[논문 리뷰] A Feature Selection Method for High Impedance Fault Detection

Qiushi Cui, Khalil El‐Arroudi외 1명|arXiv (Cornell University)|2018. 08. 13.

Power Systems Fault Detection참고 문헌 13인용 수 4

한 줄 요약

이 논문은 신호 처리, 전문가 지식, 및 최소 기술 길이(MDL)-기반 특징 순위 매기기의 융합을 통해 고임pedansce 고장(HIF) 탐지에 대한 체계적인 특징 선택 프레임워크를 제안한다. DFT와 칼만 필터링을 통해 시간, 지속 시간, 크기 특징을 추출하고 전력 시스템 전문가의 통찰을 통합함으로써, 다양한 고장 시나리오에서 높은 탐지 신뢰도와 안정성을 확보하며, 기존의 임계값 기반 기법들을 능가한다.

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.

연구 동기 및 목표

• 저전류로 인해 기존의 과전류 릴레이가 감지하지 못하는 고임피던스 고장(HIF)을 탐지하는 데 도전하는 것.
• 기존 HIF 탐지 방법에서의 비체계적 특징 선택의 한계를 극복하기 위해 포괄적이고 체계적으로 설계된 특징 풀을 구축하는 것.
• DFT와 칼만 필터링과 같은 성숙하고 저비용 기법을 활용해 구현 가능한 강력한 HIF 탐지 논리를 개발하는 것.
• MDL 기반 특징 순위 매기기를 통해 정보 수득과 모델 복잡도 사이의 최적 균형을 확보함으로써 과적합을 줄이고 일반화 성능을 향상시키는 것.
• 다양한 고장 시나리오, 즉 다양한 X/R 비율과 고장 저항 수준에서의 성능을 평가하는 것.

제안 방법

• 시간적 특징(발생 시점, 지속 시간), 크기 특징(신호의 고조파 성분을 DFT로 추출), 고장 강도 지표(고조파 계수 추정을 위해 칼만 필터 사용)를 추출하여 특징 풀을 구성한다.
• 영구 전압의 0차 및 음성순서 전압 간의 위상 차이와 같은 전문가 기반 특징을 통합하여 물리적 해석 가능성과 탐지 정확도를 향상시킨다.
• 정보 수득을 극대화하면서도 모델 복잡도를 최소화하는 특징을 선별하기 위해 최소 기술 길이(MDL) 기반 순위 매기기 알고리즘을 적용한다.
• 논리 게이트 및 널리 보급된 기법(DFT, KF)과 같은 단순하고 실용적인 구성 요소를 사용하여 탐지 논리를 구현함으로써 실시간 적용 가능성을 확보한다.
• 실제 고장 행동을 시뮬레이션하기 위해 변동하는 아크 저항과 전압 원천을 가진 동적 HIF 모델을 사용하여 프레임워크를 평가한다.
• 기준 분포 피더 모델을 사용하여 다양한 고장 저항 수준과 X/R 비율을 포함한 여러 고장 시나리오에서 성능을 검증한다.

실험 결과

연구 질문

• RQ1 다양한 특성의 고임피던스 고장을 포괄적으로 포착할 수 있는 포괄적이고 체계적인 특징 풀을 어떻게 설계할 수 있는가?
• RQ2 HIF 탐지의 특징 선택에서 정보 수득과 모델 복잡도 사이의 최적 균형은 무엇인가?
• RQ3 MDL 기반 특징 순위 매기기가 최소한의 정보성 특징 집합을 효과적으로 식별할 수 있는가?
• RQ4 제안된 방법은 고장 저항과 시스템 X/R 비율이 변하는 다양한 고장 시나리오에서 어떻게 성능을 발휘하는가?
• RQ5 DFT와 칼만 필터링과 같은 성숙하고 저비용이며 널리 배포 가능한 기법을 사용해 탐지 논리를 어떻게 실현할 수 있는가?

주요 결과

• 제안된 특징 선택 프레임워크는 기존의 임계값 기반 기법에 비해 고임피던스 고장 탐지의 신뢰도와 안정성을 크게 향상시킨다.
• MDL 기반 순위 매기기 절차는 정보 수득을 극대화하면서도 복잡도를 최소화함으로써 과적합을 효과적으로 줄인다.
• 다양한 HIF 모델과 고장 시나리오, 특히 고장 저항과 X/R 비율이 변하는 상황에서도 일관된 성능을 유지한다.
• DFT와 칼만 필터링의 활용은 낮은 계산 비용과 높은 신뢰도를 바탕으로 정확하고 실시간으로 고조파 성분을 추정할 수 있게 한다.
• 전문가 지식(예: 0차 및 음성순서 전압 간 위상 차이)의 통합은 모델 복잡도를 증가시키지 않으면서도 탐지 정확도를 향상시킨다.
• 수치적 결과는 기존 릴레이가 종종 실패하는 저전류 조건(10–50 A)에서도 높은 탐지 성능을 달성함을 보여준다.