[发明专利]基于模型和数据混合驱动的电流互感器饱和波形恢复方法

说明书

本发明公开了一种基于模型和数据混合驱动的电流互感器饱和波形恢复方法，包括以下步骤：S1、构建数据库；S2、搭建并训练基于长短期记忆网络的故障电流模型关键参数识别网络；S3、基于步骤S2的识别网络，计算真实故障电流；S4、将步骤S3获得的真实故障电流作为保护元件的动作信息，等待下一次故障发生。以故障电流的物理模型为先验知识，通过数据驱动的方法构建故障电流模型关键参数识别网络来实现波形的恢复，具有采样率要求低、抗噪能力强、无须整定阈值以及在线/离线部署方便等优势。

技术领域

本发明涉及电流互感器的饱和识别与波形恢复技术领域，更具体的说是涉及一种基于模型和数据混合驱动的电流互感器饱和波形恢复方法。

背景技术

目前，电流互感器是电力系统中重要的测量元件，其工作性能直接影响了继电保护元件动作的可靠性。在220kV及以下系统中广泛应用的P级电流互感器由于铁芯的磁饱和特性，对故障电流中的直流分量耐受能力差，饱和问题难以避免。当电流互感器饱和后，其传变特性由线性变成了非线性，使得测量值无法准确反映真实的故障电流，从而可能导致保护元件的误动和拒动，影响电力系统的正常运行。因此，电流互感器的饱和识别和波形恢复技术是保护元件正确动作的重要保障，具有很高的工程应用价值。当前工程中应用较为广泛的电流互感器饱和识别和波形恢复方法一般是通过检测波形的突变信息实现的，其基本原理是利用波形的突变信息区分出输出波形中的饱和段和非饱和段，然后利用非饱和段数据恢复出正确波形，将其作为保护元件的动作信息。

但是，基于突变信息的方法易受到噪声的干扰，且对采样率的要求一般较高。为提高抗噪能力，可以适当提高突变信息检测的阈值，但是这又会导致电流互感器饱和程度较浅时灵敏度不足的问题。

因此，基于突变信息的方法的灵敏性和可靠性之间存在矛盾，使得难以选定合适的阈值是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于模型和数据混合驱动的电流互感器饱和波形恢复方法，即以故障电流的物理模型为先验知识，通过数据驱动的方法构建故障电流模型关键参数识别网络来实现波形的恢复，具有采样率要求低、抗噪能力强、无须整定阈值以及在线/离线部署方便等优势。

为了实现上述目的，本发明采用如下技术方案：

一种基于模型和数据混合驱动的电流互感器饱和波形恢复方法，包括以下步骤：

S1、构建数据库；

S2、搭建并训练基于长短期记忆网络的故障电流模型关键参数识别网络；

S3、基于步骤S2的识别网络，计算真实故障电流；

S4、将步骤S3获得的真实故障电流作为保护元件的动作信息，等待下一次故障发生。

优选的，所述步骤S1具体包括：搭建具有磁饱和效应的电流互感器并进行故障电流仿真测量，获取故障后一周波的训练用真实故障电流i_f和测量电流i_m，并利用下式进行归一化得到归一化后的训练用故障电流i'_f和测量电流i'_m

故障电流表示为工频分量与衰减直流分量的叠加，即

其中，工频分量的幅值A和相角衰减直流分量的最大值B和衰减时间常数τ为故障电流模型中的关键参数，将归一化后的训练用真实故障电流i'_f转化为关键参数即将归一化后的训练用测量电流i'_m与故障电流i'_f之间的对应关系转化为归一化后的训练用测量电流i'_m与关键参数kp之间的对应关系，实现数据库的构建。

优选的，所述步骤S2具体包括：识别参数子模块和注意力模块，所述注意力模块用于模拟人的认知过程，即将注意力纷飞到非饱和段；