An Analysis of power system faul Classifier using neural network

• Autorzy: Kumar Venkatesh , Sujitha S. , Aarthi C. , Nirmala M. , Samanvita N. , Garapati Durga Prasad , Kumar Vinoth , Manjunatha B.

Identyfikatory

DOI

10.15199/48.2024.07.20

Warianty tytułu

PL

Analiza uszkodzeń systemu elektroenergetycznego. Klasyfikator wykorzystujący sieć neuronową

• Języki publikacji: EN

Abstrakty

EN

Fault is obviously a significant phenomenon for energy transmission in the distribution system because of the potentially harmful consequences that finally lead to economic crises. In order to verify their sustainability error experience, MATLAB and Simulink analyse the 3-phase power system in this article. An intelligent expert like a neural network may easily identify the defect that may have happened in the transmission line and categorize transmission issues on the power supply using artificial neural network (ANN). ANN is used to categories problems and generate a change status indication for the protection relay. This work proposes design strategies for fault recognition, classification, and isolation supported by state-of-the-art artificial intelligence and signal processing. Three-phase current and voltage from one end are taken as inputs in the proposed scheme. The Various simulations and signal analysis are performed in MATLAB environment.

PL

Zwarcie jest oczywiście zjawiskiem istotnym dla przesyłu energii w systemie dystrybucyjnym ze względu na potencjalnie szkodliwe skutki, które ostatecznie prowadzą do kryzysów gospodarczych. Aby zweryfikować swoje doświadczenia związane z błędami w zakresie zrównoważonego rozwoju, MATLAB i Simulink analizują w tym artykule 3-fazowy system zasilania. Inteligentny ekspert, taki jak sieć neuronowa, może z łatwością zidentyfikować usterkę, która mogła wystąpić w linii przesyłowej i sklasyfikować problemy z transmisją w zasilaczu za pomocą sztucznej sieci neuronowej (ANN). SSN służy do kategoryzacji problemów i generowania wskazania stanu zmian dla przekaźnika zabezpieczeniowego. W pracy zaproponowano strategie projektowania rozpoznawania, klasyfikacji i izolacji uszkodzeń wspierane przez najnowocześniejszą sztuczną inteligencję i przetwarzanie sygnałów. W proponowanym schemacie jako dane wejściowe przyjmuje się prąd trójfazowy i napięcie z jednego końca. Różne symulacje i analiza sygnałów wykonywane są w środowisku MATLAB

Słowa kluczowe

EN

overcurrent relay; neural network; fault classification; artificial neural network; fault location; fault detection

PL

przekaźnik nadprądowy; sieć neuronowa; klasyfikacja usterek; sztuczna sieć neuronowa; lokalizacja uszkodzeń

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 7
• Strony: 96--100
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Kumar Venkatesh

• Vel Tech Multi Tech Dr. Rangarajan Dr. Sakunthala Engineering College, Chennai, India

• https://orcid.org/0000-0003-1227-5821

autor

Sujitha S.

• New Horizon College of Engineering, Bengaluru, India

• https://orcid.org/0000-0002-4305-3108

autor

Aarthi C.

• Sengunthar Engineering College, Tiruchengode, India

• https://orcid.org/0000-0002-6000-2812

autor

Nirmala M.

• Kumaraguru College of Technology, Coimbatore, India

• https://orcid.org/0000-0002-6719-4263

autor

Samanvita N.

• Nitte Meenakshi Institute of Technology, Bengaluru, India

• https://orcid.org/0000-0003-3372-9087

autor

Garapati Durga Prasad

• Shri Vishnu Engineering College for Women Bhimavaram, India

• https://orcid.org/0000-0002-6972-7801

autor

Kumar Vinoth

• New Horizon College of Engineering, Bengaluru, India

• https://orcid.org/0000-0002-3009-1658

autor

Manjunatha B.

• New Horizon College of Engineering, Bengaluru, India

• https://orcid.org/0000-0001-9866-2210

Bibliografia

• [1] Sandeep Makwana and Vijay Makwana, “Simulation and Hardware Implementation of Overcurrent Relay Used for Transmission Lines “-IEEE 2019
• [2] Yin Lee Goh, Farrukh Hafiz Nagi,Agileswari K. Ramasamy and Aidil Azwin Zainul Abidin, “Modelling of Overcurrent Relay Using Digital Signal Processor”-IEEE 3-5 October 2010
• [3] Muhammad Shoaib Almas, Rujiroj Leelaruji, and Luigi Vanfretti, “Over-Current Relay Model Implementation for Real Time Simulation & Hardware-In-the-Loop (HIL)Validation” - IEEE 2012
• [4] Han Su Yin, ShweZanAung, “Modeling and Simulation of Overcurrent and Earth Fault Relay for Extra High Voltage Transmission Line” - International Journal of Scientific Research and Engineering Development 4 July 2019
• [5] Anamika Yadav, Yajnaseni Dash and V. Ashok “ANN based directional relaying scheme for protection of Korba-Bhilai transmission line of Chhattisgarh state” - IEEE 2016
• [6] Mohammed Latroch, Mounir Khiat, Djelloul Rahiel, “An IDMT Overcurrent Protective Relay Based on ADALINE” -European Journal of Electrical Engineering December 2019
• [7] Sergio D. Saldarriaga-Zuluaga, Jesús M. López-Lezama and Nicolás Muñoz-Galeano, “Optimal Coordination of Over Current Relays in Microgrids Using Unsupervised Learning Techniques”
• [8] Praveen Kumar,Vishal Kumar and Rajendra Pratap “Digital design and implementation of an overcurrent relay on FPGA” - IEEE 2017 Testing
• [9] Li-Cheng Wu, Chih-Wen Liu and Ching-Shan Chen,”Modeling and of a Digital Distance Relay Using MATLAB/SIMULINK” - IEE 2005.
• [10] P. Maji and G. Ghosh, “Designing Over-Current Relay Logic in MATLAB” International Journal of Scientific & Engineering Research, March-2017
• [11] Shoaib A. Shaikh, Kundan Kumar, Asif R. Solangi, Shubash Kumar and Aizaz Ali Soomro “Short Circuit Analysis & Over current Relaying Coordination of IEEE 9-Bus System” -IEEE 2018
• [12] Majid Jamil, Sanjeev Kumar Sharma and Rajveer Singh“Fault detection and classification in electrical power transmission system using artificial neural network”
• [13] Majeed Rashid Zaidan “Power System Fault Detection, Classification And Clearance By Artificial Neural Network Controller”2019 Global Conference for Advancement in Technology (GCAT) Bangalore, India. Oct 18-20, 2019
• [14] K.S.Swarup H.S.Chandrasekharaiah “Fault Detection And Diagnosis Of Power Systems Using Artificial Neural Networks ”-IEEE 1991.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).