컨볼루션 신경망 기반의 신규 HVDC 이중 단말 비동기 고장 위치 추정 방법

고저항 접지 고장의 위치를 찾는 것이 어려운 이유로, 본 논문에서는 힐버트-황 변환 및 일차원 컨볼루션 신경망(1D-CNN)을 사용하여 HVdc 전송선에 대한 신규 고장 위치 추정 방법을 제안합니다. 고장 신호가 양 끝에서 수집된 후, 제안된 방법은 시간 동기화 없이 오직 양 끝 데이터 전송만으로 고정밀도가 높은 고장 위치 추정을 달성할 수 있습니다. 경험적 모드 분해(EMD) 후, 이중 단말 고장 신호의 고주파 성분을 직렬로 연결하여 특성 파형을 생성합니다. 이 파형은 서로 다른 고장 유형 및 거리의 특성을 포함하고 있으며, 이는 CNN에 의해 학습될 수 있습니다. 훈련된 CNN은 효과적으로 고장을 위치 추정하는 데 사용할 수 있습니다. 비교를 위해 전통적인 전파 방식 및 기계 학습 기반의 두 가지 고장 위치 추정 방법이 소개됩니다. 전자기 과도 시뮬레이션 소프트웨어 PSCAD/EMTDC가 사용되어 ± 500 kV HVdc 전송 시스템에서 다양한 유형의 고장 시뮬레이션이 수행되었습니다. 결과는 제안된 방법이 최대 5200 Ω의 고장 저항에서도 신뢰할 수 있고 정확하게 선로 고장을 위치 추정할 수 있음을 보여줍니다.