תפקיד עיבוד אותות דיגיטליים ב Fault Identification for Power Systems

רשתות חשמל מודרניות להתמודד עם מורכבות מוגברת עקב הדור מבוזר, שילוב מתחדש, וביקוש גדל.כאשר מתרחשות תקלות, הם חייבים להיות מזוהים מבודד בתוך מילימטרים כדי למנוע נזק בציוד, מחלחלים, סיכונים בטיחותיים. Digital Signal Processing (DSP) הפך לטכנולוגיה בסיסית להשגת מהירות זו דיוק.

הבנה של מערכות חשמל

תקלה במערכת חשמל היא כל מצב חריג המשבש את הזרם הרגיל של זרם חשמלי.הסוגים הנפוצים ביותר כוללים מעגלים קצרים (phase-to-phase או שלב-קרקע), מעגלים פתוחים, ופגמים מתפתחים שמשנים מאפיינים לאורך זמן. Faults יכול להיגרם על ידי התקפי ברק, ציוד, מגע בבעלי חיים, הסתחפת צמחים, או טעות אנושית.

תוכניות הגנה מסורתיות מסתמכות על הודעות אלקטרו-מכניות או מוצקות של מדינות שמזהות יותר מדי, תת-תזונה, או שינויים בלתי-מעצורים. בעוד יעילות עבור תרחישים רבים, לגישות אנלוגיות אלה יש מגבלות: הן נאבקות עם רעש, לא יכולות להבחין בקלות בין סוגים שונים של תקלות, ומציעות מידע מוגבל לניתוח שלאחר-אפילוט.DSP מתגבר על מגבלות אלה על ידי הפקת תכונות עשירות מגלי גלמדגם.

סוגי Fault וחתימותיהם

  • (FLT:0) טעויות קרקעיות: FIRLT:1) תכופים ביותר בקווים מעל פני השטח, מאופיין עלייה פתאומית בזרם אפס-הטווח הנוכחי והמתח הטמון בשלב המושפע.
  • (ב) [15] ,0) , פגום בקו: ⁇ 1 (ב) בין שני שלבים, ומייצרת זרמים גדולים וסימטריה מתח.
  • (ב) [15] ,3-phaseפגמים: FLT:1 נדיר אך חמור, עם עלייה מאוזנת של מתח והתמוטטות מתח.
  • (ב) ,0) תקלות של התנגדות גבוהה: קשה לזהות כי הנוכחי נשאר נמוך, אך לייצר קשתות הרמוניות ייחודיות.

זיהוי אשמה מחייב ניתוח מרכיבים יציבים ו transientיים של האות.כאן טכניקות DSP מצטיינים, כפי שהם יכולים להפריד ולנתח תוכן תדירות, היערכות זמן, ונכסים סטטיסטיים כי הם בלתי נראים להודעות פשוטות המבוססות על הסף.

יסודות של עיבוד אותות דיגיטליים עבור מערכות חשמל

DSP מתחיל עם דיגיטציה של אותות אנלוגיים מן הטרנספורמציה הנוכחית (CTs) ומשנה מתח (VTs) אות אנלוגי מועבר דרך מסנן נגד-aliasing, המדגם בקצב בדרך כלל בין 1 kHz ל -100 k k בהתאם ליישום, ונוכח במילים דיגיטליות.הזרם הנתונים המתקבל מעובד על ידי הפעלת אלגוריתמים על מיקרו-בקר, DSP, שבבים, או FPGAs בתוך יחידות הגנה ייעודיות (PMU), או תועדות).

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.

זמן אמיתי לעומת עיבוד Offline

זיהוי Fault דורש לעתים קרובות עיבוד בזמן אמת, שבו האלגוריתמים חייבים להשלים בתוך חלק ממחזור (למשל, 2-5 מ's) זה דורש יישום יעיל ובחירת זהיר של טכניקות. עיבוד Offline, מצד שני, יכול להשתמש בשיטות אינטנסיביות יותר חישובית לניתוח שלאחר event, עוזר מהנדסים להבין סיבות שורש ולשפר הגדרות הגנה.

שיטות מפתח DSP ב Fault Detection

Fourier Transform and Its Variants

ה- Fourier Transform Decom מניח אות לרכיבי התדרים הייחודיים שלה. במערכות חשמל, זה נפוץ מאוד כדי למקם הרמוניות מקבילות להעריך את הפקודמנטל (matude and Phaseזווית) The Discrete Fourier Transform (DFT) ואת היישום המהיר שלו, את הארבעהייה המהיר (FFT), הם סטנדרטיים בממסרים דיגיטליים עבור מיקום מבוסס-חיובי ו-APTDSEOL עבור רכיבים שליליים (opic), ו-APTD).

עם זאת, ה- DFT הסטנדרטי מניח שהאות הוא קבוע, שאינו נכון במהלך מסע לקוי.לכתובת זאת, ה-DFT-Time Fourier Transform (STFT) חל על חלון מחוספס, אך עם החלטה קבועה של זמן-פתרון המסחר-off.למרות הגבלה זו, שיטות מבוססות DFT נותרו פופולריות בגלל יעילות חישובית וביצועים מגובשים היטב.

להצגת מתמטיקה עמוקה, ראה:0 (הופנה מהדף FFT) ב- Power EngineeringFLT:1.

גללט Transform

ה- Wavelet Transform מתגבר על סוגיית הרזולוציה הקבועה של STFT באמצעות חלונות בגודל משתנה: חלונות צרים לתוכן גבוה וחלונות רחבים בתדרים נמוכים.זה הופך אותו יעיל במיוחד לזיהוי תקלות טרנספורמטיביות כגון שביתות ברק, החלפת גולים, או כישוף של תקלות ברזולוציה גבוהה.composition לתוך מחיאות כפיים ופרטים coefficients חושף את התזמון והתדירות של שינויים פתאומיים.

בפועל, תוכניות זיהוי תקלות מבוסס גל מנתחות את האפקטיביות בפירוט בקנה מידה שונים.עלייה פתאומית באנרגיה גבוהה סיבולת מצביעה על אירוע אשמה, ואת התבנית בקנה מידה יכול לעזור לסווג את סוג השגיאה (למשל, קו אחד אל-קרקע לעומת קו-שורה). גללט הופך משמש גם עבור אותות מרתיעים לפני ניתוח נוסף, שיפור הדיוק של מרחקים.

אתגר אחד הוא העומס חישובי; יישום בזמן אמת דורש אלגוריתמים יעילים וחומרה ייעודית.עם זאת, שבבי DSP מודרניים ו- FPGAs יכולים להתמודד עם פירוק הגלים במהירויות הנדרשות.עבור הדרכות מקיפה, מתייחס ל-FLT:0 מאמר זה IEEE על גלונים עבור מערכת חשמל טרנספורמטיביים 1.

פילטר

אותות מערכת חשמל מושחתים לעתים קרובות על ידי רעש מהחלפת פעולות, וריאציות עומס, או התערבות תקשורת.פילטרים הסתגלות, כגון כיכרות Least Mean (LMS) או אלגוריתמים של ליסטר (RLS) , להתאים את האפקטיביות שלהם בזמן אמת כדי למזער את השגיאה בין הפלט ואת אות הרצוי.זה מאפשר להם לעקוב אחר מצבים משתנים ודכאים ללא צורך בידע קודם של סטטיסטיקות.

בזיהוי לקוי, מסננים אדפטיים משמשים כדי לחלץ את המרכיב הבסיסי בעת הסרת הרמוניות והרמוניה הדדית.הם יכולים גם לזהות anomalies על ידי זיהוי סטיית מהסימן הצפוי.לדוגמה, נוטריון הסתגלות המסונן לתדירות הבסיסית מייצר שגיאה גבוהה כאשר מתרחשת תקלה, גרימת מסנן הסתגלות מועסק גם בסדרה-מתואם קווים שבו שיטות קונבנציונאליות עשוי להיות פגום להיכשל מפוכחות על ידי להיכשל דחייה.

הילברט-הואנג Transform

עבור אותות לא-סטיאו-סטליניים, הילברט-הואנג Transform (HHT) מציעה גישה חלופית.זה הראשון מסמן את האות לפונקציות מצב פנימי (IMF) באמצעות פיזור מצב אמפירי (EMD), ולאחר מכן חל על מצב הילברט להפוך לכל אחד IMF כדי להשיג תדירות מיידית ו ampudeude.זה מספק זמן מצוין של התאמה למצבים שונים של תקלות, אם כי הוא דורש תקלות אנרגיה כגון IDyd.

המונחים:

מסננים קלמן הם estimators המדינה כי recursive לחזות ולעדכן את מצב של מערכת דינמי מ מדידות רועשות.הגנה על מערכת החשמל, הם יכולים להעריך phasors, לעקוב אחר וריאציות תדירות, לזהות שינויים פתאומיים המציין תקלות.היכולת של מסנן להתמודד עם מדידה ודינמיקה תהליך עושה את זה מתאים יישומים שבו המודל מוגדר היטב.

יתרונות ואתגרים של DSP-מבוססים על Fault Identification

יתרונות מפתח

  • (FLT:0Speed:EveFLT:1 אלגוריתמי DSP יכולים לעבד נתונים במיקרו-שניות, המאפשר זיהוי לקוי בפחות ממחזור כוח אחד.
  • (FLT:0) דיוקנות בסביבות רועשות: FIRLT:1 טכניקות DSP מסנן רעש ומצילה חתימות עדינות ששיטות אנלוגיות מפספסות.
  • (FLT:0) lexibility: 1:1 באותה פלטפורמה חומרה יכול לתמוך אלגוריתמים מרובים עבור סוגים שונים של תקלות, ניתן לעדכן מרחוק.
  • (ב) ⁇ :0) העושר: ⁇ 1DSP מספק גודל, שלב, תדירות, הרמוניות ואנרגיה טרנספורמטיבית, המאפשרת סיווג לקוי טוב יותר ומיקום.
  • (FLT:0) אינטגרציה עם תקשורת:FLT:1) ניתן להעביר נתונים דיגיטליים עבור תוכניות הגנה מרכזי, ניטור רחב-שטח, וניתוח פוסט-שבעט.

אתגרים לOvercome

  • מורכבות:0 (FLT:1 Advanced Changes (גללט, HHT) דורש כוח עיבוד משמעותי וזיכרון, במיוחד לשימוש בזמן אמת.
  • (FLT:0Sampling and synSyncization: ההרחבה הראשונה של ההרחבה גבוהה של sampling עולה נפח הנתונים, ומדידות מסונכרנות (למשל, באמצעות GPS) נדרשים לעתים קרובות למיקום מדויק של תקלות לאורך קווי השידור.
  • (FLT:0) אלגוריה: שיטות DSP רבות יש פרמטרים שיש לכוון לתנאי רשת ספציפיים, וכוונון לא תקין יכול להוביל לאזעקות כוזבות או תקלות מפספסות.
  • (FLT:0)Cybersecurity: מערכות הגנה דיגיטליות של 1FLT הן פגיעות להתקפות סייבר שעלולות להשחית נתונים או לשלוח אותות של מסע כוזב.
  • (FLT:0) עלות ההדרה: 1FLT בשעה ש-DSP צ'יפס הפך זול יותר, רטרוספקטציות קיימות עם מסרים דיגיטליים מודרניים עדיין דורשות השקעה.

יישומים אמיתיים ומקריות

עיבוד אותות דיגיטלי כבר מוטבע במסרים הגנה מודרניים של יצרנים גדולים.מספרים מחברות כמו Siemens, ABB, GE ו-SEL משתמשים ב- DFT מבוסס phasor estimation for Distance Protection, הגנה שונה, וכיוון על תוכניות עדכניות. תקן IEEE C37.118 מגדיר סינכרונרופסטור באמצעות DFT עם שיעור דיווח קבוע, המאפשרת PMU לספק רשתות חשיפה רחבות.

יישום בולט אחד הוא קווים שידורים מתואמת סדרה.הודעות מרחק האמנה עלולות לסבול ממתח דחייה והעומס הנוכחי במהלך תקלות. אלגוריתמים מבוססי DSP באמצעות גללט משנה או סינון הסתגלות יכול לזהות נכון את הכיוון ואת המרחק אפילו בתנאים קשים אלה. מקרה אחר הוא זיהוי של תקלות בנק-התקוממויות גבוהות (HFs) על מפיצים.IF מייצרת באופן תקין כיוון ופגיעה בתכונות נמוכות של Daciin-DEXOD.

בחוות רוח, זיהוי תקלות מבוסס DSP מסייע להגן הן על מערכת האיסוף והן על ממירי הכוח.הזרמים הלא-סנואידים מדורים ממול-פנים דורשים אלגוריתמים שיכולים להפריד את המרכיב הפגום מנזקים המיוצרים על ידי הממירים. פילטרים ⁇ ⁇ פילטרים קלמן משמשים להשגת הגנה אמינה בסביבות אלה.

לקריאה נוספת על יישום מעשי, ראה:0 (הופנה מהדף הגנת הפרטיות של ABABB) מדריך יישום יישום של יישום (FLT:1 ו-FLT:2SEL) על זיהוי תקלות מבוסס גללט 3:

מגמות עתידיות ב-DSP להגנת מערכות חשמל

כמה מגמות מתעוררות יעצבו את הדור הבא של זיהוי אשמה מבוסס DSP:

אינטגרציה למידת מכונות

DSP מספק ערכות תכונה עשירות - כגון אנרגיות גל, תוכן הרמוני, וזווית שלב - שניתן להאכיל ברשתות עצביות או לתמוך מכונות וקטור עבור סיווג לקויה.מודלים למידה עמוק יכול ללמוד אוטומטית תקלות מורכבות מהנתונים ההיסטוריים, פוטנציאל לשפר את זיהוי של תקלות נדירות או מתפתחות.

צוק ואינטליגנציה דיסטריוט

עם עליית חיישני רשת חכמים ומכשירי IoT, ניתן לדחוף את העיבוד לקצה הרשת. Edge DSP צ'יפס יכול לנתח נתונים באופן מקומי, להפחית את רוחב הפס התקשורת, ולאפשר תגובה מהירה יותר.זה חשוב במיוחד עבור מיקרו-צמחונים ומערכות הפצה שבו שליטה מרכזית עשויה להיות לא מעשית.

גבוה יותר שיעורי סמפל וחיישנים רחבים

CT אופטי מודרני ו VTs יכול ללכוד אותות עד כמה מגהרץ, לחשוף טראנסים גבוה ספארי נושאים מידע על מיקום אשם וסוג. אלגוריתמי DSP חייב להתפתח כדי להתמודד עם נתונים רחב כזה ביעילות, באמצעות ייצוג ספארי או דחוס רגיש כדי להפחית עומס חישובי.

Cybersecurity-Resilient Algorithms

מאחר שהגנה מבוססת DSP הופכת ליותר מחוברת, הבטחת שלמות המדידות והאלגוריתמים הופכת קריטית.טכניקות כמו אימות חתימה דיגיטלית, זיהוי אנומלי (באמצעות ניתוח עטיפה מבוסס DSP), ואבטחת הסינכרון של זמן משתלבים בממסרי הדור הבא.

מסקנה

עיבוד אותות דיגיטליים שינה זיהוי לקוי במערכות כוח ממשמעת אנלוגית בעיקר למדע מדויק, מונע נתונים.על ידי מינוף טכניקות כגון Fourier ו- Wavelet הופכת, סינון הסתגלות, ו- Kalman סינון, מערכות הגנה מודרניות יכולות לזהות, לסווג, לאתר תקלות מהר יותר ומדויק יותר מאי פעם, בעוד אתגרים נשארים - במיוחד סביב דרישות חישוביות, כוונון, אבטחת סייבר ו-הזרקת שיטות אלה ימשיכו להיות חכמות יותר מאשר בעבר.