[論文レビュー] A Feature Selection Method for High Impedance Fault Detection

Qiushi Cui, Khalil El‐Arroudi+1 more|arXiv (Cornell University)|Aug 13, 2018

Power Systems Fault Detection参考文献 13被引用数 4

ひとこと要約

本稿では、信号処理、専門家の知識、および最小記述長（MDL）に基づく特徴順位付けを組み合わせたハイブリッドアプローチを用いて、配電系統における高インピーダンス故障（HIF）検出のための体系的特徴選択フレームワークを提案する。DFTおよびカルマンフィルタを用いて時間、持続時間、大きさの特徴を抽出し、電力系統の専門家知識を統合することで、多様な故障シナリオにおいて高い検出信頼性とセキュリティを達成し、従来のしきい値ベースの手法を上回る性能を示す。

ABSTRACT

High impedance fault (HIF) has been a challenging task to detect in distribution networks. On one hand, although several types of HIF models are available for HIF study, they are still not exhibiting satisfactory fault waveforms. On the other hand, utilizing historical data has been a trend recently for using machine learning methods to improve HIF detection. Nonetheless, most proposed methodologies address the HIF issue starting with investigating a limited group of features and can hardly provide a practical and implementable solution. This paper, however, proposes a systematic design of feature extraction, based on an HIF detection and classification method. For example, features are extracted according to when, how long, and what magnitude the fault events create. Complementary power expert information is also integrated into the feature pools. Subsequently, we propose a ranking procedure in the feature pool for balancing the information gain and the complexity to avoid over-fitting. For implementing the framework, we create an HIF detection logic from a practical perspective. Numerical methods show the proposed HIF detector has very high dependability and security performance under multiple fault scenarios comparing with other traditional methods.

研究の動機と目的

• 高インピーダンス故障（HIF）を検出する課題に取り組むこと。これは、低故障電流のため、従来の過電流リレーがしばしば検出できないためである。
• 既存のHIF検出手法における任意の特徴選択の限界を克服し、包括的かつ体系的な特徴プールを構築すること。
• DFTやカルマンフィルタといった成熟した低コスト技術を用いて、実装可能で堅牢なHIF検出論理を開発すること。
• MDLに基づく特徴順位付けにより、情報量の増加とモデルの複雑さのバランスを図り、過学習を低減し一般化性能を向上させること。
• 複数の故障シナリオにおける手法の性能を評価すること。これには、X/R比の変動や故障抵抗値の変動が含まれる。

提案手法

• 時間的特徴（発生時刻、持続時間）、大きさ的特徴（DFTによる高調波成分）、故障強度指標（高調波係数推定のためのカルマンフィルタ）を抽出することで特徴プールを構築する。
• ゼロ序数および負序電圧の位相差といった、専門家が導いた特徴を統合することで、物理的解釈可能性と検出精度を向上させる。
• 情報量の増加を最大化し、モデルの複雑さを最小化する特徴を選択するため、最小記述長（MDL）に基づく順位付けアルゴリズムを適用する。
• 論理ゲートや広く採用されている技術（DFT、KF）といった単純で実用的な部品を用いて検出論理を実装することで、リアルタイム実行の可能性を確保する。
• 動的HIFモデル（アーク抵抗と電圧源がランダムに変動）を用いてフレームワークを評価し、現実的な故障挙動をシミュレートする。
• ベンチマーク用配電系統モデルを用いて、異なる故障抵抗値およびX/R比を含む複数の故障シナリオで性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 高インピーダンス故障の多様な特徴を捉えるために、包括的かつ体系的な特徴プールをどのように設計できるか？
• RQ2 HIF検出の特徴選択において、情報量の増加とモデルの複雑さの最適なバランスは何か？
• RQ3 MDLに基づく特徴順位付けは、最小限の特徴セットでありながらも高い情報量を持つ特徴を効果的に同定できるか？
• RQ4 本手法は、故障抵抗値や系統のX/R比が変動する多様な故障シナリオにおいて、どのように性能を発揮するか？
• RQ5 DFTやカルマンフィルタといった成熟した低コストで広く導入されている技術を用いて、検出論理を実装できるか？

主な発見

• 提案された特徴選択フレームワークは、従来のしきい値ベースの手法と比較して、HIF検出の信頼性とセキュリティを顕著に向上させる。
• MDLに基づく順位付け手順により、過学習が効果的に低減され、情報量の増加を最大化し、複雑さを最小化する特徴が選択される。
• 本手法は、故障抵抗値やX/R比が変動するさまざまなHIFモデルや故障シナリオにおいて、一貫した性能を維持する。
• DFTおよびカルマンフィルタの使用により、計算コストが低く、信頼性の高いリアルタイム高調波推定が可能になる。
• ゼロ序数および負序電圧の位相差といった専門家知識の統合により、モデルの複雑さを増さずに検出精度が向上する。
• 数値結果から、本手法は従来のリレーがしばしば失敗する低故障電流条件（10–50 A）でも高い検出性能を達成することが示された。