Contributions on high impedance fault classification in microgrids using harmonic synchrophasors

Abstract

Os avanços nas tecnologias de monitoramento possibilitaram a implantação de Unidadesde Medição Fasorial (do inglês,PMUs) em redes de distribuição. Isto é especialmenteinteressante se forem consideradas redes de distribuição ativas, pois a utilização destesdispositivos pode aumentar significativamente a quantidade de informação disponível paraapoiar a operação dos sistemas. Além disso, um dos impactos mais relevantes devido àintegração de fontes de energia renováveis nas atuais redes de distribuição é a presença deconteúdo harmônico no sistema. Estes dois aspectos colocam desafios para lidar com a novaera de grandes quantidades de dados complexos em sistemas modernos. Nesse sentido, estetrabalho visa contribuir com a área de classificação de eventos em sistemas de distribuiçãoativos, destacando a classificação de faltas de alta impedância, através de medições dePMUsesincrofasoresharmônicos.Utilizandoabordagensdeclassificaçãobaseadasemcaracterísticas dos sinais medidos, bem como suas respectivas séries temporais, o trabalhoexplora o estado da arte dos modelos de aprendizado de máquina a fim de estabelecerestratégias apropriadas para classificação de eventos. O impacto da qualidade das medi-ções também é investigado no âmbito da classificação, buscando estabelecer robustez naaplicação dos dados da PMU. Dados reais também são avaliados a fim de estabelecer umnível adequado de generalização das estratégias de classificação, estabelecendo uma boaalternativa para aplicação em contextos reais.

Abstract: The advancements in monitoring technologies have made possible the deployment of Pha-sor Measurement Units (PMUs) in distribution networks. This is especially interestingif active distribution networks are considered, as the usage of these devices can signifi-cantly increase the amount of available information for supporting system operation. Inaddition, one of the most relevant impacts due to the integration of renewable energysources into the current distribution networks is the presence of harmonic content in thesystem. These two aspects set challenges for dealing with the new era of large amountsof complex data in modern systems. In this sense, this work aims to contribute to thefield of events classification in active distribution systems, emphasizing the classificationof high impedance faults, through measurements ofPMUsandharmonicsynchrophasors.Using classification approaches based on features of the measured signals, as well as theirrespective time series, the work explores the state of the art of machine learning models inorder to establish appropriate strategies for events classification. The impact of the qualityof the measurements is also investigated within the scope of the classification, seeking toestablish robustness in the application of PMU data. Real data are also evaluated in orderto establish an adequate level of generalization of classification strategies, establishing agood alternative for application in real contexts.