基于CNN-BiGRU的高压直流输电线路故障识别 |
| |
引用本文: | 赵妍,王泽通,邢士标,朱建华,陈阔,张思博.基于CNN-BiGRU的高压直流输电线路故障识别[J].吉林电力,2024(1):29-34+39. |
| |
作者姓名: | 赵妍 王泽通 邢士标 朱建华 陈阔 张思博 |
| |
作者单位: | 1. 东北电力大学;2. 国网四平供电公司;3. 润电能源科学技术有限公司 |
| |
摘 要: | 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。
|
关 键 词: | 深度学习 高压直流 卷积神经网络 双向循环门单元 故障识别 |
|
|