[发明专利]一种LCC-HVDC连续换相失败故障预警网络训练方法

说明书

一种LCC‑HVDC连续换相失败故障预警网络训练方法，采集时间窗内的直流侧、交流侧的电气信息以及控制系统的触发脉冲信息作为连锁故障判别的初始特征，该网络的训练方法先基于原始仿真数据训练一个自动编码器(Autoencoder)，取其编码器(Encoder)部分作为卷积神经网络分类器的共享层输入，再进行卷积神经网络的分类任务训练，从而减少特征维度，以减少神经网络训练过程的计算量、提高卷积神经网络分类任务的正确率。本发明能够快速预测严重连续换相失败事故的发生，克服了较高维度的特征向量带来的训练困难的问题，同时加速了工程现场应用下的计算速度，具有广泛的工程应用前景。

技术领域

本发明属于电力系统输电线路继电保护与人工智能交叉领域，特别涉及一种交直流混联系统的连续换相失败预警器的训练方法。

背景技术

高压直流输电(HighVoltageDirectCurrent,HVDC)系统具有输送距离远、输送容量大、输送损耗低、功率调节灵活、不受同步稳定限制等特点，其在远距离大容量输电、电力系统互联等领域得到了十分广泛的运用，是实现我国能源资源优化配置的有效途径。随着我国直流输电技术的快速发展，我国已经形成世界上规模最大、电压等级最高的交直流混合输电系统。

随着直流输电容量的不断增加，受端的交流系统的强度可认为相对较弱，而且在我国的很多实际工程之中，受端系统本来就属于弱交流系统，而受到为弱交流系统的交直流混联系统非常容易出现诸如换相失败、受端系统振荡发散等现象。目前直流系统换流器件过流能力低、承受故障冲击能力差、表现出脆弱性，并导致电网的脆弱性；单个交流系统的简单故障或者单个换流站的异常动态过程都可能诱发多换流站同时换相失败、直流系统单极双极闭锁、交流线路过负荷跳闸等连锁故障的发生，表现出交直流混联电网的复杂耦合特性。

换流器在运行过程中由于不断变换阀的通断状态，是典型的时变电路，为交直流混联系统带来了很强的非线性。交流系统大扰动之下，直流系统与交流系统的电气量难以求得解析表达，换相失败的发展机理不清楚，连续换相失败故障难以预测。但是，一个实用化的连续换相失败预警算法在工程上实际应用领域却又迫在眉睫。

近年来，人工智能蓬勃发展，学界上提出了不少学习能力很强的分类器。但是，虽然各类分类器理论上具有非常强的学习能力，但是如何针对于工程实际训练一个分类器，使其具有最好的分类性能同时最大程度的减少计算量，仍然属于一个悬而未解的技术难题。

发明内容

本发明的目的是为了克服交直流混联系统带来的高维特征向量下分类器训练困难的问题，提出一种新型的分类器结构及其训练方法，该方法充分利用仿真大数据的5ms时间窗内的交直流电气特征及控制系统触发信号作为判据，以较高的准确度及较快的运算速度下实现给出连续换相失败的故障预警。

为实现上述发明目的，本发明具体采用以下技术方案：

一种LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于，所述连续换相失败故障预警网络训练方法包括以下步骤：

步骤1：利用仿真软件对交直流混联网络进行网格式的电磁暂态仿真，获取交直流混联网络的原始运行数据；

步骤2：于原始运行数据中获取每个故障场景之下的设定时间窗内的原始运行数据作为原始特征向量，构造连续换相失败故障预警的自动编码器Autoencoder训练集；

步骤3：选择隐空间的维度k作为数据压缩的维度，以最小信号重构误差作为目标函数，以Adam梯度下降法训练自动编码器Autoencoder；

步骤4：对自动编码器的Encoder进行压缩降维构造新的训练集与测试集；

步骤5：使用步骤4得到的新的训练集与测试集训练卷积神经网络分类器即得到连续换相失败故障预警的卷积神经网络分类器；