基于CNN-LSTM-Attention的多端柔性直流输电线路单极接地故障定位方法技术

本发明专利技术的目的在于提供一种基于CNN

【技术实现步骤摘要】
Components Analysis,PCA)技术处理不同区段的线模电压并构造特征矩阵，结合一维CNN确定故障区段。然后利用小波包分解结合皮尔逊相关系数提取该故障区段线模电压的频域特征，最后利用CNN
‑
LSTM
‑
Attention网络实现故障定位。采用麻雀搜索算法对定位模型参数进行寻优，避免训练时陷入局部最优。在PSCAD/EMTDC软件中搭建
±
500kV四端柔性直流系统模型，进行了不同过渡电阻、不同故障位置的单极接地故障仿真。仿真结果表明，该方法具有良好的耐过渡电阻能力，在50kHz的采样频率下定位误差在0.16km以内。
[0007]在现有技术的成果上，本专利技术进一步使用信号分解、深度学习和参数优化等方法，提出了一种多端柔性直流输电线路单极接地故障定位方法。该方法依据行波色散特性，通过对故障行波进行分解和特征提取，获取与故障位置高度相关的特征信息，利用神经网络的分类与回归机制进行区段识别和故障定位。该方法避免了传统行波法在高阻故障时因色散效应产生的波头识别和波速确定困难等问题。基于注意力机制的优点，将其首次引入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN
‑
LSTM
‑
Attention的多端柔性直流输电线路单极接地故障定位方法，其特征在于：通过主成分分析PCA处理不同区段的线模电压并构造特征矩阵，结合一维CNN确定故障区段；然后利用小波包分解结合皮尔逊相关系数提取该故障区段线模电压的频域特征，最后利用CNN
‑
LSTM
‑
Attention网络实现故障定位。2.根据权利要求1所述的基于CNN
‑
LSTM
‑
Attention的多端柔性直流输电线路单极接地故障定位方法，其特征在于：采用麻雀搜索算法对定位模型参数进行寻优，以避免训练时陷入局部最优。3.根据权利要求1所述的基于CNN
‑
LSTM
‑
Attention的多端柔性直流输电线路单极接地故障定位方法，其特征在于：利用CNN
‑
LSTM
‑
Attention网络实现故障定位具体为基于小波包分解和皮尔逊相关系数特征选择与CNN
‑
LSTM
‑
Attention混合网络进行多端柔性直流故障定位，其采用皮尔逊相关系数筛选与故障位置相关性高的小波包频带。4.根据权利要求3所述的基于CNN
‑

【专利技术属性】
技术研发人员：兰生，魏柯，原永滨，
申请(专利权)人：福州大学，
类型：发明
国别省市：