基于自学习的LSTM网络短路电流零点预测方法

短路故障在首个大半波内快速选相开断对提升电力系统稳定性具有重要意义。为此，本文研究并提出了一种基于自学习的长短期记忆(LSTM)网络短路电流零点预测方法。构建了基于自学习优化训练的LSTM短路电流预测模型，并采用循环迭代法对短路电流波形及过零点进行预测；搭建了RTDS试验平台，验证了自学习LSTM网络对零点预测的准确性、快速性以及稳定性；讨论了不同短路故障电流的起始相角、谐波含量、信噪比、衰减直流分量时间常数等因素对自学习LSTM预测精度的影响；仿真与试验结果表明自学习LSTM网络对短路电流零点具有较好的预测能力，当采样时间为3 ms时，自学习LSTM首零点预测精度已与RLS算法采样时间5 ms时预测精度相当，为在首个大半波内实现相控开断提供了依据。