Nowe podejście oparte na ANN do wykrywania i klasyfikacji zwarć w nowoczesnych liniach przesyłowych kompensowanych TCSC zintegrowanych z farmami wiatrowymi opartymi na DFIG z wykorzystaniem WST

Dlaczego utrzymanie zasilania staje się trudniejsze

W miarę jak więcej energii pochodzi z farm wiatrowych, nasza sieć staje się czystsza, ale też trudniejsza do ochrony. Urządzenia zwiększające przepustowość linii przesyłowych oraz specjalne generatory stosowane w nowoczesnych farmach wiatrowych mogą zmieniać wygląd zwarć dla przekaźników ochronnych. W niniejszym badaniu przedstawiono nowe podejście do szybkiego i niezawodnego wykrywania i klasyfikacji takich zwarć, co pomaga zapobiegać blackoutom i uszkodzeniom sprzętu w sieci z dużym udziałem odnawialnych źródeł energii.

Moc wiatru i inteligentny sprzęt na linii

Praca koncentruje się na długich liniach wysokiego napięcia, które zarówno przesyłają moc z farmy wiatrowej, jak i są wyposażone w element szeregowy zwany tyrystorowo sterowanym kondensatorem szeregowym. Urządzenie to pozwala operatorom regulować, ile mocy może przenieść linia, zmieniając jej efektywną „sztywność” elektryczną. Jednocześnie farma wiatrowa wykorzystuje typ generatora umożliwiający precyzyjną kontrolę mocy, który generuje prądy zwarciowe różniące się od prądów w tradycyjnych elektrowniach. W połączeniu te cechy utrudniają rozpoznawanie zwarć przy użyciu klasycznych metod ochrony, które zakładają bardziej stabilne i przewidywalne zachowanie.

Dlaczego stare detektory zawodzą

Tradycyjna ochrona cyfrowa często opiera się na narzędziach rozkładających sygnały na pasma częstotliwości, takich jak dyskretna transformata falkowa. W praktyce metody te bywają kruche. Ich skuteczność zależy od wyborów takich jak częstotliwość próbkowania czy liczba poziomów, oraz są wrażliwe na dokładny moment rozpoczęcia zwarcia względem cyklu napięcia. W systemie, gdzie zmienia się prędkość wiatru, kondensator szeregowy jest stale regulowany, a operacje przełączania lub zakłócenia wprowadzają szumy, detektory te mogą błędnie określać uszkodzoną fazę albo przeoczyć niebezpieczne zdarzenie. Wiele istniejących rozwiązań wymaga także pomiarów na obu końcach linii i łącza komunikacyjnego, co podnosi koszty i złożoność.

Nowy sposób „słuchania” sieci

Autorzy proponują inne rozwiązanie, które wykorzystuje jedynie trzy prądy fazowe i prąd ziemny mierzony w jednym punkcie po stronie sieci. Zastosowali narzędzie przetwarzania sygnału zwane transformatą skatteringu falkowego, które buduje wielowarstwowy opis zmian kształtu fali prądu w czasie i w dziedzinie częstotliwości. W odróżnieniu od starszych metod, cechy wyodrębnione w tym podejściu są odporne na przesunięcia w czasie oraz na szum i drobne zniekształcenia. Z wielu wyników skatteringu metoda wybiera skompaktowany zestaw najbardziej informacyjnych wartości, znacznie redukując ilość danych przy zachowaniu kluczowych wzorców ujawniających rodzaj zwarcia.

Nauka sieci neuronowej rozpoznawania zwarć

Uproszczone cechy są następnie podawane do sieci neuronowej typu feed-forward, wytrenowanej do rozpoznawania dziesięciu powszechnych typów zwarć, w tym różnych kombinacji faz i połączeń z ziemią. Aby przetestować pomysł, badacze zbudowali szczegółowy model komputerowy 100-kilometrowej linii 120 kV z realistyczną farmą wiatrową i kondensatorem szeregowym oraz zasymulowali ponad trzy tysiące przypadków zwarć. Zmieniali położenie zwarcia, odporność, kąt początkowy, prędkość wiatru i poziom kompensacji, a później testowali wytrenowaną sieć na setkach nowych przypadków, w tym zdarzeniach przełączania, zaszumionych pomiarach i bardzo słabych zwarciach generujących małe prądy.

Jak dobrze działa nowe rozwiązanie

W porównaniu z bardziej konwencjonalnymi metodami używającymi współczynników falkowych jako cech różnica była wyraźna. Starsze schematy osiągały w najlepszym wypadku około 98 procent skuteczności przy samym wykrywaniu zwarcia, a przy przypisywaniu dokładnego typu zwarcia spadały do mniej więcej połowy tej wartości. Natomiast cechy oparte na skatteringu pozwoliły sieci neuronowej osiągnąć doskonałą dokładność zarówno w detekcji, jak i klasyfikacji we wszystkich scenariuszach testowych. Metoda jednoznacznie rozróżniała też prawdziwe zwarcia od niegroźnych zdarzeń, takich jak zmiany obciążenia czy przełączanie kondensatora, i pozostawała niezawodna nawet przy saturacji przekładników prądowych lub przy silnym szumie.

Co to oznacza dla przyszłych sieci energetycznych

Dla czytelników niewyszkolonych technicznie kluczowy przekaz jest taki, że badanie oferuje „mądrzejsze ucho” dla sieci — potrafiące wychwycić dźwięk problemu w zatłoczonym, zaszumionym środowisku kształtowanym przez źródła odnawialne. Łącząc odporny sposób opisu przebiegów prądowych z wytrenowaną siecią neuronową, metoda dostarcza szybkie i dokładne decyzje o zwarciach przy użyciu pomiarów z jednego miejsca. Może to pomóc operatorom chronić złożone korytarze przesyłowe, które zawierają zarówno zaawansowane urządzenia kompensacyjne, jak i duże farmy wiatrowe, ułatwiając utrzymanie zasilania w miarę przyspieszającej transformacji energetycznej.

Cytowanie: 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

Słowa kluczowe: ochrona systemu elektroenergetycznego, integracja farm wiatrowych, zwarcia linii przesyłowych, klasyfikator sieci neuronowej, transformata skatteringu falkowego