在电力系统中,特高压直流输电系统有着重要作用,对电力能源的输送存在极大的影响。与常规高压直流输电相比较,在应用特高压直流输电系统时,实际控制方式、运行原理存在更高的复杂性,但整体性能也更为显著,能够充分满足电力输送的不同需求。对此,如何以无功功率控制规避特高压换流站交流系统发生电压波动,最大限度降低对直流系统运行带来的不良影响逐渐成为电力行业探讨研究的重要问题。基于此,文章从特高压直流输电系统的理论概述、应用特点着手,结合酒泉——湖南特高压直流输电工程,针对交流过电压控制策略展开深入分析,并以实时数字仿真系统(Real Time Digital Simulation System,RTDS)针对此项控制策略的可行性展开验证分析。
为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。
为提高特高压直流输电(Ultra High Voltage Direct Current Transmission,UHVDC)系统的电压稳定性与整体运行效率,分析UHVDC系统概述与动态电压控制策略设计目的和原理,并深入研究现有电压控制方法,如比例-积分-微分(Proportion-Integral-Differential,PID)控制、模糊逻辑控制、人工智能控制策略等,设计一种基于深度学习的新型动态电压控制方法。通过实际测试证实,新型控制策略在提高电压稳定性与响应速度方面具有有效性,不仅能有效应对复杂电网环境下电压波动问题,还能在保证系统稳定的同时提高能效。