Detection and Classification of One Conductor Open Faults in Parallel Transmission Line using Artificial Neural Network
Abstract – This paper presents an artificial neural network based protection scheme for detection and classification of one conductor open faults in parallel transmission line. A 220 kV double circuit transmission line of 100 km length has been simulated using MATLAB® software and its associated Simulink® and Simpowersystem® toolboxes. The fundamental components of current signals measured at relay location are used as input to train the artificial neural network. The effect of variation in fault inception angle and fault distance location has been investigated on the performance of the proposed protection scheme. The simulation results of ANN based protection technique show that proposed algorithm correctly detects/classifies all types of one open conductor faults within one cycle time. It validates the accuracy and suitability of the proposed scheme.
شناسایی و طبقه بندی خطاهای هادی باز در خط انتقال موازی با استفاده از شبکه عصبی مصنوعی
در این مقاله یک برنامه حفاظت مبتنی بر شبکه عصبی مصنوعی برای شناسایی و طبقه بندی خطای هادی باز در خط انتقال موازی ارائه شده است. یک مدار انتقال دابل ۲۲۰ کیلوولت به طول ۱۰۰ کیلومتر با استفاده از نرم افزار MATLAB® و Simulink® و Simpowersystem شبیه سازی شده است. مؤلفه های اصلی سیگنال های فعلی که در محل رله اندازه گیری می شوند ، به عنوان ورودی برای آموزش شبکه عصبی مصنوعی استفاده شدند. تأثیر تغییر در زاویه شروع خطا و فاصله از محل خطا در عملکرد طرح حفاظت پیشنهادی بررسی شد. نتایج شبیه سازی تکنیک حفاظت مبتنی بر ANN نشان داد که الگوریتم پیشنهادی انواع خطاهای های یک هادی باز را در مدت زمان یک چرخه به درستی تشخیص و طبقه بندی می کند که تایید کننده صحت و تناسب طرح پیشنهادی بود.
قیمت فایل : ۱۸۰۰۰۰ ریال
[parspalpaiddownloads id=”3″]