JP2023550158A - 電力線保護のコンピュータ実装方法、インテリジェント電子デバイスおよび電力システム - Google Patents
電力線保護のコンピュータ実装方法、インテリジェント電子デバイスおよび電力システム Download PDFInfo
- Publication number
- JP2023550158A JP2023550158A JP2023530850A JP2023530850A JP2023550158A JP 2023550158 A JP2023550158 A JP 2023550158A JP 2023530850 A JP2023530850 A JP 2023530850A JP 2023530850 A JP2023530850 A JP 2023530850A JP 2023550158 A JP2023550158 A JP 2023550158A
- Authority
- JP
- Japan
- Prior art keywords
- rate
- classifier
- change
- current
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 230000008859 change Effects 0.000 claims abstract description 219
- 230000005540 biological transmission Effects 0.000 claims abstract description 99
- 238000007637 random forest analysis Methods 0.000 claims description 125
- 238000010801 machine learning Methods 0.000 claims description 97
- 238000012549 training Methods 0.000 claims description 89
- 230000006870 function Effects 0.000 claims description 44
- 230000001419 dependent effect Effects 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 description 79
- 238000013473 artificial intelligence Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000001914 filtration Methods 0.000 description 7
- 238000013145 classification model Methods 0.000 description 6
- 238000002790 cross-validation Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000035515 penetration Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001771 impaired effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H1/00—Details of emergency protective circuit arrangements
- H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/44—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to the rate of change of electrical quantities
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
- H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Emergency Protection Circuit Devices (AREA)
- Locating Faults (AREA)
Abstract
Description
本発明は、電力伝送システムならびに電力伝送線路を保護するためのデバイスおよび方法に関する。本発明は、特に、障害分類、ゾーン分類、および/または距離保護のうちの少なくとも1つを実行するように動作する方法およびデバイスに関する。
電力グリッドは、同期AC回転機械からインバータベースのリソース(IBR)技術まで、発電ミックスの著しい変化を受けている。この傾向の結果として、送電網および配電網の両方で再生可能エネルギーがより多く配備される。環境上の利点に加えて、再生可能エネルギー源の導入は、例えば慣性の減少、安定性マージンの減少、および予測不能性の増加など、電力システムの動作を変化させる。これらの再生可能技術のほとんどはインバータでインタフェースされているため、障害条件下でのそれらの挙動は従来の回転機械とは異なる。これにより、電力システム保護に新たな課題が生じる。風力および太陽光(PV)発電などのインバータベースのリソースの浸透率が高いことによる1つの問題は、パワーグリッドの障害電流レベルおよび短絡強度の低下である。
パワーグリッドへのインバータベースのリソース(IBR)の追加は、伝送線路保護に課題をもたらす。IBRによって生成される障害電流は、大きさが低いことが多く、従来の保護方式を適用するのに十分なレベルを含まないか、または負の量を含まないことが多い。これらの負の量の欠如は、線路距離インテリジェント電子デバイス(IED)の誤った位相およびゾーン分類をもたらす可能性がある。より低い障害電流の大きさは、距離リレーの性能に影響を及ぼす可能性があり、距離保護要素の誤動作または非動作を引き起こす可能性がある。ヒューマンエキスパートベースのリレー設定によってこれらの課題を軽減する技術は、保護問題を完全に排除することができない場合がある。
決定ロジックは保護ロジックであってもよい。
決定ロジックは、所与のタイプの複数の電力システムを保護および/または監視するために配備され得る。
複数の伝送線路は、設置場所が互いに区別される伝送線路を備えてもよい。
複数の伝送線路は、導体径が互いに区別される伝送線路を備えてもよい。
決定ロジックは、保護機能、障害分類のための位相分類器、障害のあるゾーン識別のためのゾーン分類器のうちの少なくとも1つであってもよく、またはそれを備えてもよい。
障害開始時間は、電圧のスライディングウィンドウ移動平均からの電圧の偏差の絶対値が位相固有の電圧閾値に達するかまたはそれを超える時間と、電流のスライディングウィンドウ移動平均からの電流の偏差の絶対値が位相固有の電流閾値に達するかまたはそれを超える時間と、のうちの早い方として識別することができる。
決定ロジックは、伝送線路保護のための決定ロジックであってもよい。
位相分類器および/またはゾーン分類器を生成することは、いくつかの別個のソース-線路インピーダンスに対するデータを含むデータセットを用いて実行することができる。
決定ロジックは、距離保護機能であってもよく、または距離保護機能を実装してもよい。
コンピューティングシステムは、所与のタイプの複数の電力システムを保護および/または監視するための決定ロジックを配備するように動作することができる。
複数の伝送線路は、設置場所が互いに区別される伝送線路を備えてもよい。
複数の伝送線路は、導体径が互いに区別される伝送線路を備えてもよい。
本方法は、少なくとも1つの集積回路によって自動的に実行され得る。
IED決定ロジックは、解釈可能なIED決定ロジックであってもよい。
位相分類器を生成し、ゾーン分類器を生成することは、アンサンブル機械学習方法を含むことができる。
第1のランダムフォレスト内の各ツリーノードで分割するために利用可能な変数の第1の数は、第2のランダムフォレスト内の各ツリーノードで分割するために利用可能な変数の第2の数よりも大きい。
障害開始時間を決定することは、各位相について、それぞれ、電圧のスライディングウィンドウ移動平均からの電圧の偏差の絶対値と、その位相に対する電圧のスライディングウィンドウ標準偏差に依存する位相固有の電圧閾値との比較と、電流のスライディングウィンドウ移動平均からの電流の偏差の絶対値と、その位相に対する電流のスライディングウィンドウ標準偏差に依存する位相固有の電流閾値との比較と、を実行することを含むことができる。任意の位相について、および電圧または電流のいずれかについて、閾値に達する最も早い時間が、障害開始時間であると決定され得る。
位相分類器は、3つの位相に対する電圧の変化率および3つの位相に対する電流の変化率を入力として受信し、障害タイプを出力することができる。
本方法は、IEDの現場動作中に位相分類器、ゾーン分類器、および/または保護機能を更新することを含むことができる。
位相分類器および/またはゾーン分類器を生成することは、いくつかの別個のソース-線路インピーダンスに対するデータを含むデータセットを用いて実行することができる。
IED決定ロジックは、解釈可能なIED決定ロジックであってもよい。
コンピューティングシステムは、位相分類器を生成し、ゾーン分類器を生成することが、アンサンブル機械学習方法を含むように動作することができる。
決定ロジックは、距離保護機能、障害分類のための位相分類器、障害のあるゾーン識別のためのゾーン分類器のうちの少なくとも1つであってもよい。
第1のランダムフォレスト内の各ツリーノードで分割するために利用可能な変数の第1の数は、第2のランダムフォレスト内の各ツリーノードで分割するために利用可能な変数の第2の数よりも大きい。
電力システムは、障害のある線路の電圧および/または電流を示す訓練データを受信し、障害のある線路の電圧および/または電流から障害開始時間を決定し、障害開始時間に依存する少なくとも1サンプル時間の間の電圧の変化率を示す、および/または電流の変化率を示す、変化率値を決定し、機械学習を用いて距離保護機能、障害分類のための位相分類器、および/または障害のあるゾーン識別のためのゾーン分類器のうちの少なくとも1つである決定ロジックを生成するために変化率値を使用し、決定ロジックをインテリジェント電子デバイスIEDに配備するように動作するコンピューティングシステムをさらに備えることができる。
位相分類器を生成することと、
ゾーン分類器を生成することと、
を含む。
位相分類器と、
ゾーン分類器と、
位相分類器および/またはゾーン分類器に基づいて生成された保護機能と、
のうちの少なくとも1つを、少なくとも1つのインテリジェント電子デバイス(IED)に配備することを含むことができる。
位相分類器と、
ゾーン分類器と、
保護機能と、
のうちの少なくとも1つをIEDの現場使用において実行することを含むことができる。
MLまたはAIモデルは、距離保護機能であってもよく、または距離保護機能を実装してもよい。
障害開始時間は、電圧のスライディングウィンドウ移動平均からの電圧の偏差の絶対値が位相固有の電圧閾値に達するかまたはそれを超える時間と、電流のスライディングウィンドウ移動平均からの電流の偏差の絶対値が位相固有の電流閾値に達するかまたはそれを超える時間と、のうちの早い方として識別することができる。
伝送線路保護は、高インピーダンス障害保護を含むことができる。
本発明の主題は、添付の図面に示される好ましい例示的な実施形態を参照してより詳細に説明される。
本発明の例示的な実施形態は、同一または類似の参照符号が同一または類似の要素を示す図面を参照して説明される。いくつかの実施形態を文脈で説明するが、以下で詳細に説明する方法およびデバイスは、多種多様なシステムで使用することができる。
本発明の実施形態によれば、電力システムのための保護機能、特に距離保護機能を実行するように動作する方法、デバイス、およびシステムが提供される。本方法、デバイス、およびシステムは、再生可能エネルギーなどのインバータベースのリソースを有する電力システムの伝送線路の距離保護に使用することができる。
-訓練データ内の様々なシナリオについて電流の変化率および電圧の変化率を示す特徴量を使用することと、
-訓練データ内のシナリオに利用可能な障害タイプに関する情報を使用することと、
を含み得る。
-訓練データ内の様々なシナリオについて電流の変化率および電圧の変化率を示す特徴量を使用することと、
-訓練データ内のシナリオに利用可能な障害位置に関する情報を使用することと、
を含み得る。
特徴量決定の詳細な実施形態を以下に示す。特徴量決定は、位相分類器およびゾーン分類器を生成する際に、および/または保護デバイス20内の決定ロジックを使用するときに、使用され得る特徴量を決定するために実行され得る。特徴量決定は、コンピューティングシステム15および/または保護デバイス20によって実行することができる。
線路の電圧および電流が継続的に(すなわち、継続して)監視される。線路電圧および電流は、連続的に監視することができる。訓練データ16の場合、それぞれのデータは、訓練データ内の障害シナリオで利用可能である。線路電圧および電流は、障害開始時間を決定するために処理される。これは、以下のA~Dを使用して行うことができる。
図8および図9は、伝送線路の位相に対する電圧91および電流92を示す。時間またはサンプル93において、電流92は閾値基準(6)を満たす。これは、この位相に対する障害開始時間を示す。
各位相の電圧および電流は、望ましくないリップルを除去するために移動平均フィルタを通して処理される。これは、以下に従って行うことができる。
ステップ3:変化率決定
各位相に対する電圧(ΔV)と電流(ΔI)の変化率を決定する。これは、以下の関係を用いて行うことができる。
電圧の変化率(ΔVavg)および電流の変化率(ΔIavg)のいくつか(例えば、4つ)の別個のサンプル(例えば、障害開始点の後のサンプル3、5、7、9)を、ステップ1から検出された障害開始点のインスタンスから各位相について取得することができる。
以下の関係を用いた各位相の電圧および電流の変動
上記で説明したように決定された特徴量は、ランダムフォレスト(RF)モデル訓練に使用することができる。これは、2つのRF分類モデルを開発することを含み得る。
ゾーン分類モデル-障害のあるゾーン識別用
ランダムフォレストモデル訓練は、上記で説明したように決定された特徴量、ならびに少なくとも、訓練データに含まれる障害タイプおよび障害のあるゾーン情報を用いて、訓練データに基づいて実行され得る。
訓練データセット
RFモデルを訓練および検証するために、線路障害の合計9072個のシナリオが、電力システムCAD(PSCAD)/EMTDCソフトウェアを用いてシミュレートされる。これらのシナリオは、様々な負荷、故障位置、SIR、障害抵抗、開始角度に関して、線路障害の可能な組合せの範囲をカバーするようにシミュレートされる。これらの様々なシナリオの範囲を表1に要約する。
9072個の障害種類をカバーする合計27216個のサンプルが訓練に使用される。第1のRFモデルおよび第2のRFモデルが訓練される。交差検証技術を使用して、両方のRF分類モデルの最良のパラメータ(ツリーの数など)を識別する。識別されたパラメータを、考慮される入力および目標と共に表2に示す。
モデル検証
適合されたRF分類器モデルの性能を検証するために、多数決技術と共にk分割交差検証が使用される。観測値のセットは、ほぼ等しいサイズのk個のグループまたはフォールドにランダムに分割される。第1のフォールドは検証セットとして扱われ、XGBoostモデルは残りのk-1個のフォールドを用いてフィッティングされる。次に、ホールドアウトされたフォールドに対して誤分類誤差が計算される。誤分類誤差を計算するために、出力は、予測された観測クラスの多数決として計算されるクラスに割り当てられる。この手順をk回を繰り返すことによって、試験誤差のk個の推定値が計算される。毎回、異なる観察セットが検証セットとして扱われる。
実施形態によるデバイス、方法、およびシステムは、再生可能エネルギー源または他のインバータベースのリソースを含む送電グリッドの伝送ネットワークに距離保護を提供するために使用することができる。
Claims (19)
- コンピュータ実装方法であって、前記コンピュータ実装方法は、
電力システムと共に使用するように動作する信号を生成するように動作する決定ロジックを生成する際に使用するための特徴量を計算することを含み、前記特徴量を計算することは、
所与のタイプの電力システムについてサンプリングされたデータの少なくとも1つの電気特性から障害開始時間を決定することと、
少なくとも1つのサンプル時間に対する前記少なくとも1つの電気特性の変化率を示す変化率値を決定することであって、前記少なくとも1つのサンプル時間は、前記障害開始時間に依存する、決定することと、
を含む、計算することと、
前記決定ロジックを生成するために前記特徴量を使用することと、
前記信号を生成するために前記決定ロジックをインテリジェント電子デバイス(IED)に配備することと、
を含む、コンピュータ実装方法。 - 前記決定ロジックを生成するために前記特徴量を使用することは、位相分類器およびゾーン分類器の一方または両方を生成するために前記計算された特徴量を用いて機械学習(ML)モデル訓練を実行することを含む、請求項1に記載のコンピュータ実装方法。
- 前記MLモデルは、前記変化率値を受信する入力層を有する、請求項2に記載のコンピュータ実装方法。
- 前記決定ロジックは、
保護機能と、
障害分類のための位相分類器と、
障害のあるゾーン識別のためのゾーン分類器と、
のうちの少なくとも1つであるか、またはそれを備える、請求項1に記載のコンピュータ実装方法。 - 前記信号は、
回路遮断器制御信号と、
スイッチ制御信号と、
警報と、
警告と、
ステータス情報と、
ヒューマンマシンインタフェース(HMI)を介して出力するための出力と、
のうちの少なくとも1つである、先行する請求項のいずれか1項に記載のコンピュータ実装方法。 - 前記障害開始時間は、
電圧のスライディングウィンドウ移動平均からの前記電圧の偏差の絶対値が位相固有の電圧閾値に達するかまたはそれを超える時間と、
電流のスライディングウィンドウ移動平均からの前記電流の偏差の絶対値が位相固有の電流閾値に達するかまたはそれを超える時間と、
のうちの早い方として識別される、先行する請求項のいずれか1項に記載のコンピュータ実装方法。 - 前記障害開始時間を決定することは、スライディングウィンドウ移動平均を決定することと、前記スライディングウィンドウ移動平均からの前記少なくとも1つの電気特性の偏差の絶対値を少なくとも1つの閾値と比較することと、を含む、請求項1~5のいずれか1項に記載のコンピュータ実装方法。
- 前記コンピュータ実装方法は、前記少なくとも1つの電気特性のスライディングウィンドウ標準偏差を決定することをさらに含み、前記少なくとも1つの閾値は、スライディングウィンドウ標準偏差に依存し、および/または
前記障害開始時間は、
電圧のスライディングウィンドウ移動平均からの前記電圧の偏差の絶対値が位相固有の電圧閾値に達するかまたはそれを超える時間と、
電流のスライディングウィンドウ移動平均からの前記電流の偏差の絶対値が位相固有の電流閾値に達するかまたはそれを超える時間と、
のうちの早い方として識別される、請求項7に記載のコンピュータ実装方法。 - 前記変化率値を決定することは、各位相について、
フィルタリングされた電圧を決定することと、
フィルタリングされた電流を決定することと、
前記フィルタリングされた電圧および前記フィルタリングされた電流から前記変化率値を計算することと、
を含む、先行する請求項のいずれか1項に記載のコンピュータ実装方法。 - 前記フィルタリングされた電圧は、前記電圧のN>1個のサンプル値を平均することによって決定され、前記フィルタリングされた電流は、前記電流のN>1個のサンプル値を平均することによって決定され、
任意選択的に、前記変化率値を計算することは、
時間kにおける前記フィルタリングされた電圧のサンプル値と時間k-Nにおける前記フィルタリングされた電圧のサンプル値との間の電圧差と、
時間kにおける前記フィルタリングされた電流のサンプル値と時間k-Nにおける前記フィルタリングされた電流のサンプル値との間の電流差と、
を決定することを含み、
さらに任意選択的に、
前記電圧の前記変化率値は、サンプル時間と前のサンプル時間との間の前記電圧差の変化として決定され、
前記電流の前記変化率値は、前記サンプル時間と前記前のサンプル時間との間の前記電流差の変化として決定される、請求項9に記載のコンピュータ実装方法。 - 前記決定ロジックを配備することは、距離保護のためにIEDによって実行するために位相分類器および/またはゾーン分類器を配備することを含む、先行する請求項のいずれか1項に記載のコンピュータ実装方法。
- 前記決定ロジックを生成することは、位相分類器およびゾーン分類器の一方または両方を生成するために前記計算された特徴量を使用することを含む、
請求項1または4~11のいずれか1項に記載のコンピュータ実装方法。 - 前記決定ロジックを生成するために前記計算された特徴量を使用することは、アンサンブル機械学習(ML)方法を用いて、位相分類器を生成し、ゾーン分類器を生成することを含み、および/または
前記位相分類器を生成し、前記ゾーン分類器を生成することは、ランダムフォレストを生成するために、前記計算された特徴量を用いたランダムフォレスト訓練を含み、および/または
前記位相分類器および前記ゾーン分類器の一方または両方を生成するために前記変化率値を使用することは、
前記位相分類器を生成するために、前記計算された特徴量を用いて、第1の機械学習モデルを訓練することと、
前記ゾーン分類器を生成するために、前記計算された特徴量を用いて、第2の機械学習モデルを訓練することと、
を含む、
請求項12に記載のコンピュータ実装方法。 - 前記位相分類器は、3つの位相に対する電圧の変化率および前記3つの位相に対する電流の変化率を入力として受信し、障害タイプを出力し、および/または
前記ゾーン分類器は、3つの位相に対する電圧の変化率および前記3つの位相に対する電流の変化率を入力として受信し、ゾーンを出力する、請求項2~4、12、または13のいずれか1項に記載のコンピュータ実装方法。 - 前記位相分類器および/または前記ゾーン分類器は、自己設定方式で生成される、請求項2~4または12~15のいずれか1項に記載のコンピュータ実装方法。
- 前記位相分類器および/または前記ゾーン分類器は、現場動作中に連続的に更新される、請求項2~4または12~15のいずれか1項に記載のコンピュータ実装方法。
- 前記決定ロジックは、伝送線路保護のための決定ロジックであり、任意選択的に、前記伝送線路保護は、高インピーダンス障害保護を含み、および/または
前記位相分類器および/またはゾーン分類器を生成することは、いくつかの別個のソース-線路インピーダンスに対するデータを含むデータセットを用いて実行される、
先行する請求項のいずれか1項に記載のコンピュータ実装方法。 - 電力伝送線路の少なくとも1つの位相に対する電圧および/または電流を受信するためのインタフェースを備える
インテリジェント電子デバイス(IED)であって、
前記IEDは、前記電圧の変化率および/または前記電流の変化率を決定するように、かつ前記電圧の前記決定された変化率および/または前記電流の前記決定された変化率を決定ロジックへの入力として入力するように動作する、IED。 - 電力伝送線路と、
前記電力伝送線路に対する距離保護機能を実行するように動作する請求項18に記載のインテリジェント電子デバイス(IED)と、
を備える電力システム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202141018766 | 2021-04-23 | ||
IN202141018766 | 2021-04-23 | ||
EP21179002.7A EP4080702A1 (en) | 2021-04-23 | 2021-06-11 | Computer-implemented method of power line protection, intelligent electronic device and electric power system |
EP21179002.7 | 2021-06-11 | ||
PCT/EP2022/060654 WO2022223759A1 (en) | 2021-04-23 | 2022-04-22 | Computer-implemented method of power line protection, intelligent electronic device and electric power system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023550158A true JP2023550158A (ja) | 2023-11-30 |
Family
ID=81654889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023530850A Pending JP2023550158A (ja) | 2021-04-23 | 2022-04-22 | 電力線保護のコンピュータ実装方法、インテリジェント電子デバイスおよび電力システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240030696A1 (ja) |
EP (1) | EP4327423A1 (ja) |
JP (1) | JP2023550158A (ja) |
WO (1) | WO2022223759A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115932463A (zh) * | 2022-10-31 | 2023-04-07 | 科华数据股份有限公司 | 核级电气设备的Forsmark效应监测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4812995A (en) * | 1987-05-19 | 1989-03-14 | Girgis Adly A | Adaptive Kalman Filtering in fault classification |
DE4333259C1 (de) | 1993-09-27 | 1995-05-24 | Siemens Ag | Verfahren zum Erzeugen eines die Richtung eines Kurzschlußstromes angebenden Richtungssignals |
DE19613012C1 (de) | 1996-03-25 | 1997-08-14 | Siemens Ag | Verfahren zum Erzeugen von Fehlerklassifizierungssignalen |
US7069116B2 (en) | 2004-02-02 | 2006-06-27 | Abb Inc. | High impedance fault detection |
US7720619B2 (en) | 2006-08-04 | 2010-05-18 | Schweitzer Engineering Laboratories, Inc. | Systems and methods for detecting high-impedance faults in a multi-grounded power distribution system |
CN106856322B (zh) * | 2017-01-18 | 2018-10-26 | 三峡大学 | 一种基于神经网络的柔性直流配电网智能保护系统 |
CN109038516B (zh) * | 2018-07-24 | 2020-01-14 | 西安理工大学 | 一种用于直流配电网线路的加速保护方法 |
FI3757581T3 (fi) * | 2019-06-28 | 2023-12-15 | Hitachi Energy Ltd | Älykkään elektronisen laitteen toiminta tehonheilahtelun aikana |
-
2022
- 2022-04-22 EP EP22723688.2A patent/EP4327423A1/en active Pending
- 2022-04-22 JP JP2023530850A patent/JP2023550158A/ja active Pending
- 2022-04-22 US US18/025,031 patent/US20240030696A1/en active Pending
- 2022-04-22 WO PCT/EP2022/060654 patent/WO2022223759A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4327423A1 (en) | 2024-02-28 |
WO2022223759A1 (en) | 2022-10-27 |
US20240030696A1 (en) | 2024-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Online identification of power system dynamic signature using PMU measurements and data mining | |
Teimourzadeh et al. | High impedance single-phase faults diagnosis in transmission lines via deep reinforcement learning of transfer functions | |
US11656263B2 (en) | Effective feature set-based high impedance fault detection | |
Mishra et al. | FDOST-based fault classification scheme for fixed series compensated transmission system | |
Moravej et al. | A new approach for fault classification and section detection in compensated transmission line with TCSC | |
CN115684821A (zh) | 用于电网故障分析中的ai持续学习的系统和方法 | |
Li et al. | Physics-informed learning for high impedance faults detection | |
Sepehrirad et al. | Intelligent differential protection scheme for controlled islanding of microgrids based on decision tree technique | |
JP2023550158A (ja) | 電力線保護のコンピュータ実装方法、インテリジェント電子デバイスおよび電力システム | |
Mukherjee et al. | Classification and localization of transmission line faults using curve fitting technique with Principal component analysis features | |
CN113625103A (zh) | 小电流接地系统单相接地故障的选线方法 | |
Sonoda et al. | Fault identification based on artificial immunological systems | |
Chothani et al. | A new algorithm for busbar fault zone identification using relevance vector machine | |
Mahmoud et al. | Review of fuzzy and ANN fault location methods for distribution power system in oil and gas sectors | |
CN116601842A (zh) | 电力线路保护的计算机实施方法、智能电子设备和电力系统 | |
Gururajapathy et al. | Support vector classification and regression for fault location in distribution system using voltage sag profile | |
US20220413032A1 (en) | Machine learning based method and device for disturbance classification in a power transmission line | |
Manohar et al. | An efficient MPPT and reliable protection scheme for PV-integrated microgrid under partial shading and array faults | |
George et al. | Machine Learning Based Setting-free Reach Element For Zone-1 Distance Protection | |
Elbaset et al. | Fault detection and classification in transmission lines using ANFIS | |
Lwin et al. | Symmetrical fault detection during power swings: An interpretable supervised learning approach | |
Borges et al. | Methodology based on adaboost algorithm combined with neural network for the location of voltage sag disturbance | |
Jena et al. | Solution to directional relaying for double circuit line | |
Garg et al. | Fault classification, location in a series compensated power transmission network using Online Sequential Extreme Learning Machine | |
Ogar | Modelling of a protective scheme for AC 330 kV transmission line in Nigeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230522 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20240130 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20240205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240301 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240405 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240528 |