基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法

针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。

基于T区中低频衰减特性构成方向元件的特高压三端混合直流输电线路单端方向保护研究

将保护装置安装在T区两侧,基于T区中低频衰减特性构成方向元件,提出一种特高压三端混合直流输电线路单端方向保护方法。分析特高压三端混合直流输电系统整流侧、T区以及线路末端逆变侧三端边界频率特性,发现T区边界对故障电流暂态信号中低频分量有一定的衰减作用、整流侧边界和线路末端逆变侧边界对故障电流暂态信号高频分量有明显衰减作用。利用小波分解,根据T区两侧线路暂态电流中低频能量差判断故障方向,并提出故障方向判据。当T区左侧发生故障时,利用线路L1末端所检测到的高频暂态电流能量与低频暂态电流能量的比值来判别整流侧区内、外故障;当T区右侧发生故障时,利用线路L2首端所检测到的高频暂态电流能量与低频暂态电流能量的比值来判别线路末端逆变侧区内、外故障;T区发生故障时,判定为线路区外故障。给出基于T区中低频衰减特性构成方向元件的特高压三端混合直流输电线路单端方向保护方案,最后在PSCAD/EMTDC仿真平台搭建昆柳龙特高压三端混合直流输电系统模型并对所提保护方法进行验证,仿真表明该文所提保护方法能实现特高压三端混合直流输电线路全线速动保护。

基于CNN-SVM的特高压三端混合直流线路故障区域识别方法

提出一种基于卷积神经网络–支持向量机(Convolutional neural network-support vector machine,CNN-SVM)的特高压三端混合直流线路故障区域识别方法。首先,对昆北侧、龙门侧的直流线路边界和柳北侧T区边界的频率特性进行分析,发现不同故障区域的故障特征存在一定差异。然后,使用经验小波变换提取故障特征,将其作为CNN-SVM的输入量,故障区域作为输出量,构建并训练CNN-SVM模型;将由测量点得到的故障特征量输入到训练完成的CNN-SVM模型中,进行故障区域识别。最后,搭建昆柳龙仿真模型,进行故障仿真实验验证。结果表明,该方法的故障区域识别率高,且可耐受300Ω的过渡电阻。

基于多层感知器的LCC-MMC并联型特高压三端混合直流输电线路故障检测方法探讨

针对现有故障检测方法存在阈值整定困难、特征量提取过程复杂的问题,提出一种基于多层感知器(MLP)的电网换相换流器和模块化多电平换流器(LCC-MMC)并联型特高压三端混合直流输电线路故障检测方法。首先,分析直流线路昆北侧边界、T区边界、龙门侧边界的频率特性,指出三端直流线路不同区域发生故障时的故障特征差异;其次,通过小波变换对线模电流、线模电压进行多尺度小波分解,提取小波能量,并结合正、负极电压变化量组成故障特征量。然后,将故障特征量作为MLP的输入量、故障区域作为输出量,构建基于MLP的故障区域识别模型;将测量点提取到的故障特征量输入训练完成的模型即可达到故障区域识别的目的。通过大量仿真验证了所提故障检测方法准确率高,且可耐受300Ω的过渡电阻。

基于GRU的特高压三端混合直流输电线路故障区域识别方法

针对特高压三端混合直流输电线路故障区域识别问题,提出一种基于门控循环单元(gate recurrent unit,GRU)的特高压三端混合直流输电线路故障区域识别方法。首先,分析了直流线路昆北侧边界和龙门侧边界直流功率传递函数的幅频特性、T区线模功率突变量的正负差异,指出三端直流线路不同区域故障时的故障特征差异。其次,对线模功率进行多尺度小波分解,提取线模功率高频能量,结合T区线模功率突变量、正负极功率突变量幅值,组成故障特征量,作为GRU的输入量,故障区域作为输出量,构建GRU故障区域识别模型。然后,将测量点得到的故障特征量输入训练完成的GRU模型中,即可达到故障区域识别的目的。通过大量仿真,验证了所提故障区域识别方法准确率高,且可耐受300Ω的过渡电阻。