[发明专利]一种LCC-HVDC连续换相失败故障预警网络训练方法

权利要求书

1.一种LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于，所述连续换相失败故障预警网络训练方法包括以下步骤：

步骤1：利用仿真软件对交直流混联网络进行网格式的电磁暂态仿真，获取交直流混联网络的原始运行数据；

步骤2：于原始运行数据中获取每个故障场景之下的设定时间窗内的原始运行数据作为原始特征向量，构造连续换相失败故障预警的自动编码器Autoencoder训练集；

步骤3：选择隐空间的维度k作为数据压缩的维度，以最小信号重构误差作为目标函数，以Adam梯度下降法训练自动编码器Autoencoder；

步骤4：对自动编码器的Encoder进行压缩降维构造新的训练集与测试集；

步骤5：使用步骤4得到的新的训练集与测试集训练卷积神经网络分类器即得到连续换相失败故障预警的卷积神经网络分类器；

步骤6：最后验证所训练的卷积神经网络分类器性能，判断其准确性和运算时间是否满足精确度阈值P_thre与运算时间上限T_thre要求；

若精确度阈值P_thre与运算时间上限T_thre两个要求均不满足，需要对卷积神经网络分类器进行重设计，并且返回步骤5；

若精确度阈值P_thre与运算时间上限T_thre两个要求只满足一个，则返回步骤3通过增减隐空间的降维维度k重新训练自动编码器Autoencoder，若精确度阈值P_thre不被满足，即卷积神经网络分类器的精确度P＜P_thre，则增加自编码器网络的隐空间的维度k以增加特征的关键信息；若运算时间上限T_thre不被满足，即卷积神经网络分类器的运算时间T＞T_thre，则需要减少自编码器网络的隐空间的维度k以减少数据特征相量的信息冗余；直到卷积神经网络分类器同时满足精确度阈值P_thre与运算时间上限T_thre要求，则完成连续换相失败故障预警网络的训练。

2.根据权利要求1所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

在步骤1中，所获得的原始运行数据应涵盖该交直流混联网络的所有可能运行方式。

3.根据权利要求2所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

为了保证连续换相失败预警的可靠性，原始运行数据包含的故障数据以及非故障数据的数据规模应该保证相等。

4.根据权利要求3所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

所述原始运行数据应至少为TB级别。

5.根据权利要求1所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

在步骤2中，原始运行数据加窗的具体方法为：对所有的原始运行数据标定第一次换相失败的发生时刻，并从先前的测量数据记录中，读取该次换相失败的发生时刻之前1/8个工频周波的直流侧、交流侧电气信息以及控制系统的触发脉冲信息，并且继续对直流侧、交流侧电气信息以及控制系统的触发脉冲信息进行维持1/8个工频周波的测量录波，以得到设定时间窗内对应的初始特征向量。

6.根据权利要求5所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

所述设定时间窗为5ms。

7.根据权利要求5或6所述的LCC-HVDC连续换相失败故障预警网络训练方法，其特征在于：

所述初始特征向量包括5ms时间窗内的整流侧和逆变侧的直流电流I_dr/i、直流电压v_dr/i、交流侧电流I_acr/i、交流电压U_acr/i及触发角α_r/i和换相重叠角μ_r/i。