عنوان مقاله :
تمايز ميان عيوب مكانيكي سيمپيچ، خطاهاي الكتريكي داخلي و خارجي و جريانهاي هجومي در ترانسفورماتورها با استفاده از روش تركيبي
عنوان به زبان ديگر :
Discrimination between Winding Mechanical Defects, Internal and External Electrical Faults and Inrush Currents in Transformers using Hybrid Method
پديد آورندگان :
باقري، سجاد دانشگاه سمنان - دانشكده مهندسي برق و كامپيوتر , مروج، زهرا دانشگاه سمنان - دانشكده مهندسي برق و كامپيوتر , قره پتيان، گئورك دانشگاه سمنان - دانشكده مهندسي برق و كامپيوتر
كليدواژه :
حفاظت ديفرانسيل , استخراج ويژگي , تمايز پيشامدها , تغيير شكل شعاعي , جابجايي محوري
چكيده فارسي :
در اين مقاله، روش تركيبي كارا جهت تمايز عيوب مكانيكي سيمپيچ از جريانهاي خطاي گذراي ترانسفورماتورها و جريان هجومي پيشنهاد شده است. در اين روش، از ابزار پردازش سيگنال و هوش مصنوعي بهطور همزمان استفاده خواهد شد. ابتدا، عيبهاي مكانيكي سيمپيچ ترانسفورماتورها بر روي يك نمونه آزمايشگاهي (سيمپيچ ترانسفورماتور 1.6 مگاولت آمپري) بررسي ميگردد. سپس، پارامترهاي مدل مشروح سيمپيچ ترانسفورماتور در نرمافزار MATLAB توسط الگوريتم ژنتيك تخمين و جهت اعتبارسنجي، با نتايج آزمايشگاهي مقايسه ميشود. در مرحله بعد، عيوب مكانيكي سيمپيچ، خطاهاي الكتريكي داخلي و خارجي و جريان هجومي ترانسفورماتور با استفاده از نرمافزار EMTP/ATP بهمنظور استخراج سيگنالهاي جريان ديفرانسيل شبيهسازي ميگردد. بعد از آن، برخي ويژگيهاي بارز توسط تبديل ويولت از سيگنالهاي بهدستآمده تحليل ميگردد. درنهايت، اين ويژگيها جهت آموزش شبكه عصبي در نظر گرفته شده و پيشامدها از يكديگر تفكيك ميگردند. روش پيشنهادي قابليت تمايز عيوب مكانيكي سيمپيچ، خطاهاي الكتريكي داخلي و خارجي و جريان هجومي در ترانسفورماتورها را با دقت مناسبي دارد.
چكيده لاتين :
In this paper, an efficient method is suggested for distinguishing winding mechanical defects from transient fault currents and inrush current. In this method, a signal processing and artificial intelligence tool are simultaneously utilized. Firstly, the transformers winding mechanical defects are investigated on the real model of a 1.6-MVA transformer winding. Then, the parameters of the detailed model of the transformer winding are estimated in MATLAB software by Genetic Algorithm and compared with experimental results for validation. Thereafter, the winding mechanical defects, internal and external electrical faults and the inrush current is stimulated using ATP/EMPT software in order to obtain the differential currents. Afterwards, distinctive features are extracted using the wavelet transform. Finally, these features are used to train an ANN classifier and the disturbances are distinguished. The proposed method is able to distinguish among winding mechanical defects, internal and external electrical faults and inrush current in transformers with a good accuracy.
عنوان نشريه :
مهندسي برق دانشگاه تبريز
عنوان نشريه :
مهندسي برق دانشگاه تبريز