基于能量比与FLS的UHVDC输电线路故障处理方法

来源 :电气工程学报 | 被引量 : 0次 | 上传用户:mengshenabc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对特高压直流输电(Ultra-high voltage direct current,UHVDC)线路中故障区段识别范围广且分类准确率较低的问题,提出了基于能量比优化与模糊逻辑系统(Fuzzy logic system,FLS)的UHVDC输电线路故障区段识别与分类方法.利用全电流代替低频分量优化故障信号的能量比,并将故障区段能量比变化特性用于故障特征提取.将获得的故障特征作为提出的三个FLS模块的输入,该模块分别实现交直流段的故障检测、故障区段的识别以及故障极点的识别与分类.利用Matlab平台搭建线路模型验证所提方法在故障距离、功率角、直流偏置等影响因素下的性能.试验结果表明所提方法的故障检测识别时间短且准确率高.
其他文献
针对超高清视频与5G融合应用遇到的困难,构建一个基于5G通信技术的4K/8K超高清分布式视频处理系统,研究超高清视频开展编解码算法优化、超高清视频5G网络传输需要的大带宽、低时延的QoS质量保障等关键技术,满足5G网络复杂多变场景下多并发超高清视频流的实时处理、传输及显示等方面的应用.
针对现有的电力系统短期负荷预测方法存在预测精度较差的问题,提出一种基于长短期记忆神经网络(Long short term memory,LSTM)和CatBoost组合的短期负荷预测方法,针对电力负荷数据具有时序性和非线性的特点,以及长短期记忆网络不能直接处理类别型特征,对处理后的电力负荷数据建立LSTM负荷预测模型和CatBoost负荷预测模型;用方差倒数法确定加权系数,得到LSTM和CatBoost组合模型的预测值;最后使用实际负荷数据对算法有效性进行验证,预测结果表明采用LSTM和CatBoost组
5G通信技术开启了一个新的通信时代.5G核心网作为5G网络架构中重要的组成部分,具有重要的研究意义.对此,从3GPP 5G标准化演进情况、5G核心网网络架构和R165G标准中新增核心网关键技术等几个部分对5G核心网络技术进行介绍.