Hybride metaheuristiek en fuzzy impedantiemethode voor snelle foutlokalisatie in hoogspanningslijnen

Waarom het sneller vinden van fouten in stroomlijnen ertoe doet

Wanneer er een fout optreedt op een hoogspanningsleiding—door stormen, apparaatstoringen of menselijke fouten—kan elektriciteit in één keer naar duizenden woningen en fabrieken wegvallen. Huidige netten vertrouwen op teams en controlekamer-software om het exacte faalpunt te bepalen voordat reparaties kunnen beginnen, een proces dat traag, onzeker en kostbaar kan zijn. Dit artikel presenteert een nieuwe manier om problemen langs lange transmissielijnen snel en met opmerkelijke nauwkeurigheid te lokaliseren, door slimme metingen aan slechts één uiteinde van de lijn en een intelligent zoekmechanisme geïnspireerd op jachtvogels te gebruiken.

Hoe leidingproblemen gewoonlijk zichtbaar worden

Als er iets misgaat op een transmissielijn verandert het elektrische “gevoel” van de lijn. Ingenieurs beschrijven dit in termen van impedantie, een grootheid die samenhangt met hoe sterk de lijn de stroomstroom tegenwerkt. Traditionele foutlokalisatietools schatten waar het probleem ligt door spanningen en stromen te vergelijken die aan beide uiteinden van de lijn zijn gemeten en vervolgens vergelijkingen op te lossen op basis van een gedetailleerd model van de hardware. Deze methoden kunnen goed werken, maar ze vereisen nauwkeurige kennis van lijnparameters, precieze tijdssynchronisatie tussen verre stations en hebben soms moeite met subtiele of hoogohmige fouten. Naarmate netten complexer worden en meer hernieuwbare bronnen opnemen, maken ruis en onzekerheid in deze metingen snelle en duidelijke foutlokalisatie nog moeilijker.

Het net vanaf één uiteinde aflezen

De auteurs stellen een andere strategie voor die steunt op een phasor-meetinstrument (PMU) dat slechts aan één uiteinde van de lijn is geplaatst. Dit apparaat neemt spanningen en stromen op hoge snelheid op en zet ze om in phasors—compacte representaties van de elektrische toestand van het net. Wanneer een fout ontstaat, veranderen de stromen en spanningen in elke fase abrupt, en daarmee de schijnbare impedantie die vanaf de PMU wordt waargenomen. Door alleen te observeren hoe deze grootheden in de lokale aansluiting in de tijd verschuiven, kan het systeem eerst beslissen of er een fout is opgetreden en om welk type het gaat (éénfase, tweefase of driefase, met of zonder aardbetrokkenheid), en vervolgens die informatie gebruiken om af te leiden hoe ver langs de lijn de fout zich bevindt.

Een door vogels geïnspireerde zoekmethode naar de fout

Het omzetten van deze ruwe veranderingen in een nauwkeurige afstand is niet eenvoudig, omdat de relatie tussen impedantie en locatie sterk niet-lineair is en varieert met het fouttype. Om dit aan te pakken bouwen de onderzoekers twee complementaire modellen die deze relatie leren uit gesimuleerde voorbeelden van fouten langs een lijn van 200 km en 220 kV. Het ene model past een flexibele polynoom van vijfde graad aan de gegevens aan; het andere gebruikt een fuzzy-logicasysteem dat vele eenvoudige regels mengt, waarbij elke regel beschrijft hoe bepaalde bereiken van impedantiewaarden overeenkomen met afstanden op de lijn. Beide modellen worden getraind met de Fire Hawk Optimizer, een metaheuristische algoritme gemodelleerd op vogels die kleine brandjes verspreiden om prooien op te jagen en vervolgens de beste jachtlocaties in te sluiten. Hier is de “prooi” de combinatie van modelparameters die de fout tussen voorspelde en werkelijke faallocaties minimaliseert.

Snelheid, nauwkeurigheid en robuustheid onder realistische omstandigheden

Eenmaal getraind kan de hybride methode fouten van verschillende types en op verschillende posities langs de lijn lokaliseren met zeer lage foutmarges—gemiddeld ongeveer 0,16% van de lijnlengte voor het fuzzy-model en minder dan 1% voor het polynomiale model. In praktische termen betekent dit fouten van slechts enkele honderden meters op een lijn van 200 km. De benadering blijkt ook veerkrachtig tegen complicaties die reële netten vaak plagen. Tests tonen dat de nauwkeurigheid behouden blijft zelfs wanneer ruis in de metingen wordt toegevoegd, wanneer de elektrische eigenschappen van de lijn veranderen, wanneer belastingen op het netwerk variëren en wanneer de fout zelf een hoge weerstand heeft die gebruikelijke diagnose-signalen zou verzwakken. Even belangrijk is dat de volledige berekening op standaardhardware in minder dan ongeveer 0,16 seconden voltooid is, snel genoeg voor realtime beschermingssystemen.

Wat dit betekent voor toekomstige elektriciteitsnetten

Voor niet-specialisten is de kernboodschap dat de auteurs een methode ontwikkeld hebben waarmee een enkele slimme sensor aan één uiteinde van een hoogspanningslijn als een vakkundige lokalisator kan optreden, die niet alleen detecteert dat er een probleem is maar ook precies waar het zit, vrijwel onmiddellijk en met zeer weinig voorkennis over de lijn. Door een fysisch betekenisvol signaal (impedantie), een flexibel regelgebaseerd model (fuzzy logic) en een efficiënte zoekstrategie geïnspireerd door de natuur (de Fire Hawk Optimizer) te combineren, belooft de methode snellere reparaties, minder en kortere uitvallen en lagere kosten voor netbeheerders. Naarmate elektriciteitsnetten complexer en vitaler worden, kunnen dergelijke intelligente, snelle foutlokalisatietools een kernonderdeel worden van het netwerk betrouwbaar houden.

Bronvermelding: 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

Trefwoorden: fouten in stroomtransmissie, phasor-meetinstrumenten, fuzzy logic, metaheuristische optimalisatie, netbetrouwbaarheid