Le rôle du traitement numérique des signaux dans l'identification des défaillances des systèmes d'alimentation

Le rôle du traitement numérique des signaux dans l'identification des défaillances des systèmes d'alimentation

Les réseaux électriques modernes sont confrontés à une complexité croissante en raison de la production distribuée, de l'intégration renouvelable et de la demande croissante. Lorsque des défauts se produisent, ils doivent être identifiés et isolés en millisecondes pour éviter les dommages matériels, les pannes en cascade et les risques de sécurité. Le traitement numérique des signaux (DSP) est devenu une technologie fondamentale pour atteindre cette vitesse et cette précision.

Comprendre les défauts des systèmes électriques

Les défauts d'un système d'alimentation sont les suivants : courts circuits (phase à phase ou phase à sol), circuits ouverts et défauts évolutifs qui changent les caractéristiques au fil du temps. Les défauts peuvent être causés par des éclairs, des pannes d'équipement, des contacts avec les animaux, des empiétements sur la végétation ou des erreurs humaines.

Les systèmes de protection traditionnels reposent sur des relais électromécaniques ou à l'état solide qui détectent les changements de courant excessif, de sous-tension ou d'impédance. Bien qu'efficaces pour de nombreux scénarios, ces approches analogiques ont des limites : elles luttent contre le bruit, ne peuvent pas facilement distinguer les différents types de failles et offrent des informations limitées pour l'analyse post-événement.

Types de fautes courantes et leurs signatures

• Défauts de ligne à terre :[ Le plus fréquent dans les lignes aériennes, caractérisé par une augmentation soudaine du courant de séquence zéro et de la tension sur la phase affectée.
• Défauts linéaires :[ Courant entre deux phases, produisant des courants de grande magnitude et une asymétrie de tension.
• Trois phases de défaillances :[ Rare mais sévère, avec augmentation équilibrée du courant et effondrement de la tension.
• Défauts de haute impédance: Difficile à détecter parce que le courant reste faible, mais produit des arcs avec des signatures harmoniques uniques.

L'identification précise des défauts nécessite l'analyse des composants à l'état stationnaire et transitoire du signal. C'est là que les techniques DSP excellent, car elles peuvent séparer et analyser le contenu de fréquence, la localisation temporelle et les propriétés statistiques invisibles aux simples relais basés sur des seuils.

Fondations du traitement numérique des signaux pour les systèmes d'alimentation

Le signal analogique est passé par un filtre anti-aliasing, échantillonné à une vitesse comprise entre 1 kHz et 100 kHz selon l'application, et quantifié en mots numériques. Le flux de données résultant est ensuite traité par des algorithmes fonctionnant sur microcontrôleurs, puces DSP ou FPGA dans des relais de protection, des unités de mesure de phasor (PMUs), ou des enregistreurs de faille dédiés.

Key concepts include sampling theory (Nyquist rate), quantization error, and the trade-off between resolution and speed. For power system faults, the signal contains both the fundamental 50/60 Hz component and high-frequency transients that may last for only a few microseconds. A well-designed DSP system must capture both without aliasing or excessive noise.

Traitement en temps réel et hors ligne

L'identification des défauts nécessite souvent un traitement en temps réel, où les algorithmes doivent être complétés dans une fraction d'un cycle (p. ex., 2 à 5 ms). Cela exige une mise en œuvre efficace et une sélection minutieuse des techniques.

Techniques clés de détection des défauts

Fourier Transform et ses variantes

Dans les systèmes d'alimentation, il est largement utilisé pour calculer l'harmonique et pour estimer le phasor fondamental (magnitude et angle de phase). La Discrete Fourier Transform (DFT) et sa mise en œuvre plus rapide, la Fast Fourier Transform (FFT), sont standard dans les relais numériques pour la localisation des défauts basés sur l'impédance et pour le calcul des composants symétriques (synthétiques, positifs, négatifs et séquences zéro).

Cependant, la DFT standard suppose que le signal est stationnaire, ce qui n'est pas vrai lors d'un passage de faille. Pour y remédier, la STFT applique une fenêtre coulissante, mais avec une résolution de résolution de fréquence fixe. Malgré cette limitation, les méthodes basées sur la DFT restent populaires en raison de leur efficacité computationnelle et de leurs performances bien comprises.

Pour une introduction mathématique approfondie, voir cet aperçu de FFT en génie de la puissance.

Transformer l'ondelette

La version Wavelet Transforme permet de surmonter la résolution fixe de STFT en utilisant des fenêtres de grandeur variable : fenêtres étroites pour le contenu à haute fréquence et fenêtres larges pour les basses fréquences. Cela rend particulièrement efficace la détection de défauts transitoires tels que des éclairs, des surtensions ou des défauts à arc haute impédance.

Dans la pratique, les systèmes de détection de failles basés sur les ondes analysent les coefficients de détail à différentes échelles. Une augmentation soudaine de l'énergie à haute fréquence indique un événement de faille, et le modèle à travers les échelles peut aider à classer le type de faille (p. ex., ligne à sol unique par rapport à ligne à ligne).

Un défi est la charge de calcul; l'implémentation en temps réel nécessite des algorithmes efficaces et du matériel dédié. Cependant, les puces DSP modernes et les FPGA peuvent gérer la décomposition des ondulateurs aux vitesses requises. Pour un tutoriel complet, reportez-vous à cet article IEEE sur les ondulateurs pour les transitoires du système d'alimentation.

Filtrage adaptatif

Les signaux du système d'alimentation sont souvent corrompus par le bruit provenant des opérations de commutation, des variations de charge ou des interférences de communication. Les filtres adaptatifs, tels que les algorithmes des moindres carrés moyens (LMS) ou des moindres carrés récursifs (RLS), règlent leurs coefficients en temps réel pour minimiser l'erreur entre la sortie du filtre et un signal désiré.

Dans l'identification des défauts, des filtres adaptatifs sont utilisés pour extraire le composant fondamental tout en supprimant les harmoniques et les interharmoniques. Ils peuvent également détecter les anomalies en identifiant les déviations par rapport au signal prédit. Par exemple, un filtre adaptatif en encoche accordé à la fréquence fondamentale produit une erreur élevée lorsqu'une défaillance se produit, déclenchant une détection.

Hilbert-Huang Transformer

Pour les signaux non stationnaires et non linéaires, la transformation Hilbert-Huang (HHT) offre une approche alternative. Elle décompose d'abord le signal en fonctions de mode intrinsèque (FMI) en utilisant la décomposition empirique du mode (DME), puis applique la transformation Hilbert à chaque FMI pour obtenir une fréquence et une amplitude instantanées. Cela fournit une excellente localisation temporelle des événements de défaillance et peut distinguer entre différents types de défaillances basées sur la distribution d'énergie à travers les FMI.

Filtre Kalman

Les filtres Kalman sont des estimateurs d'état qui prédisent et mettent à jour de façon récursive l'état d'un système dynamique à partir de mesures bruyantes. En matière de protection du système d'alimentation, ils peuvent estimer les phasors, suivre les variations de fréquence et détecter les changements brusques indiquant des défauts.

Avantages et défis de l'identification des fautes par le PSD

Principaux avantages

• Speed: Les algorithmes DSP peuvent traiter les données en microsecondes, permettant la détection des défauts dans moins d'un cycle de puissance.
• Accurence dans les environnements bruyants: Les techniques DSP filtrent le bruit et extraient des signatures subtiles de failles que les méthodes analogiques manquent.
• Flexibilité: La même plate-forme matérielle peut prendre en charge plusieurs algorithmes pour différents types de défauts et peut être mise à jour à distance.
• Richesse de l'information: DSP fournit magnitude, phase, fréquence, harmoniques et énergie transitoire, permettant une meilleure classification et une meilleure localisation des défauts.
• Intégration avec communication:[ Les données numériques peuvent être transmises pour des systèmes de protection centralisés, une surveillance à grande échelle et une analyse post-événement.

Défis à surmonter

• Compétitivité informatique:[ Les transformations avancées (onduleur, HHT) nécessitent une puissance et une mémoire importantes, surtout pour une utilisation en temps réel.
• Échantillonnage et synchronisation:[ Des taux d'échantillonnage élevés augmentent le volume de données et des mesures synchronisées (par exemple, via GPS) sont souvent nécessaires pour une localisation précise des défauts le long des lignes de transmission.
• Tuyage d'algorithme: De nombreuses méthodes DSP ont des paramètres qui doivent être ajustés pour des conditions de grille spécifiques, et un réglage incorrect peut conduire à de fausses alarmes ou des défauts manqués.
• Cybersécurité: Les systèmes de protection numérique sont vulnérables aux cyberattaques qui pourraient corrompre des données ou envoyer de faux signaux de voyage.
• Coût du matériel : Bien que les puces DSP soient devenues moins chères, la modernisation des sous-stations existantes avec des relais numériques modernes nécessite toujours des investissements.

Applications et études de cas dans le monde réel

Le traitement numérique des signaux est déjà intégré dans les relais de protection modernes des grands fabricants. Les relais numériques des entreprises comme Siemens, ABB, GE et SEL utilisent l'estimation de la hauteur basée sur DFT pour la protection de la distance, la protection différentielle et les schémas de surcourant directionnel. La norme IEEE C37.118 définit la mesure de synchronophasor en utilisant DFT avec un taux de reporting fixe, permettant des réseaux PMU qui fournissent une visibilité étendue.

Les relais de distance conventionnels peuvent souffrir d'inversion de tension et d'inversion du courant pendant les pannes. Les algorithmes basés sur le DSP utilisant des transformations de la vague ou un filtrage adaptatif peuvent correctement identifier la direction et la distance de la faille même dans ces conditions difficiles. Un autre cas est la détection de défauts de haute impossibilité (HIF) sur les alimentations de distribution. Les HIF produisent des courants faibles avec des caractéristiques d'arc qui comprennent des composants harmoniques et interharmoniques.

Dans les parcs éoliens, la détection de défaillances basée sur DSP aide à protéger le système de collecte et les convertisseurs de puissance. Les courants non sinusoïdaux de la génération interfaces inverses nécessitent des algorithmes qui peuvent séparer le composant de faille des harmoniques produits par les convertisseurs.

Pour plus de détails sur les implémentations pratiques, voir Le guide d'application de relais de protection d'ABB et Note d'application de SEL sur la détection de défauts à base d'onde.

Tendances futures du PSD pour la protection des systèmes d'alimentation électrique

Plusieurs tendances émergentes façonneront la prochaine génération d'identification de défauts fondée sur le PSD :

Intégration de l'apprentissage automatique

DSP fournit des ensembles de fonctionnalités riches, comme les énergies de vague, le contenu harmonique et les angles de phase, qui peuvent être introduits dans des réseaux neuronaux ou des machines vectorielles de soutien pour la classification des défauts. Les modèles d'apprentissage profond peuvent automatiquement apprendre des signatures complexes de défauts à partir de données historiques, ce qui peut améliorer la détection de défauts rares ou en évolution.

Computing Edge et Intelligence Distribuée

Avec la montée des capteurs de réseau intelligent et des appareils IoT, le traitement peut être poussé au bord du réseau. Les puces Edge DSP peuvent analyser les données localement, réduire la bande passante de communication et permettre une réponse plus rapide.

Taux d'échantillonnage plus élevés et capteurs à large bande

Les CT optiques modernes et les VT peuvent capter des signaux jusqu'à plusieurs mégahertz, révélant des transitoires à haute fréquence qui transportent des informations sur la localisation et le type de défaillance. Les algorithmes DSP doivent évoluer pour gérer efficacement ces données à large bande, en utilisant une représentation clairsemée ou une détection comprimée pour réduire la charge de calcul.

Algorithmes résistants à la cybersécurité

À mesure que la protection basée sur le DSP devient plus connectée, l'intégrité des mesures et des algorithmes devient critique. Des techniques comme la vérification de la signature numérique, la détection d'anomalies (en utilisant l'analyse d'enveloppe basée sur le DSP) et la synchronisation sécurisée du temps sont intégrées dans les relais de prochaine génération.

Conclusion

En mettant à profit des techniques telles que les transformations de Fourier et d'ondelet, le filtrage adaptatif et le filtrage Kalman, les systèmes de protection modernes peuvent détecter, classer et localiser les défauts plus rapidement et plus précisément que jamais. Bien que des défis subsistent – en particulier en ce qui concerne les exigences informatiques, l'accord des algorithmes et la cybersécurité – la trajectoire est claire : DSP continuera d'être la pierre angulaire de réseaux électriques plus intelligents et plus résilients.