基于卷积神经网络的直流送端系统暂态过电压估算方法

作者：陈厚合; 张赫; 王长江^*; 魏俊红; 张艳军; 张嵩

来源：电网技术, 2020, 44(08): 2987-2999.

DOI：10.13335/j.1000-3673.pst.2019.1555

• 高压直流
• 卷积神经网络
• 暂态过电压
• 人工智能

为有效预测大扰动过程中直流送端系统的暂态过电压,提出一种基于卷积神经网络(convolutionalneural networks,CNN)的直流送端系统暂态过电压估算方法。首先,基于CNN输入特征构建的基本原理,搭建具有多层隐含层的非线性网络结构,将广域量测装置采集的各节点电压、相角及功率作为输入层,依据电网节点的拓补关系及故障发生到切除的时间顺序进行拼接,得到表征电网状态的矩阵。然后,优化调整CNN的超参数,采用梯度下降法进行有监督训练,通过逐层优化输入层与卷积层之间的权重矩阵,实现关键特征值的自动提取,同时利用CNN的深层架构构建暂态过电压与输入数据间的映射模型,快速准确地估算直流送端系统暂态过电压。最后,对修改后的Nordic32交直流混合系统和广东电网系统进行分析,验证该方法的有效性和准确性。

• 单位
  国网辽宁省电力有限公司; 华电电力科学研究院有限公司; 东北电力大学