一种基于深度神经网络双向LSTM-CNN的被动孤岛检测方法

《Scientific Reports》：A passive islanding detection method using deep neural bidirectional LSTM-CNN

　　

摘要

基于本地发电原理的微电网具有减少电能损耗和改善电压分布的优势。当微电网连接到电力系统时，最大的运营问题之一是意外孤岛现象。意外孤岛事件可能导致设备损坏并危及人身安全。根据IEEE Std 1547–2018标准，必须在大约2秒内检测并控制意外孤岛现象。因此，本文提出了一种新型的一维卷积神经网络-双向长短期记忆（1D CNN-BiLSTM）方法用于孤岛检测。在该方法中，首先对电力系统进行控制并观察，以选择对孤岛现象敏感的母线；然后使用选定的关键母线进行测量。随后，通过神经网络处理优化选择的电流和电压时间序列数据。在IEC 61850-7-420测试系统上的仿真结果表明，所提出的方法检测时间为10毫秒，未检测区域（NDZ）率仅为0.02%。这些结果表明，该方法在检测速度和可靠性方面均显著优于现有技术。