互联电力系统中变压器、相角调节器与输电线的数据驱动保护
信号处理
2023-02-09 v1 机器学习
摘要
本学位论文强调了现代电网中基于机器学习（ML）的故障检测方法的日益关注与应用。一旦故障发生，必须快速识别并采取预防措施予以切除或隔离。因此，早期准确检测、定位与分类故障可提升安全性与可靠性，同时减少停机与硬件损坏。随着系统状态感知与数据可用性提升，用于有效数据处理与分析以辅助电力系统运行与决策的ML解决方案与工具正变得至关重要。电力变压器、相移变压器或相角调节器（Phase Angle Regulators）及输电线为电力系统中关键组件，保障其安全是首要问题。差动继电器常用于保护变压器，而距离继电器用于保护输电线。励磁涌流、过励磁与电流互感器饱和使变压器保护具挑战性。此外，非标准相移、串联铁心饱和、低匝间与匝地故障电流为相角调节器的非传统问题。对称功率摇摆与不稳定功率摇摆期间的故障可能导致距离继电器误动及非预期非受控孤岛。距离继电器对连接3型风场的输电线亦会误动。传统保护技术因在海量数据处理分析、有限泛化能力、无法建模非线性系统等方面的局限，将不再足以应对上述挑战。差动与距离保护方法的这些局限，引出了利用ML应对各类保护挑战的动机。
引用
@article{arxiv.2302.03826,
title = {Data-driven Protection of Transformers, Phase Angle Regulators, and Transmission Lines in Interconnected Power Systems},
author = {Pallav Kumar Bera},
journal= {arXiv preprint arXiv:2302.03826},
year = {2023}
}
备注
Ph.D. thesis, Syracuse University, published by ProQuest. arXiv admin note: text overlap with arXiv:2004.06003