Поточний стан виявлення аварій заземлення однофазного струму
Низька точність діагностики аварій заземлення однофазного струму в системах, які не ефективно заземлені, пояснюється кількома факторами: змінна структура розподільчих мереж (таких як кільцеві та відкриті конфігурації), різні способи заземлення систем (включаючи незаземлені, заземлені через дугові катушки поглинання та заземлені через низьку опір), зростання щорічного відношення кабельних або гібридних надземно-кабельних проводок, а також складні типи аварій (такі як удар молнії, короткі замикання через дерева, обриви дротів та електричні травми).
Класифікація аварій заземлення
Аварії в електричній мережі можуть включаюти металеве заземлення, заземлення через випадковий розряд, заземлення через гілки дерев, заземлення через опір, а також заземлення через погану ізоляцію. Вони також можуть включати різні сценарії дугового заземлення, такі як короткі та довгі розряди дуг, а також перерваних дуг. Характеристики сигналів аварій при різних умовах заземлення відрізняються формою та величиною.
Технології обробки аварій заземлення
Складності при аваріях заземлення
Складність характеристик аварій заземлення
Методи визначення місця аварій заземлення однофазного струму
Наразі існує три категорії, загалом 20 основних методів, для визначення місця аварій заземлення однофазного струму:
Штучний інтелект (AI) є передовою технологією у розвитку сучасних технологій. Він створює відповідні теоретичні моделі, імітуючи характеристики людей, тварин або рослин, і вирішує проблеми, використовуючи "людське" мислення. Особливо для електричних мереж, які є врожденно сильно нелінійними системами, вони входять до сфери застосування AI. Крім того, використання обчислювальних можливостей комп'ютерів підвищує швидкість операцій, що дозволяє вирішувати складні системи, такі як електричні мережі.
База даних експертів: Створення бази даних, яка інтегрує відповідні знання та досвід.
Штучна нейронна мережа: Імітує роботу людських нейронів для вирішення проблем, функціонуючи як сильно нелінійна система.
Оптимізація мурашиним алгоритмом: Алгоритм, який імітує біологічне поведінку мурах, що шукають їжу, для вирішення задачі комівояжера.
Генетичний алгоритм: Імітує біологічний процес еволюції для отримання глобального оптимального або підооптимального рішення.
Мережа Петрі: Моделює взаємопов'язані компоненти системи, описуючи явища, коли пов'язані компоненти змінюються у хронологічному порядку.
Теорія приближених множин: Використовує більше інформації, ніж потрібно системі, як вхід, щоб забезпечити всебічний опис стану роботи системи.
Більшість інтелектуальних алгоритмів залишаються на теоретичному етапі, з лише кількома практично застосованими. Проте алгоритми AI продемонстрували свою перевагу в новій ері.