WSTを利用したDFIGベース風力発電所と統合された現代のTCSC補償送電線における故障検出・分類のための新しいANNベース手法

停電を防ぐのが難しくなっている理由

風力発電の比率が増えるにつれて、送電網はよりクリーンになる一方で、保護が難しくなっています。送電容量を高める装置や、現代の風力発電所で使われる特殊な発電機は、保護リレーに対して故障の見え方を変化させます。本研究は、そのような故障を迅速かつ信頼性高く検出・分類する新しい手法を検討し、再生可能エネルギーが浸透した系統での停電や機器損傷の防止に寄与することを目指しています。

送電線上の風力発電とスマート機器

本研究は、風力発電からの電力を運ぶ長距離高電圧線で、位相制御整流器式系列コンデンサ（thyristor controlled series capacitor: TCSC）のような系列補償装置が設置された系統に焦点を当てています。こうした装置は、有効な電気的インピーダンスを変えることで送電容量を調整できます。同時に、風力発電所が用いる発電機は出力制御に優れる一方で、従来の発電所とは異なる故障電流を生成します。これらが組み合わさることで、より安定で予測可能だと仮定する古典的な保護手法では、故障の把握が難しくなります。

従来の故障検出器が苦戦する理由

従来のデジタル保護は、離散ウェーブレット変換のように信号を周波数帯に分解する手法に依存することが多いです。しかし実務ではこれらは脆弱になりがちです。性能はサンプリング周波数や分解レベルなどの選択に左右され、故障が発生する電圧サイクル内のタイミングにも敏感です。風速の変化、系列コンデンサの連続的な調整、切替操作やノイズによる信号の乱れがある系統では、こうした検出器がどの相で故障が起きたかを誤判定したり、危険な事象を見逃したりすることがあります。さらに既存の多くの方式は送電線両端での測定と通信を必要とし、コストや複雑性が増します。

系統の“音”を聞く新しい方法

著者らは、系統側の単一点で三相電流と地絡電流だけを観測する、異なるアプローチを提案します。彼らはウェーブレットスキャッタリング変換という信号処理手法を適用し、電流波形が時間と周波数にわたってどのように変化するかを多層的に記述します。従来手法と違い、この手法の特徴量は時間方向のシフトに対して安定で、ノイズや小さな歪みに対しても頑健です。多数のスキャッタリング出力の中から最も情報量の多い値を選び出すことで、データ量を大幅に削減しつつ、どのような故障が発生したかを示す重要なパターンを保持します。

故障に名前を付けるニューラルネットワークの学習

抽出された特徴量は、10種類の一般的な故障タイプ（各相の組合せや地絡など）を識別するよう訓練されたフィードフォワード型ニューラルネットワークに入力されます。検証のために研究者らは、100キロメートル・120キロボルトの送電線と現実的な風力発電所と系列コンデンサを組み込んだ詳細なコンピュータモデルを構築し、3千件以上の故障ケースをシミュレーションしました。故障位置、故障抵抗、故障開始角、風速、補償レベルを変化させ、訓練後には切替事象、ノイズの混入、非常に微弱な故障など数百件の新ケースでネットワークを試験しました。

新方式の性能

ウェーブレット係数を特徴量とする従来法と比較したところ、差は明白でした。古い方式は故障の存在を判断するだけで最高でも約98％の成功率にとどまり、故障の種類を特定するタスクでは約半分程度に落ち込みました。それに対して、スキャッタリング由来の特徴量を用いたニューラルネットワークは、全ての試験シナリオにおいて検出と分類の両方で完全な精度を達成しました。さらに本手法は負荷変動やコンデンサの切替といった無害な事象と実際の故障を明確に区別し、電流変成器（CT）の飽和や強いノイズが入っても信頼性を保ちました。

将来の電力網にとっての意義

専門外の読者に向けた要点は、本研究が再生可能電源によって形成される賑やかでノイズの多い環境の中からトラブルの“音”を聞き分ける、より賢い耳を提示していることです。電流波形を頑健に記述する手法と学習済みのニューラルネットワークを組み合わせることで、単一地点の測定から迅速かつ高精度な故障判定を提供します。これは高度な補償装置と大規模風力発電所を含む複雑な送電回廊を電力会社が保護するのを助け、エネルギー転換が進む中で停電を防ぐ一助となるでしょう。

引用: 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

キーワード: 電力系統保護, 風力発電所の統合, 送電線故障, ニューラルネットワーク分類器, ウェーブレットスキャッタリング変換