基于CNN-BiGRU的高压直流输电线路故障识别

作     者：赵妍 王泽通 邢士标 朱建华 陈阔 张思博 ZHAO Yan;WANG Zetong;XING Shibiao;ZHU Jianhua;CHEN Kuo;ZHANG Sibo

作者机构：东北电力大学吉林吉林132012 国网四平供电公司吉林四平136000 润电能源科学技术有限公司郑州450000 

出 版 物：《吉林电力》 (Jilin Electric Power)

年 卷 期：2024年第52卷第1期

页      面：29-34,39页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主　　题：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 

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。