Key points are not available for this paper at this time.
La détection de défauts est essentielle dans le contrôle et l'exploitation des microgrids, car elle permet au système d'effectuer une isolation et une récupération rapides des défauts. L'adoption de la génération distribuée couplée à des onduleurs dans les microgrids rend les schémas de détection de défauts traditionnels inappropriés en raison de leur dépendance à des courants de défaut significatifs. Dans cet article, nous concevons un schéma de détection de défaut intelligent pour microgrid basé sur la transformation en ondelettes et les réseaux neuronaux profonds. Le schéma proposé vise à fournir rapidement des informations sur le type de défaut, la phase et la localisation pour la protection des microgrids et la récupération des services. Dans le schéma, les mesures de courant de branche échantillonnées par des relais de protection sont prétraitées par transformation en ondelettes discrètes pour extraire des caractéristiques statistiques. Ensuite, toutes les données disponibles sont entrées dans des réseaux neuronaux profonds pour développer des informations sur le défaut. Comparé aux travaux précédents, le schéma proposé peut fournir une précision de classification du type de défaut significativement meilleure. De plus, le schéma peut également détecter les emplacements des défauts, ce qui n’était pas possible dans les travaux précédents. Pour évaluer la performance du schéma de détection de défaut proposé, nous réalisons une étude d'évaluation complète sur le microgrid CERTS et le système IEEE 34-bus. Les résultats de simulation démontrent l'efficacité du schéma proposé en termes de précision de détection, de temps de calcul et de robustesse face à l'incertitude de mesure.
Yu et al. (Mercredi,) ont étudié cette question.