短路电流快速相控开断的关键与难点在于解决故障辨识和零点预测快速性与精准性之间的固有矛盾。为此,研究并提出一种基于长短期记忆网络(long short term memory,LSTM)算法的短路电流零点快速预测方法。搭建了相控装置试验平台,通过实...短路电流快速相控开断的关键与难点在于解决故障辨识和零点预测快速性与精准性之间的固有矛盾。为此,研究并提出一种基于长短期记忆网络(long short term memory,LSTM)算法的短路电流零点快速预测方法。搭建了相控装置试验平台,通过实时数字仿真(real time digital simulation system,RTDS)试验及短路故障录波试验对LSTM算法的电流预测能力进行了验证;研究并讨论了LSTM网络隐藏层节点数、采样窗口长度、故障起始相角、工频分量幅值、直流衰减时间常数以及信噪比等因素对零点预测误差的影响。仿真与试验结果表明,故障识别时间为0.3 ms,零点预测采样时间为3 ms,零点预测误差为±0.5 ms,LSTM方法能在保证预测精度与传统方法相当的条件下,显著缩短预测时间,提升预测快速性,为系统故障的快速开断提供理论依据和技术支撑。展开更多
文摘短路电流快速相控开断的关键与难点在于解决故障辨识和零点预测快速性与精准性之间的固有矛盾。为此,研究并提出一种基于长短期记忆网络(long short term memory,LSTM)算法的短路电流零点快速预测方法。搭建了相控装置试验平台,通过实时数字仿真(real time digital simulation system,RTDS)试验及短路故障录波试验对LSTM算法的电流预测能力进行了验证;研究并讨论了LSTM网络隐藏层节点数、采样窗口长度、故障起始相角、工频分量幅值、直流衰减时间常数以及信噪比等因素对零点预测误差的影响。仿真与试验结果表明,故障识别时间为0.3 ms,零点预测采样时间为3 ms,零点预测误差为±0.5 ms,LSTM方法能在保证预测精度与传统方法相当的条件下,显著缩短预测时间,提升预测快速性,为系统故障的快速开断提供理论依据和技术支撑。
