La protection différentielle du système électrique est une technologie efficace pour assurer le fonctionnement sûr du système électrique et améliorer les bénéfices économiques. Avec la généralisation de l’application de la protection différentielle par microordinateur, l’appareil de protection possède progressivement une interface de données correspondante afin de réaliser la transmission à distance des informations importantes de l’appareil de protection.
Avec le développement rapide des technologies informatiques et l’application généralisée des ordinateurs dans le domaine de la protection différentielle des systèmes électriques, de nouveaux principes et méthodes de contrôle sont continuellement appliqués à la protection différentielle par ordinateur. Ces dernières années, des technologies d’intelligence artificielle telles que les systèmes experts, les réseaux de neurones artificiels, les algorithmes génétiques, la logique floue, la théorie des ondelettes, etc., ont été appliquées dans divers domaines du système électrique, ce qui a permis à la recherche en matière de protection différentielle de progresser à un niveau supérieur, marquant ainsi des tendances nouvelles remarquables. Par exemple, dans le domaine de la protection différentielle des systèmes électriques, les réseaux de neurones artificiels (ANN) sont apparus afin de réaliser la discrimination des types de défauts, la mesure de distance des défauts, la protection directionnelle et la protection des équipements principaux. Lorsque l’angle potentiel du système des deux côtés de la ligne de transmission est ouvert, le court-circuit à travers la résistance de transition devient un problème non linéaire. Il est difficile pour la protection à distance de déterminer correctement la localisation du défaut, ce qui entraîne des dysfonctionnements ou des refus d’actionner. Concernant l’entraînement sur un grand nombre d’échantillons de défauts, tant que ces échantillons sont pleinement pris en compte dans diverses situations, tout défaut peut être correctement identifié.