期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于电流模量分析的MMC-MTDC系统直流输电线路故障识别 被引量:18
1
作者 蒋鹏 周聪明 +1 位作者 张磊 夏伟 《南方电网技术》 CSCD 北大核心 2019年第7期51-57,63,共8页
直流线路故障的快速、可靠识别是基于模块化多电平换流器(modular multilevel converter,MMC)的柔性多端直流输电(multi-terminal direct current,MTDC)系统发展的关键技术之一。通过分析柔性多端直流系统线路故障后电流的暂态特征,提... 直流线路故障的快速、可靠识别是基于模块化多电平换流器(modular multilevel converter,MMC)的柔性多端直流输电(multi-terminal direct current,MTDC)系统发展的关键技术之一。通过分析柔性多端直流系统线路故障后电流的暂态特征,提出了一套基于单端电流模量分析的MMC-MTDC系统直流线路故障识别方案。该方案通过对电流一模故障分量动态偏差值极值极性与大小的检测实现了直流线路故障快速定位,并利用故障后电流零模故障分量的差异,从而实现了对故障极的快速判别。在PSCAD仿真平台上搭建了双极四端MMC型柔性直流电网的模型,通过仿真算例验证了该保护在不同故障位置和过渡电阻下均能快速、可靠地检测到直流线路故障并且准确识别故障极。 展开更多
关键词 柔性直流电网 输电线路故障识别 单端暂态电流 模量分析 动态偏差值 故障极判别
下载PDF
基于神经网络的输电线路故障识别方法 被引量:16
2
作者 孙翠英 路艳巧 +1 位作者 常浩 岳国良 《科学技术与工程》 北大核心 2019年第20期283-288,共6页
针对长期暴露在露天环境下输电线路容易发生开股、断股情况,提出了一种基于神经网络的输电线路故障识别方法,选择轻量级网络MobileNet训练模型与单发多盒探测器(single multibox detector,SSD)目标检测算法。建立导线故障样本缺陷库,对... 针对长期暴露在露天环境下输电线路容易发生开股、断股情况,提出了一种基于神经网络的输电线路故障识别方法,选择轻量级网络MobileNet训练模型与单发多盒探测器(single multibox detector,SSD)目标检测算法。建立导线故障样本缺陷库,对导线故障图片进行处理,在已有模型上对故障特征进行训练,调整超参数优化模型,对模型进行测试,最终将模型在嵌入式设备上进行部署。结果表明,与传统的Faster-RCNN结合VGG16网络模型相比较,大小为传统模型的1/23.78,测试速度快了28倍,精确度为92.60%。该系统不仅有较好的识别效果,而且满足实时性。 展开更多
关键词 神经网络 MobileNet 目标检测 输电线路故障识别
下载PDF
基于CBAM-FCN的高压输电线路发展性故障识别方法 被引量:9
3
作者 刘志远 于晓军 +4 位作者 罗美玲 林泽暄 郝治国 张宇博 杨松浩 《电网与清洁能源》 北大核心 2022年第9期25-33,44,共10页
高压输电线路的发展性故障往往受运行状态和故障发展过程的影响,给故障甄别和保护决策造成困难。为了准确识别高压输电线路的发展性故障,保证继电保护装置动作的正确性,将全卷积神经网络(fully convolutional network,FCN)与卷积注意力... 高压输电线路的发展性故障往往受运行状态和故障发展过程的影响,给故障甄别和保护决策造成困难。为了准确识别高压输电线路的发展性故障,保证继电保护装置动作的正确性,将全卷积神经网络(fully convolutional network,FCN)与卷积注意力模块(convolutional block attention module,CBAM)相结合,提出一种基于CBAM-FCN的发展性故障识别方法,通过在传统全卷积网络中引入CBAM模块,使神经网络能够聚焦于故障波形的突变、幅值等重要特征,忽略无关干扰。此外,所提方法能够输出表征故障状态变化的一维时序序列,实现对输电线路发展性故障的全过程识别。最后大量仿真验证了所提方法的抗噪性能和泛化能力,并通过可视化技术展示了网络模型的可解释性。 展开更多
关键词 输电线路故障识别 发展性故障 故障识别方法 全卷积神经网络 卷积注意力模块
下载PDF
基于GMAPM和SOM-LVQ-ANN的输电线路故障综合识别方法 被引量:5
4
作者 孙晓明 秦亮 刘涤尘 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2019年第12期1079-1090,1105,共13页
现有输电线路故障识别方法大多不能同时识别输电线路的低/高阻抗故障和发展性故障以及电力系统的异常工况(包括低频振荡、铁磁谐振和PT/CT饱和等)和此工况下的故障,故不能满足除继电保护领域外的继电保护测试领域及大电网事故分析和预... 现有输电线路故障识别方法大多不能同时识别输电线路的低/高阻抗故障和发展性故障以及电力系统的异常工况(包括低频振荡、铁磁谐振和PT/CT饱和等)和此工况下的故障,故不能满足除继电保护领域外的继电保护测试领域及大电网事故分析和预警防御领域的新的应用需求.因此,提出一种基于广义改进自适应Prony方法(generalized modified adaptive Prony method,GMAPM)和自组织映射-学习向量量化-人工神经网络(self-organizing mapping-learning vector quantization-artificial neural network,SOM-LVQ-ANN)的输电线路故障综合识别方法,以期能同时识别以上输电线路故障和电力系统异常工况及异常工况下的故障.其中,作为信息提取环节的GMAPM实现了多路信号的并行处理和同时分析,作为特征识别环节的SOM-LVQ-ANN继承了SOM-ANN的强自主学习能力和泛化能力以及LVQ-ANN可预先指定故障类型且便于类型编码和拓展的优点.仿真实验结果初步验证了本方法的优良性能. 展开更多
关键词 输电线路故障综合识别方法 广义改进自适应Prony方法 自组织映射-学习向量量化-人工神经网络
原文传递
Power swing and voltage collapse identification schemes for correct distance relay operation in power system 被引量:1
5
作者 Ahmad F. Abidin Azah Mohamed Hussain Shareef 《Journal of Central South University》 SCIE EI CAS 2013年第4期988-1000,共13页
The new techniques were presented for preventing undesirable distance relay maloperation during voltage collapse and power swings in transmission grids. Initially, the work focused on the development of a fast detecti... The new techniques were presented for preventing undesirable distance relay maloperation during voltage collapse and power swings in transmission grids. Initially, the work focused on the development of a fast detection of voltage collapse and a three-phase fault at transmission lines by using under impedance fault detector (UIFD) and support vector machine (SVM). Likewise, an intelligent approach was developed to discriminate a fault, stable swing and unstable swing, for correct distance relay operation by using the S-transform and the probabilistic neural network (PNN). To illustrate the effectiveness of the proposed techniques, simulations were carried out on the IEEE 39-bus test system using the PSS/E and MATLAB software. 展开更多
关键词 under impedance fault detector distance relay FAULT voltage collapse
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部