این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۳، شماره ۳، صفحات ۵۵-۶۶
عنوان فارسی تخمین اضافه‌ولتاژهای کلیدزنی در خطوط انتقال با استفاده از روش عصبی- فازی
چکیده فارسی مقاله یکی از علل اصلی قطعی خطوط انتقال، بویژه برای سطوح ولتاژ بالاتر از kV 345، شکست عایقی ناشی از اضافه‌ولتاژهای کلیدزنی است. بنابراین، بررسی این اضافه‌ولتاژها برای حفاظت خطوط انتقال ضروری است. با توجه به ماهیت آماری برخی عوامل، معمولاً مطالعه ریسک عایقی کلیدزنی به صورت آماری و با انجام تعداد زیادی شبیه‌سازی حالت گذرا انجام می‌شود. همچنین، با اضافه‌شدن تجهیز حفاظتی برقگیر، توزیع ولتاژ در کلیه نقاط به هم ریخته است و باید تمامی شبیه‌سازی‌ها به‌ازای هر محل استقرار جدید مجدداً تکرار شود که فرایندی پیچیده و زمانبر است. در این مقاله یک شبکه هوشمند فازی پیشنهاد شده که قادر است در مرحله طراحی با دریافت اطلاعات ساختاری خطوط شبکه، مقدار ریسک عایقی، تعداد قطعی و محل وقوع بیشترین اضافه‌ ولتاژ در شبکه را تعیین کند. این شبکه هوشمند می‌تواند مستقیماً برای تعیین استقامت عایقی خط و تعیین نقاط بحرانی خط که بهترین کاندید برای نصب برقگیر هستند، استفاده شود. همچنین، به طور غیرمستقیم می‌تواند برای تعیین محل بهینه برقگیر در شبکه قدرت به کار رود. شبکه هوشمند طراحی شده در مرحله بهره‌برداری نیز می‌تواند برای مشخص کردن ترتیب اولویت برقدار کردن خطوط مختلف پست، به منظور وارد شدن کمترین تنش عایقی به خطوط استفاده شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of Switching Overvoltages on Transmission Lines Using Neuro-Fuzzy Method
چکیده انگلیسی مقاله Insulation failure caused by switching overvoltages (SOVs) is one of the main sources of transmission lines’ outage, specially, on voltage levels of 345 kV and above. Therefore, the estimation of SOVs is vital in order to control and/or to reduce the switching–related outages. Due to the stochastic behavior of some of the parameters affecting on SOVs, the study of this phenomenon should be carried out based on a statistical study of the switching. Also, in the case of surge arrester installation on the transmission lines, depending on the location of arrester, voltage profile on line is changed and all the simulation should be performed for each new location of arresters, separately. One can conclude that this procedure is complex and time consuming. In this paper, a fuzzy based meta-model is presented which is be able to estimate the switching surge flashover rate (SSFOR), the maximum value of SOVs on the network and the location where the maximum overvoltage takes place. In the proposed meta model, the effect of altitude on SSFOR and the magnitude of SOVs is considered. This meta-model can be used, directly, for planning the insulation level of transmission lines in order to meet a certain number of outages and locating arresters on the region/nodes of the network of weak operation against SOVs. It is also possible to utilize the proposed meta model, indirectly, for assigning the optimal location of any specified set of arresters on the network without simulating of real network by a transient software, e.g. EMTP/ATP draw. The presented meta model can also be used in the operating stage to decide on the sequence of energizing and re-energizing of different transmission lines connected to the substations with the aim of reducing of maximum SOVs.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن فرشاد |
دانشگاه بیرجند
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

محسن عکافی مبارکه | akkafi mobarakeh
دانشگاه بیرجند
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

رضا شریعتی نسب |
دانشگاه بیرجند
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نشانی اینترنتی http://isee.ui.ac.ir/article_15347_858442fe11fb01253cda1b047d470d12.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343817.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