电网换相换流器型高压直流输电(line commutated converter-based high voltage direct current,LCC-HVDC)系统若发生后续换相失败,将严重影响交直流混联电网的安全稳定运行。文中首先针对LCC-HVDC系统故障恢复过程中电流偏差控制作用...电网换相换流器型高压直流输电(line commutated converter-based high voltage direct current,LCC-HVDC)系统若发生后续换相失败,将严重影响交直流混联电网的安全稳定运行。文中首先针对LCC-HVDC系统故障恢复过程中电流偏差控制作用阶段易再次发生换相失败的问题,对电流偏差控制参数与换相失败之间的关系进行理论分析,发现此阶段系统若不发生换相失败,逆变侧LCC直流电压和交流换相电压须满足一定的约束关系,且该约束关系受电流偏差控制参数的直接影响。然后,基于理论分析结果,提出一种电流偏差控制参数整定方法,可改善系统故障恢复过程中对直流电压恢复速度和程度的控制要求,使系统更易满足直流电压与交流换相电压稳定运行约束关系,以降低后续换相失败概率。最后,利用PSCAD/EMTDC仿真平台CIGRE标准测试模型验证了理论分析的正确性以及参数整定方法的有效性。展开更多
针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional...针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional gate recurrent unit,BiGRU)的HVDC输电线路故障识别方法。首先,采用故障后整流侧的双极暂态电流行波作为特征向量,利用CNN提取全局特征,并从中剔除噪声和不稳定成分,完成对数据的降维处理。然后,采用BiGRU来捕获CNN提取到特征的前后时间信息,进一步提取数据中的时序特征,以实现HVDC输电线路故障识别。仿真结果表明:该方法可在不同故障地点以及不同过渡电阻下对单极接地、双极短路、雷击故障、雷击干扰共四种故障实现准确识别,可靠性高,具有较强的耐受过渡电阻能力,同时具备一定的抗噪性能。展开更多
文摘电网换相换流器型高压直流输电(line commutated converter-based high voltage direct current,LCC-HVDC)系统若发生后续换相失败,将严重影响交直流混联电网的安全稳定运行。文中首先针对LCC-HVDC系统故障恢复过程中电流偏差控制作用阶段易再次发生换相失败的问题,对电流偏差控制参数与换相失败之间的关系进行理论分析,发现此阶段系统若不发生换相失败,逆变侧LCC直流电压和交流换相电压须满足一定的约束关系,且该约束关系受电流偏差控制参数的直接影响。然后,基于理论分析结果,提出一种电流偏差控制参数整定方法,可改善系统故障恢复过程中对直流电压恢复速度和程度的控制要求,使系统更易满足直流电压与交流换相电压稳定运行约束关系,以降低后续换相失败概率。最后,利用PSCAD/EMTDC仿真平台CIGRE标准测试模型验证了理论分析的正确性以及参数整定方法的有效性。
文摘针对高压直流(high voltage direct current,HVDC)输电线路故障暂态行波具有时序性和强非线性的特点,导致高过渡电阻情况下故障识别率低的问题,提出基于卷积神经网络(convolutional neural networks,CNN)和双向循环门单元(bidirectional gate recurrent unit,BiGRU)的HVDC输电线路故障识别方法。首先,采用故障后整流侧的双极暂态电流行波作为特征向量,利用CNN提取全局特征,并从中剔除噪声和不稳定成分,完成对数据的降维处理。然后,采用BiGRU来捕获CNN提取到特征的前后时间信息,进一步提取数据中的时序特征,以实现HVDC输电线路故障识别。仿真结果表明:该方法可在不同故障地点以及不同过渡电阻下对单极接地、双极短路、雷击故障、雷击干扰共四种故障实现准确识别,可靠性高,具有较强的耐受过渡电阻能力,同时具备一定的抗噪性能。