考虑暂态波形特征的风电机组高电压脱网智能故障溯源方法

摘要：

大规模风电机组高电压脱网会对电力系统的电能质量和安全稳定运行产生影响.提出了一种风电机组高电压脱网故障溯源方法,后续可配合保护设备以快速切除故障,减少风电机组高电压脱网对系统产生的影响.首先基于风电机组高电压脱网时输出波形进行特征分析,构造了风电机组高电压脱网故障特征指标体系;然后采用Gini指数-最大相关最小冗余法对原始指标体系进行筛选,降低了原始指标体系的冗余度;最后采用遗传算法-蚁群优化算法-粒子群优化算法对BP神经网络的权重、偏差初值进行优化,从而保证BP神经网络的溯源准确率.在西北电网中进行了算例分析,验证了所提方法的有效性.与传统机器学习方法相比,所提方法具有更好的故障溯源性能.

关键词：高电压脱网、故障溯源、指标体系、Gini指数、最大相关最小冗余法、BP神经网络

所属期刊栏目：43

分类号：TM614(发电、发电厂)

资助基金：中国南方电网公司科技项目090000KK52190162

在线出版日期：2023-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：101-109