基于Bi-LSTM-Attention的直流配电网故障检测方法

摘要

在基于模块化多电平换流器(modular multilevel converter, MMC)的直流配电网中，当直流配电网发生故障时，直流故障电流上升快、影响范围广。而传统的故障检测方法由于存在检测精度低、耐过电阻能力差、需要人工整定阈值等问题，不适用于直流故障。为快速可靠地检测线路故障，提出了一种融合注意力机制的双向长短期网络(bi-directional long short time memory, Bi-LSTM)的故障检测方法。首先，分析了直流故障下的故障特征并利用变分模态分解(variational mode decomposition, VMD)提取频域特性下的故障特征量，将其作为网络模型的输入；然后，构建Bi-LSTM网络并加入多头自注意力机制，增强了网络模型对时间样本数据的特征学习能力，实现区内外故障判别和故障极选择；最后基于PSCAD/EMTDC仿真平台搭建仿真模型，通过大量的仿真验证表明，所提检测方法精度高，并且具有较好的耐过渡电阻能力和抗噪声能力。

关键词

故障检测 / 直流配电网 / 变分模态分解 / 双向长短期记忆网络 / 注意力机制