随着超高压远距离输电线在中国越来越多地建成和运行,大容量变压器的应用日益增多,这对变压器保护的可靠性提出了很高的要求.在变压器差动保护中,励磁涌流的识别一直是其核心问题和难点,是影响变压器差动保护可靠性的关键所在,而目前还没有找到完善的解决办法.因此,探索新的更为可靠、有效的变压器励磁涌流识别方法,对提高变压器差动保护的可靠性具有重要的意义.继电保护的动作行为不可避免地会受到电力系统运行条件、故障条件等因素的影响.电力系统的不断发展必然导致复杂大电网的出现.在复杂大电网的环境下,众多相互关联、耦合的影响因素将使继电保护的动作行为变得非常复杂.研究和分析继电保护系统在各种条件下的动作行为对保证继电保护装置的正确动作、事故分析等具有重大的现实意义.小波变换具有良好的时频局部化特性,而神经网络则是自学习、自适应、容错性和推广能力.小波神经网络将两者的优势结合起来,为信号的检测和分类提供了一种有效的方法.该文在深入研究了现有变压器励磁涌流识别方法的基础上,尝试将小波神经网络方法应用于变压器励磁涌流的识别.首先对电力变压器励磁涌流和故障电流的特征及其仿真方法进行了研究;然后结合前馈神经网络理论和小波分析理论,对小波神经网络的结构形式、学习算法等进行了详细的分析;在此基础上,将自适应小波神经网络应用于变压器差动保护励磁涌流的识别,根据励磁涌流与故障电流的特点,构造合适的自适应小波神经网络模型,并利用EMTP获取训练样本和测试样本对所构造的小波神经网络进行训练和测试,结果表明自适应小波神经网络能够对变压器的励磁涌流状态作出正确的判断,具有很高的可靠性.计算机仿真分析是电力系统故障分析和继电保护动作行为研究的一种直观而简便的方法.该文结合电力系统继电保护分析的特点及工程实际的需要,对用于电力系统故障及继电保护动作行为仿真分析的软件进行了研发,引入了交互式的仿真思路及模块化的设计思想;通过对电力变压器差动保护和超高压输电线路工频变化量方向高频保护的仿真分析,验证了软件的实用价值.