تشخیص جریان خطای داخلی از سایر اغتشاشات در ترانسفورماتور قدرت با استفاده از تبدیل ویولت و ماشین بردار پشتیبان

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 386

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEPS04_099

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

یکی از مشکلات اساسی در حفاظت ترانسفورماتور قدرت وجود اغتشاشات میباشد، که کار حفاظت از این عنصرسیستم قدرت را دشوار میسازد. در این مقاله از یک الگوریتم ترکیبی جدید بر مبنای تبدیل ویولت و ماشین بردارپشتیبان ) SVM ( جهت تشخیص خطای داخلی از سایر اغتشاشات شامل جریان نرمال و جریان هجومی در شرایط اشباع CT و پسماند مغناطیسی استفاده شده است. در روش پیشنهادی ابتدا با استفاده از تبدیل ویولت، ویژگیهای انرژی،انحراف معیار، آنتروپی، ماکزیمم و میانگین شکل موج جریان استخراج گردیده است. سپس از روش ماشین بردار پشتیبان برای طبقهبندی ویژگیهای استخراج شده استفاده گردیده و جریان خطا از سایر اغتشاشات تفکیک شده است. SVM )ماشین بردار پشتیبان( یکی از روشهای یادگیری با نظارت است که از آن برای طبقهبندی استفاده میکنند. روشپیشنهادی به یک ترانسفورماتور سه فاز قدرت اعمال گردیده و برای یک مجموعه داده شبیهسازی، شامل 1836 حالت آزمایش شده است. نتایج نشان میدهد که این روش دارای دقت بالای 99 درصد میباشد و در شرایط مختلف چون اشباع CT و پسماند مغناطیسی پایدار است

Keywords:

Authors

الناز جوکار

دانشجوی کارشناسی ارشد مهندسی برق و قدرت، دانشکده برق و کامپیوتر، دانشگاه بیرجند،بیرجند، ایران

عباس صابری نوقابی

استادیار و عضو هیات علمی گروه برق و قدرت، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران

حسن فرسی

استاد و عضو هیات علمی گروه برق و مخابرات، دانشکده برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران

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 :
  • A. H. Hamouda, F. Q. Al-anzi, H. K. Gad, A. ...
  • R. Hamilton, 4Analysis of transformer inrush current and comparison of ...
  • R. Medeiros, F. Costa, and K. Silva, ،Power Transformer Differential ...
  • S. Jazebi, B. Vahidi, S. H. Hosseinian, M. Shafiee, and ...
  • M. Tripathy, ،Neural Network Principal Component Analysis based power transformer ...
  • A. Ashrafian, M. Rostami, and G. B. Gharehpetian, *Hyperbolic S ...
  • H. Xu, X. H. Yang, J. H. Ye, H. Qian, ...
  • Z. Lu, W. H. Tang, T. Y. Ji, and Q. ...
  • نمایش کامل مراجع