基于并联卷积神经网络的多端直流输电线路故障诊断

• 作者: 周博文 庞永恒 杨东升 王浩 高筱婷
• 来源期刊: 电力系统自动化
• 关键词: 并联卷积神经网络 多端直流输电 故障诊断 小波包分析
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 84-92
• 页数: 9页
• 字数: 7524字
• 语种: 中文
• DOI: 10.7500/AEPS20191124003

摘要

针对多端直流输电(MTDC)线路故障时存在故障电流上升速度快、峰值大、不易定位等特点,提出一种兼顾快速性与准确性的MTDC线路故障诊断方法.首先,分析MTDC线路故障信号波形的幅值特征和频率特征,研究基于信号波形幅值变化的故障幅值特征提取方法和基于小波包分析的故障频率特征提取方法,进而形成基于幅值-频率特征的MTDC线路故障诊断方法.其次,构建具有故障分类支路和故障定位支路的双支路结构卷积神经网络——并联卷积神经网络(P-CNN),提出基于迁移学习的P-CNN训练方法.最后,仿真验证基于P-CNN的MTDC线路故障诊断方法满足故障诊断的快速性要求,且其并联结构相比于其他人工智能故障诊断方法更具有准确性和可拓展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨东升	东北大学信息科学与工程学院	31	282	8.0	16.0
2	王浩	东北大学信息科学与工程学院	23	205	7.0	14.0
3	周博文	东北大学信息科学与工程学院	21	222	8.0	14.0
4	庞永恒	东北大学信息科学与工程学院	3	0	0.0	0.0
5	高筱婷	东北大学信息科学与工程学院	3	6	1.0	2.0