基于CNN-SVM的特高压三端混合直流线路故障区域识别方法

摘要

提出一种基于卷积神经网络–支持向量机(Convolutionalneuralnetwork-supportvector machine,CNN-SVM)的特高压三端混合直流线路故障区域识别方法。首先，对昆北侧、龙门侧的直流线路边界和柳北侧T区边界的频率特性进行分析，发现不同故障区域的故障特征存在一定差异。然后，使用经验小波变换提取故障特征，将其作为CNN-SVM的输入量，故障区域作为输出量，构建并训练CNN-SVM模型；将由测量点得到的故障特征量输入到训练完成的CNN-SVM模型中，进行故障区域识别。最后，搭建昆柳龙仿真模型，进行故障仿真实验验证。结果表明，该方法的故障区域识别率高，且可耐受300Ω的过渡电阻。

关键词

特高压三端混合直流 / 频率特性 / 卷积神经网络 / 支持向量机 / 故障区域识别