[发明专利]基于SVM的模块化多电平直流输电系统故障识别方法

说明书

本发明提供一种基于支持向量机的模块化多电平直流输电系统故障识别方法，适用于模块化多电平直流输电系统的故障识别，该技术方案采集训练样本的特征值并根据其数据特征进行分类为三相平衡故障与不平衡故障，并建立对应故障识别模型，然后采集所需识别的电力系统特征值，进行故障类型划分后在对应的故障识别模型中进行归一化处理，最后通过支持向量机方法识别出系统的故障类型，输出故障类型。实际验证结果表明，本模型识别出的故障类型与实际故障类型一致，且识别时间短，可为模块化多电平直流输电系统的故障检测提供快速、准确、高效的技术支持。

技术领域

本发明涉及柔性直流输电领域，具体是一种基于支持向量机的模块化多电平直流输电系统故障识别方法。

背景技术

模块化多电平直流输电系统(Modular Multilevel Converter Based HighVoltage Direct Current,MMC-HVDC)由于其特有的优势，已成为电压源换流器高压直流输电领域的发展趋势。

MMC-HVDC在实际运行过程中，会有许多因素引起交流系统电压不平衡。从直流侧来看单极接地故障使得直流非故障极的对地电压与换流站交流侧的相电压增大；单极接地故障会引起换流站的桥臂产生严重的过电流现象；单极断线故障会导致整流站很大的直流电压变化率，引起严重直流过电压；从其交流侧系统来看，主要有：系统的三相电压不对称、交流系统发生不对称故障、每相阀电抗器(或换流变压器)的电感值不相等、以及换流器各桥臂的开关损耗不一致等等。然而我国目前的MMC-HVDC系统若运行于异常工况或系统出现故障时，由于故障本身具有危害大、类型复杂、识别难度大等特点，系统的故障类型以及故障位置难以准确地被判断出来。

目前，MMC-HVDC系统故障识别方面，主要是从电气机理角度分析MMC-HVDC系统基本原理、典型故障特性、MMC子模块故障识别、直流故障识别以及构建相应的保护控制策略，根据其运行状态进一步实现故障识别的研究几乎还处于空白。如何利用暂态信号特征提取方法对MMC站内电气信息进行特征提取，并基于特征提取结果，结合新的人工智能方法对MMC-HVDC系统运行状态进行评判及交流故障识别，将是未来MMC-HVDC技术研究的一个新方向。

本发明将机器学习方法与模块化多电平直流输电系统的故障识别相结合，提出了一种基于支持向量机的模块化多电平直流输电系统故障识别方法，可为模块化多电平直流输电系统的故障检测提供快速、准确、高效的技术支持。

发明内容

本发明提供了一种基于支持向量机的模块化多电平直流输电系统故障识别方法，本发明将机器学习方法与模块化多电平直流输电系统的故障识别相结合，在此基础上通过对特征值数据进行分类建模来对其进行改进，从而实现更加准确与高效的故障识别功能。

为达到上述目的，本发明采用的技术方案如下：

一种基于支持向量机的模块化多电平直流输电系统故障识别方法，包括如下步骤：

步骤一、从PSCAD仿真系统中采集训练系统的特征值；

步骤二、判别特征值中三相交流电流负向峰值的大小，进行故障类型划分，并通过支持向量机训练得到故障识别模型；

步骤三、采集待识别模块化多电平直流输电系统的特征值数据作为测试样本，通过故障特征值进行故障类型划分，选择对应的故障识别模型，并对其进行故障识别。