Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

A K-NN algorithm based fault locating system for HVDC transmission lines

Flih Abdelhak, Souag Slimane, Ghomri Leila

Przegląd Elektrotechniczny

2023

R. 99, nr 11

104--108

High voltage direct current power transmission HVDC is nowadays in full expansion in the world for different reasons; economic, technical and environmental ones. On the other hand, more recently, the energy transition has boosted this technology enormously for the integration of renewable energies and carbon neutrality strategy these last times. As any system, the HVDC are subject to different faults which can affect their operation functioning. The aim of this work is to use a classifier based on one of the artificial intelligence methods to localize these faults. We have chosen the k-NN classifier, the theory of statistical learning.in k-NN classification, the result is a membership class. An input object is classified according to the majority result of the membership class statistics of its k nearest neighbors then the proposed approach has the ability to help in the field of classification of defects because there is no restriction on the number of features. It’s one of the supervised classifications and the result are a different fault location in dc cable.

Transmisja prądu stałego wysokiego napięcia HVDC jest obecnie w pełni rozpowszechniona na świecie z różnych powodów; ekonomicznych, technicznych i środowiskowych. Z drugiej strony, ostatnio transformacja energetyczna ogromnie przyspieszyła tę technologię w zakresie integracji energii odnawialnej i strategii neutralności pod względem emisji dwutlenku węgla. Jak każdy system, HVDC podlegają różnym awariom, które mogą wpływać na ich funkcjonowanie. Celem niniejszej pracy jest wykorzystanie klasyfikatora opartego na jednej z metod sztucznej inteligencji do lokalizacji tych uszkodzeń. Wybraliśmy klasyfikator k-NN, teorię statystycznego uczenia się. W klasyfikacji k-NN wynikiem jest klasa przynależności. Obiekt wejściowy jest klasyfikowany zgodnie z większościowym wynikiem statystyki przynależności do klasy jego k najbliższych sąsiadów, to proponowane podejście ma możliwość pomocy w zakresie klasyfikacji defektów, ponieważ nie ma ograniczeń co do liczby cech. Jest to jedna z nadzorowanych klasyfikacji, której wynikiem jest inna lokalizacja uszkodzenia w kablu prądu stałego.