الگوریتم حفاظتی جهت شناسایی نوسان توان در رله های دیستانس به کمک طبقه بند مبتنی بر ماشین بردار پشتیبان

پیام:
چکیده:
در سیستم قدرت معمولا رله های دیستانس به عنوان حفاظت اصلی خطوط انتقال ولتاژ بالا به کار گرفته می شوند و عملکرد صحیح آنها به لحاظ سلامت اجزا و پایداری سیستم از اهمیت ویژه ای برخوردار است. نوسان توان یکی از پدیده هایی است که می تواند باعث عملکرد اشتباه و نابجای رله های دیستانس معمولی گردد و در حالی که خطایی در سیستم وجود ندارد، تداوم انتقال انرژی الکتریکی را به مخاطره بیاندازد. در این مقاله، روشی مبتنی بر طبقه بند و بر اساس ماشین بردار پشتیبان (SVM) جهت شناسایی نوسان توان از خطای اتصال کوتاه در رله های دیستانس دیجیتالی ارائه گردیده است. سپس از طریق شبیه سازی یک سیستم قدرت نمونه و پردازش سیگنال های ولتاژ و جریان، تعدادی الگو برای یادگیری و تست طبقه بند SVM تولید شده و از این طریق عملکرد روش پیشنهادی مورد آزمایش و بررسی قرار گرفته است. همچنین به کمک الگوهای تست و یادگیری تولیده شده، ساختار مناسبی برای طبقه بند مورد نظر انتخاب شده است. مجموعه الگوهای یادگیری و تست، ترکیبی از حالت های مختلف نوسان توان و انواع خطاهای متقارن و نامتقارن را شامل می شود. نتایج آزمایش های انجام شده بیانگر کارآمدی الگوریتم حفاظتی پیشنهادی می باشند
زبان:
فارسی
صفحات:
27 تا 42
لینک کوتاه:
magiran.com/p1204488 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!