The ANN-based algorithms have been developed
as an alternative to conventional methods, since they present very
promising results with regard to precision and operating time.
Refs. [1–7] present ANN-based algorithms that act as classifiers,
indicating whether the fault is located inside or outside the protection
zones. Refs. [8–10] present ANN-based algorithms that act as
function approximators which point out, directly or not, the fault
distance.
The algorithms presented in [4,6,10] are based on the phasor
quantities of voltage and current fundamental components, obtained
via DFT. Those components are used as inputs for their
ANN. The other algorithms but [9] are based on voltage and/or current
samples. Those samples are used as inputs for their ANN.
The ANN-based transmission line protection methods described
in [1–10,16] surely present limitations once they are trained to correctlycorrectly
respond only to a particular transmission line. Therefore,
considering such methods, it shall be necessary to re-create a
new simulation environment set containing hundreds or thousands
of fault cases for each change made at the transmission line
characteristics. Besides that, it shall be also demanded to repeat
the whole ANN training process, resuming the major drawback
presented by those algorithms.
It is proposed then the development and implementation of a
new ANN-based algorithm, suitable for protecting any transmission
line, regardless of its characteristics (such as tower geometry,
type of conductors, length and voltage level). This new ANN-based
algorithm does not need any topology adaptation or ANN parameters
adjustment when applied to different transmission lines [17–
19]. It was developed to exceed the existing limitations of previously
developed ANN-based algorithms, allowing it to be implemented
in commercial relays.
This ANN-based algorithm operates as a function approximator,
estimating the line impedance from the relay to the fault point.
Similarly to conventional distance protection relays, this algorithm
is also based on six impedance measurement elements, which estimate
the line impedance, based on current and voltage samples
provided by CTs and VTs, respectively.
ได้รับการพัฒนาอัลกอริทึมโดย ANN
เป็นทางเลือกวิธีการทั่วไป เนื่องจากพวกเขาแสดงมาก
สัญญาผลเกี่ยวกับความแม่นยำ และปฏิบัติเวลา
Refs [1–7] ปัจจุบันแอนตามกระบวนที่ทำหน้าที่เป็นคำนามภาษา,
แสดงว่า ข้อบกพร่องที่อยู่ภายใน หรือภาย นอกการป้องกัน
โซน Refs [8–10] ปัจจุบันแอนตามกระบวนที่ทำหน้าที่เป็น
approximators ฟังก์ชันซึ่งชี้ให้เห็น โดยตรง หรือไม่ ข้อบกพร่อง
ระยะทาง
อัลกอริทึมที่นำเสนอใน [4,6,10] ตาม phasor
ได้รับปริมาณของแรงดันไฟฟ้าและส่วนประกอบพื้นฐานปัจจุบัน
ผ่าน DFT. ส่วนประกอบเหล่านั้นจะใช้เป็นอินพุตสำหรับการ
แอน [9] แต่อัลกอริทึมอื่น ๆ ขึ้นอยู่กับแรงดันไฟฟ้า/ กระแส
ตัวอย่าง ตัวอย่างที่ใช้เป็นอินพุตสำหรับของแอนน์
วิธีการป้องกันรายการส่งแอนตามอธิบายไว้
ใน [1–10, 16] ย่อม แสดงข้อจำกัดเมื่อพวกเขาถูกฝึกให้ correctlycorrectly
ตอบเฉพาะการส่งเฉพาะบรรทัด ดังนั้น,
พิจารณาวิธีดังกล่าว ก็จะต้องสร้างเป็น
สภาพแวดล้อมการจำลองใหม่ตั้งหลายร้อยหรือพันมี
กรณีข้อบกพร่องการเปลี่ยนแปลงแต่ละสายส่งทำ
ลักษณะการ นอกจากนั้น มันจะเป็นยังต้องซ้ำ
ทั้งแอนฝึกกระบวนการ ข้อเสียเปรียบสำคัญดำเนินต่อ
แสดง โดยอัลกอริทึมที่
มันจะเสนอแล้วการพัฒนาและการเป็น
ใหม่แอนน์ใช้อัลกอริธึม เหมาะสำหรับการปกป้องใด ๆ ส่ง
บรรทัด โดยลักษณะของ (เช่นเรขาคณิตทาวเวอร์,
ชนิดเป็นตัวนำ ระดับความยาวและแรงดันไฟฟ้า) ใหม่นี้ตามแอน
อัลกอริทึมไม่จำเป็นต้องปรับตัวโทโพโลยีหรือแอนพารามิเตอร์ใด ๆ
ปรับปรุงเมื่อใช้กับระบบสายส่งที่แตกต่าง [17–
19] เป็นพัฒนาเกินข้อจำกัดที่มีอยู่ของก่อนหน้านี้
แอนตามกระบวน อนุญาตให้นำมาใช้พัฒนา
ในเชิงพาณิชย์ถ่ายทอดข้อมูลแบบ
แอนนี้ใช้อัลกอริทึมทำงานเป็นแบบฟังก์ชัน approximator,
ประมาณต้านทานบรรทัดจากการ relay กับจุดบกพร่อง
ถ่ายทอดข้อมูลแบบป้องกันระยะทางทั่วไปในทำนองเดียวกัน อัลกอริทึมนี้
6 ความต้านทานวัดองค์ ที่ประเมินยังใช้
ต้านทาน บรรทัดตามตัวอย่างของกระแสและแรงดันไฟฟ้า
โดย CTs และภาวะ vts เต้น ตามลำดับ.
การแปล กรุณารอสักครู่..