WST kullanan DFIG tabanlı rüzgâr çiftlikleriyle entegre edilmiş modern TCSC destekli iletim hatlarında arıza tespiti ve sınıflandırması için yapay sinir ağı tabanlı yeni bir yaklaşım

Neden elektriklerin sürekli yanmasını sağlamak zorlaşıyor

Daha fazla elektrik rüzgâr çiftliklerinden geldikçe, şebekemiz daha temiz hale geliyor ancak korunması da daha karmaşıklaşıyor. İletim hatlarının kapasitesini artıran cihazlar ve modern rüzgâr çiftliklerinde kullanılan özel jeneratörler, koruma rölelerine arızaların nasıl göründüğünü değiştirebiliyor. Bu çalışma, yenilenebilir enerjiyle dolu bir şebekede kararmaları ve ekipman hasarını önlemeye yardımcı olmak için bu tür arızaları hızlı ve güvenilir şekilde tespit edip sınıflandırmanın yeni bir yolunu araştırıyor.

Hat üzerindeki rüzgâr gücü ve akıllı donanım

Çalışma, hem bir rüzgâr çiftliğinden güç taşıyan hem de tristör kontrollü seri kondansatör (TCSC) olarak adlandırılan bir seri cihazla donatılmış uzun yüksek gerilim hatlarına odaklanıyor. Bu cihaz, işletmecilerin hattın taşıyabileceği gücü etkin elektriksel sertliğini değiştirerek ayarlamasına olanak veriyor. Aynı zamanda rüzgâr çiftliği, güç üzerinde hassas kontrol sağlayan fakat geleneksel santrallerinkinden farklı arıza akımları üreten bir jeneratör tipi kullanıyor. Bu özellikler birlikte, arızaları daha kararlı ve öngörülebilir davranış varsayan klasik koruma yöntemleriyle tanımayı zorlaştırıyor.

Neden eski arıza dedektörleri zorlanıyor

Geleneksel dijital koruma genellikle ayrık dalgacık dönüşümü gibi sinyalleri frekans bantlarına bölen araçlara dayanır. Pratikte bu yöntemler kırılgan olabilir. Performansları örnekleme hızı ve seviye sayısı gibi seçimlere bağlıdır ve bir arızanın voltaj döngüsünde tam olarak ne zaman başladığına duyarlıdır. Rüzgâr hızı değiştiğinde, seri kondansatör sürekli ayarlandığında ve anahtarlama işlemleri ya da parazitler sinyalleri bozduğunda, bu dedektörler hangi fazın arızalı olduğunu yanlış değerlendirebilir veya tehlikeli bir olayı kaçırabilir. Mevcut birçok şema ayrıca hattın her iki ucundan ölçüm ve bir iletişim bağlantısı gerektirir; bu da maliyet ve karmaşıklığı artırır.

Şebekeyi dinlemenin yeni bir yolu

Yazarlar, yalnızca şebeke tarafındaki tek bir noktada üç faz akımını ve toprak akımını dinleyen farklı bir yaklaşım öneriyor. Akım dalga biçiminin zaman ve frekansta nasıl değiştiğinin katmanlı bir tanımını oluşturan dalgacık saçılım dönüşümü adlı bir sinyal işleme aracını uyguluyorlar. Eski yöntemlerin aksine, bu yöntemin özellikleri zaman içinde kaymalara karşı kararlı ve gürültü ile küçük bozulmalara karşı sağlam olacak şekilde tasarlanmıştır. Çok sayıda saçılım çıktısından yöntem, en bilgilendirici değerlerden oluşan kompakt bir set seçerek veri miktarını büyük ölçüde azaltıyor ve meydana gelen arıza türünü ortaya koyan ana desenleri koruyor.

Sinir ağına arızanın adını öğretmek

Bu damıtılmış özellikler daha sonra on yaygın arıza türünü —farklı faz kombinasyonları ve toprak bağlantıları dahil— tanımak üzere eğitilmiş ileri beslemeli bir sinir ağına veriliyor. Fikri test etmek için araştırmacılar, gerçekçi bir rüzgâr çiftliği ve seri kondansatöre sahip 100 kilometre, 120 kilovoltluk bir hattın ayrıntılı bir bilgisayar modelini kurdular ve üç binden fazla arıza vakası simüle ettiler. Arıza yeri, direnci, başlama açısı, rüzgâr hızı ve kompansasyon seviyesi değiştirildi; daha sonra eğitilmiş ağ yüzlerce yeni durumda, anahtarlama olayları, gürültülü ölçümler ve çok zayıf akımlar üreten çok zayıf arızalar dahil olmak üzere test edildi.

Yeni şemanın performansı ne kadar iyi

Yaklaşımlarını dalgacık katsayılarını özellik olarak kullanan daha geleneksel yöntemlerle karşılaştırdıklarında fark çarpıcıydı. Eski şemalar, sadece bir arıza var mı kararında en iyi yaklaşık yüzde 98 başarıya ulaşırken, tam arıza tipini etiketlemeleri istendiğinde bu oran kabaca yarıya düştü. Buna karşılık, saçılım tabanlı özellikler sinir ağının tüm test senaryolarında hem tespit hem sınıflandırma için kusursuz doğruluğa ulaşmasını sağladı. Yöntem ayrıca gerçek arızalar ile yük değişimleri veya kondansatör anahtarlaması gibi zararsız olayları açıkça ayırdı ve akım trafoları doyduğunda veya güçlü gürültü eklendiğinde bile güvenilirliğini korudu.

Gelecek şebekeler için bunun anlamı

Uzman olmayanlar için ana mesaj, çalışmanın yenilenebilir enerjinin şekillendirdiği yoğun, gürültülü bir ortamda sorunun sesini ayırt edebilen daha akıllı bir şebeke kulağı sunduğudur. Akım dalga biçimlerini tanımlamanın sağlam bir yolunu eğitilmiş bir sinir ağıyla birleştirerek, yöntem tek bir konumdan alınan ölçümlerle hızlı ve doğru arıza kararları sağlıyor. Bu, gelişmiş kompansasyon cihazları ve büyük rüzgâr çiftliklerini içeren karmaşık iletim koridorlarını korumayı kolaylaştırarak enerji dönüşümü hızlandıkça ışıkları açık tutmaya yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: enerji sistemi koruması, rüzgâr çiftliği entegrasyonu, iletim hattı arızaları, sinir ağı sınıflandırıcısı, dalgacık saçılım dönüşümü