来源：期刊VIP网 时间：
作者：彭勃;张军;刘宇翔;龚庆武;孙辉;刘孝辉;
单位：国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司超高压分公司;武汉大学电气与自动化学院;南京南瑞继保工程技术有限公司;
摘要：暂态过电压是制约特高压直流传输功率的关键因素，对暂态过电压进行预测并提前采取相应的调控策略有利于提升特高压直流传输功率，故提出一种基于关键特征量和卷积神经网络（convolution neural networks,CNN）算法的特高压直流换流站暂态过电压快速预测方法。首先建立反映换流站交流母线暂态过电压的详细模型，并分析影响换流站暂态压升水平的状态量，找出关键的特征量并构建特征集；然后将特征集输入CNN中进行有监督学习；最后将训练所得到的模型应用于预测换流站暂态过电压。PSASP仿真结果表明，该方法错误率低至2.68%、精确率高达99.42%且预测时间短，能够在直流传输功率实时变化的情况下快速准确地预测出换流站暂态过电压范围，有利于提升特高压直流传输功率。
关键词：关键特征量;;卷积神经网络;;预测暂态过电压;;高压直流;;PSASP
基金资助：国网安徽省电力有限公司科技项目（编号：52120520005L）
