태양광(PV) 발전과 에너지 저장 시스템의 빠른 통합은 제로 카본 공원의 저전압 직류(LVDC) 배전 네트워크의 운영 복잡성을 크게 증가시켰습니다. 매우 변동성이 큰 운영 조건하에서는 고정 과전류 임계값에 의존하는 기존 DC 보호 방식이 PV 전력의 변동, 부하 전환 및 네트워크 토폴로지 변경 동안에 오작동하거나 트립 실패를 겪는 경우가 많습니다. 이러한 문제를 해결하기 위해 본 논문은 인공 신경망(ANN) 기반의 동적 임계값 최적화 메커니즘에 기반한 적응형 DC 보호 전략을 제안합니다. 제안된 방법은 정적 보호 설정을 실시간 시스템 운영 조건에 따라 지속적으로 업데이트되는 적응형 임계값으로 대체합니다. 그리드 매개변수의 변화와 최적 보호 임계값 간의 비선형 관계를 캡처하기 위해 이중층 ANN 아키텍처가 개발되었습니다. 학습 정확도와 수렴 성능을 향상시키기 위해 비선형 수렴 인자와 돌연변이 연산자를 가진 개선된 그레이 울프 최적화기를 사용하여 역전파 신경망이 추가로 최적화됩니다. 최적화된 ANN은 고속 통신에 의존하지 않고 빠르고 신뢰할 수 있는 임계값 조정을 가능하게 하여 분산형 및 에지 컴퓨팅 기반 보호 아키텍처에 적합한 방안을 제공합니다. 다양한 시나리오에서 훈련 및 테스트 데이터 세트를 생성하기 위해 MATLAB/Simulink에서 PV-에너지 저장 LVDC 배전 시스템에 대한 종합적인 시뮬레이션 플랫폼이 구축되었습니다. 시뮬레이션 결과는 제안된 적응형 보호 전략이 고정 설정 방법에서 관찰되는 임계값 불일치 문제를 효과적으로 제거함을 입증합니다. 결과는 제안된 ANN 기반 적응형 보호 전략이 재생 에너지원의 높은 침투율을 가진 LVDC 배전 네트워크의 신뢰할 수 있는 보호를 위한 강력하고 빠르며 통신 독립적인 해결책을 제공함을 확인합니다.
Tan et al. (2026)은 이 질문을 연구했습니다.