Открытый доступ Открытый доступ  Ограниченный доступ Доступ для подписчиков

Распознавание режима работы силового трансформатора с использованием искусственных нейронных сетей

К. Р. ВАЛИУЛЛИН, В. М. КРЫНОВ

Аннотация


Одним из современных инструментов решения задачи классификации режимов работы электрооборудования являются искусственные нейронные сети. В статье рассматривается вопрос применения искусственной нейронной сети для решения задачи распознавания режима работы силового трансформатора. Определено качество классификации для различных конфигураций нейронной сети, сделаны выводы о том, что нейросетевой классификатор возможно использовать для определения режима работы силового трансформатора.

Ключевые слова


классификация режима работы; искусственная нейронная сеть; режимы работы силового трансформатора

Полный текст:

PDF

Литература


Bouthiba T. Fault detection and classification technique in EHV transmission lines based on artificial neural network // European Transactions on Electrical Power. 2005. Vol. 15. No. 5. Р. 443 - 454. DOI: 10.1002/ etep.58.

Lai L. L. Application of neural networks to fault classification and protection // 1997 Fourth International Conference on Advances in Power System Control, Operation and Management, APSCOM-97. (Conf. Publ. No. 450). 1997. Vol. 1. P. 72 - 76. DOI: 10.1049/cp:19971807.

Abdelaziz A. Y., Amr M. Ibrahim. A Hybrid Wavelet-ANN-Based Protection Scheme for FACTS Compensated Transmission Lines // International Journal of Intelligent Systems and Applications (IJISA). 2013. Vol. 5. No. 7. P. 23 - 31. DOI: 10.5815/ijisa.2013. 07.04.

Isa A., Sourkounis C. Development of Artificial Neural Network and Adaptive Neuro-Fuzzy Inference System Based Techniques and Algorithms for Protection of Transmission Line // In IECON 2019 - 45th Annual Conference of the IEEE Industrial Electronics SocietyIEEE. 2019, October. Vol. 1. Р. 2144 - 2147.

Камель Т. С., Хассан М. А., Эль-Моршеди А. Применение систем искусственного интеллекта в дистанционной защите линии электропередачи // Тез. докл. Второй Междунар. науч.-техн. конф. "Современные направления развития систем релейной защиты и автоматики энергосистем", Москва 7 - 10 сентября 2009 г. - 2009. С. 30 - 38.

Ricardo Caneloi dos Santos, Eduardo Cesar Senger. Transmission lines distance protection using artificial neural networks // International Journal of Electrical Power and Energy Systems. 2011. Vol. 33(3). Р. 721 - 730. DOI: 10.1016/j.ijepes.2010.12.029.

Gaganpreet Chawla. Design, implementation and testing of an artificial neural network based admittance relay // IFAC Proceedings Volumes. 2006. Vol. 39, No. 7. P. 125 - 130. DOI: 10.3182/20060625-4- CA-2906.00027.

Jiali H. Distance relay protection based on artificial neural network / H. Jiali, D. Yuqian, L. Yongli, W. Gang, L. Shanshan // 1997 Fourth International Conference on Advances in Power System Control, Operation and Management, APSCOM-97 (Conf. Publ. No. 450). 1997. Vol. 1. P. 72 - 76. DOI: 10.1049/cp:19971887.

Oleskovicz M., Coury D. V., A. C. P. L. F. de Carvalho. Artificial Neural Network Applied to Power System Protection // Proc. 5th Brazilian Symposium on Neural Networks (Cat. No. 98EX209). 1998. P. 247 - 252. DOI: 10.1109/SBRN. 1998.731040.

Sanaye-Pasand M., Khorashadi-Zadeh H. Design and implementation of a new neural network-based high speed distance relay // European Transactions on Electrical Power. 2008. Vol. 18 (4). P. 364 - 384, DOI: 10.1002/etep. 180.

Feilat E. A. Al-Tallaq K. N. An Artificial Neural Network Approach for Three-Zone Distance Protection // International Journal of Modelling and Simulation. 2005. Vol. 25(4). P. 291 - 298. DOI: 10.1080/02286203.2005. 11442342.

Zellagui M., Chaghi A. Impact of TCSC on Distance Protection Setting based Modified Particle Swarm Optimization Techniques // International Journal of Intelligent Systems and Applications (IJISA). 2013. Vol. 5. No. 6. P. 12 - 24. DOI: 10.5815/ijisa.2013. 06.02

Anant O., Sanom S. Appliance of recurrent neural network toward distance transmission lines protection // IEEE Region 10 Annual International Conference, Proceedings / TENCON. 2009. P. 1 - 4. DOI: 10.1109/TENCON.2009.5395944.

Tripathy M. Power Transformer Differential Protection Based on Neural Network Principal Component Analysis, Harmonic Restraint and Park's Plots // Advances in Artificial Intelligence. 2012. Vol. 2012. P 1 - 9. DOI: 10.1155/2012/930740.

Coury D. V. An alternative approach using artificial neural networks for power transformer protection // European Transactions on Electrical Power. 2006. Vol. 16. No. 1. Р. 63 - 77. DOI: 10.1002/etep.65.

Tripathy Manoj, Maheshwar R. P., Verma H. K. Improved transformer protection using probabilistic neural network and power differential method // International Journal of Engineering, Science and Technology. 2010. Vol. 2. No. 3. P. 29 - 44. DOI: 10.4314/ijest.v2i3.59171.

Afrasiabi S. et al.Integration of accelerated deep neural network into power transformer differential protection // IEEE Transactions on Industrial Informatics. 2019. Vol. 16. No. 2. P. 865 - 876. DOI:10.1109/ TII.2019.2929744.

Vishwakarma D. N., Balaga H., Nath H. Application of genetic algorithm trained masterslave Neural Network for differential protection of power transformer // 2014 9th International Conference on Computer Engineering & Systems (ICCES). 2014. P. 164 - 169. DOI: 10.1109/ICCES. 2014. 7030950.

Rezaei N., Haghifam M.-R. Protection scheme for a distribution system with distributed generation using neural networks // International Journal of Electrical Power & Energy Systems. 2008. Vol. 30. No. 4. P. 235 - 241. DOI: 10.1016/j.ijepes.2007. 07.006.

Yu J. J. Q.Intelligent fault detection scheme for microgrids with wavelet-based deep neural networks /j. J. Q. Yu, Y. Hou, A. Y. S. Lam, V. O. K. Li // IEEE Transactions on Smart Grid. 2019. Vol. 10. No. 2. P. 1694 - 1703. DOI: 10.1109/TSG.2017. 2776310.

Hagh M. T., Raz K., Taghizadeh H. Fault classification and location of power transmission lines using artificial neural network // 2007 International Power Engineering Conference (IPEC 2007). 2007. P. 1109 - 1114. DOI:10.1109/CPERE45374.2019.8980173.

Hassani H., Razavi - Far R., Saif M. Locating Faults in Smart Grids Using Neuro - Fuzzy Networks // 2019 IEEE International Conference on Systems, Man and Cybernetics (SMC). 2019. P. 3281 - 3286. DOI: 10.1109/SMC.2019.8913912.

Resmi R. Classification and Zone Location of Fault in Transmission Line using Artificial Neural Network / R. Resmi, V. Vanitha, E. Aravind, S. Harithaa // 2019 IEEE International Conference on Electrical, Computer and Communication Technologies (ICECCT). 2019. P. 1 - 5. DOI: 10.1109/ICECCT.2019. 8868990.

Хренников А. Ю., Любарский Ю. Я. Использование элементов искусственного интеллекта: компьютерная поддержка оперативных решений в интеллектуальных электрических сетях: учеб.-методич. пособие. - М.: ЛИТРЕС, 2021. - 140 с., ил.

Любарский Ю. Я., Хренников А. Ю. Интеллектуальные электрические сети: компьютерная поддержка диспетчерских решений: учеб.-методич. пособие для магистратуры / Ю. Я. Любарский, А. Ю. Хренников. - М.: ИНФРА-М, 2021. - 160 с., ил.

Функционирование и развитие электроэнергетики в эпоху цифровизации: сб. докл. / Под ред. Н. Д. Рогалёва. - М.: МЭИ, 2021. - 272 с.




DOI: http://dx.doi.org/10.34831/EP.2022.79.96.006

Ссылки

  • На текущий момент ссылки отсутствуют.


© 1998 – 2023 НТФ «Энергопрогресс»

Адрес редакции:
129090, г. Москва, ул. Щепкина, д. 8
Телефон: +7 495 234-74-21
E-mail: energetick@mail.ru, energetik@energy-journals.ru

 

Наши партнеры

                

Выставки: