基于多模式分解和多支路并行残差网络的特高压三端混合直流输电线路故障区域诊断

TM77; 特高压三端混合直流输电线路发生接地故障时,故障电气量变化存在很强的随机性和非线性,在噪声干扰下其规律性更弱,很难快速、准确地提取故障特征以诊断故障区域.鉴于此,提出一种集电流波形特征提取和故障区域诊断为一体的诊断模型.分析不同区域故障时的电流波形特点,利用数学机理不同的3种算法同时分解故障电流,避免一些容易混叠的模态子序列在单一分解方法中逃逸.利用多支路并行残差网络迅速地挖掘分解分量的多尺度空间耦合交互特征,并结合门控循环单元网络模块,进一步提取故障电流的时间耦合特征,使得特征得到显著增强.利用麻雀搜索算法优化该模型的关键参数,构建充分适应电网故障诊断的网络结构,实现故障区域的快速...

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 44; no. 10; pp. 140 - 178
Main Authors 陈仕龙, 李国辉, 毕贵红, 鲍童语, 张梓睿, 罗灵琳
Format Journal Article
LanguageChinese
Published 昆明理工大学 电力工程学院,云南 昆明 650500 01.10.2024
Subjects
waveform features
deep learning
fault zone diagnosis
signal decomposition technology
深度学习
特高压三端混合直流
波形特征
信号分解技术
故障区域诊断
three-terminal hybrid UHVDC
Online AccessGet full text

Cover

More Information
Summary:TM77; 特高压三端混合直流输电线路发生接地故障时,故障电气量变化存在很强的随机性和非线性,在噪声干扰下其规律性更弱,很难快速、准确地提取故障特征以诊断故障区域.鉴于此,提出一种集电流波形特征提取和故障区域诊断为一体的诊断模型.分析不同区域故障时的电流波形特点,利用数学机理不同的3种算法同时分解故障电流,避免一些容易混叠的模态子序列在单一分解方法中逃逸.利用多支路并行残差网络迅速地挖掘分解分量的多尺度空间耦合交互特征,并结合门控循环单元网络模块,进一步提取故障电流的时间耦合特征,使得特征得到显著增强.利用麻雀搜索算法优化该模型的关键参数,构建充分适应电网故障诊断的网络结构,实现故障区域的快速诊断.仿真结果表明,该方案有着较高的灵敏性、较强的抗干扰能力,满足直流保护的可靠性和速动性要求.
ISSN:1006-6047
DOI:10.16081/j.epae.202407010