بهره‌گيري از تركيب تحليل پروني و تجزيه مقدار تكين براي مكان‌يابي هوشمند خطا در خطوط انتقال جريان‌مستقيم فشارقوي دوقطبي

Utilizing a Combination of Prony Analysis and Singular Value Decomposition for Intelligent Fault Locating in Bipolar High Voltage Direct Current Transmission Lines

تعيين دقيق مكان وقوع خطا و تسريع عمليات تعميراتي در خطوط انتقال جريان مستقيم فشارقوي (HVDC)، به‌دليل حجم بالاي توان عبوري آنها اهميت خاصي دارد. اين مقاله شيوه‌اي جديد براي مكان‌يابي هوشمند خطاهاي اتصال‌كوتاه در خطوط انتقال جريان مستقيم فشارقوي دو قطبي با استفاده از تكنيك‌هاي شناسايي الگو و الگوريتم‌هاي يادگيري ماشين ارائه مي‌دهد. در شيوۀ پيشنهادي، با استفاده از تركيب تحليل پروني (PA) و تجزيۀ مقدار تكين (SVD)، برخي ويژگي‌هاي مفيد از سيگنال‌هاي ولتاژ پس از خطاي يك پايانه استخراج مي‌شوند. شبكۀ عصبي رگرسيون تعميم‌ يافته (GRNN) نيز كه قبلاً آموزش ديده است، ويژگي‌هاي استخراج‌شده را دريافت مي‌كند و محل وقوع خطاي اتصال كوتاه متناظر را تخمين مي‌زند. ارزيابي‌هاي انجام‌شده بر سيستم نمونۀ دوقطبي نشان مي‌دهند مكان‌ياب پيشنهادي با وجود تغييرات محل وقوع خطا، مقاومت خطا و جريان پيش از خطا، عملكرد دقيق و مناسبي دارد. متوسط درصد خطاي به‌دست‌آمده براي مكان‌يابي انواع خطاهاي اتصال‌كوتاه قطب مثبت به زمين (PG)، قطب مثبت به منفي (PN) و قطب مثبت به منفي به زمين (PNG) در سيستم نمونه به‌ترتيب برابر 0.264%، 0.287% و 0.225% است.

High voltage direct current (HVDC) transmission lines can be used to transfer bulk power over long distances. Accurate estimation of fault location in these transmission lines is very essential to speed up the maintenance operations. This paper presents a new approach for intelligent fault locating in bipolar HVDC transmission lines using the pattern recognition techniques and the machine learning algorithms. In the proposed approach, using a combination of Prony analysis (PA) and the singular value decomposition (SVD), some useful features are extracted from the post-fault voltage signals measured at one the line terminals. Then, a pre-trained generalized regression neural network (GRNN) receives the extracted features and estimates the corresponding fault location. Tests conducted on a sample bipolar system show that the proposed fault locator has accurate and appropriate performance despite changes in fault location, fault resistance, and pre-fault current. The obtained average percentage fault location errors for the positive-pole-to-ground (PG), positive-poleto- negative-pole (PN), and positive-pole-to-negative-pole-to-ground (PNG) faults in the sample system under study are 0.264%, 0.287%, and 0.225%, respectively.