摘要:针对多端柔性直流电网(multi-terminal direct current grid based on modular multilevel converter, MMC-MTDC)故障诊断存在的人工整定阈值过程复杂、高阻故障不易检测的问题,提出一种基于行波特征的诊断方法。首先,通过分析系统的故障特征,得出边界元件对高频信号的阻滞作用;其次,利用经验模态分解(empirical mode decomposition, EMD)对功率进行分解,得到本征模态函数(intrinsic mode function, IMF)分量,将其能量值作为故障特征量训练由卷积神经网络(convolutional neural network, CNN)和双向门控循环单元(bidirectional gated recurrent unit, BiGRU)组成的CNN-BiGRU网络;然后,采用开普勒优化算法(Kepler optimization algorithm, KOA)和注意力机制(attention mechanism, AM)对CNN-BiGRU网络进行改进,实现MMC-MTDC的故障诊断;最后,在PSCAD/EMTDC中搭建仿真模型。结果表明,该方法不仅可以实现母线故障和线路故障的检测,还可以在满足保护可靠性和速动性的前提下, 解决高阻故障保护易拒动的问题。