文献类型：期刊文章

作　　者：武霁阳[1] 李强[2] 陈潜[3] 邱有强[2] 国建宝[1] 肖耀辉[1]

WU Jiyang;LI Qiang;CHEN Qian;QIU Youqiang;GUO Jianbao;XIAO Yaohui(Maintenance and Test Center of CSG EHV Power Transmission Company of China Southern Power Grid Co.,Ltd.,Guangzhou 510000,China;Dali Bureau,EHV Power Transmission Company of China Southern Power Grid Co.,Ltd.,Dali 671000,China;EHV Power Transmission Company of China Southern Power Grid Co.,Ltd.,Guangzhou 510000,China)

机构地区：[1]中国南方电网有限责任公司超高压输电公司检修试验中心,广东广州510000 [2]中国南方电网超高压输电公司大理局,云南大理671000 [3]中国南方电网超高压输电公司,广东广州510000

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(62263014);南方电网重点科技项目资助(CGYKJXM20210309,CGYKJXM20220343)。

年　　份：2023

卷　　号：51

期　　号：20

起止页码：160-169

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为加快电力系统数字化转型,保证高压直流输电(high voltage direct current,HVDC)系统高质量安全运行,有必要通过智能技术充分挖掘、提炼HVDC系统日常调控、运维等阶段积累的海量数据和丰富管理经验,从而构建知识图谱辅助工作人员对故障进行诊断和处理。提出了一种基于小波变换和深度学习的HVDC系统故障诊断方法。首先,采用小波变换将换流站的故障录波数据(单相接地、相间短路和阀组短路)转换为二维时频图像,并采用数据增强技术来进一步扩充样本数据集。然后,利用ResNet50网络来实现HVDC系统的故障诊断。根据实验结果,所提方法在训练集的分类精度为93%,在测试集的分类精度为82%,证明了该方法的有效性,为HVDC系统的故障诊断提供了一种新的可行性路线。为了进一步验证所提方法,将其与GoogleNet、VGG16、AlexNet、SVM、决策树和KNN等方法进行对比,对比实验结果表明,所提方法在HVDC系统故障诊断中的表现更加出色。

关 键 词：高压直流输电系统 故障诊断 小波变换 深度学习  

分 类 号：TM721.1] TP18]