基于机器学习的 100% 逆变器微网保护与故障识别
系统与控制
2024-08-13 v1 系统与控制
摘要
100% 逆变器式可再生资源单元日益普及，为包含此类资源的微网保护带来新挑战，特别是由于低故障电流和双向功流。以往的工作研究了高渗透率逆变器接口分布式发电机的微网保护，但鲜有人研究 100% 逆变器式微网的保护。本文提出基于机器学习 (ML) 的保护解决方案，使用本地电气测量值，考虑实现挑战，有效组合故障检测与类型识别。采用决策树方法分析广泛的故障情景。采用 PSCAD/EMTDC 仿真环境创建用于训练和测试的 数据集。该方法的有效性在包含四个逆变器的 100% 逆变器式微网中，针对七种不同故障类型（每种故障类型均具有不同的故障电阻）进行检验。
引用
@article{arxiv.2405.07310,
title = {Machine Learning-Based Protection and Fault Identification of 100% Inverter-Based Microgrids},
author = {Milad Beikbabaei and Michael Lindemann and Mohammad Heidari Kapourchali and Ali Mehrizi-Sani},
journal= {arXiv preprint arXiv:2405.07310},
year = {2024}
}
备注
Accepted for publication at 2024 IEEE 33rd International Symposium on Industrial Electronics (ISIE)