(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211137590.3 (22)申请日 2022.09.19 (71)申请人 南京电力设计 研究院有限公司 地址 210037 江苏省南京市 鼓楼区和燕路2 号 (72)发明人 张宛楠　陈庭记　杨莲　顾卫兵　 高海洋　茅嘉毅　张彪　徐卓　 王洁　郑晗　邵天颖　刘咏鑫　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 毕东峰 (51)Int.Cl. H02J 3/36(2006.01) H02J 3/38(2006.01) H02J 13/00(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于长短期记忆网络的直流闭锁检测 与控制方法 (57)摘要 本发明公开了一种基于长短期记忆网络的 直流闭锁检测与控制方法， 所述方法包括以下步 骤： 将故障检测启动后一定量时间窗内的波形数 据输入第一LSTM神经网络模型； 根据所述第一 LSTM神经网络模型判断目前所 发生的故障类型； 智能终端根据判断的故障类型执行进行相应动 作， 基于长短期记忆神经网络， 提出了用于智能 终端的特高压直流闭锁的检测方法， 利用配网末 端不同故障下电压、 频率等电气量暂态响应的不 同， 对直流闭锁进行本地快速识别和响应， 本方 法可挖掘配网末端大量的分布式有功资源的潜 力， 使其能够快速、 主动应直流闭锁， 辅助进行电 网频率调节。 权利要求书2页 说明书5页 附图6页 CN 115498677 A 2022.12.20 CN 115498677 A 1.一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特征在于， 所述方法包括 以下步骤： 1） 将故障检测启动 后一定量时间窗内的波形 数据输入第一 LSTM神经网络模型； 2） 根据所述第一 LSTM神经网络模型判断目前 所发生的故障类型； 3） 智能终端根据判断的故障类型 执行进行相应动作。 2.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述2） 中， 判断目前所发生 故障属于交流 故障还是直流故障， 并判断交流 故障是否 引发了直 流闭锁。 3.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述3） 中， 若判断结果为系统发生了交流故障且直流未闭锁， 则智能终端不动作， 检测过程结束。 4.根据权利要求3所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述3） 中， 若判断结果为系统发生了交流故障并引起了直流闭锁， 则智能终端动 作， 切除控制范围内的分布式负荷。 5.根据权利要求4所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述3） 中， 若判断结果为系统发生了直流故障， 则增加采样的时间窗， 并将增加后 的时间窗内的波 形数据输入第二LSTM神经网络模型， 判断直流 故障是否引起了直流输电系 统闭锁， 若未引起闭锁， 则智能终端不动作， 检测过程结束， 若引起闭锁， 则智能终端动作， 切除控制范围内的分布式负荷。 6.根据权利要求1所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 对于神经网络模型建立包括以下步骤： 1）对输入的数据进行归一化， 将输入值投影到[－1 ,1]区间内， 公式如下： ， 公式中xmin为变量的极小值， xmax为变量的极大值； 2） 建立第一LSTM神经网络模型的网络架构， 将全部故障数据集的数据选取故障后一定 量时间长度， 在数据归一化处理后用于第一LSTM神经网络模型的训练， 得到用于区分交直 流故障和交流故障是否引起 直流闭锁的网络模型； 3） 建立第二LSTM神经网络模型的网络架构， 将故障数据集中直流故障的数据选取故障 后一定量时间长度， 在数据归一化处理后用于第二LSTM神经网络模型的训练， 得到用于判 断直流故障是否引起闭锁的网络模型； 4） 在使用数据对第一LSTM神经网络模型或第二LSTM神经网络模型训练时， 将数据集划 分为训练集和测试集， 其中训练集的分类结果已知， 对训练集进 行监督式学习， 得到神经网 络模型， 将测试集的数据输入到神经网络模型中， 得到测试集的预测分类结果。 7.根据权利要求6所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述2） 或3） 中， 网络包含一个序列输入层， 设置其时间序列的输入维数， 一个双向 的LSTM层， 设置LSTM网路中包含的隐藏单元数目， 全连接层和softmax层规定分类的类别数 目并输出 各类的概 率， 设置模型的故障数据集， 最后一层用于 输出分类的结果。权　利　要　求　书 1/2 页 2 CN 115498677 A 28.根据权利要求7所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 其中第一LSTM神经网络模型中， 其时间序列的输入维数为4， 每一个时刻的输入都 是一个4维的列向量， 分别包含电压、 电流、 频率及功 率信息， LSTM网路中包含的 隐藏单元数 目设置为128， 全连接层和softmax层规定分类的类别数 目并输出各类的概率， 该模型将故 障数据集分为3类； 最后一层用于 输出分类的结果。 9.根据权利要求8所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 其中第二LSTM神经网络模型中， 其时间序列的输入维数为4， 包含电压、 电流、 频率 及功率信息， LSTM网路中包含的隐藏单元数目设置为256， 全连接层和softmax层规定分类 的类别数目并输出各类的概率， 该模型将故障数据集分为2类， 最后一层用于输出分类的结 果。 10.根据权利要求6所述的一种基于长短期记忆网络的直流闭锁检测与控制方法， 其特 征在于， 所述4） 中， 将预测分类结果和测试集的实际分类结果进 行比较， 用准确率对分类效 果进行评估， 其公式为： ， 其中nT为分类正确的数据组数， nF为分 类错误的数据组数。权　利　要　求　书 2/2 页 3 CN 115498677 A 3