基于并联卷积神经网络的多端直流输电线路故障诊断.pdfVIP

第44 卷 第12 期 2020 年6 月25 日 Vol.44No.12 Jun.25,2020 DOI：10.7500/AEPS20191124003 基于并联卷积神经网络的多端直流输电线路故障诊断 王 浩，杨东升，周博文，高筱婷，庞永恒 （东北大学信息科学与工程学院，辽宁省沈阳市 110819） 摘要：针对多端直流输电（MTDC）线路故障时存在故障电流上升速度快、峰值大、不易定位等特 点，提出一种兼顾快速性与准确性的MTDC线路故障诊断方法。首先，分析MTDC线路故障信号 波形的幅值特征和频率特征，研究基于信号波形幅值变化的故障幅值特征提取方法和基于小波包 分析的故障频率特征提取方法，进而形成基于幅值-频率特征的MTDC线路故障诊断方法。其 次，构建具有故障分类支路和故障定位支路的双支路结构卷积神经网络——并联卷积神经网络（P- CNN），提出基于迁移学习的P-CNN训练方法。最后，仿真验证基于P-CNN的MTDC线路故障诊 断方法满足故障诊断的快速性要求，且其并联结构相比于其他人工智能故障诊断方法更具有准确 性和可拓展性。 关键词：并联卷积神经网络；多端直流输电；故障诊断；小波包分析 0 引言 ［9］分析了故障电流产生机理，通过建立故障电流表 达式，分析了直流故障特性；文献［10］分析系统故障 随着经济的快速发展和能源紧张问题，中国东 机理，通过故障等效电路确定故障电流、确定阈值并 部沿海地区亟须大量电能的支撑，而光伏、风电等新 进行单极短路/双极短路和单极断线故障分类；文献 能源集中分布在中国西部地区，与大型城市群距离 ［11］通过建立故障等效电路，用分析线路电感的方 较远，所以大容量远距离输电工程应运而生。高压 法进行MTDC线路故障定位，取得一定效果。上述 直流输电（HVDC）作为远距离输电方式相比于交流 研究均通过故障机理模型分析的方法进行数学推 输电具有故障少、绝缘要求低、不要求同步等优点， ［1-4］ 导，得出故障电流（电压）表达式，最后做出故障诊 越来越受到关注 。 断。然而在构建故障机理模型化简线路表达式时， 基于模块化多电平换流器的高压直流输电 必然会舍弃一些系统参数，可能会造成结果不准确， （MMC-HVDC）系统较传统HVDC系统具有功率 同时，通过数学表达式确定故障阈值的方法受到线 可双向流动的特性 ，适合构成多端直流输电 ［5］ 路参数变化、负荷变化、谐波、短路过渡电阻等因素 （MTDC）系统 。由MMC-HVDC构成的MTDC 的影响，难以确定准确的阈值，最终导致故障诊断的 系统具有故障电流上升速度快、换流站电力电子器 准确率降低甚至难以适用。 件对过电流敏感、直流故障电流不易切断等诸多区 ［6］ 因此，另一部分文献提出基于线路信号分析的 别于交流系统的特点 ，为了保障系统安全，MTDC ［7-8］ 方法诊断故障，不简化电路模型。文献［12］应用快 线路故障一般