基于LSTM神经网络的风电场集电线路单相接地智能测距

摘要：

为解决风电场多分支、混合短线路中难以查找故障点的问题,提出一种基于长短期记忆(LSTM)神经网络的风电场集电线路单相接地智能故障测距方法.首先,读取集电线路首端测量装置的电气量信息.其次,采用全相位快速傅里叶变换(apFFT)相位差校正法构建了风电场单相接地短路时的故障特征集合.然后,归一化风电场集电线路的故障数据,并训练深度学习LSTM神经网络以建立单端故障测距的预测模型.最后,通过LSTM神经网络故障定位器开展准确的故障定位.PSCAD/EMTDC实验结果表明,所提方法的预测精度高于反向传播神经网络和极限学习机方法,且在不同的故障距离和过渡电阻情况下均可行,适用于风电场集电线路的故障测距.

关键词：风电场;集电线路;深度学习;长短期记忆神经网络;单端故障测距

所属期刊栏目：49

资助基金：国家自然科学基金项目资助51677072

在线出版日期：2021-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：60-66