Journal of Novel Researches on Smart Power Systems

fa تشخیص خطای امپدانس بالا در شبکه توزیع انرژی الکتریکی با استفاده از روش RF-ICEEMDAN Detection of High Impedance Faults in Electrical Distribution Systems Based on the RF-ICEEMDAN Approach تخصصي Special پژوهشي Research <div style="text-align: justify;">از مهم‌ترین خطاها که در شبکه‌های توزیع انرژی الکتریکی منجر به حوادث ناگواری هم‌چون آتش‌سوزی می‌شود، خطای امپدانس بالا می‌باشد. این نوع از خطاها به‌دلیل پایین بودن دامنه جریان، توسط تجهیزات حفاظتی مرسوم، هم‌چون رله‌های اضافه جریان، تشخیص داده نمی‌شوند. از طرفی دامنه تغییرات و شکل موج جریان خطای امپدانس بالا نزدیک به پدیده‌های دیگری هم‌چون تغییرات بارهای خطی و غیرخطی می‌باشد. در این مقاله از الگوریتم طبقه‌بندی جنگل تصادفی به‌همراه بهبود یافته تجزیه تجربی کامل مجموعه‌ای با نویز تطبیقی به‌منظور تنها شناسایی خطای امپدانس بالا استفاده شده است. در روش RF-ICEEMDAN، ابتدا مجموعه داده‌ها که شامل سیگنال‌های جریان‌های اندازه‌گیری شده خطای امپدانس بالا و تغییرات بارها می‌باشد، جمع آوری می‌شوند. سپس توسط روش ICEEMDAN تجزیه می‌شود تا ویژگی‌های هر نمونه از مجموعه داده‌ها، استخراج شود. ویژگی‌های استخراج شده از این بخش به‌عنوان ورودی به الگوریتم طبقه‌بندی جنگل تصادفی مورداستفاده قرار می‌گیرد. روش پیشنهادی بر روی شبکه توزیع تست 34 شینه IEEE پیاده‌سازی شده است. در این روش، توانایی و دقت بالا در تشخیص خطای امپدانس بالا قابل مشاهده است. به‌منظور شبیه‌سازی و بررسی روش پیشنهادی، از نرم‌افزارهای شبیه‌سازی EMTP-rv برای مدلسازی شبکه قدرت و از زبان برنامه‌نویسی Python در محیط Google Colab برای استخراج ویژگی و پیاده‌سازی الگوریتم جنگل تصادفی استفاده شده است. نتایج به‌دست آمده، دقت بالای روش پیشنهادی را تأیید می‌کند.</div> <div style="text-align: justify;">One of the most critical faults in electrical distribution networks, often leading to hazardous incidents such as fires, is the high impedance fault (HIF). Due to the low magnitude of the fault current, this type of fault typically remains undetected by conventional protection devices, such as overcurrent relays. Moreover, the amplitude variations and waveform of HIF currents closely resemble those of other phenomena, such as variations in linear and nonlinear loads. In this paper, a Random Forest classification algorithm combined with an improved noise-assisted Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (ICEEMDAN) is employed solely for the identification of high impedance faults. In the proposed RF-ICEEMDAN method, the dataset consisting of measured current signals from high impedance faults and load variations is first collected. The ICEEMDAN method is then used to decompose the signals and extract features from each sample. The extracted features are fed into the Random Forest classification algorithm. The proposed approach is implemented on the IEEE 34-bus distribution test system. The results demonstrate high accuracy and effectiveness in detecting high impedance faults. For simulation and evaluation purposes, EMTP-RV software is used for modeling the power system, and Python programming in the Google Colab environment is utilized for feature extraction and implementation of the Random Forest algorithm. The obtained results confirm the high performance and reliability of the proposed approach.</div> خطای امپدانس بالا, جنگل تصادفی, تغییرات بار, جریان خطا, روش ICEEMDAN High impedance fault, Random forest, Load switching, Fault current, ICEEMDAN method 83 103 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-336-2&slc_lang=fa&sid=1 Mohammad Sadegh Attar محمدصادق عطار pwr400.attar@tafreshu.ac.ir 10031947532846003075 10031947532846003075 Yes Department of Electrical Engineering, Tafresh University, Tafresh, Iran دانشکده مهندسی برق، دانشگاه تفرش، تفرش، ایران