Simple Science

Scienza all'avanguardia spiegata semplicemente

# Ingegneria elettrica e scienze dei sistemi# Elaborazione del segnale

Sistemi di protezione moderni per la trasmissione dell'energia solare

Un nuovo sistema migliora il rilevamento dei guasti nelle linee di trasmissione dell'energia solare.

― 6 leggere min


Rilevamento IntelligenteRilevamento Intelligentedei Guasti nelle RetiSolaridei guasti nei sistemi solari.Nuovi metodi migliorano la rilevazione
Indice

Negli ultimi anni, l'uso di fonti di energia rinnovabile, in particolare l'energia solare, è aumentato notevolmente. Questo cambiamento verso un'energia più pulita punta a ridurre la dipendenza dai combustibili fossili. Le fattorie fotovoltaiche (PV) svolgono un ruolo cruciale nella generazione di elettricità dalla luce solare. Tuttavia, mentre queste fattorie si collegano alle reti elettriche tramite linee di trasmissione ad alta tensione, sorgono sfide per proteggere queste linee da guasti o problemi che possono verificarsi durante il funzionamento.

La necessità di sistemi di protezione migliorati

I sistemi di protezione tradizionali, come i relè, incontrano difficoltà quando ci sono guasti nelle linee di trasmissione collegate a fonti di energia rinnovabile basate su inverter. Questi relè potrebbero non funzionare efficacemente per guasti causati da fattorie solari a causa dei comportamenti distintivi degli inverter solari. Con l'aumento dell'energia rinnovabile, i vecchi metodi di protezione delle linee elettriche hanno bisogno di aggiornamenti per garantire sicurezza e affidabilità.

Soluzione proposta: Sistema di protezione ibrido intelligente

Un nuovo approccio suggerisce di usare un sistema di protezione ibrido intelligente che combina logica fuzzy e tecniche di machine learning. Questo sistema si concentra sull'analisi dei segnali di corrente trifase per rilevare guasti in modo più efficiente. Osservando i modelli della corrente elettrica che scorre attraverso le linee, determina quando e dove è avvenuto un guasto, sia che si tratti di un cortocircuito, di uno switch di attrezzatura o di altri problemi.

Come funziona

  1. Rilevamento eventi: Il sistema utilizza un rilevatore di eventi per monitorare la corrente trifase. Quando identifica anomalie o cambiamenti improvvisi, raccoglie dati per ulteriori analisi.

  2. Estrazione delle Caratteristiche: Vengono estratte caratteristiche chiave dai segnali di corrente. Queste caratteristiche aiutano a distinguere tra condizioni operative normali e guasti. Le caratteristiche raccolte vengono poi elaborate per identificarne l'importanza nel rilevamento dei guasti.

  3. Rilevamento e localizzazione guasti: Il metodo ibrido impiega algoritmi di logica fuzzy e machine learning per analizzare le caratteristiche estratte. Rileva i guasti, determina le loro posizioni e identifica rapidamente e con precisione le fasi colpite.

  4. Test delle prestazioni: L’efficacia del sistema viene testata in vari scenari, inclusi diversi tipi di guasti e condizioni, come Guasti ad alta impedenza e cambiamenti improvvisi nel flusso di energia.

Apprendimento dai dati

Il sistema di protezione intelligente utilizza un vasto set di dati con oltre 28.000 casi di guasti e condizioni normali. Questi dati aiutano il sistema a imparare come distinguere tra guasti e funzionamento regolare, migliorando la sua capacità di rispondere con precisione durante l'operazione in tempo reale.

Affrontare sfide uniche

Guasti e eventi di commutazione

L'integrazione dell'energia solare nella rete cambia il modo in cui si comportano i guasti. Ad esempio, i relè tradizionali potrebbero non rispondere correttamente quando è collegata una fattoria solare, poiché i loro metodi si basano su come operano i generatori convenzionali. Questo nuovo metodo tiene conto di queste differenze e si adatta di conseguenza.

Guasti ad alta impedenza

I guasti ad alta impedenza, che si verificano quando c'è una rottura in un filo o una connessione allentata, possono essere difficili da rilevare con sistemi standard. L'approccio proposto può identificare efficacemente questi tipi di guasti, riducendo al minimo il rischio di problemi non rilevati che potrebbero portare a guasti del sistema.

Rumore e qualità dei dati

Il rumore di misurazione può interferire con l'accuratezza dei sistemi di protezione. Il sistema ibrido intelligente è progettato per far fronte a diversi livelli di rumore presenti nei sistemi elettrici, garantendo che non identifichi erroneamente i guasti a causa di interferenze.

Variazioni nella capacità PV

Cambiamenti nella dimensione o nella capacità delle fattorie solari possono alterare il comportamento delle correnti di guasto. Il sistema proposto è in grado di adattarsi a capacità diverse, il che significa che rimane efficace indipendentemente da quanto potere genera la fattoria solare.

Il ruolo del machine learning

Selezione delle caratteristiche

Per migliorare l'accuratezza del rilevamento dei guasti, viene utilizzato un algoritmo di random forest per selezionare le caratteristiche più rilevanti dai dati. Concentrandosi sulle caratteristiche più importanti dei segnali di corrente, il sistema migliora le sue prestazioni e garantisce risultati affidabili.

Addestramento del modello

Il sistema ibrido intelligente si allena utilizzando dati passati, il che gli consente di imparare sia dai guasti che dalle condizioni non di guasto. Questo processo di addestramento aiuta a migliorare la sua capacità di identificare rapidamente e correttamente i problemi quando si presentano.

Valutazione delle prestazioni

Le prestazioni del sistema ibrido sono state valutate tramite test rigorosi su un sistema di prova IEEE a 9 bus. Questo sistema simula diversi tipi di guasti e condizioni operative, fornendo un framework robusto per valutare l'efficacia della strategia di protezione proposta.

Risultati

  1. Accuratezza: Il sistema mostra un'alta percentuale di accuratezza nel rilevamento dei guasti, con risultati che indicano che può identificare efficacemente problemi sia in situazioni normali che critiche.

  2. Velocità: Il metodo proposto opera rapidamente, consentendo una rilevazione e una risposta rapida ai guasti, fondamentali per mantenere la stabilità del sistema.

  3. Robustezza: Il sistema è resiliente ai cambiamenti nella qualità dei dati, inclusi rumore e variazioni nei livelli di tensione e corrente.

  4. Ampia applicazione: La strategia di protezione intelligente ha dimostrato di funzionare bene in una gamma di scenari, comprese varie capacità PV, diversi tipi di guasti e condizioni difficili come i guasti ad alta impedenza.

Implicazioni pratiche

La capacità di rilevare rapidamente e con precisione i guasti nelle linee di trasmissione collegate a fattorie PV è essenziale per mantenere una rete elettrica stabile. Implementando questo sistema di protezione ibrido intelligente, le utility possono migliorare l'affidabilità delle loro reti, ridurre i tempi di inattività e garantire la sicurezza sia per le attrezzature che per il personale.

Applicazione in tempo reale

Con i progressi nella tecnologia, è fattibile implementare questa strategia protettiva in applicazioni in tempo reale. Questo significa che il sistema può analizzare i dati man mano che arrivano, fornendo feedback immediato e potenzialmente prevenendo guasti prima che si trasformino in problemi più gravi.

Integrazione con infrastrutture esistenti

Il metodo proposto può essere integrato nei sistemi elettrici esistenti senza la necessità di alterazioni significative alle infrastrutture attuali. Utilizzando i dati misurati localmente, elimina la necessità di sistemi di comunicazione complessi che potrebbero fallire durante operazioni critiche.

Conclusione

Man mano che il mondo si sposta verso una maggiore dipendenza dalle fonti di energia rinnovabile, le sfide associate all'integrazione di questi sistemi nelle reti elettriche esistenti devono essere affrontate. Il sistema di protezione ibrido intelligente proposto fornisce una soluzione moderna per proteggere le linee di trasmissione collegate a fattorie PV. Attraverso l'uso di algoritmi avanzati e approcci basati sui dati, questo sistema migliora il rilevamento di diversi tipi di guasti, garantendo sicurezza e stabilità nella trasmissione dell'energia. La sua adattabilità a diverse condizioni lo rende una scelta promettente per le utility che cercano di migliorare le loro strategie di protezione in un panorama energetico in continua evoluzione.

Fonte originale

Titolo: A Hybrid Intelligent System for Protection of Transmission Lines Connected to PV Farms based on Linear Trends

Estratto: Conventional relays face challenges for transmission lines connected to inverter-based resources (IBRs). In this article, a single-ended intelligent protection of the transmission line in the zone between the grid and the PV farm is suggested. The method employs a fuzzy logic and random forest (RF)-based hybrid system to detect faults based on combined linear trend attributes of the 3-phase currents. The fault location is determined and the faulty phase is detected. RF feature selection is used to obtain the optimal linear trend feature. The performance of the methodology is examined for abnormal events such as faults, capacitor and load-switching operations simulated in PSCAD/EMTDC on IEEE 9-bus system obtained by varying various fault and switching parameters. Additionally, when validating the suggested strategy, consideration is given to the effects of conditions such as the presence of double circuit lines, PV capacity, sampling rate, data window length, noise, high impedance faults, CT saturation, compensation devices, evolving and cross-country faults, and far-end and near-end faults. The findings indicate that the suggested strategy can be used to deal with a variety of system configurations and situations while still safeguarding such complex power transmission networks.

Autori: Pallav Kumar Bera, Samita Rani Pani, Can Isik, Ramesh C. Bansal

Ultimo aggiornamento: 2024-06-18 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2406.13194

Fonte PDF: https://arxiv.org/pdf/2406.13194

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Articoli simili