Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Archives of Electrical Engineering

1 2001

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

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

Rebizant W., Szafran J., Oechsle F.

Archives of Electrical Engineering

2001

Vol. 50, nr 4

427-440

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.

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.