基于GRU网络的柔性直流配电线路保护方案

摘要：

针对柔直配电线路保护存在的阈值整定困难、高阻故障时保护容易拒动和噪声干扰下灵敏性低等问题,提出一种基于门控循环单元(gate recurrent unit,GRU)深度学习模型的柔直配电线路保护方案.首先,分析了基于限流电抗器的线路短路故障的幅频特性,并利用广义S变换提取频域特性下的故障特征量,将其作为GRU网络的输入数据.然后,构建并训练GRU深度学习模型,提取时间序列下故障样本的深层次特征,并结合支持向量机(support vector machine,SVM)分类器,实现故障快速识别和隔离.最后,在PSCAD/EMTDC中搭建仿真模型,验证了保护方案的可行性,仿真结果表明该方案的抗干扰能力强,灵敏度高,满足直流保护的可靠性和速动性要求.

关键词：直流配电系统;限流电抗器;GRU深度学习模型;故障识别;故障选极

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划智能电网技术与装备重点专项;国家电网有限公司科技项目

在线出版日期：2021-10-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：3885-3894,中插11-中插12