Clear Sky Science · zh

受突触启发的能量网络:一种无需通信链路的类脑微网保护方法

· 返回目录

为什么保护小型电网很重要

随着社区增加太阳能电池板、电池和本地发电机,它们越来越依赖称为微电网的小型电力网络。这些系统可以在风暴期间保持供电并减轻大型发电厂的负担,但也更难以防护电气故障和网络攻击。本文探讨了一种通过借鉴脑细胞通信方式来保护微电网的新方法,使每个能源单元能够在无需依赖脆弱通信链路的情况下自行做出超快速决策。

当今保护工具的局限

传统保护装置依赖于非常大的故障电流和相对稳定的电网结构。而在现代微电网中,逆变器为安全和效率会限制电流,且随着太阳能阵列或电池的接入与断开,线路经常重构。这使得将危险故障与正常的功率变化区分开变得困难。较新的方案试图通过高速通信、同步传感器或复杂逻辑来解决,但这带来了延迟、数据丢失风险和网络攻击的脆弱性。其他方法,例如行波法,在大容量输电线上效果良好,但在低压、紧密网状的微电网中由于信号较弱且反射复杂而表现欠佳。

借鉴大脑的思路

作者提出了一种受生物神经元启发的不同策略。在他们的设计中,微电网中的每个分布式能源单元都表现得像一种简单的神经元——泄漏积分-发放(leaky integrate-and-fire)模型。每个单元监听其局部电压、电流和功率,并将这些偏差合成为一个扰动指标。当该指标较小时,虚拟神经元基本保持静默;随着扰动增大,电气“脉冲”之间的间隔缩短。更强或更接近的故障会使神经元更早触发,就像神经细胞对强刺激反应更快地放电一样。内置的自适应阈值会随运行条件移动,以避免常规负载变化引发不必要的脉冲。

让第一发脉冲来裁决

设备不再将详细测量发送到中央“大脑”,而是都监测是否发生脉冲。保护规则很简单:其神经元首先发脉冲的设备被假定为最接近故障并跳闸其本地断路器。这一“先发脉冲”规则类似于行波系统利用最早到达的信号定位问题,但此处无需GPS、广域通信或专用高频传感器。由于每个单元仅基于自身测量和时序采取行动,该方案本质上是分布式的,且更不易受到通信故障或网络攻击的影响。

Figure 1. 受大脑启发的能量单元如何让微电网瞬间感知故障并隔离故障线路,而无需通信链路。
Figure 1. 受大脑启发的能量单元如何让微电网瞬间感知故障并隔离故障线路,而无需通信链路。

新保护方法在实践中的表现

团队在环形和网状微电网的详尽计算机模型中,以及在实时硬件上测试了他们的方法。他们模拟了单相接地故障、相间故障、三相故障以及在多种线路长度和故障电阻下的大幅负载变化。该系统通常在10到58毫秒内检测并清除故障,远快于常规微网继电器通常需要的200到450毫秒,且甚至比报道约60毫秒的行波系统更快。更强的故障和较短线路上的故障始终导致更早的脉冲和更快的断路器动作,自然再现了经典保护曲线中的“故障越强,动作越快”行为。同时,自适应阈值使得神经元在较大负载波动期间保持静默,在300多种模拟故障情况下实现了超过98%的检测精度和超过97%的空间选择性。

Figure 2. 局部扰动如何在逆变器内部转化为更快的类神经脉冲,从而迅速打开附近开关以阻断故障。
Figure 2. 局部扰动如何在逆变器内部转化为更快的类神经脉冲,从而迅速打开附近开关以阻断故障。

为何该方法可随未来电网扩展

由于每个能源单元只需局部测量和一个轻量的脉冲模型,该方法能耗低且易于扩展。在正常运行期间几乎不产生脉冲,计算仅在罕见的故障事件周围进行。新的太阳能或电池单元可以加入微电网而无需重新编程中央控制器,因为它们仅作为遵循相同先发脉冲规则的新神经元工作。作者指出仍存在一些挑战,例如高电阻故障只产生微弱扰动,以及在许多单元观察到相似条件的拥挤网络中可能产生的问题,但他们认为这些可以通过进一步调参和增加滤波来处理。

对普通用电者意味着什么

对非专业读者来说,核心信息是作者展示了微电网如何通过更像大脑而非传统机器的方式自我保护。每个太阳能逆变器或电池单元密切监听其本地环境,只有在发生真正异常时才发出脉冲,并让第一个响应者几乎瞬间隔离问题。这种类神经形态策略在无需依赖易受攻击的通信网络的情况下提供了快速且有选择性的保护,为随着可再生能源普及而来的更安全、更具弹性和更灵活的本地电力系统提供了一条可行路径。

引用: Prabhakar, S., Panigrahi, B.K., Blaabjerg, F. et al. Synapse-inspired energy networks: a neuromorphic approach to microgrid protection without communication links. Commun Eng 5, 90 (2026). https://doi.org/10.1038/s44172-026-00643-2

关键词: 微电网保护, 类神经形态能源, 脉冲神经网络, 分布式能源, 故障检测