Genetic principles for design and optimisation of out-of step protection of generator based on neural network

• Autorzy: Rebizant W. , Szafran J. , Oechsle F.

Warianty tytułu

PL

Genetyczne podejście do projektowania i optymalizacji neuronowego zabezpieczenia generatora przed utratą synchronizmu

• Języki publikacji: EN

Abstrakty

EN

Investigations results on application of Artificial Neural Networks (ANNs) to protection of synchronous machines against out-of-step (OS) conditions are presented in the paper. The new ANN-based protection ensures faster and more secure detection of generator loss of synchronism when compared to traditional solutions. To determine the most suitable network topology for the recognition task a genetic algorithm (GA) is proposed. The final ANN structure is established using the rules of evolutionary improvement of the characteristics of individuals by concurrence and heredity. The proposed genetic optimisation principles have been implemented in Matlab programming code. The initial as well as further consecutive populations of ANNs were created, trained and graded in a closed loop until the selection criterion was fulfilled. The results of thorough testing of the designed protection scheme with the signals generated using the Alternative Transients Programme (ATP) are described.

PL

W artykule przedstawiono rezultaty badań nad zastosowaniem sztucznych sieci neuronowych do wykrywania poślizgu biegunów i stanu pracy asynchronicznej generatora. Opracowane rozwiązanie zapewnia parametry decyzyjne znacznie lepsze niż osiągalne przy wykorzystaniu tradycyjnych układów zabezpieczeniowych, w postaci wysokiej skuteczności i krótkiego czasu rozpoznawania sytuacji awaryjnych. Doboru sieci neuronowej do realizacji postawionego zadania dokonano z wykorzystaniem algorytmu genetycznej optymalizacji opartego na regułach ewolucyjnej poprawy cech jednostek w kolejnych pokoleniach. Zaproponowane zasady genetyczne zaimplementowano w języku programowania pakietu Matlab. Poszczególne populacje sieci neuronowych tworzono, uczono i testowano w pętli zamkniętej aż do wypełnienia zdefiniowanych warunków granicznych lub osiągnięcia maksymalnej liczby generacji. Optymalizację układu decyzyjnego przeprowadzono z wykorzystaniem sygnałów zwarciowych wygenerowanych w programie ATP do symulacji stanów przejściowych w systemie elektroenergetycznym.

Słowa kluczowe

PL

sieć neuronowa; system elektroenergetyczny

• Wydawca: Polish Academy of Sciences, Committee on Electrical Engineering
• Czasopismo: Archives of Electrical Engineering
• Rocznik: 2001
• Tom: Vol. 50, nr 4
• Strony: 427--440
• Opis fizyczny: Bibliogr. 9 poz., rys.

Twórcy

autor

Rebizant W.

• Wrocław University of Technology

autor

Szafran J.

• Wrocław University of Technology

autor

Oechsle F.

• University of Stuttgart

Bibliografia

• 1. Elmore W.A. (edited by): Protective relaying theory and applications. Marcel Dekker, New York, US, 1994.
• 2. Centeno V., Phadke A.G. and Edris A.: Adaptive out-of-step relay with phasor measurements. IEE Conf. Publ. No. 434, Developments in Power System Protection, London 1997, pp. 210-213.
• 3. Roemish W.R., Wall E.T. : A new synchronous generator out-of-step relay scheme. Part I. Abbreviated version. IEEE Trans. PAS-104, No. 3, 1985, pp. 563-571.
• 4. Taylor C.W. et al. : A new OS relay with rate of change of apparent resistance augmentation. IEEE Trans., PAS-102, No.3, 1983, pp. 631-639.
• 5. Ohura Y. et al.: A predictive out-of-step protection system based on observation of the phase difference between substations. IEEE Trans, on PD, Vol. 5, No. 4, 1990, pp. 1695-1704.
• 6. Neibur D. (convenor): Artificial neural networks for power systems. Report by TF 38.06.06, Electra, 159, 1995.
• 7. Rebizant W., Szafran J., Feser K., Oechsle F.: Statistics of short-circuit signals for power system protection purposes. 9th Int. Symposium on Short Circuit Currents in Power Systems SCC'2000, Kraków, Poland, Oct. 2000, pp. 149-156.
• 8. Menz R.: Verfahren zur Optimierung neuronaler Netztopologien durch genetische Algorithmen. Diplomarbeit D691, Universität Stuttgart, IEH, 1998.
• 9. Rebizant W.: ANN based detection of OS conditions in power systems. 12th Int. Conf. on Power System Protection, Bled, Slovenia, Sept. 2000, pp. 51-56.