为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测...为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。展开更多
为准确获得淮南—上海1 000 k V同塔双回交流输电线路的工频序参数,采用基于全球定位系统的异频双端同步测量方法测量试验中各相导线首、末端电压与电流;提出了将所测电压与电流代入长线方程来求解异频下的工频序参数的计算方法,并与单...为准确获得淮南—上海1 000 k V同塔双回交流输电线路的工频序参数,采用基于全球定位系统的异频双端同步测量方法测量试验中各相导线首、末端电压与电流;提出了将所测电压与电流代入长线方程来求解异频下的工频序参数的计算方法,并与单端测量所得结果进行比较。结果表明,采用所提出的双端测量计算法能够获得准确的工频序参数,与采用分布参数模型的单端测量计算结果相比,其差异百分比≤1.52%;而与采用常规集中参数算法的单端测量法相比相差较大,其中零序电阻差异百分比可达16.48%,这是因为单端测量法不适用于长距离线路的参数计算。将上述双端测量计算法用于测量特高压同塔双回交流输电线路淮芜Ⅰ线与Ⅱ线的工频序参数,获得了准确的结果,为继电保护及短路电流计算等提供了数据基础。展开更多
文摘为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。
文摘为准确获得淮南—上海1 000 k V同塔双回交流输电线路的工频序参数,采用基于全球定位系统的异频双端同步测量方法测量试验中各相导线首、末端电压与电流;提出了将所测电压与电流代入长线方程来求解异频下的工频序参数的计算方法,并与单端测量所得结果进行比较。结果表明,采用所提出的双端测量计算法能够获得准确的工频序参数,与采用分布参数模型的单端测量计算结果相比,其差异百分比≤1.52%;而与采用常规集中参数算法的单端测量法相比相差较大,其中零序电阻差异百分比可达16.48%,这是因为单端测量法不适用于长距离线路的参数计算。将上述双端测量计算法用于测量特高压同塔双回交流输电线路淮芜Ⅰ线与Ⅱ线的工频序参数,获得了准确的结果,为继电保护及短路电流计算等提供了数据基础。
