LSTM涌流识别网络

精准区分涌流与故障

利用长短期记忆神经网络直接学习电流时域特征，在各种工况下快速准确地识别变压器励磁涌流与内部故障电流，避免差动保护误动。

张国栋 · Liu, Kai · 蒲海涛 · 姚福强 · Zhang, Shuaishuai

Shanghai Jiaotong Daxue Xuebao/Journal of Shanghai Jiaotong University 2024

技术优势

适应多种工况

LSTM能够自动学习电流波形的时序规律，不依赖固定的二次谐波阈值，因此在各种工况下都能保持准确识别。

无需人工设定阈值

模型从数据中直接学习区分性特征，避免了传统方法中选取二次谐波制动比的经验依赖。

快速响应

神经网络推断过程计算量小，能够实时给出识别结果，适用于继电保护的快速动作要求。

应用场景

• 变压器差动保护：替代二次谐波判据，防止空载合闸时差动保护误动。
• 电力系统故障诊断：实时甄别内部故障，避免涌流干扰诊断结果。
• 智能继电保护：将深度学习模型嵌入保护装置，提升识别智能化水平。