Fehlererkennung und -klassifizierung in Übertragungsleitungen mithilfe der biorthogonalen Wavelet-Transformation (5.5) basierten Signaldekomposition

Die Lichter anlassen

Das moderne Leben hängt davon ab, dass Elektrizität zuverlässig über hunderte Kilometer Hochspannungsleitungen fließt. Wenn auf diesen Leitungen etwas schiefgeht — ein Ast, Blitzschlag oder verschlissenes Material — kann die Versorgung flackern, sich ein Ausfall ausbreiten und Hardware beschädigt werden. Diese Arbeit untersucht einen intelligenteren Weg, solche Probleme fast augenblicklich zu erkennen und zu lokalisieren, sodass Netzbetreiber bessere Chancen haben, die Stromversorgung aufrechtzuerhalten und teure Infrastruktur zu schützen.

Warum Leitungen schwer zu schützen sind

Lange Übertragungsleitungen sind Witterung, Verschmutzung und ständig wechselnden Betriebsbedingungen ausgesetzt. Ein Fehler kann alles bedeuten, von einer Leitung, die einen Baum berührt, bis hin zu einem Kurzschluss aller drei Phasen zur Erde. Manche Fehler sind offensichtlich und erzeugen große Ströme, die klassische Schutzgeräte leicht erkennen. Andere sind subtil: hochohmige Fehlerpfade, komplexe serienkompensierte Leitungen mit Kondensatoren und Schutzbauteilen sowie Situationen, in denen Messwandler oder Einspeisungen aus erneuerbaren Energien die Signale verzerren. Traditionelle Werkzeuge wie Fourier-basierte Methoden und Kalman-Filter funktionieren gut für glatte, periodische Wellenformen, tun sich jedoch schwer, die kurzen, scharfen Störungen zu erfassen, die tatsächlich anzeigen, wann und wo ein Fehler aufgetreten ist.

Eine neue Sicht auf elektrische Störungen

Die Autoren wenden sich der Wavelet-Analyse zu, einer Signalverarbeitungstechnik, die zugleich Zeit und Frequenz betrachtet. Anstatt über einen ganzen Zyklus zu mitteln, zoomen Wavelets auf kurze Abschnitte der Stromwelle und heben plötzliche Änderungen hervor. Nach dem Vergleich von 17 verschiedenen Wavelet‑„Familien“ stellten sie fest, dass ein bestimmtes biorthogonales Wavelet, bekannt als bior5.5, besonders gut darin war, die hochfrequenten Impulse zu isolieren, die durch Fehler erzeugt werden. Insbesondere bewahrte die erste Ebene der Wavelet-Dekomposition den Großteil der wichtigen Energie im Signal, blieb dabei aber einfach genug für einen schnellen, echtzeitfähigen Einsatz in digitalen Relais.

Wie der intelligente Fehlerdetektor funktioniert

Die vorgeschlagene Methode überwacht die drei Phasenströme und den Neutralleiterstrom an einer modellhaften 400‑kV‑, 300‑km‑Leitung. Wenn eine Störung auftritt, führt das System eine einstufige Wavelet-Transformation auf diesen Strömen durch und misst die „Detailkoeffizienten“, die bei Unregelmäßigkeiten steil ansteigen. Durch den Vergleich der Größe dieser Spitzen mit sorgfältig gewählten Schwellenwerten kann der Algorithmus sowohl die Existenz eines Fehlers erkennen als auch bestimmen, welche Phasen und ob der Erdleiter beteiligt sind. Er unterscheidet zehn gängige Fehlertypen — etwa Phase‑zu‑Phase, Phase‑zu‑Erde und Dreiphasenfehler — indem er Muster in den Koeffizienten prüft und diese zu einem kombinierten Index zusammenführt, der ausgeglichene von unausgeglichenen Ereignissen trennt.

Testen unter harten Realbedingungen

Um zu prüfen, ob dieser Ansatz in der Praxis standhält, simulierten die Forscher eine breite Palette an Belastungen der Leitung. Sie variierten den Fehlerwiderstand, die Position des Fehlers entlang der Leitung und den Anteil der Serienkompensation von 0 % bis 70 %. Außerdem modellierten sie das nichtlineare Verhalten von Metalloxid-Varistoren (MOVs) und Funkenstrecken, die Serienkondensatoren schützen, sowie realistische Probleme wie Stromwandler‑Sättigung und Stromumkehr. In allen Fällen zeigten die fehlerhaften Phasen deutlich höhere Wavelet-Koeffizienten als gesunde Phasen, und die Methode blieb genau, indem sie ihre Schwellenwerte an das Betriebsszenario anpasste. Im Vergleich zu konventionelleren Werkzeugen wie FFT, DFT und der S‑Transformation erkannte das bior5.5‑Wavelet-Schema Fehler schneller — in etwa 2–4 Millisekunden — und mit höherer Genauigkeit sowie besserer Störfestigkeit.

Von der Simulation zum Echtzeitschutz

Da die Technik nur eine einzige Wavelet‑Ebene und einfache Spitzen‑und‑Schwellen‑Logik verwendet, ist sie leichtgewichtig genug, um auf vorhandener digitaler Relais‑Hardware zu laufen, ohne Prozessorgrenzen zu erreichen. Die Autoren schätzen, dass die benötigten Berechnungen auf Standard‑DSP‑ oder FPGA‑Plattformen nur Mikrosekunden pro Abtastwert beanspruchen, also gut innerhalb der Zeitbudgets moderner Schutzsysteme liegen. Damit ist die Methode nicht nur eine theoretische Verbesserung, sondern ein realistischer Upgrade‑Pfad für tatsächliche Umspannwerke.

Was das für den Alltag bedeutet

Für Nichtfachleute ist die Quintessenz einfach: Diese Studie zeigt, dass ein sorgfältig ausgewähltes Wavelet‑Werkzeug wie ein hochtrainiertes „Ohr“ im Netz wirken kann und die schwachen Signale von Störungen erkennt, die ältere Methoden übersehen. Indem Fehler schneller erkannt und zuverlässiger klassifiziert werden — selbst auf langen, stark kompensierten Leitungen mit verrauschten und verzerrten Signalen — kann der vorgeschlagene Ansatz dazu beitragen, Kaskadenausfälle zu verhindern, Geräteschäden zu reduzieren und ein widerstandsfähigeres Stromsystem zu unterstützen. Mit dem zunehmenden Anteil erneuerbarer Energien und komplexer Elektronik im Netz werden solche intelligenten Schutzschemata immer wichtiger, um die Stromversorgung sicher, stabil und verfügbar zu halten.

Zitation: Chothani, N., Sheikh, M., Patel, D. et al. Transmission line fault detection and classification using bi-orthogonal wavelet transform (5.5) based signal decomposition. Sci Rep 16, 5303 (2026). https://doi.org/10.1038/s41598-026-35929-0

Schlüsselwörter: Fehler in Stromübertragungsnetzen, Wavelet-basierter Schutz, biorthogonale Wavelet-Transformation, Hochspannungs-Übertragungsleitungen, digitale Schutzrelais