Conrad T, Kordowich G, Gaube S, Kereit M, Böhme K, Jäger J (2024)
Publication Type: Conference contribution, Conference Contribution
Publication year: 2024
Event location: Leipzig
Erdschlüsse zählen zu den verbreitetsten Fehlerarten in Mittelspannungsnetzen. Ihre Detektion stellt
eine der schwierigsten Aufgabe in der Schutztechnik dar, insbesondere bei hochohmigen Erdschlüssen.
Die Zuverlässigkeit konventioneller Erkennungsmethoden wird durch eine Vielzahl von Faktoren
beeinflusst, darunter die Art des Fehlers, die Bodenbeschaffenheit und die Wetterbedingungen.
Im Rahmen eines Projekts wird die Verwendung künstlicher neuronaler Netze für diese Aufgabe
untersucht. Das Training der neuronalen Netze benötigt eine große Anzahl von Störschrieben, mit
deren Hilfe es die komplexen Muster von Erdschlüssen erlernen kann. Erdschlüsse müssen aber auch
von Schaltvorgängen oder anderen Fehlern unterschieden werden. Die dafür benötigte große Anzahl
von Störschrieben kann mit realen Störschrieben im normalen Netzbetrieb nur in seltenen Fällen
erreicht werden.
Aus diesem Grund wird in diesem Poster die automatisierte Erstellung von synthetisch generierten
Störschrieben durch Simulation in PowerFactory® vorgestellt. Für die Erstellung eines möglichst
diversifizierten Datensatzes für ein robustes Training werden die Fehlerorte und -zeitpunkte mit
verschiedenen weiteren Parametern variiert. Das verwendete Netzmodell zur Simulation basiert auf
einem realen Stromnetz, für das ein Monitoring durchgeführt wird, wodurch reale Störschriebe zur
Verfügung stehen.
Im Verlauf des Projektes wurde das Netzmodell des realen Stromnetzes auf ein einfacheres Netzmodell
reduziert, welches alle Fehlercharakteristiken des detaillierten Stromnetzes durch Parametervariationen
abbilden kann. Zur Überprüfung dieses Ansatzes werden Störschriebe des realen
Stromnetzes mit den Störschrieben der Simulation mit der Parametervariation verglichen, das eine
stetige Verbesserung des reduzierten Netzmodells erlaubt. Von diesem reduzierten Netzmodell wird
erwartet, dass es eine bessere Generalisierbarkeit des neuronalen Netzes auch auf weitere Stromnetze
ermöglicht.
APA:
Conrad, T., Kordowich, G., Gaube, S., Kereit, M., Böhme, K., & Jäger, J. (2024). Automatisierte synthetische Störschrieberstellung in PowerFactory® für das Training eines Künstlichen Neuronalen Netzes zur Erdschlusserkennung. In Proceedings of the VDE ETG/FNN-Tutorial 2024. Schutz- und Leittechnik. Leipzig.
MLA:
Conrad, Timon, et al. "Automatisierte synthetische Störschrieberstellung in PowerFactory® für das Training eines Künstlichen Neuronalen Netzes zur Erdschlusserkennung." Proceedings of the VDE ETG/FNN-Tutorial 2024. Schutz- und Leittechnik, Leipzig 2024.
BibTeX: Download