Wykrywanie zwarć łukowych w przesyłowych liniach elektroenergetycznych

• Autorzy: Kostyła P. , Łobos T. , Jaroszewski M.

Warianty tytułu

EN

Recognition of arcing faults on transmission lines

• Języki publikacji: PL

Abstrakty

PL

Samoczynne ponowne załączanie (SPZ) stanowi bardzo efektywny sposób poprawy pewności pracy systemu elektroenergetycznego. Załączenie na zwarcie trwałe może być jednak niebezpieczne dla niektórych urządzeń elektroenegetycznych. W związku z tym, w niniejszej pracy proponuje się metodę umożliwiającą zapobieganie załączeniu na zwarcie trwałe. Metoda opiera się na estymacji w czasie rzeczywistym parametrów sygnałów oraz na analizie błędów estymacji z wykorzystaniem optymalizacyjnej rekurencyjnej sztucznej sieci neuronowej.

EN

Automatic reclosing is very effective method of improving the power system reliability. However, the reclosing on permanent fault could be harmful to electric apparatuses. To avoid reclosing on permanent faults, a new method has been proposed. The method bases on real-time parameters estimation of signals and on analysis of the estimation errors using a neural network.

Słowa kluczowe

PL

sieci neuronowe; estymacja sygnału; łuk zwarciowy; zagadnienia optymalizacji

EN

neural networks; signal estimation; arcing arc; optymization problems

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 10
• Strony: 174--177
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Kostyła P.

autor

Łobos T.

autor

Jaroszewski M.

• Politechnika Wrocławska, Instytut Podstaw Elektrotechniki i Elektrotechnologii, ul. Wybrzeże Wyspiańskiego 27, 50-370 Wrocław,

Bibliografia

• [1] Dalstain T., Kulicke B., Neural Network Approach to Fault Classification of High Speed Protective Relaying, IEEE Trans. On Power Delivery, 10 (1995), n.2, 1002-1009
• [2] Djuric M. B., Terzija V. V., Skokljev I. A. Transmission Line Arcing Faults Recognition from the Voltage Signal, 11th PSCC, (1993), 1037-1040
• [3] Djuric M. B., Radojev Z. M., Terzija V. V, Digital Signal Processing Algorithm for arcing Faults Detection on Transmission Lines, 12th PSCC, 2 (1996), 681-687
• [4] Kogl in H. J., Łobos T., Recognition of Arcing Faults on Transmission Lines Using a Neural Network, 12th PSCC, 2 (1996), 688-693
• [5] Kizilcay M., Pniok T., Digital Simulation of Faults Arcs in Power Systems, ETEP, 1 (1991), n.1, 55-60
• [6] Song Y. H., Aggarwal R. K., Johns A. T., Digital Simulation of Faults Arcs on Long-Distance Compensated Transmission Systems with Particular Reference to Adaptive Autoreclosure, ETEP, 5 (1995), n.5, 315-324
• [7] Clemens H., Rothe K., Schuztechnik in Elektroenergiesystemen, Berlin: Verlag Technik, (1991), 173-174
• [8] Kizilcay M., Koch K.-H., Numerical Fault Arc Simulation Based on Power Arc Tests, ETEP, 4 (1994), n.3, 177-185
• [9] Łobos T., Nonrecursive Methods for Real-Time Determination of Basic Waveforms of Voltages and Currents, IEE Proc.-C, 136 (1989), n.6, 347-351
• [10] Cichocki A., Łobos T., Artificial Neural Networks for Real-Time Estimation of Basic Waveforms of Voltages and Currents, IEEE Trans. On Power Systems, 9 (1994), n.2, 612-618
• [11] Song Y. H., Aggarwal R. K., Johns A. T., Improved Techniques for Modeling Fault Arcs on Faulted EHV Transmission Systems, IEE – Proc.-Gener. Transm. Distrib., 141 (1994), n.2, 148-154
• [12] Hampel F. R., Ronchetti E. N., Stachel W. A., Robust Statistics – The Approach Based on Influence Functions, New York: Wiley, (1995)
• [13] ATP (Alternative Transients Program) , Canadian / American EMTP User Group (1987-92)