基于CNN-BiGRU的高压直流输电线路故障识别

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。