基于可视化轨迹圆与改进ResNet-AT的高压直流输电换相失败故障诊断

摘要

针对逆变侧换相失败故障类型难以辨识、故障特征量难以提取等问题，提出一种基于极坐标下的轨迹圆与改进ResNet-AT相结合的高压直流输电系统故障诊断方法。首先，通过希尔伯特变换提取时序电压信号的上包络线，以此构造解析信号，进而获取复函数形式下的瞬时幅值和相位；然后，以瞬时幅值为极径、瞬时相位为极角，在极坐标系中绘制出轨迹圆图像；最后，将此轨迹圆像输入到改进Res Net-AT中训练学习，前者通过嵌入到残差网络中的通道注意力机制网络增加特征提取能力，后者利用AT对信息再次加权强化，提高故障信号的诊断能力。实验结果表明：相较于常规的深度学习模型，所提模型诊断准确率达99.40%以上，效果最优；模型在20 dB的过渡电阻下仍保持95.50%的诊断准确率，具有较强的抗噪性能。

关键词

换相失败 / 轨迹圆 / 深度学习 / 故障诊断 / 注意力机制 / 高压直流输电