[发明专利]一种LCC-HVDC连续换相失败故障预警网络训练方法

摘要

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。

主权项

1.一种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；步骤6：最后验证所训练的卷积神经网络分类器性能，判断其准确性和运算时间是否满足精确度阈值P_thre与运算时间上限T_thre要求；若精确度阈值P_thre与运算时间上限T_thre两个要求均不满足，需要对卷积神经网络分类器进行重设计，并且返回步骤5；若精确度阈值P_thre与运算时间上限T_thre两个要求只满足一个，则返回步骤3通过增减隐空间的降维维度k重新训练自动编码器Autoencoder；直到卷积神经网络分类器同时满足精确度阈值P_thre与运算时间上限T_thre要求，则完成连续换相失败故障预警网络的训练。