عنوان مقاله :
تشخيص محل خطا و طبقه بندي آن در خطوط انتقال ناهمگن با استفاده از گذراي مدارشكن
عنوان به زبان ديگر :
Fault Location and Classification in non-Homogeneous Transmission Line Utilizing Breaker Transients
پديد آورندگان :
مروج، زهرا دانشگاه سمنان - دانشكده مهندسي برق، سمنان، ايران , بوستاني، پوريا دانشگاه سمنان - دانشكده مهندسي برق، سمنان، ايران , قهرماني، مهرداد دانشگاه سمنان - دانشكده مهندسي برق، سمنان، ايران
كليدواژه :
مكان يابي خطا , طبقه‌بندي خطا , فركانس امواج سيار , تبديل فوريه سريع , شبكۀ عصبي مصنوعي
چكيده فارسي :
در اين مقاله، يك روش مكان‌يابي خطا با استفاده از محل خطاي يك‌طرفه بر پايۀ فركانس امواج سيار ناشي از عملكرد مدارشكن ارائه شده است. روش پيشنهادي با استفاده از تبديل فوريه سريع و تبديل موجك، اطلاعات مورد نياز را از امواج سيار ولتاژ دريافت كرده و به‌كمك شبكۀ عصبي مصنوعي به تشخيص خطا و مكان‌يابي آن مي‌پردازد. روش پيشنهادي توسط پارامترهاي مختلفي از جمله مقاومت خطا، زاويۀ شروع خطا، محل خطا، وجود نويز در امواج، فركانس نمونه‌برداري و ساختارهاي مختلف شبكۀ برق در نرم‌افزار PSCAD/EMTDV مورد آزمايش قرار گرفته است. همچنين با استفاده از ماتريس مربوط به سيگنال‌هاي ولتاژ، آموزش شبكۀ عصبي در روش پيشنهادي، در نرم‌افزار MATLAB پياده‌سازي شده است. نتايج به‌دست‌آمده از روش پيشنهادي بيانگر دقت قابل قبولي در طبقه‌بندي خطا و تعيين محل خطا در مقايسه با روش‌هاي ديگر است. حداكثر خطاي روش پيشنهادي 29/1% مي‌باشد، همچنين كارايي روش پيشنهادي نسبت به ساير روش‌ها در وضعيت‌هاي مختلف كه مي‌تواند در روند تشخيص خطا اثرگذار باشد، بيشتر است.
چكيده لاتين :
In this paper, a single-ended fault location method is presented based on a circuit breaker operation using the frequencies of traveling waves. The proposed method receives the required data from voltage traveling waves with the aid of Fast Fourier Transform (FFT) and Wavelet Transform. Then, the Artificial Neural Network (ANN) identifies the
fault type and determines its location. For the evaluation of the proposed method, numerous simulations were done by
varying parameters including fault resistance, fault inception angle, fault location, the presence of noise in waves,
different sampling frequencies, and different structures of the power system in PSCAD/EMTDC software. Then, by
using the matrix data obtained from voltage signals, the training process of the proposed algorithm is implemented in
MATLAB software. The given results show the acceptable accuracy of the proposed technique in the classification of
fault type and in the determination of fault location comparing with the previous studies. Also, the maximum error of
the proposed method is 1.29 percent. It stands for the robustness of the proposed scheme and is higher than those of the previous studies in the situations that may affect fault identification process.
عنوان نشريه :
مهندسي و مديريت انرژي
