AI-Powered Fault Prediction in 1100-kV Power Transmission Systems: From Algorithm-Driven Protection to Intelligent, Predictive Systems
本文提出并验证了一种用于1100千伏输电系统的两层人工智能驱动框架，该框架将日前故障风险预测与物理信息驱动的半周期故障分类及定位相结合，在提高保护准确性、可靠性和速度的同时，显著降低了与传统方法相比的误跳闸和污染闪络风险。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
高压输电线路是电网的动脉，将海量能量从遥远的发电厂输送到城市和工业区。当这些线路因风暴、倒下的树木或火花跳过脏污绝缘子而受损时，必须几乎瞬间切断电力，以防止引发可能导致整个地区大停电的连锁反应。几十年来，做出这种决策的设备一直依赖于僵化的、预设好的规则。它们等待故障发生，测量电信号，如果这些信号符合特定模式，便会跳闸。这套系统在处理明确的问题时表现良好，但在面对微妙损伤（例如由树枝或绝缘子上的盐尘层引起的阻抗较高的故障）时却显得力不从心。在这些棘手的情况下，旧有的规则往往无法察觉危险，或者更糟的是，会导致不必要的停电，从而造成本可以避免的黑障。
研究人员正在探索一种不同的方法：利用人工智能来辅助这些保护系统。这些新系统不再仅仅是在故障发生后做出反应，而是旨在预测故障何时可能发生，并在故障发生的瞬间识别其确切性质。这种从“反应式”向“预测式”运行的转变，对于超高压线路而言尤为关键，因为这些线路承载的功率巨大，一次不必要的跳闸所带来的破坏力不亚于失去一座大型发电厂。挑战在于，如何使这些智能系统既足够快速、准确，能够与目前守护电网的、经过认证的可靠安全设备协同工作，同时又不引入新的风险。
一位研究人员开发并测试了一种全新的框架，旨在为一条1,100千伏输电线路（世界上电压等级最高的线路之一）引入这种智能预测能力。他们为一段长达360公里的此类线路构建了一个高度精细的数字模型，其中包含了巨大的铁塔、组合导线以及用于管理电流流动的特种电抗器。利用该模型，他们模拟了数千种场景，包括由树木、污染和闪电引起的故障，以及天气变化或电力负荷波动等正常扰动。其目标是观察人工智能系统是否能优于目前正在使用的标准基于规则的保护方法。
该研究人员创建了一个由两部分组成的系统。第一部分是预测层，它观察发生潜在事件前几天的相关数据。它监测湿度、风速、粉尘水平以及流经线路的电量，以估算未来24小时内发生故障的风险。第二部分是保护层，它在故障发生后的瞬间运行。该层通过分析线路的电信号，快速识别发生了何种类型的故障、故障位置在哪里，以及是否安全地切断电源。至关重要的是，这套新系统并不取代现有的安全设备。相反，它充当一名“智能助手”，向经过认证的保护装置提供自身的分析结果，由后者做出最终的跳闸决策。
在他们的模拟实验中，结果显示出较传统方法显著的改进。依赖固定规则的标准保护系统对内部故障的正确识别率约为83%。然而，这套新型人工智能系统识别故障类型的准确率达到了99.2%。在处理高阻抗故障（如树枝或脏污绝缘子引起的故障）时，这种差异变得更加显著。旧系统在检测这类高阻抗接地故障时，失败率接近一半，而新系统则能捕捉到80%的情况。此外，新系统的决策速度更快，将得出结论所需的时间从超过20毫秒缩短到了不足12毫秒。这种速度对于维持电网稳定性至关重要。
该系统在定位故障方面也表现出色。传统方法在阻抗较高时往往难以精准定位，有时误差甚至高达数十公里。这种结合了标准物理计算与人工智能的新方法，将平均误差降低到了仅7.1公里。这种精确度有助于电力维修人员更快地找到并修复问题。除了即时保护外，预测层在维护工作方面也展现出了潜力。通过分析天气和环境状况数据，该系统可以提前一天标记出故障风险较高的线路段。在模拟中，这一预警系统识别故障的能力比标准监控规则高出许多：它能在故障发生前识别出62%的潜在故障，而标准监控规则仅为42%。
研究人员还测试了这种预测能力如何改变维护工作。与其按照固定的时间表清洗绝缘子，或仅在传感器检测到特定程度的污垢时才进行清洗，不如采用这种新系统建议的方式——仅针对那些因污染而面临极高失效风险的线路段进行清洗。这种针对性的方法在减少清洗人员数量的同时，预计可降低30%的污染相关闪络次数。这表明，公用事业部门可以在保持电网更可靠的同时，节省资金和资源。
尽管取得了这些令人鼓舞的结果，研究人员强调，其发现源于计算机模拟，而非现实世界的实地测试。虽然数字模型极其精细，但它仍然简化了一些复杂的物理行为，例如电流穿过空气形成电弧的方式，或传感器可能产生的信号失真。研究人员指出，在该技术投入实际线路使用之前，必须经过真实设备的严格测试，并获得符合严格安全标准的认证。他们还指出，人工智能的效能取决于其训练数据的质量；如果现实世界出现了系统从未见过的场景，其表现可能会下降。
研究结论认为，输电线路保护的未来在于一种分层的方法。那些维持了数十年电网安全的、经过认证的基于规则的设备应继续负责最终的切断电源决策。然而，它们可以得到智能系统的支持，通过这些系统来预测风险、加速故障检测并提供精确的定位数据。这种结合使得电网更具韧性，能够捕捉到以往无法察觉的问题，并以人类操作员或简单算法无法单独实现的的速度和精度做出反应。未来的路径在于谨慎地整合这些新工具，确保它们能够抵御错误和网络威胁，并在被托付于整个电力网络的安全保障之前，在现实世界中证明其可靠性。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。