JPH08304505A - 架空送電線における故障様相および故障区間の標定方法 - Google Patents
架空送電線における故障様相および故障区間の標定方法Info
- Publication number
- JPH08304505A JPH08304505A JP7112801A JP11280195A JPH08304505A JP H08304505 A JPH08304505 A JP H08304505A JP 7112801 A JP7112801 A JP 7112801A JP 11280195 A JP11280195 A JP 11280195A JP H08304505 A JPH08304505 A JP H08304505A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- section
- output
- level
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 abstract description 15
- 239000010959 steel Substances 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000004807 localization Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003954 pattern orientation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Locating Faults (AREA)
- Emergency Protection Circuit Devices (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
(57)【要約】
【目的】 ニューラルネットワークの学習が円滑に進行
し、誤標定の可能性が低い架空送電線における故障様相
および故障区間の標定方法を提供する。 【構成】 架空地線ＧＷの電流を検出するための電流検
出センサ３を所定数の鉄塔１ごとに設ける。各センサ３
に対応する入力ユニットと各鉄塔１に対応する出力ユニ
ットとを含むニューラルネットワークを設ける。ニュー
ラルネットワークの学習時において出力ユニットに
「０」と「１」の間の３つ以上のレベルを与える。
「０」か「１」の２つのレベルを与えていた従来に比
べ、入力変化に対するる出力変化を小さくすることがで
き、ニューラルネットワークの学習を円滑に進行させる
ことができる。
し、誤標定の可能性が低い架空送電線における故障様相
および故障区間の標定方法を提供する。 【構成】 架空地線ＧＷの電流を検出するための電流検
出センサ３を所定数の鉄塔１ごとに設ける。各センサ３
に対応する入力ユニットと各鉄塔１に対応する出力ユニ
ットとを含むニューラルネットワークを設ける。ニュー
ラルネットワークの学習時において出力ユニットに
「０」と「１」の間の３つ以上のレベルを与える。
「０」か「１」の２つのレベルを与えていた従来に比
べ、入力変化に対するる出力変化を小さくすることがで
き、ニューラルネットワークの学習を円滑に進行させる
ことができる。
Description
【０００１】
【産業上の利用分野】この発明は架空送電線における故
障様相および故障区間標定方法に関し、特に、架空地線
の故障電流および位相分布に基づいて架空送電線におけ
る故障様相および故障区間を標定する方法に関する。
障様相および故障区間標定方法に関し、特に、架空地線
の故障電流および位相分布に基づいて架空送電線におけ
る故障様相および故障区間を標定する方法に関する。
【０００２】
【従来の技術】架空送電線において故障が発生した場合
には必ず送電線を巡視し、故障点の発見および電力設備
の保守・点検を行なう必要がある。しかし、一般に送電
線は、山・川など地理条件の厳しいところを通っている
ので、巡視の効率が非常に低い。そこで、故障様相（鉄
塔地絡、径間地絡、短絡など）および故障区間（故障発
生場所）を標定できるシステムがあれは巡視の効率を飛
躍的に向上させることができる。
には必ず送電線を巡視し、故障点の発見および電力設備
の保守・点検を行なう必要がある。しかし、一般に送電
線は、山・川など地理条件の厳しいところを通っている
ので、巡視の効率が非常に低い。そこで、故障様相（鉄
塔地絡、径間地絡、短絡など）および故障区間（故障発
生場所）を標定できるシステムがあれは巡視の効率を飛
躍的に向上させることができる。
【０００３】図４は従来の架空送電線における故障様相
および故障区間標定システムの構成を示す図である。図
４において、鉄塔１ａ，１ｂ，１ｃ，…には架空送電線
２が張り渡されているとともに、頂部には架空地線ＧＷ
が張り渡されている。架空地線ＧＷは架空送電線２を雷
害から守るためのものであって、架空送電線２に雷が直
撃するのを防止し、また雷による静電誘導のために架空
送電線２に異常電圧が発生するのを防止する。架空地線
ＧＷの複数箇所（図では鉄塔１ａ，１ｃ）には電流検出
センサ３が設置されていて、電流検出センサ３の検出信
号がたとえば架空地線ＧＷ内を挿通する光ファイバ４を
介して地上の中央装置５に伝送される。中央装置５は電
流検出センサ３の検出信号に基づいて、たとえば故障様
相が鉄塔地絡であり、故障点は鉄塔１ｂであるという判
定を下す。
および故障区間標定システムの構成を示す図である。図
４において、鉄塔１ａ，１ｂ，１ｃ，…には架空送電線
２が張り渡されているとともに、頂部には架空地線ＧＷ
が張り渡されている。架空地線ＧＷは架空送電線２を雷
害から守るためのものであって、架空送電線２に雷が直
撃するのを防止し、また雷による静電誘導のために架空
送電線２に異常電圧が発生するのを防止する。架空地線
ＧＷの複数箇所（図では鉄塔１ａ，１ｃ）には電流検出
センサ３が設置されていて、電流検出センサ３の検出信
号がたとえば架空地線ＧＷ内を挿通する光ファイバ４を
介して地上の中央装置５に伝送される。中央装置５は電
流検出センサ３の検出信号に基づいて、たとえば故障様
相が鉄塔地絡であり、故障点は鉄塔１ｂであるという判
定を下す。
【０００４】しかし、従来の標定システムでは、故障が
発生するたびに電流検出センサ３の検出信号から送電線
２の故障電流および位相分布を計算し、その計算結果に
基づいて送電線２の故障様相および故障区間を標定して
いたので、迅速な標定を行なうことができなかった。
発生するたびに電流検出センサ３の検出信号から送電線
２の故障電流および位相分布を計算し、その計算結果に
基づいて送電線２の故障様相および故障区間を標定して
いたので、迅速な標定を行なうことができなかった。
【０００５】そこで、本願発明者らは、特願平５−２８
２３４２号において、迅速でかつ精度の高い標定が可能
な新しい標定システムを提案した。この標定システムに
おいては、故障様相標定用のニューラルネットワーク
と、各故障様相に対応した故障区間標定用のニューラル
ネットワークとが中央装置５に設けられる。他の構成は
図４で示した標定システムと同じである。
２３４２号において、迅速でかつ精度の高い標定が可能
な新しい標定システムを提案した。この標定システムに
おいては、故障様相標定用のニューラルネットワーク
と、各故障様相に対応した故障区間標定用のニューラル
ネットワークとが中央装置５に設けられる。他の構成は
図４で示した標定システムと同じである。
【０００６】ニューラルネットワークは、図５に示すよ
うに、入力層６、中間層７および出力層８を含む。入力
層６は複数の入力ユニット６．１〜６．７，…を含み、
出力層８は複数の出力ユニット８．１〜８．７，…を含
む。
うに、入力層６、中間層７および出力層８を含む。入力
層６は複数の入力ユニット６．１〜６．７，…を含み、
出力層８は複数の出力ユニット８．１〜８．７，…を含
む。
【０００７】故障様相標定用のニューラルネットワーク
では、入力ユニット６．１〜６．７，…はそれぞれ電流
検出センサ３に対応して設けられ、出力ユニット８．１
〜８．７，…はそれぞれ故障様相に対応して設けられ
る。
では、入力ユニット６．１〜６．７，…はそれぞれ電流
検出センサ３に対応して設けられ、出力ユニット８．１
〜８．７，…はそれぞれ故障様相に対応して設けられ
る。
【０００８】また、故障区間標定用のニューラルネット
ワークでは、入力ユニット６．１〜６．７，…はそれぞ
れ電流検出センサ３に対応して設けられ、出力ユニット
８．１〜８．７，…はそれぞれ鉄塔１ａ，１ｂ，１ｃ，
…に対応して設けられる。
ワークでは、入力ユニット６．１〜６．７，…はそれぞ
れ電流検出センサ３に対応して設けられ、出力ユニット
８．１〜８．７，…はそれぞれ鉄塔１ａ，１ｂ，１ｃ，
…に対応して設けられる。
【０００９】ニューラルネットワークの学習は次のよう
にして行なわれる。まず、図４で示した送電線路におい
て発生が予想されるすべての故障についてＥＭＴＰ（El
ectro Mgnectic Transient Program）シミュレーション
が実施され、各故障発生時の架空地線ＧＷの故障電流お
よび位相分布が計算される。
にして行なわれる。まず、図４で示した送電線路におい
て発生が予想されるすべての故障についてＥＭＴＰ（El
ectro Mgnectic Transient Program）シミュレーション
が実施され、各故障発生時の架空地線ＧＷの故障電流お
よび位相分布が計算される。
【００１０】次いで、各センサ設置鉄塔１ａ，１ｂ，１
ｃ，…での電流値が最大電流または予め定められた一定
値で除算されて０以上１以下の値に正規化され、電流入
力データが作成される。また、隣接するセンサ３間の位
相差がｓｉｎ関数またはｃｏｓ関数によって−１以上１
以下の値に正規化され、位相入力データが作成される。
ｃ，…での電流値が最大電流または予め定められた一定
値で除算されて０以上１以下の値に正規化され、電流入
力データが作成される。また、隣接するセンサ３間の位
相差がｓｉｎ関数またはｃｏｓ関数によって−１以上１
以下の値に正規化され、位相入力データが作成される。
【００１１】次に、故障様相標定用のニューラルネット
ワークでは、上述した電流入力データおよび位相入力デ
ータが入力ユニット６．１〜６．７，…に与えられ、故
障様相に対応する出力ユニットの出力が「１」に設定さ
れ、それ以外の出力ユニットの出力は「０」に設定され
る。これにより、電流および位相分布と故障様相の相関
がニューラルネットワークに学習される。
ワークでは、上述した電流入力データおよび位相入力デ
ータが入力ユニット６．１〜６．７，…に与えられ、故
障様相に対応する出力ユニットの出力が「１」に設定さ
れ、それ以外の出力ユニットの出力は「０」に設定され
る。これにより、電流および位相分布と故障様相の相関
がニューラルネットワークに学習される。
【００１２】また、故障区間標定用のニューラルネット
ワークでは、上述した電流入力データおよび位相入力デ
ータが入力ユニット６．１〜６．７，…に与えられ、故
障鉄塔に対応する出力ユニットの出力が「１」に設定さ
れ、それ以外の出力ユニットの出力は「０」に設定され
る。これにより、電流および位相分布と故障区間の相関
がニューラルネットワークに学習される。
ワークでは、上述した電流入力データおよび位相入力デ
ータが入力ユニット６．１〜６．７，…に与えられ、故
障鉄塔に対応する出力ユニットの出力が「１」に設定さ
れ、それ以外の出力ユニットの出力は「０」に設定され
る。これにより、電流および位相分布と故障区間の相関
がニューラルネットワークに学習される。
【００１３】学習の終了した故障様相標定用および故障
区間標定用のニューラルネットワークは中央装置５に設
けられ、各ニューラルネットワークの入力ユニット６．
１〜６．７，…の各々には対応の電流検出センサ３の出
力信号が正規化されて入力される。
区間標定用のニューラルネットワークは中央装置５に設
けられ、各ニューラルネットワークの入力ユニット６．
１〜６．７，…の各々には対応の電流検出センサ３の出
力信号が正規化されて入力される。
【００１４】故障が生じて架空地線ＧＷに故障電流が流
れると、故障電流が電流検出センサ３に検出される。故
障様相標定用のニューラルネットワークは、電流検出セ
ンサ３の出力信号に応答して故障様相を瞬時に標定す
る。すなわち、その故障様相に対応した出力ユニットの
出力が「１」となり、その他の出力ユニットの出力が
「０」となる。
れると、故障電流が電流検出センサ３に検出される。故
障様相標定用のニューラルネットワークは、電流検出セ
ンサ３の出力信号に応答して故障様相を瞬時に標定す
る。すなわち、その故障様相に対応した出力ユニットの
出力が「１」となり、その他の出力ユニットの出力が
「０」となる。
【００１５】これにより、その故障様相に応じた故障区
間標定用のニューラルネットワークが活性化され、電流
検出センサ３の出力信号に応答して故障鉄塔を瞬時に標
定する。すなわち、その故障鉄塔に対応した出力ユニッ
トの出力が「１」となり、その他の出力ユニットの出力
が「０」となる。
間標定用のニューラルネットワークが活性化され、電流
検出センサ３の出力信号に応答して故障鉄塔を瞬時に標
定する。すなわち、その故障鉄塔に対応した出力ユニッ
トの出力が「１」となり、その他の出力ユニットの出力
が「０」となる。
【００１６】図示しない表示装置は、これらのニューラ
ルネットワークの出力に応答して故障様相および故障鉄
塔を表示し、作業者に伝える。作業者は、その情報に基
づいて送電線を巡視し、電力設備の保守・点検を行な
う。
ルネットワークの出力に応答して故障様相および故障鉄
塔を表示し、作業者に伝える。作業者は、その情報に基
づいて送電線を巡視し、電力設備の保守・点検を行な
う。
【００１７】なお、図６に示すように、鉄塔１に２条の
架空地線ＧＷ１，ＧＷ２が張り渡され、２条の架空地線
ＧＷ１，ＧＷ２の各々に電流検出センサ３．１〜３．４
が設けられている場合は、架空地線ＧＷ１，ＧＷ２間の
電流値差および位相差の分布から故障様相および故障鉄
塔が標定される。
架空地線ＧＷ１，ＧＷ２が張り渡され、２条の架空地線
ＧＷ１，ＧＷ２の各々に電流検出センサ３．１〜３．４
が設けられている場合は、架空地線ＧＷ１，ＧＷ２間の
電流値差および位相差の分布から故障様相および故障鉄
塔が標定される。
【００１８】
【発明が解決しようとする課題】しかし、このようなニ
ューラルネットワークを用いた標定システムでは、故障
鉄塔が該鉄塔に隣接する鉄塔に変化しても電流検出セン
サ３で検出される故障電流の変化は微小であるにもかか
わらず、ニューラルネットワークの出力データ
を「，，，０，１，０，，，」から「，，，０，０，
１，，，」に変化させなければならないため、入力デー
タの変化に対する出力データの変化が大きく、ニューラ
ルネットワークの学習が円滑に進行しない可能性があ
る。
ューラルネットワークを用いた標定システムでは、故障
鉄塔が該鉄塔に隣接する鉄塔に変化しても電流検出セン
サ３で検出される故障電流の変化は微小であるにもかか
わらず、ニューラルネットワークの出力データ
を「，，，０，１，０，，，」から「，，，０，０，
１，，，」に変化させなければならないため、入力デー
タの変化に対する出力データの変化が大きく、ニューラ
ルネットワークの学習が円滑に進行しない可能性があ
る。
【００１９】また、ＥＭＴＰシミュレーションによる模
擬計算結果と、実際に送電線に故障が発生したときに検
出される電流・位相度の差異（誤差）が大きくなり、故
障様相および故障区間を誤って標定してしまう可能性が
ある。
擬計算結果と、実際に送電線に故障が発生したときに検
出される電流・位相度の差異（誤差）が大きくなり、故
障様相および故障区間を誤って標定してしまう可能性が
ある。
【００２０】また、故障様相標定用のニューラルネット
ワークと、各故障様相に対応する故障区間標定用のニュ
ーラルネットワークとを設ける必要があり、システムが
大型化するという問題がある。
ワークと、各故障様相に対応する故障区間標定用のニュ
ーラルネットワークとを設ける必要があり、システムが
大型化するという問題がある。
【００２１】それゆえに、この発明の主たる目的は、ニ
ューラルネットワークの学習が円滑に進行し、誤標定の
可能性が低く、システムの小型化を図ることができる架
空送電線路における故障様相および故障区間の標定方法
を提供することである。
ューラルネットワークの学習が円滑に進行し、誤標定の
可能性が低く、システムの小型化を図ることができる架
空送電線路における故障様相および故障区間の標定方法
を提供することである。
【００２２】
【課題を解決するための手段】この発明の架空送電線に
おける故障様相および故障区間の標定方法は、架空送電
線および架空地線を複数の区間に分割し、前記架空送電
線の故障時に前記架空地線に流れる電流を検出するため
の故障電流検出センサを所定の数の区間ごとに設け、前
記複数の区間のうちのいずれかの区間でいずれかの様相
の故障が前記架空送電線に生じたことに応じて前記架空
地線に現れる故障電流および位相分布を模擬的に計算
し、各故障電流検出センサに対応して設けられた入力ユ
ニットと、各区間に対応して設けられた出力ユニットと
を含むニューラルネットワークによって前記模擬的に計
算した故障電流および位相分布と前記故障区間および故
障様相の相関を学習し、各故障電流検出センサの出力を
前記ニューラルネットワークの入力ユニットに与え、そ
の出力ユニットの出力レベルに基づいて前記架空送電線
の故障様相および故障区間を標定する方法において、前
記ニューラルネットワークによって学習する際、前記故
障区間に対応する出力ユニットの出力レベルを第１のレ
ベルに設定し、該故障区間から所定の区間数だけ離れた
正常な区間に対応する出力ユニットの出力レベルを第２
のレベルに設定し、前記故障区間と前記正常な区間との
間の区間に対応する出力ユニットの出力レベルを前記第
１のレベルと前記第２のレベルの間のレベルに設定する
ことを特徴としている。
おける故障様相および故障区間の標定方法は、架空送電
線および架空地線を複数の区間に分割し、前記架空送電
線の故障時に前記架空地線に流れる電流を検出するため
の故障電流検出センサを所定の数の区間ごとに設け、前
記複数の区間のうちのいずれかの区間でいずれかの様相
の故障が前記架空送電線に生じたことに応じて前記架空
地線に現れる故障電流および位相分布を模擬的に計算
し、各故障電流検出センサに対応して設けられた入力ユ
ニットと、各区間に対応して設けられた出力ユニットと
を含むニューラルネットワークによって前記模擬的に計
算した故障電流および位相分布と前記故障区間および故
障様相の相関を学習し、各故障電流検出センサの出力を
前記ニューラルネットワークの入力ユニットに与え、そ
の出力ユニットの出力レベルに基づいて前記架空送電線
の故障様相および故障区間を標定する方法において、前
記ニューラルネットワークによって学習する際、前記故
障区間に対応する出力ユニットの出力レベルを第１のレ
ベルに設定し、該故障区間から所定の区間数だけ離れた
正常な区間に対応する出力ユニットの出力レベルを第２
のレベルに設定し、前記故障区間と前記正常な区間との
間の区間に対応する出力ユニットの出力レベルを前記第
１のレベルと前記第２のレベルの間のレベルに設定する
ことを特徴としている。
【００２３】また、前記故障区間と前記故障電流検出セ
ンサの間の距離に応じて、前記故障区間に対応する出力
ユニットの出力レベルと該故障区間に隣接する区間に対
応する出力ユニットの出力レベルとのレベル差を変えて
もよい。
ンサの間の距離に応じて、前記故障区間に対応する出力
ユニットの出力レベルと該故障区間に隣接する区間に対
応する出力ユニットの出力レベルとのレベル差を変えて
もよい。
【００２４】また、前記故障様相に応じて、前記故障区
間に対応する出力ユニットの出力レベルと該故障区間に
隣接する区間に対応する出力ユニットの出力レベルとの
レベル差を変えてもよい。
間に対応する出力ユニットの出力レベルと該故障区間に
隣接する区間に対応する出力ユニットの出力レベルとの
レベル差を変えてもよい。
【００２５】
【作用】この発明の架空送電線路における故障様相およ
び故障区間の標定方法にあっては、ニューラルネットワ
ークの学習の際、故障区間に対応する出力ユニットを第
１のレベルに設定し、故障区間から所定の区間数だけ離
れた正常な区間に対応する出力ユニットを第２のレベル
に設定し、故障区間と正常区間の間の区間に対応する出
力ユニットを第１のレベルと第２のレベルの間のレベル
に設定する。したがって、故障区間に対応する出力ユニ
ットを第１のレベルに設定し、それに隣接する区間に対
応する出力ユニットを第２のレベルに設定していた従来
に比べ、入力データの変化に対する出力データの変化を
小さくすることができ、ニューラルネットワークの学習
の進行を円滑にすることができる。また、故障発生の可
能性の高い複数の区間を標定するので、１つの故障区間
のみを標定していた従来に比べ誤標定の可能性が小さく
なる。
び故障区間の標定方法にあっては、ニューラルネットワ
ークの学習の際、故障区間に対応する出力ユニットを第
１のレベルに設定し、故障区間から所定の区間数だけ離
れた正常な区間に対応する出力ユニットを第２のレベル
に設定し、故障区間と正常区間の間の区間に対応する出
力ユニットを第１のレベルと第２のレベルの間のレベル
に設定する。したがって、故障区間に対応する出力ユニ
ットを第１のレベルに設定し、それに隣接する区間に対
応する出力ユニットを第２のレベルに設定していた従来
に比べ、入力データの変化に対する出力データの変化を
小さくすることができ、ニューラルネットワークの学習
の進行を円滑にすることができる。また、故障発生の可
能性の高い複数の区間を標定するので、１つの故障区間
のみを標定していた従来に比べ誤標定の可能性が小さく
なる。
【００２６】また、故障区間と電流検出センサの間の距
離に応じて故障区間に対応する出力ユニットの出力レベ
ルと故障区間に隣接する区間に対応する出力ユニットの
出力レベルとのレベル差を変えれば、たとえば故障区間
と電流検出センサの間の距離が小さいほど前記レベル差
を大きくして、より分解能の高い標定を行なうことがで
きる。
離に応じて故障区間に対応する出力ユニットの出力レベ
ルと故障区間に隣接する区間に対応する出力ユニットの
出力レベルとのレベル差を変えれば、たとえば故障区間
と電流検出センサの間の距離が小さいほど前記レベル差
を大きくして、より分解能の高い標定を行なうことがで
きる。
【００２７】また、故障様相に応じて、故障区間に対応
する出力ユニットの出力レベルと故障区間に隣接する区
間に対応する出力ユニットの出力レベルとを変えれば、
１つのニューラルネットワークで故障様相と故障区間の
両方を標定することができ、従来のように故障様相標定
用のニューラルネットワークと故障区間標定用のニュー
ラルネットワークとを別々に設ける必要がない。したが
って、システムの小型化を図ることができる。
する出力ユニットの出力レベルと故障区間に隣接する区
間に対応する出力ユニットの出力レベルとを変えれば、
１つのニューラルネットワークで故障様相と故障区間の
両方を標定することができ、従来のように故障様相標定
用のニューラルネットワークと故障区間標定用のニュー
ラルネットワークとを別々に設ける必要がない。したが
って、システムの小型化を図ることができる。
【００２８】
【実施例】図１は、この発明の一実施例による架空送電
線における故障様相および故障区間標定システムのニュ
ーラルネットワークの出力を示す図である。他の構成お
よび動作は図４〜図６で示した標定システムと同じであ
るので説明は省略される。
線における故障様相および故障区間標定システムのニュ
ーラルネットワークの出力を示す図である。他の構成お
よび動作は図４〜図６で示した標定システムと同じであ
るので説明は省略される。
【００２９】図１を参照して、この標定システムが図４
〜図６で示した標定システムと異なる点は、ニューラル
ネットワークの学習時にニューラルネットワークの出力
ユニットの出力レベルが「０」と「１」の２つのレベル
だけでなく、「０」と「１」の間の３つ以上のレベルで
設定される点である。
〜図６で示した標定システムと異なる点は、ニューラル
ネットワークの学習時にニューラルネットワークの出力
ユニットの出力レベルが「０」と「１」の２つのレベル
だけでなく、「０」と「１」の間の３つ以上のレベルで
設定される点である。
【００３０】基本的には、故障鉄塔に対応する出力ユニ
ットは「１」に設定され、その故障鉄塔に隣接する鉄塔
に対応する出力ユニットは「１」よりも少し小さいレベ
ルに設定される。
ットは「１」に設定され、その故障鉄塔に隣接する鉄塔
に対応する出力ユニットは「１」よりも少し小さいレベ
ルに設定される。
【００３１】図１では、故障鉄塔に対応する２５番の出
力ユニットが「１」に、故障鉄塔に隣接する鉄塔に対応
する２４番および２６番の出力ユニットが「０．８」
に、２３番および２７番の出力ユニットが「０．６」
に、２２番および２８番の出力ユニットが「０．４」
に、２１番および２９番の出力ユニットが「０．２」
に、２０番および３０番の出力ユニットが「０」に設定
された状態が示される。
力ユニットが「１」に、故障鉄塔に隣接する鉄塔に対応
する２４番および２６番の出力ユニットが「０．８」
に、２３番および２７番の出力ユニットが「０．６」
に、２２番および２８番の出力ユニットが「０．４」
に、２１番および２９番の出力ユニットが「０．２」
に、２０番および３０番の出力ユニットが「０」に設定
された状態が示される。
【００３２】この実施例においては、ニューラルネット
ワークの出力が「０」と「１」の間の３つ以上のレベル
（図１では６つのレベル）に設定されるので、ニューラ
ルネットワークの出力は「０」と「１」の２つのレベル
に設定されていた従来に比べ、入力の変化に対する出力
の変化が小さくなる。したがって、ニューラルネットワ
ークの学習が円滑に進行する。また、複数の鉄塔（図１
では９つの鉄塔）の故障発生の可能性を標定するので、
１つの鉄塔の故障のみを標定していた従来に比べて、誤
標定の可能性が小さくなると共に、全く異なる区間との
誤標定件数が大幅に減少する。
ワークの出力が「０」と「１」の間の３つ以上のレベル
（図１では６つのレベル）に設定されるので、ニューラ
ルネットワークの出力は「０」と「１」の２つのレベル
に設定されていた従来に比べ、入力の変化に対する出力
の変化が小さくなる。したがって、ニューラルネットワ
ークの学習が円滑に進行する。また、複数の鉄塔（図１
では９つの鉄塔）の故障発生の可能性を標定するので、
１つの鉄塔の故障のみを標定していた従来に比べて、誤
標定の可能性が小さくなると共に、全く異なる区間との
誤標定件数が大幅に減少する。
【００３３】図２は、図１に示した標定システムの改良
例を示す図である。この改良例では、故障鉄塔に対応す
る出力ユニットの出力レベルすなわち「１」と、その故
障鉄塔に隣接する鉄塔に対応する出力ユニットの出力レ
ベルとのレベル差は、故障鉄塔とセンサ設置鉄塔の間の
距離が小さいほど大きく設定され、故障鉄塔とセンサ設
置鉄塔の間の距離が大きいほど小さく設定される。
例を示す図である。この改良例では、故障鉄塔に対応す
る出力ユニットの出力レベルすなわち「１」と、その故
障鉄塔に隣接する鉄塔に対応する出力ユニットの出力レ
ベルとのレベル差は、故障鉄塔とセンサ設置鉄塔の間の
距離が小さいほど大きく設定され、故障鉄塔とセンサ設
置鉄塔の間の距離が大きいほど小さく設定される。
【００３４】たとえばセンサ設置鉄塔近傍の故障におい
ては、図２（ａ）に示すように、故障鉄塔に対応する５
５番の出力ユニットが「１」に、故障鉄塔に隣接する鉄
塔に対応する５４番および５６番の出力ユニットが
「０．５」に、５３番および５７番の出力ユニットが
「０」に設定される。これに対し、センサ設置鉄塔から
離れた地点での故障においては、図２（ｂ）に示すよう
に、故障鉄塔に対応する７５番の出力ユニットが「１」
に、故障鉄塔に隣接する鉄塔に対応する７４番および７
６番の出力ユニットが「０．８」に、７３番および７７
番の出力ユニットが「０．４」に、７２番および７８番
の出力ユニットが「０．１」に、７１番および７９番の
出力ユニットが「０」に設定される。
ては、図２（ａ）に示すように、故障鉄塔に対応する５
５番の出力ユニットが「１」に、故障鉄塔に隣接する鉄
塔に対応する５４番および５６番の出力ユニットが
「０．５」に、５３番および５７番の出力ユニットが
「０」に設定される。これに対し、センサ設置鉄塔から
離れた地点での故障においては、図２（ｂ）に示すよう
に、故障鉄塔に対応する７５番の出力ユニットが「１」
に、故障鉄塔に隣接する鉄塔に対応する７４番および７
６番の出力ユニットが「０．８」に、７３番および７７
番の出力ユニットが「０．４」に、７２番および７８番
の出力ユニットが「０．１」に、７１番および７９番の
出力ユニットが「０」に設定される。
【００３５】この改良例では、故障鉄塔の変化に対する
電流検出センサ３の出力変化が比較的大きいセンサ設置
鉄塔近傍の故障では出力ユニット間の出力レベル差を大
きく設定し、故障鉄塔の変化に対する電流検出センサ３
の出力変化が比較的小さいセンサ設置鉄塔から離れた地
点での故障では出力ユニット間の出力レベルのレベル差
を小さく設定するので、ニューラルネットワークの学習
の進行を妨げることなく、より分解能の高い標定を行な
うことができる。
電流検出センサ３の出力変化が比較的大きいセンサ設置
鉄塔近傍の故障では出力ユニット間の出力レベル差を大
きく設定し、故障鉄塔の変化に対する電流検出センサ３
の出力変化が比較的小さいセンサ設置鉄塔から離れた地
点での故障では出力ユニット間の出力レベルのレベル差
を小さく設定するので、ニューラルネットワークの学習
の進行を妨げることなく、より分解能の高い標定を行な
うことができる。
【００３６】図３は、図１に示した標定システムの他の
改良例を示す図である。この改良例では、故障様相に応
じて、故障鉄塔に対応する出力ユニットの出力レベルす
なわち「１」と、その故障鉄塔に隣接する鉄塔に対応す
る出力ユニットの出力レベルとのレベル差が変えられ
る。
改良例を示す図である。この改良例では、故障様相に応
じて、故障鉄塔に対応する出力ユニットの出力レベルす
なわち「１」と、その故障鉄塔に隣接する鉄塔に対応す
る出力ユニットの出力レベルとのレベル差が変えられ
る。
【００３７】図３においては、故障様相が短絡系故障で
あるか径間地絡系故障であるか鉄塔地絡系故障であるか
に応じて、故障鉄塔に対応する２５番の出力ユニットの
出力レベルと、それに隣接する鉄塔の対応する２３番お
よび２４番の出力ユニットの出力レベルのレベル差が、
それぞれ０．２、０．４および０．５に設定される。
あるか径間地絡系故障であるか鉄塔地絡系故障であるか
に応じて、故障鉄塔に対応する２５番の出力ユニットの
出力レベルと、それに隣接する鉄塔の対応する２３番お
よび２４番の出力ユニットの出力レベルのレベル差が、
それぞれ０．２、０．４および０．５に設定される。
【００３８】次に、ニューラルネットワークの出力ユニ
ットの出力に基づいて故障様相を判定する方法について
説明する。まず、ニューラルネットワークの出力ユニッ
トの出力レベルをＶｊ（ｊ＝１，２，３，…）、出力レ
ベルＶｊの最大値をＶｍａｘ、出力レベルの最小値をＶ
ｍｉｎとし、出力レベル比Ｒｊ＝（Ｖｊ−Ｖｍｉｎ）／
（Ｖｍａｘ−Ｖｍｉｎ）を求める。出力レベル比Ｒｊは
０以上１以下の値となる。
ットの出力に基づいて故障様相を判定する方法について
説明する。まず、ニューラルネットワークの出力ユニッ
トの出力レベルをＶｊ（ｊ＝１，２，３，…）、出力レ
ベルＶｊの最大値をＶｍａｘ、出力レベルの最小値をＶ
ｍｉｎとし、出力レベル比Ｒｊ＝（Ｖｊ−Ｖｍｉｎ）／
（Ｖｍａｘ−Ｖｍｉｎ）を求める。出力レベル比Ｒｊは
０以上１以下の値となる。
【００３９】次に、図３に示した鉄塔地絡、径間地絡ま
たは短絡が生じた場合にニューラルネットワークの出力
ユニットの各々が出力すべきレベルをＴＷｊ、ＥＡｊお
よびＬＳｊとし、ＴＷｊ、ＥＡｊおよびＬＳｊの各々と
出力ユニットの出力レベルＶｊとの二乗誤差（ＴＷｊ−
Ｖｊ）2 、（ＥＡｊ−Ｖｊ）2 および（ＬＳｊ−Ｖｊ）
2 を求める。そして、二乗誤差の総和が最も小さくなる
式に対応する故障様相が発生したと判定する。
たは短絡が生じた場合にニューラルネットワークの出力
ユニットの各々が出力すべきレベルをＴＷｊ、ＥＡｊお
よびＬＳｊとし、ＴＷｊ、ＥＡｊおよびＬＳｊの各々と
出力ユニットの出力レベルＶｊとの二乗誤差（ＴＷｊ−
Ｖｊ）2 、（ＥＡｊ−Ｖｊ）2 および（ＬＳｊ−Ｖｊ）
2 を求める。そして、二乗誤差の総和が最も小さくなる
式に対応する故障様相が発生したと判定する。
【００４０】この実施例では、１つのニューラルネット
ワークの出力から故障様相と故障区間の両方を標定でき
るので、故障様相標定用のニューラルネットワークと故
障区間標定用のニューラルネットワークの両方が必要で
あった従来に比べ、標定システムの小型化を図ることが
できる。
ワークの出力から故障様相と故障区間の両方を標定でき
るので、故障様相標定用のニューラルネットワークと故
障区間標定用のニューラルネットワークの両方が必要で
あった従来に比べ、標定システムの小型化を図ることが
できる。
【００４１】
【発明の効果】以上のように、この発明によれば、ニュ
ーラルネットワークの学習の際、出力ユニットを３つ以
上のレベルに設定するので、出力ユニットを２つのレベ
ルに設定しいてた従来に比べ、入力データに対する出力
データの変化を小さくすることができ、ニューラルネッ
トワークの学習の進行を円滑にすることができる。ま
た、故障発生の可能性のある複数の区間を標定するの
で、１つの故障区間のみを標定していた従来に比べ誤標
定の可能性が小さくなると共に、全く異なる区間との誤
標定ケースが大幅に減少する。
ーラルネットワークの学習の際、出力ユニットを３つ以
上のレベルに設定するので、出力ユニットを２つのレベ
ルに設定しいてた従来に比べ、入力データに対する出力
データの変化を小さくすることができ、ニューラルネッ
トワークの学習の進行を円滑にすることができる。ま
た、故障発生の可能性のある複数の区間を標定するの
で、１つの故障区間のみを標定していた従来に比べ誤標
定の可能性が小さくなると共に、全く異なる区間との誤
標定ケースが大幅に減少する。
【００４２】また、故障区間と電流検出センサの間の距
離に応じて故障区間に対応する出力ユニットの出力レベ
ルと故障区間に隣接する区間に対応する出力ユニットの
出力レベルとのレベル差を変えれば、たとえば故障区間
と電流検出センサの間の距離が小さいほど前記レベル差
を大きくして、より分解能の高い標定を行なうことがで
きる。
離に応じて故障区間に対応する出力ユニットの出力レベ
ルと故障区間に隣接する区間に対応する出力ユニットの
出力レベルとのレベル差を変えれば、たとえば故障区間
と電流検出センサの間の距離が小さいほど前記レベル差
を大きくして、より分解能の高い標定を行なうことがで
きる。
【００４３】また、故障様相に応じて、故障区間に対応
する出力ユニットの出力レベルと故障区間に隣接する区
間に対応する出力ユニットの出力レベルとのレベル差を
変えれば、１つのニューラルネットワークで故障様相と
故障区間の両方を標定することができ、従来のように故
障様相標定用のニューラルネットワークと故障区間標定
用のニューラルネットワークとを別々の設ける必要がな
い。したがって、システムの小型化を図ることができ
る。
する出力ユニットの出力レベルと故障区間に隣接する区
間に対応する出力ユニットの出力レベルとのレベル差を
変えれば、１つのニューラルネットワークで故障様相と
故障区間の両方を標定することができ、従来のように故
障様相標定用のニューラルネットワークと故障区間標定
用のニューラルネットワークとを別々の設ける必要がな
い。したがって、システムの小型化を図ることができ
る。
【図１】この発明の一実施例による架空送電線における
故障様相および故障区間標定システムのニューラルネッ
トワークの出力を示す図である。
故障様相および故障区間標定システムのニューラルネッ
トワークの出力を示す図である。
【図２】図１に示した標定システムの改良例を示す図で
ある。
ある。
【図３】図１に示した標定システムの他の改良例を示す
図である。
図である。
【図４】従来の架空送電線における故障様相および故障
区間標定システムの構成を示す図である。
区間標定システムの構成を示す図である。
【図５】従来の他の架空送電線における故障様相および
故障区間標定システムを示す図である。
故障区間標定システムを示す図である。
【図６】従来のさらに他の架空送電線における故障様相
および故障区間標定システムを示す図である。
および故障区間標定システムを示す図である。
１，１ａ，１ｂ，１ｃ 鉄塔 ２ 架空送電線 ３，３．１〜３．４ 電流検出センサ ４ 光ファイバ ５ 中央装置 ６ 入力層 ６．１ 〜６．７ 入力ユニット ７ 中間層 ８ 出力層 ８．１〜８．７ 出力ユニット ＧＷ，ＧＷ１，ＧＷ２ 架空地線
Claims (3)
- 【請求項１】 架空送電線および架空地線を複数の区間
に分割し、 前記架空送電線の故障時に前記架空地線に流れる電流を
検出するための故障電流検出センサを所定の数の区間ご
とに設け、 前記複数の区間のうちのいずれかの区間でいずれかの様
相の故障が前記架空送電線に生じたことに応じて前記架
空地線に現れる故障電流および位相分布を模擬的に計算
し、 各故障電流検出センサに対応して設けられた入力ユニッ
トと、各区間に対応して設けられた出力ユニットとを含
むニューラルネットワークによって前記模擬的に計算し
た故障電流および位相分布と前記故障区間および故障様
相との相関を学習し、 各故障電流検出センサの出力を前記ニューラルネットワ
ークの入力ユニットに与え、その出力ユニットの出力レ
ベルに基づいて前記架空送電線の故障様相および故障区
間を標定する方法において、 前記ニューラルネットワークによって学習する際、前記
故障区間に対応する出力ユニットの出力レベルを第１の
レベルに設定し、該故障区間から所定の区間数だけ離れ
た正常な区間に対応する出力ユニットの出力レベルを第
２のレベルに設定し、前記故障区間と前記正常な区間と
の間の区間に対応する出力ユニットの出力レベルを前記
第１のレベルと前記第２のレベルの間のレベルに設定す
ることを特徴とする、架空送電線における故障様相およ
び故障区間の標定方法。 - 【請求項２】 前記故障区間と前記故障電流検出センサ
の間の距離に応じて、前記故障区間に対応する出力ユニ
ットの出力レベルと該故障区間に隣接する区間に対応す
る出力ユニットの出力レベルとのレベル差を変えること
を特徴とする、請求項１に記載の架空送電線における故
障様相および故障区間の標定方法。 - 【請求項３】 前記故障様相に応じて、前記故障区間に
対応する出力ユニットの出力レベルと該故障区間に隣接
する区間に対応する出力ユニットの出力レベルとのレベ
ル差を変えることを特徴とする、請求項１に記載の架空
送電線における故障様相および故障区間の標定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7112801A JPH08304505A (ja) | 1995-05-11 | 1995-05-11 | 架空送電線における故障様相および故障区間の標定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7112801A JPH08304505A (ja) | 1995-05-11 | 1995-05-11 | 架空送電線における故障様相および故障区間の標定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08304505A true JPH08304505A (ja) | 1996-11-22 |
Family
ID=14595871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7112801A Pending JPH08304505A (ja) | 1995-05-11 | 1995-05-11 | 架空送電線における故障様相および故障区間の標定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08304505A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036005A (zh) * | 2020-07-21 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 一种雷电感应电压的计算方法和装置 |
| CN114994454A (zh) * | 2022-05-11 | 2022-09-02 | 长春理工大学 | 一种opgw光缆全状态检测分析方法及系统 |
-
1995
- 1995-05-11 JP JP7112801A patent/JPH08304505A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036005A (zh) * | 2020-07-21 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 一种雷电感应电压的计算方法和装置 |
| CN114994454A (zh) * | 2022-05-11 | 2022-09-02 | 长春理工大学 | 一种opgw光缆全状态检测分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jarventausta et al. | Using fuzzy sets to model the uncertainty in the fault location process of distribution networks | |
| US20080211511A1 (en) | Method of Generating Fault Indication in Feeder Remote Terminal Unit for Power Distribution Automation System | |
| US8243408B2 (en) | Apparatus and method for preventing reverse power flow of over current relay | |
| CN1355585A (zh) | 在电力系统中用于识别故障的故障类型选择系统 | |
| WO2012110087A1 (en) | Method and arrangement for detecting an internal failure in h-bridge connected capacitor bank | |
| EP3506445A1 (en) | System for identification of a feeder with high-ohmic earth fault in a distribution network | |
| JP2007116893A (ja) | 非接地配電系統における零相電流の位相差及び大きさの比較による故障区間検出装置及び方法 | |
| CN115061004B (zh) | 一种基于矩阵算法的配电环网故障定位方法 | |
| CN113504486A (zh) | 一种园区供电线路短路故障诊断方法和系统 | |
| JPH04355628A (ja) | 直流送電線路短絡検出装置 | |
| JPH08304505A (ja) | 架空送電線における故障様相および故障区間の標定方法 | |
| NO303749B1 (no) | Fremgangsmöte for selektiv pövisning av resistansfeil i fordelingsnett for elektrisk energi | |
| JPH05122829A (ja) | 電力系統の絶縁劣化検出方法及び装置 | |
| EP1139539A2 (en) | Method for determining the electrical insulation state of the sending end of an electric network | |
| JP2002311076A (ja) | 送電線事故区間判別方法 | |
| CN102096024B (zh) | 一种查找电力系统中的直流接地故障的方法 | |
| CN107425511B (zh) | 一种基于分区加权故障匹配的广域后备保护方法 | |
| JP2871327B2 (ja) | 送電線故障区間標定装置 | |
| JPH04158274A (ja) | 高圧配電系統の断線検出装置 | |
| JP2001281289A (ja) | 送配電線故障位置標定方法及びそのシステム | |
| JP3773020B2 (ja) | 多端子電気量を用いた故障点標定方法 | |
| JP3362755B2 (ja) | 通信用平衡回線の心線誤接続位置探索方法 | |
| JP2010112920A (ja) | ケーブル区間事故検出装置 | |
| JP2000321316A (ja) | 並行二回線地中送電線の地絡事故検出方法 | |
| Thakre et al. | A versatile methodology for preventing a parallel transmission system using impedance-based techniques |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040406 |