基于电压轨迹变形的故障检测方法以及ITD-XGBoost分类框架，应用于以逆变器为主的输电网络

《Scientific Reports》：A voltage trajectory deformation–based fault detectionand ITD–XGBoost classification framework forinverter-dominated transmission networks

　　

摘要

在现代电力传输网络中，基于逆变器的资源（IBR）的日益普及对传统的故障检测和故障分类方案构成了重大挑战，因为故障电流的贡献很小（受内置控制方案的控制），且信号响应是非平稳的。为了解决这些问题，本文提出了一种针对IBR密集型传输系统的两级保护方案。在第一阶段，利用Clarke变换后的电压信号，在平稳的\(\alpha - \beta\)参考框架中开发了一种基于电压轨迹变形的故障检测指标。所提出的分析指标利用了电压轨迹的几何畸变，并且与故障电流的大小无关，这确保了在高故障电阻和弱电网情况下仍能可靠地检测故障。在第二阶段，采用内在时间尺度分解（ITD）从故障后的电压信号中提取与故障相关的瞬态分量，然后通过极值梯度提升（XGBoost）分类器进行特征提取和故障分类。该方法在经过修改的IEEE 14节点测试系统上进行了验证，使用了PSCAD中的详细电磁瞬态仿真。在不同的故障类型、故障位置（10%至90%）、故障阻抗（0至100 Ω）、故障起始角度（0°–180°）、噪声水平（高达40 dB）以及IBR运行条件下进行了严格仿真。仿真结果表明，所提出的方案能够在电压信号的四分之一周期内检测到故障，并且故障分类的总体准确率为99.65%。即使在高阻抗故障和噪声条件下，分类准确率也高于95%，表明该框架在现代IBR密集型传输网络环境中的适应性和实用性。