Abstract
This paper presents a new protection scheme based on combination of S-Transform (ST) and Probabilistic Neural Network (PNN) methods to identify symmetrical faults during power swing conditions. The ST, an effective time–frequency decomposition transform, is used for extraction of beneficial features from a half cycle of the current signal. The constructed features vector is fed to a PNN classifier as an input pattern. No need to set the initial weights is the key attribute of PNN. The discrimination capability of extracted features which is the main contribution of the proposed method is investigated under different circumstances. The simulation results show that the protection scheme identifies a symmetrical fault during power swing correctly. Moreover, the proposed intelligent scheme has a fast performance due to the low computational burden of the combined methodology. The efficacy of the proposed scheme is confirmed by comparing with some of existent algorithms
چکیده
این مقاله یک طرح حفاظتی جدید مبتنی بر ترکیب روش های تبدیل S (ST) و شبکه عصبی احتمالی (PNN) برای شناسایی خطاهای متقارن در طول شرایط نوسان توان ارائه می دهد. ST که یک تبدیل تجزیه زمان-فرکانسی مؤثر است، برای استخراج ویژگی های مفید از یک نیم سیکل سیگنال جریان به کار می رود. بردار ویژگی های ساخته شده به یک کلاسه بند PNN به عنوان یک الگوی ورودی اعمال می شود. عدم نیاز به تنظیم وزن های اولیه نکته کلیدی PNN می باشد. قابلیت تمیز ویژگی های استخراجشده که کلیدی ترین نکته روش پیشنهادی نیز می باشد، تحت شرایط مختلف بررسی می شود. نتایج شبیه سازی نشان می دهد که طرح حفاظتی یک خطای متقارن را در طول نوسان توان به خوبی شناسایی می کند. با اینحال، طرح هوشمند پیشنهادی، به علت بار محاسباتی پایین این روش ترکیبی، عملکرد سریعی دارد.
1-مقدمه
یکی از اصلی ترین جنبه های سیستم قدرت عملیات امن واحد حفاظتی می باشد. به منظور جلوگیری از خروج های بی رویه در شبکه قدرت، اختلالات سیستم و تأثیر آنها روی عملکرد واحد حفاظت باید ارزیابی شود. خطوط انتقال شریان های حیاتی برای ارائه توان الکتریکی به مصرف کننده ها بوده و نقش پررنگی در پایداری سیستم قدرت ایفا می کنند. با اینحال، عملیات نادرست رله دیستانس تحت شرایط گوناگون، مانند نوسان توان، مهم ترین دلیل رخداد اختلالات وسیع در ایالات متحده می باشد. به عنوان مثال، بزرگ ترین خاموشی که در شمال ایالات متحده و جنوب کانادا در 14 اوت 2003 رخ داد باعث تلفات 50 گیگاواتی برای 50 میلیون مصرف کننده شد. علت این خاموش عملیات نادرست منطقه 3 رله دیتانس تحت نوسانات توان و اضافه بار بود که نهایتاً باعث فروپاشی سیستم قدرت شد ]1-3[. بنابراین مطالعات اختلالات سیستم و تأثیرات آنها روی عملکرد رله دیستانس برای افزایش امنیت و قابلیت اطمینان سیستم های قدرت امری اجتناب ناپذیر می باشد...