تمایز میان عیوب مکانیکی سیم‌پیچ، خطاهای الکتریکی داخلی و خارجی و جریان‌های هجومی در ترانسفورماتورها با استفاده از روش ترکیبی

نویسندگان

1 دانشگاه سمنان - دانشکده مهندسی برق و کامپیوتر

2 دانشگاه صنعتی امیرکبیر تهران - دانشکده مهندسی برق

چکیده

در این مقاله، روش ترکیبی کارا جهت تمایز عیوب مکانیکی سیم‌پیچ از جریان‌های خطای گذرای ترانسفورماتورها و جریان هجومی پیشنهاد شده است. در این روش، از ابزار پردازش سیگنال و هوش مصنوعی به‌طور همزمان استفاده خواهد شد. ابتدا، عیب‌های مکانیکی سیم‌پیچ ترانسفورماتورها بر روی یک نمونه آزمایشگاهی (سیم‌پیچ ترانسفورماتور 1.6 مگاولت آمپری) بررسی می‌گردد. سپس، پارامترهای مدل مشروح سیم‌پیچ ترانسفورماتور در نرم‌افزار MATLAB توسط الگوریتم ژنتیک تخمین و جهت اعتبارسنجی، با نتایج آزمایشگاهی مقایسه می‌شود. در مرحله بعد، عیوب مکانیکی سیم‌پیچ، خطاهای الکتریکی داخلی و خارجی و جریان هجومی ترانسفورماتور با استفاده از نرم‌افزار EMTP/ATP به‌منظور استخراج سیگنال‌های جریان دیفرانسیل شبیه‌سازی می‌گردد. بعد از آن، برخی ویژگی‌های بارز توسط تبدیل ویولت از سیگنال‌های به‌دست‌آمده تحلیل می‌گردد. درنهایت، این ویژگی‌ها جهت آموزش شبکه عصبی در نظر گرفته شده و پیشامدها از یکدیگر تفکیک می‌گردند. روش پیشنهادی قابلیت تمایز عیوب مکانیکی سیم‌پیچ، خطاهای الکتریکی داخلی و خارجی و جریان هجومی در ترانسفورماتورها را با دقت مناسبی دارد.

کلیدواژه‌ها

عنوان مقاله [English]

Discrimination between Winding Mechanical Defects, Internal and External Electrical Faults and Inrush Currents in Transformers using Hybrid Method

نویسندگان [English]

  • S. Bagheri 1
  • Z. Moravej 1
  • G. B. Gharehpetian 2
1 Faculty of Electrical and Computer Engineering, Semnan University, Semnan, Iran
2 Electrical Engineering Department, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

In this paper, an efficient method is suggested for distinguishing winding mechanical defects from transient fault currents and inrush current. In this method, a signal processing and artificial intelligence tool are simultaneously utilized. Firstly, the transformers winding mechanical defects are investigated on the real model of a 1.6-MVA transformer winding. Then, the parameters of the detailed model of the transformer winding are estimated in MATLAB software by Genetic Algorithm and compared with experimental results for validation. Thereafter, the winding mechanical defects, internal and external electrical faults and the inrush current is stimulated using ATP/EMPT software in order to obtain the differential currents. Afterwards, distinctive features are extracted using the wavelet transform. Finally, these features are used to train an ANN classifier and the disturbances are distinguished. The proposed method is able to distinguish among winding mechanical defects, internal and external electrical faults and inrush current in transformers with a good accuracy.

کلیدواژه‌ها [English]

  • differential protection
  • feature extraction
  • discrimination of disturbances
  • radial deformation
  • axial displacement

فایل ها

هم رسانی

ارجاع به این مقاله

آمار