این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۸، شماره ۲، صفحات ۴۱-۵۴
عنوان فارسی حفاظت دیفرانسیل ترانسفورماتور قدرت با استفاده از تبدیل S گسسته سریع و ماشین بردار پشتیبان بهینه‌شده با الگوریتم زنبورعسل
چکیده فارسی مقاله در این مطالعه، روش مبتنی بر تبدیل S گسسته سریع برای متمایزکردن جریان خطای داخلی از اغتشاشات دیگر در ترانسفورماتور قدرت ارائه شده است. ویژگی توابع براساس ویژگی‌های استخراج‌شده از ماتریس S و کانتورهای فرکانسی پیشنهاد شده‌اند. برای طبقه‌بندی ویژگی‌ها، ماشین بردار پشتیبان(SVM)، توسعه داده شده و از الگوریتم بهینه‌سازی زنبورعسل برای انتخاب پارامترهای بهینه طبقه‌بندی‌کنندۀSVM استفاده شده است. برای انجام این کار، شرایط مختلفی برای خطاهای خارجی، داخلی، برقدار شدن ترانسفورماتور و سطوح مختلف اشباع ترانسفورماتورهای اندازه‌گیری با استفاده از نرم‌افزار PSCAD/EMTDC شبیه‌سازی شده‌اند. برای الگو‌سازی شرایط واقعی، جریان‌های دیفرانسیل به همراه نویز در نظر گرفته شده‌اند. برای ارزیابی عملکرد روش پیشنهادی ، نتایج به‌دست‌آمده با نتایج سایر روش‌ها مقایسه شده‌اند. مقایسه نتایج نشان می‌دهد روش پیشنهادی نسبت به خطاهای خارجی و جریان هجومی با دقت زیادی پایدار است. همچنین، این روش از نویز تأثیر نمی‌گیرد و در طبقه‌بندی انواع شرایط مؤثر و سریع است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Power Transformer Protection Using Fast Discrete S-Transform and Optimized Support Vector Machine Classifier with Bee Algorithm
چکیده انگلیسی مقاله This study presents a Fast Discrete S-Transform based method to discriminate internal fault currents of power transformer from other disturbances. A criterion function is proposed based on some extracted features from the obtained S-Matrix and frequency contours. First, the Support Vector Machine (SVM) is extended for feature classification. Then, the Bee optimization algorithm is implemented to select optimal parameters of SVM classifier. To do this, several conditions of external and internal faults, inrush current and different levels of current transformer saturation are simulated using PSCAD/EMTDC software. In addition, differential currents are contaminated by noise for modeling real conditions. To evaluate the performance of proposed scheme, the obtained results are compared with results of other methods. Comparing the results shows that the proposed method remains stable with high accuracy during transformer excitation and external faults. Also, the proposed approach is effective, fast and not affected by noise during classification of different events.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله امانگلدی کوچکی |
گروه مهندسی برق-واحد علی آبادکتول- دانشگاه آزاد اسلامی- علی آبادکتول– ایران

علی اکبر عبدوس | ali akbar
دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی نوشیروانی بابل– بابل– ایران
سازمان اصلی تایید شده: دانشگاه صنعتی نوشیروانی بابل (Babol noshirvani university of technology)

قاسم میربابایی رکنی | mirbabaee rokni
گروه مهندسی برق-واحد علی آبادکتول- دانشگاه آزاد اسلامی- علی آبادکتول– ایران

نشانی اینترنتی http://isee.ui.ac.ir/article_21743_0eacb8ce6c7b0fba582ca23b6f5f3337.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-437580.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات