این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت انرژی، جلد ۱۳، شماره ۱، صفحات ۰-۰
عنوان فارسی شناسایی و طبقه‌بندی خطا در خطوط دو مداره در حضور TCSC با استفاده از روشی ترکیبی هوشمند
چکیده فارسی مقاله در این مقاله، روش موثری جهت تشخیص و طبقه‌بندی خطا در یک خط انتقال دو مداره جبران سازی شده با TCSC پیشنهاد شده‌است. اثر ترویج خطوط انتقال موازی و استفاده از TCSC باعث تغییر در محتوای فرکانسی سیگنال‌های ورودی رله دیستانس می‌شود که در نتیجه شناسایی و طبقه‌بندی خطا را با چالش موجه می‌کند. یکی از ابزارهای کارآمد برای تشخیص و طبقه‌بندی خطا در خطوط جبران‌سازی شده استفاده از روش‌های شناسایی الگو است. پیش نیاز استفاده بهینه از این روش‌ها، استخراج و انتخاب ویژگی‌های ورودی مناسب به الگوریتم‌های طبقه‌بندی کننده است. در این مقاله از ابزار پردازش سیگنال تبدیل موجک جهت استخراج ویژگی شده‌ است. بدلیل تنوع موجک مادر، در ابتدا با استفاده از روش جدید بهترین موجک مادر شناسایی می‌شود و از ضرائب تجزیه شده حاصل از موجک مادر انتخاب شده، برای ساختن بردار ویژگی‌ها استفاده می‌شود. بعد از این مرحله، الگوریتم‌های طبقه‌بندی کننده درخت تصمیم‌گیری، ماشین بردار پشتیبان و الگوریتم k- نزدیک‌ترین همسایه توسط بردار ویژگی‌های استخراج شده آموزش داده می‌شود. سپس، با استفاده از سناریوهای مختلف شبیه‌سازی میزان عملکرد صحیح هر یک از الگوریتم‌ها محاسبه و الگوریتمی که عملکرد بهتری نسبت به سایرین دارد، انتخاب می‌شود. در این مقاله، سیستم نمونه و روش پیشنهادی در نرم افزار MATLAB پیاده‌سازی شده‌ است.  
کلیدواژه‌های فارسی مقاله خطوط دو مداره، خط جبران سازی شده، طبقه‌بندی کننده خطا
عنوان انگلیسی Fault Detection and Classification in Double-Circuit Transmission Line in Presence of TCSC Using Hybrid Intelligent Method
چکیده انگلیسی مقاله In this paper, an effective method for fault detection and classification in a double-circuit transmission line compensated with TCSC is proposed. The mutual coupling of parallel transmission lines and presence of TCSC affect the frequency content of the input signal of a distance relay and hence fault detection and fault classification face some challenges. One of the most effective methods for fault detection and classification in a compensated line is pattern-recognition methods. Prerequisites for the optimal using of these methods are the extraction and selection of appropriate features to feed the classifier. In this paper, wavelet transform as a signal processing tool to extract features is used. Due to variety of mother wavelets, firstly the best mother wavelet is identified by using a new method and the feature vector is made by the coefficients obtained from the best mother wavelet. After this stage, decision tree, support vector machines, and k-nearest neighbor as the classifies are trained by feeding the feature vector. Then, their accuracies are evaluated against different simulation scenarios to select the best classifier which has the best performance among others. In this paper, the sample system and the proposed method is implemented in MATLAB environment.
کلیدواژه‌های انگلیسی مقاله Double-Circuit Transmission Lines, Fault Classification, Compensated Transmission Line
نویسندگان مقاله زهرا مروج | zahra moravej
Semnan University
دانشگاه سمنان

علی خلیل زاده فرد | Ali Khalilzadeh fard
Semnan University
دانشگاه سمنان

محمد پازکی | Mohammad Pazoki
Damghan University
دانشگاه دامغان

نشانی اینترنتی http://energy.kashanu.ac.ir/browse.php?a_code=A-10-2618-3&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