基于物理信息学习的高阻抗故障检测
信号处理
2021-03-17 v2 系统与控制
系统与控制
摘要
配电网中的高阻抗故障(HIFs)可能引发野火并威胁人类生命。变电站的常规保护继电器因过电流较小且HIFs特征具有局部性,无法检测出超过10%的HIFs。随着配电系统中安装更多μPMU,高分辨率μPMU数据集提供了从多点检测HIFs的机会。然而,应用μPMU数据集的主要障碍在于缺乏标签。为解决此问题,我们构建了一个物理信息卷积自编码器(PICAE),无需带标签的HIFs进行训练即可检测HIFs。我们PICAE的关键在于一种物理正则化方法,其由电压-电流特性的椭圆轨迹导出,可在高噪声环境下将HIFs与其他异常事件区分开。我们制定了一种系统级检测框架,融合多个节点的局部检测结果以提升检测精度与可靠性。所提方法在通过PSCAD/EMTDC仿真的IEEE 34节点测试馈线中得到验证。我们的PICAE在各种场景下均优于现有工作,并对不同的可观测量与噪声具有鲁棒性。
引用
@article{arxiv.2008.02364,
title = {Physics-Informed Learning for High Impedance Faults Detection},
author = {Wenting Li and Deepjyoti Deka},
journal= {arXiv preprint arXiv:2008.02364},
year = {2021}
}
备注
7 pages, 6 figures