Hybrides Metaheuristik- und Fuzzy-Impedanz-Verfahren zur schnellen Fehlerortung in Hochspannungsleitungen

Warum schnellere Fehlererkennung an Leitungen wichtig ist

Wenn auf einer Hochspannungsleitung ein Fehler auftritt – etwa durch Stürme, Geräteausfall oder menschliches Versagen – kann die Stromversorgung von tausenden Haushalten und Fabriken binnen Sekunden ausfallen. Heutige Netze sind darauf angewiesen, dass Teams und Leitstellensoftware den genauen Fehlerpunkt finden, bevor Reparaturen beginnen können. Dieser Prozess ist oft langsam, unsicher und kostspielig. In diesem Artikel wird ein neuer Ansatz vorgestellt, der Probleme entlang langstreckiger Leitungen schnell und mit bemerkenswerter Genauigkeit lokalisiert, indem er intelligente Messungen nur an einem Leitungsende und eine von Jagdverhalten inspirierte Suchmethode nutzt.

Wie Leitungen normalerweise ihre Probleme verraten

Wenn auf einer Übertragungsleitung etwas schiefläuft, ändert sich das elektrische „Gefühl“ der Leitung. Ingenieure beschreiben dies über die Impedanz, eine Größe, die angibt, wie stark die Leitung dem Stromfluss Widerstand entgegensetzt. Traditionelle Methoden zur Fehlerortung schätzen den Ort des Problems, indem sie Spannungen und Ströme an beiden Enden der Leitung vergleichen und auf Basis eines detaillierten Leitungsmodells Gleichungen lösen. Diese Verfahren funktionieren zwar gut, erfordern aber genaue Kenntnisse der Leitungsparameter, präzise Zeitsynchronisation zwischen weit entfernten Stationen und haben manchmal Schwierigkeiten mit subtilen oder hochohmigen Fehlern. Mit zunehmender Komplexität der Netze und dem Einbezug erneuerbarer Quellen machen Rauschen und Unsicherheit in den Messungen eine schnelle und saubere Fehlerlokalisierung noch schwieriger.

Das Netz nur von einem Ende aus lesen

Die Autoren schlagen eine andere Strategie vor, die auf ein Phasor-Messgerät (PMU) setzt, das nur an einem Leitungsende angebracht ist. Dieses Gerät sampelt Spannungen und Ströme mit hoher Rate und wandelt sie in Phasoren um – kompakte Darstellungen des elektrischen Zustands des Netzes. Wenn ein Fehler auftritt, ändern sich Ströme und Spannungen in den Phasen abrupt und damit auch die scheinbare Impedanz, wie sie vom PMU gesehen wird. Indem das System nur verfolgt, wie sich diese Größen am lokalen Anschluss im Zeitverlauf verändern, kann es zunächst entscheiden, ob ein Fehler stattgefunden hat und um welchen Typ es sich handelt (Einphasen-, Zweiphasen- oder Dreiphasenfehler, mit oder ohne Erdschluss) und daraus dann ableiten, wie weit der Fehler entlang der Leitung liegen muss.

Eine vogelinspirierte Suche nach dem Fehler

Aus diesen rohen Messänderungen eine genaue Entfernung zu ermitteln, ist nicht trivial, weil die Beziehung zwischen Impedanz und Ort stark nichtlinear ist und vom Fehlertyp abhängt. Um dem zu begegnen, bauen die Forscher zwei sich ergänzende Modelle auf, die diese Beziehung aus simulierten Fehlerbeispielen entlang einer 200 km langen 220-kV-Leitung erlernen. Ein Modell passt eine flexible Polynomkurve fünfter Ordnung an die Daten an; das andere nutzt ein Fuzzy-Logik-System, das viele einfache Regeln kombiniert, von denen jede beschreibt, wie bestimmte Impedanzbereiche Entfernungen auf der Leitung entsprechen. Beide Modelle werden mit dem Fire Hawk Optimizer trainiert, einem metaheuristischen Algorithmus, der von Vögeln inspiriert ist, die kleine Feuer legen, um Beutetiere zu vertreiben, und dann die besten Jagdstellen anfliegen. Hier ist die „Beute“ die Kombination von Modellparametern, die den Fehler zwischen geschätzten und tatsächlichen Fehlerorten minimiert.

Geschwindigkeit, Genauigkeit und Robustheit unter realen Bedingungen

Einmal trainiert, kann die hybride Methode Fehler unterschiedlicher Typen und an verschiedenen Positionen entlang der Leitung mit sehr geringer Abweichung orten – im Mittel etwa 0,16 % der Leitungs­länge für das Fuzzy-Modell und unter 1 % für das Polynommodell. Praktisch bedeutet das nur einige hundert Meter Abweichung auf einer 200 km langen Leitung. Der Ansatz erweist sich zudem widerstandsfähig gegenüber Komplikationen, die in realen Netzen häufig auftreten. Tests zeigen, dass die Genauigkeit erhalten bleibt, selbst wenn Messrauschen hinzukommt, die elektrischen Eigenschaften der Leitung verändert werden, sich Lasten im Netz ändern oder der Fehler selbst einen hohen Widerstand aufweist, der übliche Diagnosehinweise abschwächen würde. Ebenso wichtig: Die komplette Berechnung ist auf Standardhardware in weniger als etwa 0,16 Sekunden abgeschlossen – schnell genug für Echtzeitschutzsysteme.

Was das für zukünftige Stromnetze bedeutet

Für Nicht-Spezialisten ist die Kernbotschaft: Die Autoren haben einen Weg entwickelt, wie ein einzelner smarter Sensor an einem Ende einer Hochspannungsleitung wie ein Experte fungieren kann – er erkennt nicht nur, dass ein Problem besteht, sondern auch genau, wo es liegt, nahezu sofort und mit nur sehr wenigen Vorinformationen über die Leitung. Durch die Kombination eines physikalisch aussagekräftigen Signals (Impedanz), eines flexiblen regelbasierten Modells (Fuzzy-Logik) und einer effizienten, an die Natur angelehnten Suchstrategie (Fire Hawk Optimizer) verspricht die Methode schnellere Reparaturen, weniger und kürzere Ausfälle und geringere Kosten für Netzbetreiber. In einer Zeit, in der Stromnetze komplexer und unverzichtbarer werden, könnten solche intelligenten, schnellen Fehlerortungswerkzeuge ein zentraler Bestandteil der Netzstabilität werden.

Zitation: Najafzadeh, M., Pouladi, J., Daghigh, A. et al. Hybrid meta heuristic and fuzzy impedance method for fast fault location in power system lines. Sci Rep 16, 8019 (2026). https://doi.org/10.1038/s41598-025-33182-5

Schlüsselwörter: Fehler in Stromübertragungsleitungen, Phasor-Messgeräte (PMU), Fuzzy-Logik, metaheuristische Optimierung, Netzzuverlässigkeit