論文の概要: Data-driven Protection of Transformers, Phase Angle Regulators, and
Transmission Lines in Interconnected Power Systems
- arxiv url: http://arxiv.org/abs/2302.03826v1
- Date: Wed, 8 Feb 2023 01:44:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 17:31:47.600946
- Title: Data-driven Protection of Transformers, Phase Angle Regulators, and
Transmission Lines in Interconnected Power Systems
- Title（参考訳）: 連系電力系統における変圧器・位相角レギュレータ・伝送線路のデータ駆動保護
- Authors: Pallav Kumar Bera
- Abstract要約: この論文は、現代の電力グリッドにおける障害検出に対する機械学習(ML)アプローチへの関心と採用の高まりを浮き彫りにしている。
効果的なデータ処理と分析を行うMLベースのソリューションとツールが注目されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This dissertation highlights the growing interest in and adoption of machine
learning (ML) approaches for fault detection in modern power grids. Once a
fault has occurred, it must be identified quickly and preventative steps must
be taken to remove or insulate it. As a result, detecting, locating, and
classifying faults early and accurately can improve safety and dependability
while reducing downtime and hardware damage. ML-based solutions and tools to
carry out effective data processing and analysis to aid power system operations
and decision-making are becoming preeminent with better system condition
awareness and data availability. Power transformers, Phase Shift Transformers
or Phase Angle Regulators, and transmission lines are critical components in
power systems, and ensuring their safety is a primary issue. Differential
relays are commonly employed to protect transformers, whereas distance relays
are utilized to protect transmission lines. Magnetizing inrush, overexcitation,
and current transformer saturation make transformer protection a challenge.
Furthermore, non-standard phase shift, series core saturation, low
turn-to-turn, and turn-to-ground fault currents are non-traditional problems
associated with Phase Angle Regulators. Faults during symmetrical power swings
and unstable power swings may cause mal-operation of distance relays and
unintentional and uncontrolled islanding. The distance relays also mal-operate
for transmission lines connected to type-3 wind farms. The conventional
protection techniques would no longer be adequate to address the above
challenges due to limitations in handling and analyzing massive amounts of
data, limited generalizability, incapability to model non-linear systems, etc.
These limitations of differential and distance protection methods bring forward
the motivation of using ML in addressing various protection challenges.
- Abstract（参考訳）: この論文は、現代の電力グリッドにおける障害検出に対する機械学習(ML)アプローチへの関心と採用の高まりを強調している。
一度障害が発生したら、迅速に特定し、それを除去または絶縁するために予防措置を講じなければならない。
その結果、早期かつ正確に故障を検出し、位置決めし、分類することにより、ダウンタイムやハードウェアの損傷を低減しつつ、安全性及び信頼性を向上させることができる。
電力系統の運用と意思決定を支援するための効果的なデータ処理と分析を行うMLベースのソリューションとツールは、システム状態の認識とデータ可用性の向上によって優位になってきている。
パワートランス、フェーズシフトトランス、フェーズアングルレギュレータ、トランスミッションラインは電力システムにおいて重要なコンポーネントであり、それらの安全性を保証することが主要な課題である。
差動リレーは変圧器を保護するために一般的に使われ、距離リレーは送電線を保護するために使用される。
マグネタイズ・インラッシュ、オーバーエクシテーション、電流変圧器の飽和はトランスフォーマーの保護を困難にする。
さらに、非標準位相シフト、直列コア飽和、ローターン・トゥ・ターン、ターン・トゥ・グラウンド故障電流は位相角調節器に関連する非伝統的な問題である。
対称的なパワースイングと不安定なパワースイングの間の故障は、遠隔中継の誤作動と意図的かつ制御不能な離島を引き起こす可能性がある。
距離リレーはタイプ3の風力発電所に接続された送電線でも誤作動する。
従来の保護技術は、大量のデータの処理と分析の制限、一般化性の制限、非線形システムのモデル化の不可能など、上記の課題に対処するにはもはや不十分である。
これらの差分保護法と距離保護法の制限は、様々な保護課題に対処するためにMLを使用する動機をもたらす。
関連論文リスト
- Transformer-Based Fault-Tolerant Control for Fixed-Wing UAVs Using Knowledge Distillation and In-Context Adaptation [3.1498833540989413]
本研究では, 固定翼無人航空機(UAV)の耐故障性制御のための変圧器を用いたアプローチを提案する。
提案手法は,変換器の学習機構と注意機構を用いて,外部ループ参照値を制御コマンドに直接マッピングする。
実験結果から, トランスフォーマーをベースとした制御器は, 業界標準SFSおよび最先端強化学習法(RL)よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-11-05T10:24:45Z) - Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。
これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。
本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
論文 参考訳（メタデータ） (2024-04-17T02:04:10Z) - Detectors for Safe and Reliable LLMs: Implementations, Uses, and Limitations [76.19419888353586]
大規模言語モデル(LLM)は、不誠実なアウトプットからバイアスや有害な世代に至るまで、さまざまなリスクを受けやすい。
我々は,様々な害のラベルを提供するコンパクトで容易に構築できる分類モデルである,検出器のライブラリを作成し,展開する取り組みについて述べる。
論文 参考訳（メタデータ） (2024-03-09T21:07:16Z) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳（メタデータ） (2023-03-15T23:11:30Z) - Power Quality Event Recognition and Classification Using an Online
Sequential Extreme Learning Machine Network based on Wavelets [0.0]
本研究では,過渡条件下での電力品質問題を検出するために,ウェーブレットに基づくオンラインシーケンス・エクストリーム・ラーニング・マシン(OS-ELM)分類器の試作と試験を行った。
様々なタイプのパワー障害を検出し、分類する能力を示すために、いくつかの一時的なイベントが使用された。
論文 参考訳（メタデータ） (2022-12-27T06:33:46Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Determination of Fault Location in Transmission Lines with Image
Processing and Artificial Neural Networks [0.0]
ANN(Artificial Neural Network)は、伝送路内の異なる接地系における短い回路欠陥を正確に検出するために用いられる。
伝送線路モデルはPSCAD-EMTDCシミュレーションプログラムで作成される。
論文 参考訳（メタデータ） (2021-02-22T14:43:13Z) - Fault Location Estimation by Using Machine Learning Methods in Mixed
Transmission Lines [0.0]
距離保護リレー用混合送電線として、154kVの頭上送電線と地下ケーブル線を検討した。
単位長さあたりの特性インピーダンスが異なるため、混合伝送路で断層位置を正しく検出することはできない。
論文 参考訳（メタデータ） (2020-11-06T08:56:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。