Un nuovo approccio basato su ANN per il rilevamento e la classificazione dei guasti nelle linee di trasmissione compensate da TCSC integrate con parchi eolici DFIG utilizzando WST

Perché mantenere le luci accese sta diventando più difficile

Con l’aumento dell’elettricità fornita dai parchi eolici, la nostra rete elettrica diventa più pulita ma anche più complessa da proteggere. I dispositivi che aumentano la capacità delle linee di trasmissione e i generatori speciali utilizzati nei parchi eolici moderni possono modificare l’aspetto dei guasti elettrici agli occhi delle protezioni. Questo studio esplora un nuovo modo per individuare e classificare rapidamente e con affidabilità tali guasti, contribuendo a prevenire blackout e danni alle apparecchiature in una rete ricca di energie rinnovabili.

Energia eolica e hardware intelligente sulla linea

Il lavoro si concentra su linee ad alta tensione di lunga percorrenza che trasportano energia da un parco eolico e sono dotate di un dispositivo di serie chiamato condensatore controllato da tiristori (TCSC). Questo dispositivo permette agli operatori di regolare quanta potenza può trasportare la linea variando la sua rigidità elettrica efficace. Allo stesso tempo, il parco eolico utilizza un tipo di generatore che consente un controllo fine della potenza ma produce correnti di guasto diverse rispetto alle centrali tradizionali. Queste caratteristiche, insieme, rendono i guasti sulla linea più difficili da riconoscere usando i metodi di protezione classici che presuppongono comportamenti più stabili e prevedibili.

Perché i rilevatori tradizionali faticano

La protezione digitale tradizionale spesso si basa su strumenti che scompongono i segnali in bande di frequenza, come la trasformata wavelet discreta. In pratica questi metodi possono risultare fragili. La loro efficacia dipende da scelte come la frequenza di campionamento e il numero di livelli, e sono sensibili al punto del ciclo di tensione in cui inizia il guasto. In un sistema dove la velocità del vento varia, il condensatore di serie è costantemente regolato e operazioni di commutazione o rumore disturbano i segnali, questi rivelatori possono sbagliare quale fase è in guasto o addirittura non rilevare un evento pericoloso. Molti schemi esistenti richiedono inoltre misure alle due estremità della linea e un collegamento di comunicazione, aumentando costi e complessità.

Un nuovo modo di ascoltare la rete

Gli autori propongono un approccio diverso che ascolta soltanto le correnti delle tre fasi e la corrente di terra in un unico punto sul lato rete. Applicano uno strumento di elaborazione del segnale chiamato trasformata di scattering wavelet, che costruisce una descrizione a strati di come la forma d’onda di corrente cambia nel tempo e in frequenza. A differenza dei metodi più vecchi, le sue caratteristiche sono progettate per essere stabili rispetto a spostamenti temporali e robuste al rumore e a piccole distorsioni. Dai numerosi output dello scattering, il metodo seleziona un insieme compatto dei valori più informativi, riducendo notevolmente la quantità di dati pur mantenendo i pattern chiave che rivelano il tipo di guasto verificatosi.

Insegnare a una rete neurale a denominare il guasto

Queste caratteristiche distillate sono quindi alimentate in una rete neurale feed forward addestrata a riconoscere dieci tipi di guasto comuni, incluse diverse combinazioni di fasi e collegamenti a terra. Per verificare l’idea, i ricercatori hanno costruito un modello al computer dettagliato di una linea da 100 chilometri a 120 kilovolt con un parco eolico e un condensatore di serie realistici, e hanno simulato oltre tremila casi di guasto. Hanno variato la posizione del guasto, la resistenza, l’angolo di inizio, la velocità del vento e il livello di compensazione, e hanno successivamente testato la rete addestrata su centinaia di nuovi casi, inclusi eventi di commutazione, misurazioni rumorose e guasti molto deboli che producono correnti di piccola entità.

Quanto bene funziona il nuovo schema

Nel confronto con metodi più convenzionali che usano coefficienti wavelet come caratteristiche, la differenza è stata marcata. Gli schemi più vecchi raggiungevano al meglio circa il 98 percento di successo nel semplice riconoscere l’esistenza di un guasto, e scendevano a circa la metà di tale valore quando erano chiamati a etichettare il tipo esatto di guasto. Al contrario, le caratteristiche basate sullo scattering hanno permesso alla rete neurale di raggiungere una precisione perfetta sia per il rilevamento sia per la classificazione in tutti gli scenari di test. Il metodo ha inoltre distinto chiaramente tra guasti reali ed eventi innocui come variazioni di carico o commutazioni del condensatore, rimanendo affidabile anche quando i trasformatori di corrente erano saturati o veniva aggiunto forte rumore.

Cosa significa per le reti elettriche future

Per i non specialisti, il messaggio chiave è che lo studio offre un “orecchio” più intelligente per la rete, capace di riconoscere il suono del problema in un ambiente affollato e rumoroso modellato dalle rinnovabili. Combinando un modo robusto di descrivere le forme d’onda di corrente con una rete neurale addestrata, il metodo fornisce decisioni sui guasti rapide e accurate utilizzando misure in un unico punto. Questo potrebbe aiutare le utility a proteggere corridoi di trasmissione complessi che includono sia dispositivi di compensazione avanzati sia grandi parchi eolici, rendendo più semplice mantenere l’illuminazione accesa mentre la transizione energetica accelera.

Citazione: Oda, E.S., Habib, A.M.M., Elnaghi, B.E. et al. A novel ANN-based approach for fault detection and classification in modern TCSC-compensated transmission lines integrated with DFIG-based wind farms utilizing WST. Sci Rep 16, 15707 (2026). https://doi.org/10.1038/s41598-026-51960-7

Parole chiave: protezione dei sistemi elettrici, integrazione dei parchi eolici, guasti sulle linee di trasmissione, classificatore a rete neurale, trasformata di scattering wavelet