حفاظت افتراقی ISPST با استفاده از شبکه عصبی چبیشف
یک ترانسفورماتور تغییر فاز متقارن غیرمستقیم (ISPST) هم مدارهای متصل الکتریکی و هم مدارهای جفت شده مغناطیسی را نشان می دهد که آن را در مقایسه با ترانسفورماتور قدرت منحصر به فرد می کند. تمایز موثر بین جریان هجومی ترانسفورماتور و جریان خطای داخلی برای جلوگیری از خاموش شدن نادرست رله دیفرانسیل ضروری است. این تحقیق سیستمی را پیشنهاد می کند که از یک شبکه عصبی چبیشف (ChNN) به عنوان طبقه بندی کننده هسته برای تشخیص چنین خطاهای داخلی استفاده می کند. برای شبیه سازی از نرم افزار PSCAD/EMTDC استفاده کردیم. خطاهای داخلی و هجوم به روش های مختلف با استفاده از پارامترهای مختلف ISPST شبیه سازی شده اند. یک مجموعه داده بزرگ و شبیه سازی شده استفاده می شود و عملکرد در برابر ISPST با اندازه های مختلف ثبت می شود. ما دقت کلی بیش از 99٪ را مشاهده کردیم. طبقه بندی کننده ChNN نتایج فوق العاده مطلوبی را حتی در مورد سیگنال های نویزدار، اشباع CT و پارامترهای مختلف ISPST ایجاد می کند.
- 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.