KR20190108623A - 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성 - Google Patents

전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성 Download PDF

Info

Publication number
KR20190108623A
KR20190108623A KR1020197025617A KR20197025617A KR20190108623A KR 20190108623 A KR20190108623 A KR 20190108623A KR 1020197025617 A KR1020197025617 A KR 1020197025617A KR 20197025617 A KR20197025617 A KR 20197025617A KR 20190108623 A KR20190108623 A KR 20190108623A
Authority
KR
South Korea
Prior art keywords
network
variables
electrical network
values
specific
Prior art date
Application number
KR1020197025617A
Other languages
English (en)
Inventor
울리히 뮌츠
다그마르 바이어
크리스 올리버 하이데
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20190108623A publication Critical patent/KR20190108623A/ko

Links

Images

Classifications

    • 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
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/317—Testing of digital circuits
    • G01R31/3181—Functional testing
    • G01R31/3183—Generation of test inputs, e.g. test vectors, patterns or sequences
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • H02J2003/007—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/76—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location
    • Y04S10/522—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
    • Y04S40/22—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

본 발명은 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성에 관한 것이다. 이 경우에, 다양한 시점들에 대해 전기 회로망에서 전기 회로망에 특정적인 가측 변수들에 대한 전기 회로망의 상태를 특성화하는 값들이 사용되며, 전기 회로망에 특정적인 변수들에 대한 값들은 전기 회로망에 대한 모델에 의해 결정된다. 이 경우에, 모델에 의한 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하고, 알려지지 않은 회로망 특정 변수들은 무장애 작동 전기 회로망에 따라 결정된다. 마지막으로, 장애들을 식별하기 위한 패턴은 상태를 특성화하는 값들과 다양한 시점들에 대한 모델에 의해 결정된 값들 사이의 차이를 형성하는 것에 의해 생성된다.

Description

전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성
본 발명은 전기 회로망들에서 장애들(faults)을 식별하기 위한 패턴들의 생성을 위한 방법 및 시스템, 전기 회로망들에서 장애들을 식별하기 위한 방법 및 시스템, 및 컴퓨터 프로그램 제품에 관한 것이다.
전기 회로망의 작동 동안, 개별 컴포넌트들 또는 운영 수단의 고장(failure)의 경우에 전기 회로망의 안정성이 전반적으로 유지되도록 보장되어야만 한다. 이 목적을 위해, 회로망의 모니터링이 요구된다. 이것은 보통 회로망 제어를 위해 제공된 제어실들로 송신되는 메시지들에 의해 달성된다. 메시지들은 보호 디바이스들 또는 다른 로컬 측정 장비로부터 발신된다. 제어실에 서로 독립적으로 도착하는 이러한 메시지들의 평가는 많은 경우들에서 수동으로 수행된다. 메시지들은 회로망에서의 장애들의 결과들을 포함하지만, 상황에 따라 물리적 변수들 자체를 포함하지는 않는다. 예를 들어, 메시지는 특정한 상황(setting)으로 인해 보호 디바이스가 작동(trip)되었다는 정보일 것이다. 그러한 메시지들로부터 명확한 해명이 가능하지 않으면, 높은 분해능의 물리적 측정 데이터를 포함하는, 소위 폴트 레코드들(fault records), 즉 장애 기록들이 현장 장비(field equipment)로부터 판독될 수 있다. 현재, 이 프로세스는 아직도 종종 수동으로 수행된다.
모니터링에 대한 새로운 가능성들은, 점점 더 많은 전기 회로망들이 장비되고 있는, 소위 PMU들(phasor measurement units)로부터 발생한다. 독일어 문헌에서, 이러한 PMU들은 "
Figure pct00001
"[포인터 측정 장비(pointer measuring equipment)]라고도 불리며, 이들에 의해 측정된 데이터는 "Zeigerdaten"[포인터 데이터(pointer data)] 또는 "Zeigermeßdaten"[포인터 측정 데이터(pointer measurement data)]이라고 불린다. PMU들을 사용하여, 전기 회로망들 내의 다양한 지점들에서 고분해능으로 그리고 시간 동기식으로 전류들 및 전압들이 측정될 수 있다. PMU들은 위성 기술에 종종 의존하며, 실시간 시간 동기식 측정 및 모니터링을 가능하게 해준다. 이와 같이 획득된 데이터는 오늘날, 예를 들어, 전기 회로망에서의 전력 스윙(power swing)들 및 다른 중대한 이벤트들(critical events)을 검출하는 데 사용된다.
그렇지만, PMU 측정값들로부터 이러한 중대한 이벤트들에 대한 인과적 장애들(contingencies)을 식별하는 것은 여전히 매우 어렵다. 회로망 상태들의 모델링의 도움을 받아 인과적 장애들의 재구성이 시도될 수 있다. EP 2978096 A1은 회로망에서 장애들을 찾아내고 식별하기 위한 모델 기반 절차를 제안한다. 장애들로 피해를 입은 회로망 상태들을 모델링하는 것에 의해, 장애들을 식별하기 위한 패턴들이 생성되고 (이하에서, 장애들을 식별하기 위한 패턴들은 장애 패턴들이라고도 지칭됨), 회로망 안정성을 보장하기 위한 대책들이 이러한 장애 패턴들에 할당된다. 이 정보는 데이터 메모리에 저장된다. 회로망에서 장애 패턴이 발생하면, 이 패턴은 데이터 메모리에 존재하는 장애 패턴들과 비교될 수 있다. 데이터 메모리에서 상응하는 장애 패턴을 식별하는 것에 의해, 연관된 장애 및 요구되는 조치가 이어서 식별된다. 장애 패턴들에 기초한 그러한 모델 기반 회로망 장애 검출을 추가로 개선시킬 필요가 있다.
본 발명의 목적은 장애 패턴들에 기초하여 회로망 고장 검출을 개선시키는 것이다.
이 목적은 청구항 1에서 청구된 바와 같은 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성을 위한 방법, 청구항 9에 청구된 바와 같은 전기 회로망들에서 장애들을 식별하기 위한 방법, 청구항 11에서 청구된 바와 같은 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성을 위한 시스템, 청구항 12에 청구된 바와 같은 전기 회로망들에서 장애들을 식별하기 위한 시스템 및 청구항 13에 청구된 바와 같은 컴퓨터 프로그램 제품에 의해 달성된다.
본 발명은, 장애 패턴들이 보통, 연관된 장애에 대한 특성일 뿐만 아니라, 회로망의 공칭[즉, 무장애(fault-free)] 상태에 의존하기도 하며, 즉 이들이 상대적으로 특정적(relatively specific)이라는 인식에 기초한다.
따라서, 본 발명의 주제의 일 구성에 따르면, 생성된 장애 패턴들에 대한 공칭 회로망 상태들의 영향이 대체로 제거되는, 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성을 위한 방법이 제안된다. 여기서 "전기 회로망"이라는 용어는 광의적으로 해석되어야 한다. 이는 요소들에 전력을 공급할 목적으로 요소들 사이에서 전기가 교환되는 요소들의 각각의 조합을 포함해야 한다. 예들은 고전압, 중전압 및 저전압 범위들에서의 전기 전송 회로망 및 전기 분배 회로망들을 포함하지만 이들로 국한되지 않는다. 본 발명은 시스템 컴포넌트들의 전력 공급의 모델링이 제공되는, 전기로 작동되는 모든 복잡한 기술적 시스템들에 또한 적용가능하다.
이 구성에 따르면, 이하에서 설명되는 단계들은 다양한 시점들에 실행되며, 따라서 가능한 장애 이후의 시간 프로파일에 대한 패턴이 생성된다. 그렇지만, 이러한 실행이 이러한 다양한 시점들에 일어날 필요는 없으며, 즉, 이 방법은 패턴들의 실시간 생성 및 오프라인 생성 둘 다를 포함한다. 제1 단계로서, 전기 회로망에서 전기 회로망에 특정적인 가측 변수들(measurable variables)에 대한 전기 회로망의 상태를 특성화하는 값들이 사용된다. 여기서 "가측"이란 데이터 타입을 지칭한다. 값들 자체는 측정에 의해 결정될 수 있지만 그럴 필요는 없다. 일 구성에 따르면, 이들은 모델링 또는 시뮬레이션에 의해 획득된 값들일 수 있다. 특히, 변수들 자체는 그 값들이 포인터 데이터로서, 즉 포인터 측정 장비에 의해 측정될 수 있는 변수들일 수도 있다. 이와 관련하여 이하에서, 전기 회로망은 전기 에너지의 전송 및 분배를 위해 제공된 또는 그에 적합한 각각의 회로망, 특히 고전압, 중전압 및 저전압 분배 회로망들인 것으로 이해된다.
추가의 단계에서, 전기 회로망에 특정적인 데이터에 대한 값들은 전기 회로망에 대한 모델에 의해 결정된다. 이러한 결정은, 예를 들어, 제어 기술의 맥락에서의 "관측기(observer)"에 의해, 즉 관측된 기준 시스템의 알려진 입력 데이터 및 출력 데이터의 값들로부터 비-가측 변수들(non-measurable variables)의 값들을 결정하는 시스템에 의해 이루어질 수 있다. 여기서 모델에 의한 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들 또는 상태들에 기초한다. 알려진 회로망 특정 입력 변수들은, 예를 들어, 앞서 언급된 바와 같이 전기 회로망에 특정적인 가측 변수들을 포함할 수 있다. 알려지지 않은 회로망 특정 변수들의 값들은 무장애 작동 전기 회로망(즉, 회로망의 공칭 상태 또는 공칭 거동)에 따라 결정된다. 모델의 상태가 회로망 상태에 가능한 한 정확하게 상응하도록(예를 들어, 제어 기술의 맥락에서의 관측기를, 앞서 설명된 바와 같이, 표현할 수 있도록), 모델은 알려진 회로망 특정적 변수들의 적당한 피드백에 의해 제어될 수 있으며, 여기서, 그렇지만, 회로망의 무장애 또는 공칭 작동이라는 가정의 제약 조건이 적용된다.
장애들을 식별하기 위한 패턴의 생성은 그러면 전기 회로망의 상태를 특성화하는 값들과 다양한 시점들에 대한 모델에 의해 결정된 값들 사이의 차이를 형성하는 것에 의해 수행된다.
이러한 방식으로 생성된 패턴들은 대체로 회로망의 공칭 상태와 무관하거나, 적어도 더욱 무관하다. 즉, 특정의 장애에 대해, 상이한 공칭 회로망 상태들에서 동일한 또는 적어도 유사한 패턴들이 획득된다. 이것은 분석들에 유리한데, 그 이유는 (보다 적은 수의 장애 패턴 타입들로 인해) 복잡성의 감소 및 모델링 결과들의 보다 나은 전송성(transferability)이 달성되기 때문이다.
이 방법의 일 구성에 따르면, 전기 회로망에 특정적인 가측 변수들의 값들은 시뮬레이션에 의해 결정된다. 이 경우에, 장애들에 상응하는 전기 회로망의 다양한 상태들에 대해 전기 회로망의 상태들을 시뮬레이팅하기 위한 시스템이 제공된다. 이 시스템은 전기 회로망의 각각의 상태를 특성화하는, 전기 회로망에 특정적인 가측 변수들에 대한 값들을 결정하는 데 사용된다. 이러한 값들에 의해, 각각의 장애들을 식별하기 위한 패턴들이 이후 생성된다. 이러한 방식으로, 시뮬레이팅된 장애들에 상응하는 패턴들이 획득되며, 즉 패턴들과 장애들 사이의 할당이 달성된다. 장애들을 식별하기 위한 패턴들(즉, 장애 패턴들)의, 장애들에의 이러한 할당이 데이터베이스에 저장될 수 있다. 여기서 할당은 또한 간접적인 성질(indirect nature)을 가질 수 있다. 예를 들어, 장애들을 식별하기 위한 패턴들의, 연관된 장애들에 대한 대책들에의 할당이 일어날 수 있고, 데이터베이스에 저장될 수 있으며, 즉 각각의 장애가 대응책(countermeasure) 또는 대응책들을 통해 인덱싱된다.
이 방법의 다른 구성에서, 전기 회로망의 상태를 특성화하는 전기 회로망에 특정적인 가측 변수들에 대한 값들은 상응하는 측정값들에 의해 주어진다. 이후 복수의 상이한 모델들에 대하여, 전기 회로망에 특정적인 변수들에 대한 값들이 모델에 의해 결정된다. 이 경우, 모델에 의한 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들 또는 상태들에 기초한다. 알려지지 않은 회로망 특정 변수들은 전기 회로망에서의 장애에 따라 결정된다. 장애들을 식별하기 위한 패턴은 전기 회로망의 상태를 특성화하는 값들과 다양한 시점들에 대한 모델에 의해 결정된 값들 사이의 차이를 형성하는 것에 의해 생성된다. 이후, 복수의 모델들에 대해 생성된 패턴들 중에서, 과반수에 관련된 패턴의 값들의 절대 크기에 대한 척도의 최소치[예컨대, 경우에 따라, 특정된 범위에 걸쳐 패턴의 값들의 크기들의 가중 가산(weighted addition)]에 따라, 패턴이 식별될 수 있고, 연관된 장애가 식별된 패턴으로부터 추론될 수 있다.
본 발명은 전기 회로망들에서 장애들을 식별하기 위한 방법을 또한 포함한다. 이 목적을 위해, 전기 회로망에 특정적인 변수들에 대한 측정값들이 전기 회로망에서 다양한 시점들에 대해 사용되며, 전기 회로망에 특정적인 변수들에 대한 값들이 전기 회로망에 대한 모델에 의해 결정된다. 모델은 바람직하게는 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성을 위한 본 발명에 따른 방법에 사용되는 동일한 모델 또는 관측기이다. 모델에 의한 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들 또는 상태들에 기초하고, 여기서 알려지지 않은 회로망 특정 변수들의 값들은 무장애 작동 전기 회로망에 따라 결정된다. 장애들을 식별하기 위한 패턴은 측정값들과 다양한 시점들에 대한 모델에 의해 결정된 값들 사이의 차이를 형성하는 것에 의해 생성된다. 마지막으로, 이 패턴은 데이터베이스에 저장된, 본 발명에 따른 방법에 따라 생성된, 그리고 장애들에 할당된(전형적으로 1:1 할당) 패턴들과 비교된다. 이 비교는 패턴에 할당된 장애(상황에 따라서는 장애에 대해 취해질 대책을 포함함)를 식별해준다.
본 발명은 본 발명에 따른 방법에 따라 생성되고 장애들에 할당된 패턴들을 갖는 데이터베이스 및 시스템, 그리고 본 발명에 따른 방법들의 실행을 위한 컴퓨터 프로그램 제품을 또한 포함한다. 데이터베이스 및 시스템들은 종래의 하드웨어, 예를 들어, 컴퓨팅 매체 또는 저장 매체들에 기초하여 설계될 수 있다.
이하에서, 본 발명은 도면들의 도움을 받아 실시예의 예들의 맥락에서 보다 상세하게 설명된다. 여기서:
도 1은 장애 패턴들의 시뮬레이션 기반 생성을 위한 시스템을 도시하고 있다.
도 2는 장애 패턴들에 기초한 장애 식별을 도시하고 있다.
도 3은 공칭 회로망 상태에 대한 장애 패턴들의 의존성을 도시하고 있다.
도 4는 본 발명에 따른 장애 패턴들의 생성을 도시하고 있다.
도 5는 본 발명에 따른 장애 패턴들에 기초한 장애 식별을 도시하고 있다.
장애들의 시뮬레이션 기반 식별을 위한 하나의 가능성이 도 1 및 도 2의 도움을 받아 이하에서 제시된다. 도 1은 전기 회로망의 상태들의 시뮬레이션을 위한 시스템(1)(이하: 전기 회로망 시뮬레이터)을 도시하고 있다. 하기의 변수들은 시뮬레이션에서 역할을 수행한다:
Figure pct00002
이 절차는 2개의 필수 단계로 이루어져 있다:
1. 우선, 회로망의 상태가 전기 회로망의 운전 시간(run time) 동안(예를 들어, 매 15분마다) 결정되며, 이에 기초하여 다양한 장애들이 전기 회로망 시뮬레이터(1)의 도움을 받아 시뮬레이팅된다. 도 1은 시뮬레이팅된 장애 패턴(y)을 도시하고 있다. 이상적으로는, 가능한 대응책들이 또한 동시에 시뮬레이팅되고, 이러한 대응책들이 장애의 영향을 감소시키는 데 도움이 되는지 여부를 결정하기 위해 평가된다. 이 시뮬레이션 동안, 그러한 장애에 대한 실제 시스템의 PMU 측정값들에 상응하는, 장애 패턴들(y)이 기록된다. 이러한 장애 패턴들은 장애 패턴 데이터베이스(2)에 저장되며, 이러한 장애 패턴 데이터베이스는 현재 시스템 상태, 장애, 및 대응책에 따라 이러한 장애 패턴들을 정렬한다.
2. 두 번째 필수 단계는 도 2의 도움을 받아 설명된다. 작동 동안, 임계 거동(critical behavior)의 시작, 예를 들어, 전력 스윙이 검출되면, 측정된 PMU 값들 또는 상응하는 장애 패턴(y)이, 현재 회로망 상태에 대해 미리 시뮬레이팅된 장애 패턴들과 비교된다. 다양한 데이터 기반 접근법들이 이러한 패턴 인식(4)을 위해 사용될 수 있다. 이러한 방식으로, 이상적으로 장애의 원인이 식별될 수 있으며 적절한 대응책들이 제안될 수 있다.
본 발명에 따른 절차의 출발점은 사용된 또는 측정된 장애 패턴들(y)이 공칭 회로망 상태에 의존한다는 인식이다. 본 발명에 따르면, 회로망의 공칭 거동에서 유래되는 양이 크게 감소된다. 이것은 도 3에 예시되어 있다. 측정된 장애 패턴(y)로부터, 공칭 상태에 상응하는 패턴(yn)이 차감되어, 장애 패턴(e)이 얻어지며, 이러한 장애 패턴은 더 이상 공칭 거동과 장애 거동의 중첩에 대한 특성이 아니며, 장애 거동만에 대한 특성이다. 패턴(e)으로부터 명확하게 알 수 있는 바와 같이, 실제 거동은 우선 공칭 거동에 상응한다. 시점 "t1"로부터, 장애 거동이 발생하기 시작하고, 이는 곡선의 편향(deflection)에서 나타난다.
공칭 회로망 상태의 본 발명에 따른 제거를 구현하기 위해, 도 1 및 도 2에 설명된 방법은, 예를 들어, 관측기(5)에 의해 보완된다. 이것은 도 4 및 도 5의 도움을 받아 이하에서 예시된다. 하기의 변수들은 도 4 및 도 5에서 역할을 수행한다:
Figure pct00003
첫 번째 단계에서, 장애 패턴들이 생성되어 저장된다. 여기서 관측기(5)는, 전기 회로망 시뮬레이터(1)의 모델과 반드시 일치할 필요는 없는, 전기 회로망의 모델을 보유한다. 예를 들어, 이는, 현재 작동점에서 선형화되는 전기 회로망 시뮬레이터의 전기 회로망 모델에 상응하는, 선형 모델일 수 있다. 관측기 모델은, 예를 들어, 현재 작동점 주위에서 매 15분마다 새로이 선형화될 수 있다. 그에 부가하여, 관측기는 문헌으로부터 알려진 보정 항(correction term) L(y-^y)을 가지며, 이 보정 항은 무장애 경우[예를 들어, 제어 기술로부터 알려진 루엔버거 관측기(Luenberger observer)]에 관측기 장애 x-^x가 항상 매우 작도록 해줄 수 있다. 따라서, 무장애 작동에서, 시뮬레이팅된 PMU 측정값들(y)과 관측기 출력(^y) 사이의 편차는, 도 4에서의 패턴(e)으로부터 또한 알 수 있는 바와 같이, 대략 제로이다.
시뮬레이션 동안 시뮬레이션 모델의 입력 변수(w) 또는 파라미터(p)를 변경하는 것에 의해 전기 회로망 시뮬레이터(1)에서 장애가 모델링된다. 위의 표에 예들이 주어져 있다. 그렇지만, 관측기(5)에서, 이러한 입력 변수들 및 파라미터들이 장애의 시뮬레이션 동안 변경되지 않는다. 따라서, 장애 이후에, 전기 회로망 시뮬레이터(1)와 관측기(5)의 모델들은 더 이상 매칭하지 않으며, 따라서 시뮬레이팅된 PMU 값들(y)과 관측기의 상응하는 값들(^y)이 또한 서로 상이하다. 결과적인 장애 신호 e = y - ^y는 장애 이전에 대략 제로이고 장애 이후에 제로로부터 크게 벗어난다(도 4 참조). 도 1 및 도 2에 설명된 방법과 달리, 장애 패턴(e)이 y 대신에 장애 패턴 데이터베이스(2)에 저장된다.
장애들에 대한 반응은, 이제 도 5의 도움을 받아 이하에서 나타낸 바와 같은, 두 번째 단계에서 일어난다. 작동 동안 장애들을 식별하기 위해, 관측기(5)는 작동 동안 계속 실행된다(도 5 참조). 관측기의 모델은, 첫 번째 단계에서 마지막으로 사용된 모델에 상응하며, 즉, 이는 경우에 따라서는 매 15분마다 새로이 선형화될 수 있다. 보정 항 L(yP-^y)은 이제 관측기 상태(^x)를 실제 회로망의 상태에 가깝게 유지하기 위해 PMU 측정값들(yP)을 사용한다. 마지막으로, 장애 신호 e = yP - ^y가 형성되고, 장애 패턴 데이터베이스 내의 패턴들과 비교된다[패턴 인식(4)].
대안의 실시예는 장애 데이터베이스 또는 전기 회로망 시뮬레이터를 전혀 요구하지 않는다. 여기서, 관측기(5)는, 도 5에서와 같이, PMU 측정값들을 입력 변수들로서 사용하여, 작동된다. 그에 부가하여, 추가의 관측기들이, 도 5에서와 같이, PMU 측정값들을 입력 변수들로서 사용하여 작동되지만, 이러한 관측기들은 각각의 관측기가 특정 장애에 대해 "검정"된다는 점에서 차이가 있다. 예를 들어, 파라미터 p = p0이 무장애 모델을 설명하고 파라미터들 p = p1, p = p2 및 p = p3이 3개의 상이한 장애들을 설명하는 경우, 4개의 관측기들이 병렬로 실행되며, 각각의 관측기는 파라미터들 p0, p1, p2, p3을 갖는다. 무장애 경우에, 장애 신호 e0 = yP - ^y0은 제로로 수렴한다. 그렇지만, 연관된 파라미터 p1에 대해 장애가 발생하면, e0은 제로로 수렴하지 않고, 그 대신에 장애 신호 e1 = yP - ^y1이다. 다른 2개의 장애에 대해서도 마찬가지이다. 이것은 장애들을 간단하게 식별하는 것을 가능하게 해준다. 그렇지만, 이 실시예에서는, 효과적인 대응책들의 도출이 상이한 방식으로 취해져야만 한다.
필수적인 발명 단계는 시뮬레이터, 관측기 및 패턴 인식의 조합이, 상이한 장애 패턴들의 분리를 용이하게 한다는 인식이다. 여기에 또한 본 발명의 주요 장점이 있다. 이전의 방법에서는, 공칭(무장애) 시스템 거동과 장애있는 거동이 장애 패턴들에서 중첩된다. 새로운 방법에서는, 관측기가 공칭 시스템 거동과 장애있는 거동을 분리시킨다. 이것은 패턴 인식을 용이하게 한다.
이 방법의 확장들은 중대한 상황들에서 운영자에게 적당한 대응책들을 제안하거나, 이들을 자동으로 수행하는 전기 회로망 운영자들을 위한 보조 시스템들에 대해 사용될 수 있다.

Claims (13)

  1. 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성을 위한 방법이며, 상기 방법에서는 다양한 시점들에 대해,
    - 상기 전기 회로망에서 상기 전기 회로망에 특정적인 가측 변수들(measurable variables)에 대한 전기 회로망의 상태를 특성화하는 값들이 사용되고,
    - 상기 전기 회로망에 특정적인 상기 변수들에 대한 값들은 상기 전기 회로망에 대한 모델에 의해 결정되며
    -- 모델에 의한 상기 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하고,
    -- 상기 알려지지 않은 회로망 특정 변수들은 무장애 작동 전기 회로망에 따라 결정되며,
    - 장애들을 식별하기 위한 패턴은 상기 상태를 특성화하는 상기 값들과 상기 다양한 시점들에 대한 모델에 의해 결정된 상기 값들 사이의 차이를 형성하는 것에 의해 생성되는, 패턴들의 생성을 위한 방법.
  2. 제1항에 있어서,
    상기 알려진 회로망 특정 입력 변수들은 상기 전기 회로망에 특정적인 상기 가측 변수들을 포함하는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  3. 제1항 또는 제2항 중 어느 한 항에 있어서,
    상기 모델은 알려진 회로망 특정 변수들에 기초하여 제어되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    - 장애들에 상응하는 다양한 상태들에 대한 상기 전기 회로망의 상태들의 시뮬레이션을 위한 시스템(1)에 의해, 상기 전기 회로망에 특정적인 상기 가측 변수들에 대한 상기 전기 회로망의 상기 각각의 상태를 특성화하는 상기 값들이 결정되며,
    - 상기 각각의 장애들을 식별하기 위한 상기 패턴들은 상기 값들에 의해 생성되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  5. 제4항에 있어서,
    - 장애들을 식별하기 위한 패턴들의, 장애들에의 할당이 데이터베이스(2)에 저장되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  6. 제5항에 있어서,
    - 장애들을 식별하기 위한 패턴들의, 상기 연관된 장애들에 대한 대책들에의 할당이 이루어지고, 데이터베이스(2)에 저장되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    - 상기 전기 회로망에 특정적인 가측 변수들에 대한 상기 전기 회로망의 상태를 특성화하는 상기 값들은 상기 상응하는 측정값들에 의해 주어지고,
    - 복수의 상이한 모델들에 대하여, 전기 회로망에 특정적인 상기 변수들에 대한 값들이 상기 모델에 의해 결정되며,
    -- 모델에 의한 상기 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하고,
    -- 상기 알려지지 않은 회로망 특정 변수들의 상기 값들은 상기 전기 회로망에서의 장애에 따라 결정되며,
    - 장애들을 식별하기 위한 패턴이, 상기 상태를 특성화하는 상기 값들과 상기 다양한 시점들에 대한 모델에 의해 결정된 상기 값들 사이의 차이를 형성하는 것에 의해 생성되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  8. 제7항에 있어서,
    - 상기 복수의 모델들에 대해 생성된 상기 패턴들로부터, 상기 패턴의 값들의 절대 크기에 대한 척도의 과반수에 관련된 최소치에 따라 패턴이 식별되고,
    - 상기 연관된 장애는 상기 식별된 패턴으로부터 추론되는 것을 특징으로 하는, 패턴들의 생성을 위한 방법.
  9. 전기 회로망들에서 장애들을 식별하기 위한 방법이며, 상기 방법에서는 다양한 시점들에 대해,
    - 전기 회로망에서 상기 전기 회로망에 특정적인 변수들에 대한 측정값들이 사용되고,
    - 상기 전기 회로망에 특정적인 상기 변수들에 대한 값들은 상기 전기 회로망에 대한 모델에 의해 결정되며
    -- 모델에 의한 상기 결정은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하고,
    -- 상기 알려지지 않은 회로망 특정 변수들은 무장애 작동 전기 회로망에 따라 결정되며,
    - 장애들을 식별하기 위한 패턴은 상기 측정값들과 상기 다양한 시점들에 대한 모델에 의해 결정된 상기 값들 사이의 차이를 형성하는 것에 의해 생성되고,
    - 상기 패턴은, 데이터베이스(2)에 저장되고, 제1항 내지 제6항 중 어느 한 항에 따른 방법에 따라 생성되며, 장애들에 할당되는 패턴들과 비교되는, 장애들을 식별하기 위한 방법.
  10. 제1항 내지 제6항 중 어느 한 항에 따른 방법에 따라 생성되고 장애들에 할당되는 패턴들을 갖는 데이터베이스(2).
  11. 제1항 내지 제6항 중 어느 한 항에 따른 전기 회로망들에서 장애들을 식별하기 위한 패턴들을 상기 전기 회로망에 대한 모델에 의해 생성하기 위한 시스템이며,
    - 상기 시스템은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하여 모델에 의한 결정을 하도록 설계되고,
    - 상기 알려지지 않은 회로망 특정 변수들은 무장애 작동 전기 회로망에 따라 결정되는, 패턴들을 생성하기 위한 시스템.
  12. 제8항에 따른 전기 회로망들에서 장애들을 상기 전기 회로망에 대한 모델에 의해 식별하기 위한 시스템(1)으로서,
    - 상기 시스템(1)은 알려진 회로망 특정 입력 변수들 및 알려지지 않은 회로망 특정 변수들에 기초하여 모델에 의한 결정을 하도록 설계되고,
    - 상기 알려지지 않은 회로망 특정 변수들은 무장애 작동 전기 회로망에 따라 결정되며,
    - 상기 시스템은 제9항에 따른 데이터베이스(2)를 포함하는, 장애들을 식별하기 위한 시스템(1).
  13. 컴퓨터 판독가능 매체에 저장되고 컴퓨터 판독가능 프로그램 매체들을 포함하는 컴퓨터 프로그램 제품이며, 상기 컴퓨터 프로그램 제품이 데이터 프로세싱 장치로서의 컴퓨터 및/또는 클라우드 기반 데이터 프로세싱 장치 상에서 실행될 때, 상기 컴퓨터 및/또는 상기 클라우드 기반 데이터 프로세싱 장치로 하여금 제1항 내지 제8항 중 어느 한 항에 따른 방법을 실행하게 하는, 컴퓨터 프로그램 제품.
KR1020197025617A 2017-01-31 2018-01-23 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성 KR20190108623A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17153978.6 2017-01-31
EP17153978.6A EP3355073B1 (de) 2017-01-31 2017-01-31 Generierung von mustern für die identifikation von fehlerfällen in stromnetzen
PCT/EP2018/051514 WO2018141573A1 (de) 2017-01-31 2018-01-23 Generierung von mustern für die identifikation von fehlerfällen in stromnetzen

Publications (1)

Publication Number Publication Date
KR20190108623A true KR20190108623A (ko) 2019-09-24

Family

ID=57963022

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197025617A KR20190108623A (ko) 2017-01-31 2018-01-23 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성

Country Status (5)

Country Link
US (1) US11874316B2 (ko)
EP (1) EP3355073B1 (ko)
KR (1) KR20190108623A (ko)
ES (1) ES2914246T3 (ko)
WO (1) WO2018141573A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018125877A1 (de) * 2018-10-18 2020-04-23 Rheinisch-Westfälische Technische Hochschule (Rwth) Aachen Verfahren zur sicheren Netzbetriebsführung eines elektrischen Übertragungsnetzes
CN109450089B (zh) * 2018-11-08 2020-08-11 国网河北省电力有限公司电力科学研究院 一种台区低电压识别方法、装置及终端设备
CN110188122B (zh) * 2019-05-15 2021-12-10 电子科技大学 一种用于不同线损行为间的关联关系分析方法
CN110829463A (zh) * 2019-11-19 2020-02-21 国网湖南省电力有限公司 基于频率分解和相关系数法的电网弱阻尼辨识方法、系统及介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60237593D1 (de) * 2002-07-08 2010-10-21 Abb Research Ltd Parameterschätzung für Energieversorgungsnetz
DE102004058619A1 (de) * 2004-12-04 2006-06-08 Audi Ag Diagnoseverfahren in Systemen
CA2711032A1 (fr) * 2010-07-28 2012-01-28 Hydro Quebec Localisation d'un defaut sur une section de ligne d'un reseau de distribution hors tension
US20150378807A1 (en) * 2014-06-30 2015-12-31 International Business Machines Corporation Predicting process failures using analytics
ES2746149T3 (es) 2014-07-25 2020-03-04 Siemens Ag Procedimiento, sistema y producto de programa informático para el control y/o la regulación de un sistema eléctrico de energía
US20160116522A1 (en) * 2014-10-27 2016-04-28 King Fahd University Of Petroleum And Minerals Fully adaptive fault location method
US9746511B2 (en) * 2015-11-25 2017-08-29 Hitachi, Ltd. Estimating the locations of power system events using PMU measurements
US10530184B2 (en) * 2016-06-23 2020-01-07 Landis+Gyr Innovations, Inc. Validating power network models for monitoring and correcting operation of electric power networks

Also Published As

Publication number Publication date
WO2018141573A1 (de) 2018-08-09
US11874316B2 (en) 2024-01-16
EP3355073A1 (de) 2018-08-01
ES2914246T3 (es) 2022-06-08
US20200003821A1 (en) 2020-01-02
EP3355073B1 (de) 2022-05-18

Similar Documents

Publication Publication Date Title
KR20190108623A (ko) 전기 회로망들에서 장애들을 식별하기 위한 패턴들의 생성
US20150046123A1 (en) Operation management apparatus, operation management method and program
CN107203816B (zh) 一种电力系统二次设备的故障检修方法及系统
US11656589B2 (en) Systems and methods for automatic power topology discovery
EP3553541A1 (en) Device and method for locating earth faults in electrical distribution grids
de Souza et al. Inter-turn short-circuit fault diagnosis using robust adaptive parameter estimation
Zhou et al. False analog data injection attack towards topology errors: Formulation and feasibility analysis
CN107742046B (zh) 一种考虑继电器类单机贮存退化的潜通路分析方法
Lashkari et al. Asynchronous motors fault detection using ANN and fuzzy logic methods
Sardashti et al. Observer-based Sensor Fault Detection in Islanded AC Microgrids Using Online Recursive Estimation
RU2612325C1 (ru) Способ релейной защиты энергообъекта
Isazadeh et al. A new intelligent wide area controlled islanding detection method in interconnected power systems
Isazadeh et al. A new wide area intelligent multi-agent islanding detection method for implementation in designed WAMPAC structure
Duong et al. Architecture and laboratory implementation of a testing platform for Wide Area Monitoring Systems
Meliopoulos et al. Dynamic Estimation-Based Protection and Hidden Failure Detection and Identification: Inverter-Dominated Power Systems
KR20160079964A (ko) 온라인 발전기 고장 파급 시스템의 안정도 마진을 산정하기 위한 장치 및 그 방법
Pérez-Londoño et al. A comparative analysis of dynamic load models for voltage stability studies
Azmi et al. Implementation of advanced real-time simulation platform for testing and validation of pmu-based applications in large-scale power system
Cooper et al. High impedance fault detection through quasi-static state estimation: a parameter error modeling approach
Samet et al. Protection of ring distribution networks with distributed generation based on Petri Nets
Guddanti et al. Local Measurement Based Robust Voltage Stability Index & Identification of Voltage Collapse Onset
Sarmin et al. Real-Time Transient Instability Identification in Power Systems USING a PMU-Based EMS System
Narzary et al. Higher Order Sliding Mode Observer-Based Sensor Fault Detection in DC microgrid’s Buck Converter. Energies 2021, 14, 1586
Blenk et al. State-Space Based Load Flow Simulation in a Hardware-In-The-Loop System for Real-Time Demonstration of Charging Infrastructures
Kumar et al. Real-Time Hardware-in-Loop Testbed for Power System Analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application