基于多分支MIMO深度学习的LCC-HVDC换流器阀电流波形反演研究

摘要

为使对换流阀工作状态的控制更加精确、抑制换相失败，提出了一种基于多分支多输入多输出（Multiple input multiple output,MIMO）深度学习的高压直流输电（Line commutated converter high voltage direct current,LCC-HVDC）换流器阀电流波形反演方案。对现行实际工程中常用的基于差流换相失败的检测方案进行仿真分析，发现检测结果存在滞后性。阀电流波形的反演模型，其输入特征量为三相交流电流、输出量为6个阀电流，属于MIMO的场景。为提取更多特征信息，基于Inception-ResNet结构、采用多种不同尺寸的卷积，设计多分支MIMO深度学习的换流器阀电流反演模型，并以三相电流作为模型输入，6个阀电流作为输出量，对多分支MIMO模型进行训练。最后，对阀电流的波形进行预测反演。仿真结果表明，多分支MIMO模型对阀电流波形的反演具有较好的适用性，反演结果的相关系数在0.983 6以上、平均绝对误差在0.128 4以下、且均方误差在0.028 6以内，误差变化程度较低。

关键词

多输入多输出 / 深度学习 / 换流器 / 阀电流 / 波形反演