Limited phasor measurement unit (PMU) and varying signal strength levels make fast real-time transmission-line outage detection challenging. Existing approaches focus on monitoring nodal algebraic variables, i.e., voltage phase angle and magnitude. Their effectiveness is predicated on both strong outage signals in voltage and PMUs in the outage location's vicinity. We propose a unified detection framework that utilizes both generator dynamic states and nodal voltage information. The inclusion of generator dynamics makes detection faster and more robust to a priori unknown outage locations, which we demonstrate using the IEEE 39-bus test system. In particular, the scheme achieves an over 80% detection rate for 80% of the lines, and most outages are detected within 0.2 seconds. The new approach could be implemented to improve system operators' real-time situational awareness by detecting outages faster and providing a breakdown of outage signals for diagnostic purposes, making power systems more resilient.


翻译:现有方法侧重于监测节流代数变量,即电相角和电量,其效力取决于电压和电流地点附近PMU的强力断电信号;我们提议一个利用发电机动力状态和节流伏信息的统一探测框架;纳入发电机动态使探测速度更快、更稳健地进入先天未知的断电地点,我们用IEEE 39-Bus测试系统证明了这一点;特别是,该计划使80%的电线的探测率达到80%以上,大多数断电在0.2秒内得到检测;可以实施新的方法,通过更快地探测断电和为诊断目的对断电信号进行分解,提高系统操作者的实时情况认识。

0
下载
关闭预览

相关内容

专知会员服务
94+阅读 · 2021年8月28日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
5+阅读 · 2018年6月7日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年11月2日
VIP会员
相关VIP内容
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
5+阅读 · 2018年6月7日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员