基于深度置信网络的交直流配电网直流故障检测技术

摘要：

随着多源交直流配电网的发展,其直流故障检测技术已成为直流保护的关键.针对直流部分发生配电线路故障时故障电流大且上升迅速以及故障特征不易提取的特点,文中提出一种结合时域和频域特征提取的基于深度置信网络(deep belief network,DBN)的交直流配电网故障检测技术.通过对故障等效回路进行特征分析,分别利用傅里叶变换和相模变换提取故障电流、电压信号的频域和时域特征作为DBN的输入,并使用Softmax分类器输出故障选极和故障区域识别结果.在PSCAD上搭建交直流配电网模型对算法进行测试,仿真结果表明,所提检测方法在线路分布电容和控制策略的影响下依然具有很高的准确性,且有很强的耐受噪声能力,同时进一步的算法对比实验说明故障特征提取和深度学习模型训练相结合能够完成交直流配电网复杂直流故障的检测.

关键词：交直流配电网、深度置信网络(DBN)、特征提取、故障选极、故障识别、相模变换

所属期刊栏目：42

分类号：TM744(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51807092

在线出版日期：2023-02-16（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：251-259