System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电网故障线路识别,具体涉及一种交直流混联电网故障线路识别方法。
技术介绍
1、随着我国直流输电与交流输电规模的不断扩大,世界上规模最大的交直流混联电网已经形成。交直流混联电网具有独特的运行方式,控制难度很高,这也导致当其发生故障时会导致更严重的后果。因此对交直流混联电网所发生的故障迅速分析出故障特征,并确定故障发生的线路,对电网安全稳定运行与迅速实现电网快速自愈尤为重要。
2、由于交直流混联电网中三相交流网络与直流网络拓扑互联,故障特征发生改变,导致基于戴维南等效电路理论的传统故障分析方法和保护原理在交直流混联电网故障分析中失效。因此需要研究其他方法来解决交直流混联电网故障诊断问题,目前,针对交直流混联电网故障诊断的研究中,部分学者研究表明,工频量距离保护不适用于交直流混联电网,因而提出一种通过求解时域方程来判断区内外故障的新判据,并通过研究发现,混联电网的故障特征在不同过渡电阻的情况下其频域特征几乎相同,因此该判据不受过渡电阻的影响。另一部分学者针对交直流混合配电网直流线路故障,通过对直流线路单端限流电感电压变化率设定一个阈值来检测发生的故障,该判据能有效检测双极直流线路的三种故障情况。相关研究表明,通过设定阈值进行故障诊断能有效实现区内外故障的故障诊断,但当电网线路过多时就无法确定故障发生线路,存在局限性,在大型交直流混联电网的故障诊断时难以得到应用。
3、深度学习方法作为近年来兴起的研究领域,其发展为大型交直流混联电网故障诊断提供了新的思路。利用深度学习强大的特征提取能力,能够实现对混
技术实现思路
1、本专利技术的目的在于提供一种交直流混联电网故障线路识别方法,以能够有效识别交直流混联电网故障线路,更加深度的挖掘出故障特征,同时具备很强的抗噪声和诊断准确率。
2、本专利技术解决上述技术问题的技术方案如下:
3、本专利技术提供一种交直流混联电网故障线路识别方法,所述交直流混联电网故障线路识别方法包括:
4、s1:基于实际交直流混联电网工程,构建交直流混联电网故障仿真模型;
5、s2:利用所述交直流混联电网故障仿真模型对风力发电与传统火电并网运行情况进行模拟,并采集模拟过程中的故障数据;
6、s3:对所述故障数据进行预处理,得到mtf图像;
7、s4:利用故障线路识别模型对所述mtf图像进行故障识别,得到故障线路识别结果。
8、可选择地,所述s3包括:
9、s31:根据所述故障数据建立广域多源暂态信息矩阵;
10、s32:利用滑动时窗对所述广域多源暂态信息矩阵进行数据增强处理,得到波形数据;
11、s33:对所述波形数据进行数据重构并展开为一维矩阵序列;
12、s34:利用马尔可夫转移场将所述一维矩阵序列转换为mtf图像。
13、可选择地,所述s31中,所述广域多源暂态信息矩阵为:
14、g200×68=[u1ai1au1bi1bu2ai2au2bi2bu3i3…u12i12]
15、其中,g200×68为广域多源暂态信息矩阵,u1a和i1a为线路l1送端电压与电流量,u1b和i1b为线路l1受端电压与电流量,u2a和i2a为线路l2送端电压与电流量,u2b和i2b为线路l2受端电压与电流量,u3和i3为线路l3三相电压与电流量,u12和i12为线路l12三相电压与电流量。
16、可选择地,所述s32包括:
17、在10khz的采样频率下,采用20ms窗宽的时间窗,以0.1ms为步长提取所述广域多源暂态信息矩阵中的波形数据;其中,滑动窗hi(i=1,2,…,10)为:
18、h1=[s1,s2,…,s200]
19、h2=[s1,s2,…,s201]
20、
21、h3=[s1,s2,…,s210]
22、其中,si(i=1,2,…,210)为第i个采样点的数据。
23、可选择地,所述s33包括:
24、s331:利用iceemdan算法对所述波形数据中的每一列数据单独进行经验模态分解,得到多个模态分量和分解后剩余的残差;
25、s332:将各列数据所对应的各模态分量分别与所述残差相加,得到各列数据所对应的多个相加结果;
26、s333:根据所述波形数据中的所有列数据的多个相加结果,得到重构后的广域多源暂态信息矩阵;
27、s334:分别计算重构后的广域多源暂态信息矩阵中各数据与所述故障数据的相关系数值;
28、s335:将多个相关系数值中最接近1的相关系数值所对应的数据作为一维矩阵序列输出。
29、可选择地,所述s334中,所述相关系数值的计算方式为:
30、
31、其中,pxy为重构后的广域多源暂态信息矩阵中的数据与所述故障数据的相关系数值,x为重构后的广域多源暂态信息矩阵中的数据,y为故障数据,cov()为协方差,d()为方差,e为均值。
32、可选择地,所述s4中,所述故障线路识别模型包括依次设置的下采样通道、7×7卷积层、第一残差模块、第二残差模块、第三残差模块、第四残差模块和第一全连接层,
33、所述mtf图像经所述下采样通道进行下采样操作后作为所述7×7卷积层的输入;
34、所述第一残差模块包括6个依次设置的3×3×64卷积层,且所述7×7卷积层的输出结果作为第一个3×3×64卷积层的输入,以及与所述第一个3×3×64卷积层的输出结果融合后作为第二个3×3×64卷积层的输入,所述第二个3×3×64卷积层的输入与所述第二个3×3×64卷积层的输出结果融合后作为第三个3×3×64卷积层的输入,所述第三个3×3×64卷积层的输入与所述第三个3×3×64卷积层的输出结果融合后作为第四个3×3×64卷积层的输入,所述第四个3本文档来自技高网...
【技术保护点】
1.一种交直流混联电网故障线路识别方法,其特征在于,所述交直流混联电网故障线路识别方法包括:
2.根据权利要求1所述的交直流混联电网故障线路识别方法,其特征在于,所述S3包括:
3.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述S31中,所述广域多源暂态信息矩阵为:
4.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述S32包括:
5.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述S33包括:
6.根据权利要求5所述的交直流混联电网故障线路识别方法,其特征在于,所述S334中,所述相关系数值的计算方式为:
7.根据权利要求1所述的交直流混联电网故障线路识别方法,其特征在于,所述S4中,所述故障线路识别模型包括依次设置的下采样通道、7×7卷积层、第一残差模块、第二残差模块、第三残差模块、第四残差模块和第一全连接层,
8.根据权利要求7所述的交直流混联电网故障线路识别方法,其特征在于,各所述多分支空洞卷积块均包括第一1×1卷积层、第一3×
9.根据权利要求7所述的交直流混联电网故障线路识别方法,其特征在于,各所述Ghost卷积块用于:
...【技术特征摘要】
1.一种交直流混联电网故障线路识别方法,其特征在于,所述交直流混联电网故障线路识别方法包括:
2.根据权利要求1所述的交直流混联电网故障线路识别方法,其特征在于,所述s3包括:
3.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述s31中,所述广域多源暂态信息矩阵为:
4.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述s32包括:
5.根据权利要求2所述的交直流混联电网故障线路识别方法,其特征在于,所述s33包括:
6.根据权利要求5所述的交直流混联电网故障线路识别方法,其特征在于,所述s334中,所述相关系数值的计算方式为:<...
【专利技术属性】
技术研发人员:吴浩,陈伟哲,漆梓渊,宋弘,田海鹏,
申请(专利权)人:四川轻化工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。