RÉSUMÉ La détection fiable des défauts d'arc électrique en air libre dans les lignes de transmission aériennes à haute tension, ainsi que la discrimination précise entre les défauts transitoires et permanents, est essentielle pour un ré-enclenchement automatique monophasé sécurisé et le maintien de la stabilité du système. Cependant, la nature non linéaire, variable dans le temps et dépendante de l'environnement des arcs secondaires, ainsi que l'influence des réacteurs de shunt, de la configuration de la ligne et des contraintes de mesure, ont conduit à une littérature fragmentée sans carte analytique unifiée des stratégies de détection disponibles. Cet article présente une revue systématique et analytique des méthodes rapportées pour la détection de défauts d'arc en air libre dans les lignes de transmission aériennes. Les études examinées sont classées en trois catégories principales : méthodes basées sur des équations de circuit, méthodes basées sur le traitement du signal, et méthodes basées sur la reconnaissance de formes/l'apprentissage intelligent. Pour chaque catégorie, les bases conceptuelles, les mesures requises, la séquence de traitement, les indices de décision, les étapes de mise en œuvre et les limitations numériques ou expérimentales sont extraits et synthétisés. De plus, des méthodes représentatives sont évaluées de manière comparative en utilisant un ensemble intégré de critères techniques et opérationnels, y compris la précision de détection, la vitesse de réponse, la robustesse au bruit et aux variations des conditions d'exploitation, les besoins en informations, la charge computationnelle et la capacité de mise en œuvre en temps réel. Les résultats montrent une claire évolution méthodologique des formulations analytiques basées sur la physique vers des cadres de détection adaptatifs et basés sur les données. Les approches basées sur des équations de circuit offrent une haute interprétabilité physique et une estimation directe des paramètres liés à l'arc, mais leur performance est souvent contrainte par des hypothèses du modèle, une dépendance aux seuils et des exigences de mesure multi-terminales. Les méthodes basées sur le traitement du signal offrent une détection plus rapide et plus localisée en exploitant les signatures transitoires, harmoniques et temps-fréquence de l'arc, bien que leur stabilité et leur généralisabilité puissent être affectées par le niveau de bruit, le réglage des paramètres et les configurations de décomposition du signal. Les méthodes basées sur l'apprentissage intelligent atteignent la plus haute adaptabilité et capacité de classification dans des conditions complexes, mais elles restent fortement dépendantes de la qualité et de la diversité des ensembles de données d'apprentissage et imposent des charges computationnelles et de mise en œuvre plus importantes. Dans l'ensemble, la revue indique qu'aucune famille méthodologique unique ne satisfait simultanément l'ensemble complet des exigences de protection pour les systèmes de transmission modernes. La principale conclusion est que la direction la plus prometteuse pour la détection des défauts d'arc de nouvelle génération réside dans des architectures hybrides et multi-niveaux qui combinent modélisation physique, analyse de signaux transitoires et prise de décision intelligente adaptative au sein de cadres de protection déployables par relais.
Abasi et al. (Fri,) ont étudié cette question.