利用测量数据的 Hessian 局部线性嵌入实现配电系统的高效故障检测与分类
系统与控制
2024-03-12 v1 系统与控制
摘要
电力线路故障可能严重损害电力系统的可靠性和安全性，导致供电不稳定并增加停电风险。它们构成重大的安全隐患，需要快速检测和缓解，以维护电气基础设施的完整性并确保连续供电。因此，电气故障的准确检测和分类对于优化电力系统的维护和运行至关重要。在这项工作中，我们提出了一种利用 Hessian 局部线性嵌入 (HLLE) 技术以及随后结合 t-SNE（t-分布随机邻域嵌入）和高斯混合模型 (GMM) 进行聚类来检测和分类电气故障的新方法。首先，我们采用 HLLE 将高维 (HD) 电气数据转换为低维 (LD) 嵌入坐标。该技术有效地捕捉了数据中固有的变化和模式，从而实现鲁棒的特征提取。接下来，我们在嵌入坐标的特征空间基础上执行 Mann-Whitney U 检验以进行故障检测。这种统计方法使我们能够检测电气故障，为系统监控和控制提供了一种有效手段。此外，为了增强故障分类，我们采用 t-SNE 结合 GMM 将检测到的故障聚类为不同类别。为了评估所提出方法的性能，我们在集成太阳能发电场的电气系统上进行了广泛的仿真。结果表明，所提出的方法在各种故障类型及同一故障的不同变化下均表现出有效的故障检测和聚类能力。总体而言，本研究提出了一种在电气系统中进行鲁棒故障检测和分类的有效方法，有助于推进故障管理实践并预防系统故障。
引用
@article{arxiv.2403.05995,
title = {Efficient Fault Detection and Categorization in Electrical Distribution Systems Using Hessian Locally Linear Embedding on Measurement Data},
author = {Victor Sam Moses Babu K. and Sidharthenee Nayak and Divyanshi Dwivedi and Pratyush Chakraborty and Chandrashekhar Narayan Bhende and Pradeep Kumar Yemula and Mayukha Pal},
journal= {arXiv preprint arXiv:2403.05995},
year = {2024}
}