一种特高压直流输电线路神经网络双端故障测距新方法_陈仕龙

资 源 简 介

一种特高压直流输电线路神经网络双端故障测距新方法_陈仕龙

详 情 说 明

在特高压直流输电领域，线路故障的精确定位对电网安全运行至关重要。陈仕龙研究员提出的这种创新方法突破了传统测距技术的局限性，主要体现在以下几个技术维度：

该方法首先采用双端电气量检测架构，同步采集线路两端的电压和电流信号。通过设计特殊的信号预处理流程，有效消除了行波信号在传输过程中的畸变干扰。这为后续的神经网络处理提供了高质量的特征输入。

技术创新点在于构建了混合深度神经网络模型，该模型融合了卷积神经网络的特征提取能力和循环神经网络的时间序列处理优势。网络结构经过特殊优化，能够自动学习故障行波信号中的隐含特征，避免了传统方法依赖人工提取特征的局限性。

该方法在实际工程应用中的突出优势是：克服了单端测距法受过渡电阻影响的缺点，将定位误差控制在0.5%以内。同时，研发团队通过引入迁移学习技术，使模型具备跨不同特高压线路的泛化能力，显著降低了现场部署的调试成本。

这种智能故障测距技术代表了电力系统自动化领域的前沿发展方向，为特高压电网的安全运维提供了新的技术支撑。其核心价值在于将人工智能技术与电力工程实际问题深度结合，开创了故障定位的新范式。