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, threshold=4.0, ratio=0.6): 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, label='CT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(f"CT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：threshold=4.0是CT饱和阈值，对应一次电流的拐点；ratio=0.6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, threshold=4.0, ratio=r) 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