检索结果-南通市图书馆

Intelligent fault detection and location scheme for modular multi‐level converter multi‐terminal high‐voltage direct current

引用

High Voltage 2021年第1期6卷 125-137页

作者： Qingqing Yang Jianwei Li Ricardo Santos Kaijia Huang petar igic Coventry University CoventryUK Department of Engineering Science University of OxfordOxfordUK Centre of Engineering Federal University of ABCSanto AndreBrazil DTU Energy Technical University of DenmarkKongens LyngbyDenmark

In order to overcome the drawbacks of the conventional protection methods in high‐voltage direct current transmission lines, a deep learning approach is proposed that directly learn the fault conditions based on unsupervised feature extraction to the detection and location decision by leveraging the hidden layer activations of recurrent neural network. The deep‐recurrent neural network boosting with the gated recurrent unit compared with the long short‐term memory unit is used by analysing both the signal presented in time domain and frequency domain. The proposed method is tested based on a modular multilevel converter based four‐terminal high‐voltage direct current system. Various faults under different conditions were simulated against fault resistance, external faults and small disturbance immunity with the validity, and the simulation verified a high accuracy, robustness and fast results because of the utilization of characteristic feature extraction.

关键词： fault overcome high

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：