بررسی کارایی تبدیل فوریه گسسته اصلاح شده در رله های عددی برای تخمین فازور جریان
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,079
This Paper With 18 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF03_141
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
سیگنال جریان خطا در رله، ترکیبی از مولفه میرای DC ، مولفه اصلی و هارمونیک های سینوسی است. از آنجا که تبدیل فوریه گسسته سیکل کامل ، توانایی حذف و تضعیف مولفه های فرکانس پایین را ندارد، لذا اندازه و فاز تخمین زده شده توسط این روش با خطا همراه است. در این مقاله الگوریتمی جدید برای تخمین فازور سیگنال جریان در رله های حفاظتی عددی ارایه می شود و سپس کارایی آن در حذف مولفه های هارمونیک، نویز و مولفه میرای DC در شرایط مختلف عملکرد شبکه بررسی می شود. مطابق با الگوریتم ارایه شده، ابتدا مشخصات مولفه میرایی DC از سیگنال جریان ورودی رله حفاظتی تخمین زده می شود و سپس اثر نامطلوب این مولفه بر فازور جریان در حوزه ی فرکانس جبران می شود. تکنیک پیشنهاد شده با استفاده از دو متغیر موقت برای مشخص کردن مولفه میرای DC، چند عملیات معمول ریاضی به DFT اضافه می کند و تغییر قابل ملاحظه ای در حجم محاسبات به وجود نمی آورد. کارایی این الگوریتم بطور کامل در نرم افزار متلب و در سیستم 14 شینه استاندارد IEEE مورد بررسی قرار گرفته و نتایج حاصل از عملکرد آن با روش مرسوم مورد استفاده در رله های تجاری مدرن (DFT معمول) برای طیف گسترده ای از سیگنال شامل سطوح مختلف از اندازه و ثابت زمانی میرای DC، فرکانس عملکرد غیر نامی، سیگنال معوج ناشی از اشباع ترانسفورماتور جریان و همچنین حالت های مختلف عملکرد سیستم 14 شینه مقایسه می گردد. در این مقاله برای بررسی و ارزیابی نتایج حاصل از الگوریتم اصلاح شده و DFT معمول، شاخص های استاندارد از جمله زمان صعود، زمان نشست و فراجهش برای ارزیابی و مقایسه در نظر گرفته شده اند و تغییرات آنها در شرایط عملکرد مختلف شبکه برای الگوریتم پیشنهادی بررسی شده است.
Keywords:
Authors
قاسم کیانی ده کیانی
کارشناسی ارشد برق قدرت، دانشکده مهندسی برق، دانشگاه آزاد اسلامی اهواز
قدرت اله سیف السادات
دانشیار، دانشکده مهندسی برق، دانشگاه شهید چمران اهواز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :