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

Authors

mohammad farshad

mashhad university seyed mojtaba rohani

gonabad javad sadeh

mashhad university

abstract

در سیستم قدرت معمولاً 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

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

رویکرد حداقل مربعات ماشین بردار پشتیبان مبتنی بر الگوریتم ژنتیک جهت تخمین رتبه اعتباری مشتریان بانک‌ها

یکی از مهم¬ترین مسائلی که همواره بانک¬ها و مؤسسات مالی با آن مواجه هستند، مسئله ریسک اعتباری یا احتمال عدم ایفای تعهدات از سوی متقاضیان دریافت کننده تسهیلات اعتباری می¬باشد. رقم قابل توجه مطالبات معوق بانک‌ها در سراسر جهان نشان دهنده اهمیت این موضوع و لزوم توجه به آن می¬باشد. از این رو تاکنون تلاش‌های بسیاری به منظور ارائه مدلی کارا جهت ارزیابی و طبقه بندی هرچه دقیق¬تر متقاضیان تسهیلات اعتباری ...

full text

یک روش جدید شناسایی نوسان توان برای استفاده در رله دیستانس با استفاده از داده های PMU

در این مقاله روشی جدید براساس استفاده از داده های PMU برای تشخیص نوسان توان و جلوگیری از عملکرد ناصحیح رله های دیستانس ارائه شده است. نوسان توان همیشه یکی از مسائل مهم در پایداری شبکه های قدرت بوده است. در سال های اخیر بدلیل بزرگتر شدن شبکه های قدرت و عملی شدن بازار برق، نوسان توان های بزرگی در شبکه های مختلف در سراسر جهان رخ داده است که باعث بروز خاموشی هایی بزرگ شده اند. با ورود تجهیزات جدید...

full text

یک روش جدید شناسایی نوسان توان برای استفاده در رله دیستانس با استفاده از داده های pmu

در این مقاله روشی جدید براساس استفاده از داده های pmu برای تشخیص نوسان توان و جلوگیری از عملکرد ناصحیح رله های دیستانس ارائه شده است. نوسان توان همیشه یکی از مسائل مهم در پایداری شبکه های قدرت بوده است. در سال های اخیر بدلیل بزرگتر شدن شبکه های قدرت و عملی شدن بازار برق، نوسان توان های بزرگی در شبکه های مختلف در سراسر جهان رخ داده است که باعث بروز خاموشی هایی بزرگ شده اند. با ورود تجهیزات جدید ...

full text

بهینه‌سازی ماشین بردار پشتیبان با الگوریتم GBC جهت پیش‌بینی ارتباط آنفارکتوس قلبی و سرطان: مطالعه موردی

مقدمه: آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می‌دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می‌کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت. روش: اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع‌آوری شد. پرونده پزشکی 1679 بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از ...

full text

بهبود روش طبقه بندی ماشین بردار پشتیبان در سیستم های اطلاعات مکانی فراگستر جهت پایش بیماران آسمی

بیماری آسم یکی از مشکلات عمده در سلامت عمومی انسانها است که زندگی میلیونها نفر در سراسر جهان را تحت تاثیر قرار داده است. نظر به اینکه این بیماری تحت تاثیر عوامل محیطی متفاوتی می­باشد و روشی برای درمان قطعی مبتلایان وجود ندارد؛ شناسایی مناطق خطر تشدید آسم فرد بیمار و اعلام هشدارهای لازم در زمان مناسب گام موثری در مدیریت و پایش این بیماری به حساب می­آید. یکی از جدیدترین و کاربرپسندترین بسترهای مح...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی برق مدرس

جلد ۱۱، شماره ۲، صفحات ۲۷-۴۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023