基于LSTM-FCN神经网络的船舶电力系统故障识别方法

船舶电力系统拓扑结构日趋复杂，故障种类繁多且不易区分。为确保继电保护动作的正确性，本文基于船舶电力系统故障录波数据，利用全卷积网络(Fully Convolutional Network, FCN)在局部特征提取上的优势，以及长短期记忆网络(Long Short-Term Memory, LSTM)在时序特征提取上的优势，提出了一种基于改进LSTM-FCN网络的故障诊断模型，并应用于船舶电力系统故障识别。依托PSCAD/EMTDC仿真软件对典型船舶电力系统各种故障进行仿真，通过小波变换对采样信号进行预处理。实验结果表明：本文所提出的故障诊断模型能够很好地对船舶电力系统故障进行分类识别。     

双有源桥式变换器输出极间短路故障特性分析

为提高双有源桥式（Dual active bridge, DAB）变换器故障穿越能力，基于单移相控制方式，本文详细分析了DAB变流器输出侧发生短路故障后内部与外部的暂态特性，推导建立了输出侧线路电压、电流与DAB内部传输电感电流的时域表达式，确定了变流器内部存在暂态过流风险，证明了其严重程度与故障发生时刻的关系；提出了利用输出侧支撑电容与平波电抗器提高DAB故障穿越能力的方法，并确定了电容与电抗器的取值方法。最后，在MATLAB/Simulink平台上搭建了仿真模型进行试验，验证了本文理论分析的正确性和电容电感取值的有效性。