本发明涉及柔性直流输电,具体涉及一种高频谐振故障判定方法及装置。
背景技术:
1、随着新能源发电技术的突飞猛进,电力系统正朝着“高比例可再生能源”和“高比例电力电子设备”的方向发展。其中基于模块化多电平换流器(modular multilevelconverter,mmc)凭借其模块化程度高、开关损耗低、扩展容量方便、输出谐波低等诸多优势,成为柔性直流输电的关键装备,在高压远距离输电、新能源发电并网、偏远地区供电、异步电网互联、城市电网互联等方面得到了应用。不难想象的是,随着水电、风电、光伏等新能源的规模化发展,基于mmc拓扑的柔性直流输电技术将得到更加广泛的应用。
2、然而,由于mmc桥臂级联子模块数量众多,且内部特性复杂,由此带来的系统稳定性问题也不容小觑。例如,多个区块均出现过高频振荡事件。此类高频振荡发生时,系统电压电流发生严重畸变,含有幅值较大的高次谐波,不仅会使系统稳定性降低,增加事故风险。而且会对直流电网中核心电力电子装备带来安全隐患,具体表现为高频振荡事件发生后导致换流站闭锁,由此产生的功率盈余/缺额将对接入的交流电网产生严重的冲击。
技术实现思路
1、本发明所提供的高频谐振故障判定方法及装置,旨在柔性直流系统受端换流站提取控制信号的高频特征,通过提取的高频特征判断柔性直流系统受端换流站是否发生高频谐振,以为后续启动相应谐振抑制策略提供前期技术支持。
2、本发明的另一个目的在于提供一种高频谐振故障判定装置。本发明的还一个目的在于提供一种电子设备,该电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述高频谐振故障判定方法的步骤。本发明的还一个目的在于提供一种可读介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述高频谐振故障判定方法的步骤。
3、为了实现上述目的,第一方面,本方提供了一种高频谐振故障判定方法,适用于柔性直流配电网的受端换流站,包括:
4、从目标受端换流站的电流内环中获取敏感控制信号;
5、根据所述敏感控制信号以及预生成的卷积神经网络提取所述目标受端换流站的高频谐振特征;其中,所述卷积神经网络提取是由所述目标受端换流站的所述敏感控制信号的历史数据转换为的二维特征样本训练所生成的;
6、根据所述高频谐振特征判断所述目标受端换流站是否发生高频谐振故障。
7、在本发明的一实施例中,生成所述卷积神经网络的步骤包括:
8、对所述历史数据进行极坐标编码,以生成所述历史数据对应的格拉姆角和场以及格拉姆角差场;
9、根据所述格拉姆角和场以及所述格拉姆角差场生成所述二维特征样本训练数据以及二维特征样本测试数据;
10、根据所述二维特征样本训练数据、所述二维特征样本测试数据以及所述卷积神经网络的初始模型生成所述卷积神经网络。
11、在本发明的一实施例中,对所述历史数据进行极坐标编码,以生成所述历史数据对应的格拉姆角和场以及格拉姆角差场,包括:
12、对所述历史数据进行极坐标编码,以生成编码后的历史数据;
13、对所述编码后的历史数据进行重构,以生成所述格拉姆角和场以及所述格拉姆角差场。
14、在本发明的一实施例中,对所述编码后的历史数据进行重构,包括:
15、对不同历史数据之间进行角度和余弦值计算,以生成所述格拉姆角和场;
16、对不同历史数据之间进行角度差正弦值计算,以生成所述格拉姆角差场。
17、在本发明的一实施例中,所述敏感控制信号包括:交流电流dq分量、交流电压dq分量以及交流电流参考值dq分量。
18、在本发明的一实施例中,适用于柔性直流配电网的受端换流站的高频谐振故障判定方法,还包括:
19、将所述卷积神经网络设置在所述电流内环的交流电流dq分量的输入链路、所述交流电压dq分量的输入链路以及所述交流电流参考值dq分量的输入链路上,以获取所述敏感控制信号。
20、第二方面,本发明提供一种高频谐振故障判定装置,适用于柔性直流配电网的受端换流站,该装置包括:
21、敏感控制信号获取模块,用于从目标受端换流站的电流内环中获取敏感控制信号;
22、高频谐振特征提取模块,用于根据所述敏感控制信号以及预生成的卷积神经网络提取所述目标受端换流站的高频谐振特征;其中,所述卷积神经网络提取是由所述目标受端换流站的所述敏感控制信号的历史数据转换为的二维特征样本训练所生成的;
23、故障判断模块,用于根据所述高频谐振特征判断所述目标受端换流站是否发生高频谐振故障。
24、在本发明的一实施例中,适用于柔性直流配电网的受端换流站的高频谐振故障判定装置,还包括:
25、网络生成模块,用于生成所述卷积神经网络,所述网络生成模块包括:
26、历史数据极坐标编码单元,用于对所述历史数据进行极坐标编码,以生成所述历史数据对应的格拉姆角和场以及格拉姆角差场;
27、训练数据生成单元,用于根据所述格拉姆角和场以及所述格拉姆角差场生成所述二维特征样本训练数据以及二维特征样本测试数据;
28、网络生成单元,用于根据所述二维特征样本训练数据、所述二维特征样本测试数据以及所述卷积神经网络的初始模型生成所述卷积神经网络。
29、在本发明的一实施例中,所述历史数据极坐标编码单元包括:
30、编码后数据生成单元,用于对所述历史数据进行极坐标编码,以生成编码后的历史数据;
31、历史数据重构单元,用于对所述编码后的历史数据进行重构,以生成所述格拉姆角和场以及所述格拉姆角差场。
32、在本发明的一实施例中,所述历史数据重构单元包括:
33、格拉姆角和场生成单元,用于对不同历史数据之间进行角度和余弦值计算,以生成所述格拉姆角和场;
34、格拉姆角差场生成单元,用于对不同历史数据之间进行角度差正弦值计算,以生成所述格拉姆角差场。
35、在本发明的一实施例中,所述敏感控制信号包括:交流电流dq分量、交流电压dq分量以及交流电流参考值dq分量。
36、在本发明的一实施例中,适用于柔性直流配电网的受端换流站的高频谐振故障判定装置,还包括:
37、网络设置模块,用于将所述卷积神经网络设置在所述电流内环的交流电流dq分量的输入链路、所述交流电压dq分量的输入链路以及所述交流电流参考值dq分量的输入链路上,以获取所述敏感控制信号。
38、第三方面,本发明提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现一种高频谐振故障判定方法的步骤。
39、第四方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现高频谐振故障判定方法的步骤。
40、第五方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现高频谐振故障判定方法的步骤。
41、从上述描述可知,本发明实施例提供的高频谐振故障判定方法及装置,适用于柔性直流配电网的受端换流站,对应的方法包括:首先,从目标受端换流站的电流内环中获取敏感控制信号;接着,根据敏感控制信号以及预生成的卷积神经网络提取目标受端换流站的高频谐振特征;其中,卷积神经网络提取是由目标受端换流站的敏感控制信号的历史数据转换为的二维特征样本训练所生成的;最后根据高频谐振特征判断目标受端换流站是否发生高频谐振故障。
42、本发明克服了现有的高频谐振故障判定方法中对高频谐振特征提取的质量要求过高、易丢失重要信息,导致其模式判断的过程复杂、灵活性差、难以适应大数据分类的问题。
1.一种高频谐振故障判定方法,适用于柔性直流配电网的受端换流站,其特征在于,包括:
2.根据权利要求1所述的高频谐振故障判定方法,其特征在于,生成所述卷积神经网络的步骤包括:
3.根据权利要求2所述的高频谐振故障判定方法,其特征在于,对所述历史数据进行极坐标编码,以生成所述历史数据对应的格拉姆角和场以及格拉姆角差场,包括:
4.根据权利要求3所述的高频谐振故障判定方法,其特征在于,对所述编码后的历史数据进行重构,包括:
5.根据权利要求1所述的高频谐振故障判定方法,其特征在于,所述敏感控制信号包括:交流电流dq分量、交流电压dq分量以及交流电流参考值dq分量。
6.根据权利要求5所述的高频谐振故障判定方法,其特征在于,还包括:
7.一种高频谐振故障判定装置,适用于柔性直流配电网的受端换流站,其特征在于,包括:
8.根据权利要求7所述的高频谐振故障判定装置,其特征在于,还包括:
9.根据权利要求8所述的高频谐振故障判定装置,其特征在于,所述历史数据极坐标编码单元包括:
10.根据权利要求9所述的高频谐振故障判定装置,其特征在于,所述历史数据重构单元包括:
11.根据权利要求7所述的高频谐振故障判定装置,其特征在于,所述敏感控制信号包括:交流电流dq分量、交流电压dq分量以及交流电流参考值dq分量。
12.根据权利要求11所述的高频谐振故障判定装置,其特征在于,还包括:
13.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6任一项所述的高频谐振故障判定方法的步骤。
14.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6任一项所述的高频谐振故障判定方法的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6任一项所述的高频谐振故障判定方法的步骤。