基于Wasserstein生成对抗网络和多模态故障特征提取的光电流互感器故障辨识方法

摘要

光电流互感器(光CT)发生故障将严重影响直流输电系统的稳定运行，因此准确辨识光CT故障发生类型具有重要意义。针对光CT运行数据中正常工况与故障工况比重严重失衡和故障工况下光CT状态参量变化特性复杂导致光CT故障辨识模型训练效果差、辨识精度低的问题，创新提出了一种基于Wasserstein生成对抗网络和多模态故障特征提取的光CT故障辨识方法。首先，采用基于Wasserstein距离度量的生成对抗网络扩充原始故障样本以确保不同类型故障样本与正常样本的均衡性；其次，采用奇异谱分析法将光CT多维状态参量分解为多个子信号以获取各参量的多模态信息；最后，构建CNN-LSTM神经网络实现光CT故障的准确辨识。仿真结果表明，相较于最优基准模型，辨识准确性提高了1.25%,验证了本文所提方法的有效性。研究成果可为光CT的运维工作提供参考。

关键词

生成对抗网络 / 光电流互感器 / 故障辨识 / CNN-LSTM / 奇异谱分析

基金资助

国家自然科学基金联合基金重点支持项目(U23B20126); 国网冀北电力有限公司超高压分公司科技项目资助(B3018H230003)