阻限制了故障电流CT饱和程度降低不平衡电流反而减小。这个结论对整定Icdqd有直接指导意义定值不能按最严重饱和来躲否则区内高阻故障时灵敏度不够。3.2 区内故障时保护动作边界的扫描方法区内故障的仿真目标是验证保护可靠动作。但“可靠动作”不是看一个点而是看动作边界。具体做法是固定故障类型单相接地、相间短路、三相短路扫描故障位置从母线到线路末端记录每个位置下差动电流和制动电流画出动作特性平面上的轨迹。轨迹进入动作区则保护动作否则拒动。# 区内故障动作边界扫描 fault_positions np.linspace(0, 1, 21) # 0表示母线1表示线路末端 trip_results [] for pos in fault_positions: # 故障电流随位置衰减 Ifault 10 * (1 - 0.8*pos) I1 Ifault * np.sin(2*np.pi*f*t) I2 0.1 * Ifault * np.sin(2*np.pi*f*t) # 对侧电源贡献 I3 0.0 # 出线无贡献 Id I1 I2 I3 Ir 0.5 * (np.abs(I1) np.abs(I2) np.abs(I3)) trip (np.abs(Id) Icdqd) (np.abs(Id) K * Ir) trip_results.append(np.any(trip)) # 输出动作边界 for pos, res in zip(fault_positions, trip_results): print(f故障位置 {pos:.2f}: {动作 if res else 拒动})这个扫描能帮你找到保护的死区——通常是母线附近经过渡电阻故障时差动电流刚好在启动定值附近制动电流又比较大导致拒动。解决方法是引入故障分量差动或零序差动作为补充判据仿真时可以把这两条判据也加进去对比。3.3 CT饱和对保护动作行为的影响怎么量化CT饱和的量化指标有两个饱和深度和饱和时刻。饱和深度用饱和后的传变比下降幅度表示饱和时刻用饱和起始角表示。仿真时可以通过改变这两个参数观察保护动作时间的变化。下面这段代码扫描饱和深度对动作时间的影响。# 饱和深度对动作时间的影响 ratios [0.9, 0.7, 0.5, 0.3] for r in ratios: I1_sat ct_saturate(I1, threshold4.0, ratior) Id I1_sat I2 I3 Ir 0.5 * (np.abs(I1_sat) np.abs(I2) np.abs(I3)) trip (np.abs(Id) Icdqd) (np.abs(Id) K * Ir) trip_idx np.where(trip)[0] if len(trip_idx) 0: print(f饱和比例 {r}: 动作时间 {t[trip_idx[0]]*1000:.2f} ms) else: print(f饱和比例 {r}: 未动作)结果通常显示饱和越严重ratio越小差动电流越大保护动作越快。但这不代表保护性能更好——区外故障时饱和越严重误动风险也越高。所以仿真报告里必须同时给出区内和区外的结果不能只报动作时间。4. 仿真避坑母线保护建模中容易翻车的五个地方4.1 现象区外故障仿真时差动电流始终为零原因CT模型用了理想传变或者饱和阈值设得过高导致不平衡电流被完全忽略。解决把CT励磁曲线用分段线性或非线性电感替代理想变压器饱和阈值根据实际CT的伏安特性设置一般取额定电流的3~5倍。4.2 现象区内故障时保护拒动但波形上看差动电流很大原因制动电流的取法有问题。如果制动电流取了各支路电流的矢量和而不是绝对值和区外故障时制动量可能为零区内故障时制动量又过大。解决确认保护装置的制动电流公式常见的有“最大制动电流”和“求和制动”两种仿真时严格按装置说明书实现。4.3 现象仿真步长改变后动作时间跳变原因步长太大导致过零点附近采样不准差动电流的相位误差被放大。解决仿真步长至少取1/10000秒对应10kHz采样率。如果保护算法里有傅里叶滤波步长还要更小建议50kHz以上。4.4 现象CT饱和模型参数调好后换一个故障类型结果完全不对原因饱和参数是针对特定故障电流幅值拟合的故障类型改变后电流幅值和波形都变了原来的分段线性参数不再适用。解决用Jiles-Atherton模型替代分段线性模型或者针对每种故障类型单独拟合饱和参数。4.5 现象仿真结论和现场录波对不上原因仿真里忽略了母线电压的影响。实际CT饱和与一次回路的时间常数有关而时间常数又受母线电压和系统阻抗影响。解决在仿真中加入母线电压测量用电压和电流的联合判据来修正饱和模型或者直接用Comtrade录波数据回放来验证仿真模型。5. 从仿真到结论怎么用这套系统写出一份能站住脚的分析报告5.1 仿真报告里必须有的三张图第一张是差动电流和制动电流的轨迹图横轴制动电流、纵轴差动电流把区内和区外故障的轨迹画在同一张图上动作区用阴影标出。第二张是动作时间随故障位置的变化曲线横轴故障位置、纵轴动作时间区外故障用虚线标出。第三张是CT饱和深度对差动电流的影响柱状图对比不同饱和比例下的不平衡电流有效值。这三张图能覆盖选择性、速动性和可靠性三个维度比堆一堆波形图有用得多。5.2 参数灵敏度分析怎么做才有说服力不要只给一组参数下的结果。把Icdqd和K各取三档交叉组合成九组每组都跑一遍区内和区外故障统计动作正确率。下面是一个简单的灵敏度分析框架。# 参数灵敏度分析 Icdqd_list [0.3, 0.5, 0.8] K_list [0.3, 0.5, 0.7] results [] for Icdqd in Icdqd_list: for K in K_list: # 区内故障动作正确率 correct_in 0 total_in 0 for pos in np.linspace(0, 0.5, 11): # 区内故障 Ifault 10 * (1 - 0.8*pos) I1 Ifault * np.sin(2*np.pi*f*t) I2 0.1 * Ifault * np.sin(2*np.pi*f*t) Id I1 I2 Ir 0.5 * (np.abs(I1) np.abs(I2)) trip (np.abs(Id) Icdqd) (np.abs(Id) K * Ir) if np.any(trip): correct_in 1 total_in 1 # 区外故障不动作正确率 correct_out 0 total_out 0 for pos in np.linspace(0.5, 1, 11): # 区外故障 Ifault 10 * (1 - 0.8*pos) I1 Ifault * np.sin(2*np.pi*f*t) I2 -0.6 * Ifault * np.sin(2*np.pi*f*t) I3 -0.4 * Ifault * np.sin(2*np.pi*f*t) I1_sat ct_saturate(I1) Id I1_sat I2 I3 Ir 0.5 * (np.abs(I1_sat) np.abs(I2) np.abs(I3)) trip (np.abs(Id) Icdqd) (np.abs(Id) K * Ir) if not np.any(trip): correct_out 1 total_out 1 results.append((Icdqd, K, correct_in/total_in, correct_out/total_out)) # 输出表格 print(Icdqd\tK\t区内正确率\t区外正确率) for r in results: print(f{r[0]}\t{r[1]}\t{r[2]:.2f}\t\t{r[3]:.2f})跑完这张表你会看到一组“甜点参数”——区内正确率接近1且区外正确率也接近1。如果找不到这样的参数组合说明仿真模型本身有问题比如CT饱和模型太激进或者制动电流公式不对。这时候不要硬调参数凑结果回去检查模型。5.3 我自己的一个习惯每次仿真跑完我都会把关键波形和动作结果存成CSV然后用一个独立的脚本重新读出来画图。这样做的好处是仿真脚本可以随便改但分析脚本只读数据保证结论不受仿真代码改动的影响。另外仿真报告里从来不写“仿真结果表明保护性能良好”这种话而是写“在过渡电阻0.01Ω、故障位置0.3倍线路长度时差动电流有效值1.2A制动电流有效值3.5A动作时间12ms”。数字比形容词有说服力。希望帮到你。本文还有配套的精品资源点击获取