|
ارائه طرح حفاظتی دیفرانسیلی مبتنی بر مدل ترکیبی CNN-LSTM برای تشخیص زودهنگام و طبقهبندی خطاهای داخلی سیمپیچی در ترانسفورماتورهای قدرت
|
احسان اکبری*   |
| دانشکده مهندسی برق، دانشگاه علوم و فنون مازندران، بابل، ایران ، e.akbari@ustmb.ac.ir |
|
|
چکیده: (24 مشاهده) |
ترانسفورماتورهای قدرت از تجهیزات حیاتی در شبکههای انتقال و توزیع هستند که بروز خطاهای داخلی در آنها میتواند منجر به خسارتهای سنگین و کاهش پایداری شبکه شود. تشخیص سریع و تفکیک دقیق خطاهای سیمپیچی از پدیدههای گذرا، چالش اصلی در حفاظت دیفرانسیل است. در این مقاله، یک مدل هوشمند ترکیبی مبتنی بر شبکههای عصبی کانولوشنی و حافظه طولانیمدت کوتاهمدت (CNN-LSTM) جهت تشخیص زودهنگام و طبقهبندی خطاهای داخلی ارائه شده است. در روش پیشنهادی، از سیگنالهای جریان تفاضلی سهفاز بهعنوان ورودی استفاده میشود؛ بهطوریکه لایههایCNN وظیفه استخراج ویژگیهای مکانی و محلی از شکلموجها را بر عهده داشته و لایه LSTM وابستگیهای زمانی موجود در سیگنالهای گذرا را فرا میگیرد. سناریوهای مختلفی شامل وضعیت عادی، جریان هجومی و انواع خطاهای داخلی (فاز به زمین، فاز به فاز و سهفاز) شبیهسازی شده است. نتایج حاصل از ارزیابی مدل نشان میدهد که ساختار ترکیبی پیشنهادی با دستیابی به دقت ۹۸.۴ درصد، عملکرد بهتری نسبت به مدلهای تکساختار CNN و LSTM نشان میدهد. این مدل با سرعت پاسخدهی بالا و دقت در تفکیک جریان هجومی، پتانسیل بالایی جهت بهکارگیری در نسل جدید رلههای حفاظتی هوشمند دارد.
|
|
| واژههای کلیدی: ترانسفورماتور قدرت، خطای داخلی، حفاظت دیفرانسیل، شبکه عصبی کانولوشنی، LSTM، تشخیص زودهنگام خطا |
|
|
متن کامل [PDF 1240 kb]
(33 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1404/11/12 | پذیرش: 1405/1/25 | انتشار: 1405/3/10
|
| * نشانی نویسنده مسئول: دانشکده مهندسی برق، دانشگاه علوم و فنون مازندران، بابل، ایران |
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
