[发明专利]基于WaveNet的多端直流输电线路故障诊断方法

说明书

本发明公开了基于WaveNet的多端直流输电线路故障诊断方法，首先，采集多端柔性直流输电系统中的部分电压电流信号采集收集后进行预处理；其次，对样本数据集人工标注并划分为样本训练集、样本验证集、样本测试集；然后，对搭建完成的WaveNet模型进行训练，直至未出现过拟合现象；最后，使用最优分析模型部署到实际中，得到多端柔性直流输电线路故障诊断分析结果。本发明方法在一定程度上避免了现有技术中人为造成的不确定性因素，且诊断结果不依赖于物理模型，不受线路参数、负荷容量、系统阻抗等因素影响，模型适应能力较强，准确率较高。

技术领域

本发明属于电力系统分析技术领域，具体涉及一种基于WaveNet的多端直流输电线路故障诊断方法。

背景技术

基于模块化多电平换流器的柔性直流输电系统具有功率双向流动、控制灵活特点，越来越受到关注。多端直流输电系统是解决大规模新能源送出和消纳的有效手段之一，因而得到了广泛应用。然而，多端柔性直流输电系统阻尼小，故障后的电流上升速度快，对输电线路故障诊断方法提出了更高的要求。

现有关于多端柔性直流输电线路故障诊断方法的研究多是基于物理模型驱动的方法，即通过故障机理模型分析，建立故障电压或电流信号特征量，人工设定故障阈值后进行输电线路故障诊断。然而，通过模型机理分析必然会存在不合理假设或简化，难以建模分析线路参数变化、负荷容量变化、阻抗参数变化等因素的影响，必然导致故障诊断误判高，准确率低。因此，现有多端柔性直流输电线路故障诊断方法面对日益复杂的电网结构，故障发生后的电气特征量将发生显著变化，从而导致现有方法难以实现精准的输电线路故障诊断。

数据驱动方法则利用的是数据统计和数据挖掘的方法，去发现数据所表现的电力系统物理本质和运行规律，通过数据透视事物的本质和关系。由于此类方法并不需要进行假设或简化，也不依赖于机理，依据的是反映系统真实情况的数据。因此，数据驱动方法在面对不确定性加剧、多因素共同作用、与外界交互性日益增强的复杂大电网时展现出独特优势，适于进行多端柔性直流输电线路故障诊断。

发明内容

本发明的目的是提供基于WaveNet的多端直流输电线路故障诊断方法，解决了现有技术中人为造成的不确定性因素导致诊断结果受影响、模型适应能力和准确率不够高的问题。

本发明所采用的技术方案是，

基于WaveNet的多端直流输电线路故障诊断方法，具体按照如下步骤进行：

步骤1：采集多端柔性直流输电系统中的部分电压电流信号采集，其中，至少包括一条直流输电线路上的正极电压、负极电压、正极电流、负极电流，以及一条连接该直流输电线路的交流侧三相交流电压和交流电流；

步骤2：对步骤1中采集到的电压数据和电流数据进行归一化预处理，获得归一化预处理后的电压数据和电流数据；

步骤3：在多端柔性直流输电系统运行于不同工况的情形下，通过仿真手段或者收集实际系统运行历史数据，形成样本数据集；

步骤4：对样本数据集人工标注并划分为样本训练集、样本验证集、样本测试集；

步骤5：搭建WaveNet整体模型结构；

步骤6：对WaveNet模型使用步骤4的样本训练集进行模型的训练，获得训练完成后的WaveNet模型；

步骤7：对训练完成后的WaveNet模型，使用步骤4的样本验证集进行模型的过拟合判断；若出现过拟合则按照步骤6对WaveNet模型进行重新训练，直至未出现过拟合现象，得到最优WaveNet模型；

步骤8：对步骤7的最优WaveNet模型，使用步骤4的样本测试集进行模型的测试；