這套電網監測工具是如何偵測電弧故障的？

系統利用AI輔助演算法分析電網波形數據，放大傳統感測器難以察覺的微弱電流訊號。測試中，訊號可見度從6%提升至72%，能在電弧持續放電並引發野火前及時發出警報。

這套工具可以偵測哪些電氣故障？

共可偵測七種故障，包括電弧故障、過電流故障、重合器操作、保險絲熔斷、短暫性故障、電容器切換事件、馬達啟動，以及線路切換操作。

正在以南加州愛迪生公司（SCE）五年實地數據進行驗證，下一步將用電力公司專屬數據訓練升級版本，並在SCE示範電路測試，最終目標是整合至電力公司的內部分析平台。

美國橡嶺國家實驗室（ORNL）研發出一套結合AI的電網智慧監測平台，能即時識別可能引發野火、設備損壞或停電的異常電網狀況。該系統可偵測七種電氣故障，包括難以察覺的電弧故障，並已利用南加州愛迪生公司五年的實地數據進行驗證，將波形訊號可見度從6%大幅提升至72%。

20 天前

文章重點

美國能源部橡嶺國家實驗室（ORNL）開發出AI電網監測平台，可即時偵測七種電氣故障，包括容易引發野火的電弧故障。

ORNL演算法將電網波形訊號可見度從6%大幅提升至72%，使原本無法偵測的電氣故障得以被識別。

系統訓練資料來自ORNL「電網事件特徵資料庫」，收錄超過5,700筆電網事件波形特徵紀錄。

技術目前以南加州愛迪生公司（SCE）五年實地數據進行驗證，並計畫整合至SCE內部分析平台。

電弧故障因電流增幅微小，傳統斷路器無法觸發，可能長時間持續存在並顯著提高野火風險。

美國研究人員開發出一套新型智慧工具，能夠即時發現可能導致野火、設備損壞與大規模停電的異常電網狀況。

這套平台由位於田納西州的美國能源部（DOE）橡嶺國家實驗室（Oak Ridge National Laboratory，ORNL）研究團隊開發，整合人工智慧（AI）技術，可快速分析電網數據。

研究人員表示，該技術運用先進訊號處理與機器學習技術，識別傳統監測系統往往無法察覺的細微電網異常。因此，當電網出現需要立即處置的危險行為時，系統能自動向電力公司發出警報。

目前，該技術正利用美國最大電力公司之一——南加州愛迪生公司（Southern California Edison，SCE）——五年來收集的實地數據進行驗證。ORNL專案負責人、博士 Ali Ekti 表示：「我們越快掌握現場狀況，就能越快做出反應。」

該工具可偵測七種造成電網異常電流或電壓的電氣故障。首先，它能識別電弧故障——這類故障發生於電流在電力線與其他物體（如地面）之間的空氣間隙中跳躍時。

由於電弧故障通常只會造成電流的微小增幅，傳統感測器往往難以察覺，也無法觸發斷路器動作。這意味著危險的電弧可能長時間持續存在，大幅提高引發野火的風險。

ORNL的新型分析系統可持續監測電網訊號，一旦識別到異常狀況便自動向電力公司發出警報。Ekti進一步說明：「這套工具旨在為電力公司提供一條從訊號偵測、數據分析到決策執行的完整路徑。」

研究人員指出，該工具依賴對波形數據的進階分析，捕捉電網中電壓、電流與頻率的變化。由於電弧故障在原始波形記錄中往往過於細微而難以辨識，團隊因此開發出AI輔助演算法，能夠放大微弱訊號並凸顯原本隱藏的異常。

在使用真實電力公司數據進行測試期間，研究團隊透過ORNL演算法，將波形訊號的可見度從僅6%大幅提升至72%。這使得系統得以發現原本無法偵測到的電氣故障。

該平台以ORNL「電網事件特徵資料庫」（Grid Event Signature Library）的數據進行訓練。這個網路資料庫收錄了超過5,700筆從電網事件中採集的波形特徵紀錄。

除電弧故障外，系統還能識別並分類其他六類電網異常，包括：過電流故障、重合器操作、保險絲熔斷、短暫性故障、電容器切換事件、馬達啟動，以及線路切換操作。

SCE資深工程師 Michael Balestrieri 在新聞稿中總結道：「對這些訊號的具體含義有更深入的了解，將使我們能夠以高度緊迫感面對電弧等問題，讓我們清楚知道何時需要盡快派遣第一線人員趕赴現場。」

該專案的下一階段將使用電力公司的專屬數據訓練升級版工具，並在SCE的示範電路上評估其效能。最終目標是將偵測演算法整合至電力公司的內部分析平台。

原文來源： 查看原文