A NEURO-FUZZY TECHNIQUE FOR DISCRIMINATION BETWEEN INTERNAL FAULTS AND MAGNETIZING INRUSH CURRENTS IN TRANSFORMERS

تشخيص دهنده هاي مرسوم جريان هجومي كه براساس هارمونيك دوم عمل مي‌كنند درشبكه‌هاي قدرت پيشرفته بدليل وجود هارمونيك‌هاي مختلف و كم بودن دامنه هارمونيك دوم جريان هجومي در ترانسفورماتورها با هسته‌هاي خاص، دچار عملكرد اشتباه مي‌شوند. در اين مقاله يك روش جديد براساس تكنيك فازي- نرو براي تشخيص جريان هجومي ارايه شده است. روش پيشنهادي در مقايسه با روشهاي مرسوم حساسيت بالايي در تشخيص جريان هجومي داشته و در هنگام رخداد همزمان جريان هجومي و انواع مختلف خطاهاي داخلي مانع از عملكرد رله ديفرانسيل نخواهد شد. جزييات طراحي و نتايج تست اين روش در مقاله آورده شده است. نتايج حاصل از تست نشان مي‌دهند كه روش پيشنهادي سريع و دقيق است.

This paper presents the application of the fuzzy-neuro method to investigate transformer inrush current. Recently, the frequency environment of power systems has been made more complicated and the magnitude of the second harmonic in inrush current has been decreased because of the improvement of cast steel. Therefore, traditional approaches will likely mal-operate in the case of magnetizing inrush with low second component and internal faults with high second harmonic. The proposed scheme enhances the inrush detection sensitivity of conventional techniques by using a fuzzy-neuro approach. Details of the design procedure and the results of performance studies with the proposed detector are given in the paper. The results of performance studies show that the proposed algorithm is fast and accurate.