این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت انرژی، جلد ۹، شماره ۴، صفحات ۰-۰
عنوان فارسی طراحی یک رله دیفرانسیل زمین جدید بر اساس شبکه عصبی احتمالی
چکیده فارسی مقاله رله دیفرانسیل زمین بخشی از  حفاظت ترانسفورماتورهای قدرت می ­باشد که به منظور تشخیص خطاهای داخلی اتصال به زمین به­ کار گرفته می­شود. این طرح حفاظتی حساس و سریع می­ باشد، اما حین برخی موارد از جمله خطای خارج از ناحیه حفاظتی و یا طی عبور جریان هجومی مغناطیس کننده ترانسفورماتور قدرت، به دلیل اشباع ترانسفورماتورهای جریان، ممکن است دچار عملکرد اشتباه شود. در این مقاله، یک طرح هوشمند جدید برای این رله، بر اساس شبکه عصبی مصنوعی ارائه می­ گردد. برای پیاده ­سازی روش پیشنهادی، یک ترانسفورماتور قدرت واقعی تحت موارد بسیاری از شرایط کاری مختلف شامل خطای داخلی، خطای خارجی و برقدار شدن آن، در محیط نرم ­افزار PSCAD/EMTDC شبیه­ سازی می­ گردد. سپس بر اساس نتایج حاصله، اطلاعات یک سیکل از جریان دیفرانسیلی مربوط به هر مورد از شرایط مذکور به عنوان الگوهای نمونه استفاده شده تا شبکه عصبی احتمالی با استفاده از آن آموزش یابد. در نهایت، از شبکه آموزش یافته به عنوان هسته­ تشخیص­ دهنده در طرح این رله نوین استفاده می­ شود. نتایج پیاده ­سازی این روش، کارایی عالی آن را از حیث ایمنی در مقابل عملکرد کاذب، تایید می ­نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Designing of a New Transformer Ground Differential Relay Based on Probabilistic Neural Network
چکیده انگلیسی مقاله Low- impedance transformer ground differential relay is a part of power transformer protection system that is employed for detecting the internal earth faults. This is a fast and sensitive relay, but during some external faults and inrush current conditions, may be exposed to maloperation due to current transformer (CT) saturation. In this paper, a new intelligent transformer ground differential relay based on probabilistic neural network (PNN) is presented. To do so, a real power transformer is simulated under a large number of different operating conditions including internal fault, external fault and inrush current by using PSCAD/EMTDC software. Then, one cycle data of differential current obtained from each simulation case of mentioned operation conditions is used to provide exemplar patterns and the probabilistic neural network is trained using them. Finally, the trained network is employed as a detection core of the new relay. A comparative evaluation proves the absolute superiority of the proposed method in comparison with some other methods from viewpoint of immunity against maloperation.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی عبادی | Ali Ebadi
Babol Noshirvani University of Technology
دانشگاه صنعتی نوشیروانی بابل

سیدمهدی حسینی | SeyyedMehdi Hosseini
Babol Noshirvani University of Technology
دانشگاه صنعتی نوشیروانی بابل

علی اکبر عبدوس | Ali Akbar Abdoos
Babol Noshirvani University of Technology
دانشگاه صنعتی نوشیروانی بابل

نشانی اینترنتی http://energy.kashanu.ac.ir/browse.php?a_code=A-10-1863-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مهندسی برق
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات