Distributed Generation (DG) is a small-scale technology linked to consumers through the distribution system and has a high potential for technical, economic, and environmental benefits. The incorporation of generation at demand points produces a variety of load flow and fault currents, changing unidirectional flows to bidirectional structures and altering the characteristics of fault currents. The traditional methods for fault location that are implemented correspond to the traveling wave method and the impedance method. DG inclusion establishes new challenges, so it is necessary to propose or adopt models that improve the location process. During the last years, several Artificial Intelligence (AI) techniques have been introduced, where it presents good results due to its high performance and capacity to provide a fast response. This paper reviews AI-based techniques for fault location in distribution networks with DG. Although the advances are promising, many questions still need to be answered; the permanent work is to identify the advances in AI to obtain better results. Additionally, the implemented strategies must be scalable to ease the computational load and to be able to solve problems of greater complexity.
PL
Generacja rozproszona (DG) to technologia na małą skalę powiązana z konsumentami za pośrednictwem systemu dystrybucyjnego, która ma wysoki potencjał korzyści technicznych, ekonomicznych i środowiskowych. Włączenie generacji w punktach odbioru wytwarza różnorodne przepływy obciążenia i prądy zwarciowe, zmieniając przepływy jednokierunkowe na struktury dwukierunkowe i zmieniając charakterystyki prądów zwarciowych. Zaimplementowane tradycyjne metody lokalizacji zwarcia odpowiadają metodzie fali biegnącej i metodzie impedancyjnej. Dyrekcja Generalna ds. integracji stawia nowe wyzwania, dlatego konieczne jest zaproponowanie lub przyjęcie modeli usprawniających proces lokalizacji. W ciągu ostatnich lat wprowadzono kilka technik sztucznej inteligencji (AI), które dają dobre wyniki ze względu na wysoką wydajność i zdolność do szybkiego reagowania. W niniejszym artykule dokonano przeglądu opartych na sztucznej inteligencji technik lokalizacji uszkodzeń w sieciach dystrybucyjnych z DG. Chociaż postęp jest obiecujący, wiele pytań wciąż wymaga odpowiedzi; stałą pracą jest identyfikacja postępów w sztucznej inteligencji w celu uzyskania lepszych wyników. Dodatkowo wdrażane strategie muszą być skalowalne, aby zmniejszyć obciążenie obliczeniowe i móc rozwiązywać problemy o większej złożoności.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.