250.0 [A]

Transcript

1 شناسایی و طبقه بندي جریان هجومی ترانس کلید زنی خازنی بار اتصال کوتاهها با استفاده از تبدیل موجک علیرضا صدیقی انارکی شیما شیریزدي - دانشگاه یزد مجتمع فنی و مهندسی دانشکده مهندسی برق sedighi@ yazduni.ac.ir - دانشجوي کارشناسی ارشد مهندسی برق قدرت دانشگاه آزاد اسلامی واحد نجفآباد S_shiryazdi@yahoo.com چکیده در این مقاله روش جدیدي براي شناسایی و طبقهبندي انواع حالتهاي گذرا از جمله: خازنی بار اتصال کوتاه تکفاز دوفاز سه فاز و جریان هجومی ترانس اراي ه است. در این روش براي دسترسی به مو لفههاي فرکانس بالاي سیگنالها و استخراج ویژگیها از تبدیل موجک و براي انتخاب ویژگیها از روش آنالیز مو لفههاي اصلی و براي جداسازي دادهها از طبقهبندي کننده بیز استفاده است. اطلاعات مربوط به انواع حالات گذرا با شبیهسازي یک فیدر 0KV به کمک برنامه EMTP بدست آمدهاند. نتایج میزان موفقیت بالاي این روش را نشان میدهند. کلما ت کلیدي حالتهاي گذراي شبکه توزیع تبدیل موجک طبقهبندي کننده بیز آنالیز مو لفههاي اصلی (PCA) - مقدمه حالتهاي گذراي گوناگونی از جمله جریان هجومی ترانس خازنی بار خطاي اتصال کوتاه تکفاز دوفاز و سه فاز در شبکه توزیع انرژي الکتریکی رخ میدهند. جریان هجومی ترانس یک جریان گذرا است که در اثر ترانس بدون بار بوجود میآید. گاهی اوقات مقدار این جریان گذرا از جریان بار کامل تجاوز میکند و ممکن است به 8 تا برابر جریان بار کامل برسد[ ] براي هر ترانسفورماتور این جریان گذرا بستگی به اندازه ولتاژ منبع تغذیه در لحظه برقدار شدن ترانسفورماتور شار پسماند هسته و امپدانس مدار تغذیه دارد []. خازن اعم از ورود یا خروج خازن باعث ایجاد جریانهاي گذراي فرکانس بالا میشود. دامنه جریانهاي گذرا در این حالت میتواند زیاد باشد و این موضوع به هنگام بانکهاي خازنی موازي بیشتر به چشم میخورد. علاوه بر این خازن باعث ایجاد قوسهاي برگشت در لحظه جداشدن کنتاکهاي کلید از یکدیگر در لحظه قطع مدار میگردد که میتواند اضافه ولتاژهاي شدید گذرا در شبکه توزیع ایجاد کند. از آنجا که زاویه فاز بین جریان و ولتاژ خازن 90 درجه است چنانچه کلید در زمانی جریان خازن را قطع کند که ولتاژ حداکثر است در این لحظه ولتاژ حداکثر موجود در دو سر خازن آن را شارژ مینماید. در نیم سیکل بعد وقتی که ولتاژ در خلاف جهت دو سر خازن قرار میگیرد ولتاژ دو سر کلید حداقل دو برابر ولتاژ ماکزیمم مدار میگردد و اگر کلید قادر به تحمل این ولتاژ نباشد باعث جرقه زدن بین کنتاکهاي آن میشود و جریان دوباره برقرار میگردد []. بار و اتصال کوتاهها نیز باعث ایجاد گذراهایی در جریان و ولتاژ شبکه میگردند[ ]. به دلیل شباهتهایی که شکل موجهاي حالتهاي گذراي جریان هجومی ترانس خازنی بار و خطاي اتصال کوتاه تکفاز دوفاز و سه فاز با یکدیگر دارند گاهی اوقات به درستی تشخیص داده نمیشوند و باعث بروز پارهاي از مشکلات میشوند که از آن جمله عملکرد رله دیفرانسیل در مقابل جریان هجومی ترانس است. در صورتی که رله دیفرانسیل براي تشخیص اتصالی و عیب

2 و فصل نامه علمی - تخصصی مهندسی برق مجلسی / سال اول/ شماره دوم / پاي یز 86 داخل ترانسفورماتور است و نباید در مقابل جریان هجومی ترانس عمل کند []. جداسازي صحیح گذراهاي بوجود آمده در شبکه توزیع میتواند باعث جلوگیري از قطعی فیدرها در مواقع غیرضروري و نیز جلوگیري از حوادث احتمالی بواسطه خطاهاي اتصال کوتاه گردد لذا در این مقاله تلاش تا راهحلی مناسب براي این امر اراي ه گردد. یکی از تبدیلاتی که براي تجزیه سیگنالها و استخراج ویژگیهاي مناسب جهت طبقهبندي دادهها مورد استفاده قرار میگیرد تبدیل موجک میباشد. از آنجا که این تبدیل براي تجزیه سیگنالهاي غیرایستان مناسب میباشد و گذراهاي مورد بحث این مقاله از نوع غیرایستان میباشند. در این مقاله از این تبدیل براي پردازش سیگنالهاي گذرا استفاده است [8-6]. اکثر الگوریتمهاي شناسایی و طبقهبندي حالتهاي گذرا که از آنالیز تبدیل موجک استفاده میکنند براساس مقایسه مقدار مو لفههاي فرکانس بالاي سطح اول جریانهاي هر سه فاز حالتهاي گذرا عمل میکنند [9]. در [] با استفاده از موجک Spline و قدرمطلق ضرایب سطح و سیگنالهاي جریان تجزیه براي شناسایی حالتهاي گذرا استفاده است. اطلاعات لازم با شبیهسازي یک فیدر KV با استفاده از برنامه EMTP ثبت اند و سه سیکل از سیگنالهاي جریان پردازش اند. در [] از مجموع قدرمطلق ضرایب سطح براي یک سیکل از جریانهاي سه فاز تجزیه به کمک موجک Doubechies بعنوان معیاري براي طبقهبندي حالتهاي گذرا استفاده است. در این بررسی فرکانس نمونهبرداري 80Hz بوده است. در [] از موجک Doubechies و انرژي ضرایب سطح سیگنالهاي ولتاژ و جریان براي شناسایی حالتهاي گذرا و مکانیابی آن بهره گرفته است. در مراجع [ و ] از ترکیب تبدیل موجک و منطق فازي براي شناسایی و طبقهبندي حالتهاي گذرا استفاده است. در [] بوسیله تفاوتهاي شکل موجهاي حالتهاي گذرا از یکدیگر براي طبقهبندي آنها استفاده است بگونهاي که براي جریان هر حالت گذرا ابتدا مدل مارکوپنهانی (HMM) بدست آمده است و سپس پارامترهاي آن تخمین زده است و بعنوان مجموعهاي از اطلاعات به شبکه آموزش داده است. سپس جریانها اندازه گیري اند و بعنوان ورودي به هر مدل داده ا د.ن آن مدلی که تشابه بیشتري با مدل آموزش داده دارد به عنوان حالت گذراي رخ داده در سیستم توزیع شناخته است. در این مقاله روش جدیدي براي شناسایی و طبقهبندي چهار حالتهاي گذراي خازنی جریان هجومی ترانس بار و اتصال کوتاه تکفاز دوفاز و سه فاز در یک شبکه توزیع 0KV اراي ه است. ویژگی روش اراي ه استفاده از تبدیل موجک و روش PCA براي استخراج و انتخاب ویژگیها به اضافه طبقهبندي کننده بیز به عنوان یک طبقهبندي کننده بهینه میباشد. اطلاعات مربوط به حالتهاي گذرا با شبیهسازي یک فیدر 0KV به کمک برنامه EMTP بدست آمدهاند. - شبیهسازي اطلاعات مربوط به انواع حالتهاي گذرا از جمله بار خازنی جریان هجومی ترانس اتصال کوتاه تکفاز دو فاز و سه فاز با شبیه سازي یک فیدر 0KV به کمک برنامه EMTP بدست آمدهاند. در این شبیه سازي از مدل π براي خطوط انتقال از مدل فرکانسی بار (Cigre) براي بارها و از مدل ترانس اشباع براي ترانسها استفاده شد. منحنی اشباع مورد استفاده براي ترانسهاي اشباع با استفاده از برنامه کمکی HYSDAT در برنامه EMTP بدست آمد. شکل () فیدر شبیهسازي را نشان میدهد. تعداد 60 حالت متنوع از هر حالت گذرا براي پیش پردازش و طبقهبندي استفاده اند. شکلهاي ) و و ) نمونهاي از جریان فاز a هر کدام از حالتهاي گذراي موردنظر را نشان میدهند. - استخراج و انتخاب ویژگیها به منظور استخراج ویژگیها از شکل موجهاي جریانهاي حالتهاي گذرا با فرکانس نمونه برداري KHz نمونه از آنها از لحظه اولین عبور از صفر قبل از وقوع پدیده که حدود سیکل از شکل موج جریان میشود به عنوان دادههاي پردازش شونده انتخاب گردیدند. به منظور انتخاب موجک مادر مناسب شبیه سازيهاي متعددي با توجه به ویژگیهاي انتخاب و کلیه موجکهاي معرفی در جعبه ابزار نرم افزار MATLAB انجام شد و نهایتا موجک مادر db به عنوان مناسبترین موجک مادر انتخاب گردید. با استفاده از موجک مادر db سیگنالهاي جریان تجزیه گردیدند و مو لفههاي فرکانس بالاي سیگنالهاي تجزیه براي استخراج ویژگیهاي مناسب استفاده شدند. میانگین ضرایب یا سیگنالهاي بازسازي سطح اول بعنوان ویژگیهاي اصلی استفاده شدند. به این ترتیب بردار ویژگی براي هر سیگنال جریان شامل ویژگی گردید. شایان ذکر است ویژگیهاي دیگري نیز در طول محاسبات مدنظر قرار گرفتند که از مناسبترین همانگونه که در بالا بیان گردید استفاده شد. به منظور انتخاب ویژگیها و با توجه به اینکه حوادث طبیعی معمولا داراي توزیع نرمال میباشند در این قسمت فرض است کلیه دادهها داراي توزیع نرمال میباشند.

3 شناسایی و طبقه بندي جریان هجومی ترانس کلید زنی خازنی بار اتصال کوتاهها با استفاده از تبدیل موجک sadeghi tanker volvo-af nik_aein purnia irantala azadegan monfared sadi U open 0 60 razeghi tovhid 60 tanker rahpak ghasemi mansuri ranjbara olempic fulad mojtama masaleh jasb vezarat puya mojtama شکل - فیدر شبیه سازي در برنامه EMTP لذا از تبدیل PCA به منظور کاهش ابعاد بردارهاي ویژگی استفاده است. با توجه به رابطه 8 تا آنجا از سطرهاي متناظر با مقادیر ویژه کوچکتر ماتریس A صرفنظر شد که مجموع MSEها کمتر از 0/000 باشد. با انجام این کار ابعاد بردار ویژگی از به کاهش یافت و با استفاده از بردارهاي دو بعدي اقدام به طبقهبندي گردید. -- طبقهبنديکننده بیز با توجه به داشتن چهار کلاس جریان هجومی ترانس خازن بار اتصال کوتاهها 0 بردار از 60 بردار ویژگی هر کلاس براي انجام محاسبات و به عبارتی آموزش و 0 بردار باقیمانده از هر کلاس به عنوان تست در نظر گرفته [s] 0. (file azmoon000.pl; x-var t) c:x0a-x0a [s] 0. (file khazan.pl; x-var t) c:x06a-x0a شکل () نمونه اي از جریان خازن شکل () نمونه اي از جریان بار [s] 0. (file azmoon76.pl; x-var t) c:x08a-x07a [s] 0. (file azmoon7.pl; x-var t) c:x07a-x0099a شکل () نمونه اي از جریان هجومی ترانس شکل () نمونه اي از جریان اتصال کوتاه تکفاز

4 فصل نامه علمی - تخصصی مهندسی برق مجلسی / سال اول/ شماره دوم / پاي یز 86 شدند و از طبقهبندي کننده بیز به منظور تفکیک چهار کلاس استفاده گردید. - نتایج با توجه به انجام محاسبات بخش قبل پس از استفاده از طبقهبندي کننده بیز ملاحظه شد تنها مورد از 0 خازنی درست تشخیص داده ن و تمامی 0 حالت مربوط به انواع دیگر حالتهاي گذرا درست شناسایی شدند. یعنی % خازنی و % سایر حالات صحیح تشخیص داده شدند و موفقیت طبقهبندي کننده در مجموع %99/7 میباشد. با تغییر معیار مجموع خطاهاي محاسباتی (MSE) مورد قبول در قسمت انتخاب ویژگی تعداد ویژگیهاي انتخابی تغییر داده شد و ملاحظه گردید در صورت افزایش تعداد ویژگیهاي نهایی میزان موفقیت طبقهبندي کننده کاهش خواهد یافت. این امر بیانگر اهمیت بخش انتخاب ویژگیها در مسایل شناسایی الگو میباشد. نتایج مربوط به تغییر تعداد ویژگیهاي انتخابی در جدول () درج گردیدهاند. با تغییر موجک انتخابی براي تجزیه سیگنالهاي جریان در بخش استخراج ویژگیها ملاحظه میشود که مناسبترین موجک براي استخراج ویژگیهاي مناسب جهت طبقهبندي حالتهاي گذراي مذکور موجک db میباشد و سایر موجکها داراي این خصوصیت نمیباشند و در صورت استفاده از آنها میزان موفقیت طبقهبندي کننده کاهش خواهد یافت. این امر بیانگر اهمیت نوع موجک در مسایل شناسایی الگو میباشد. جدول () تا ثیر انتخاب تعدادي از موجکها را در میزان موفقیت طبقهبندي کننده نشان میدهد. در صورت تغییر ویژگیهاي استخراج میزان موفقیت طبقهبندي کننده کاهش مییابد. این امر بیانگر اهمیت نوع ویژگی در مسایل شناسایی الگو میباشد.جدول () تاثیر انتخاب ویژگیها را در میزان موفقیت طبقهبندي کننده نشان میدهد. جدول - تا ثیر تغییر تعداد ویژگیهاي انتخابی در میزان موفقیت خطاهاي اتصال کوتاهها جریان هجومی ترانس بار طبقهبندي کننده خازنی 99/67 تعداد تعداد ویژگیهاي ویژگیهاي انتخاب استخراج جدول - تا ثیر موجک انتخابی در میزان موفقیت طبقهبندي کننده تعداد تعداد خطاهاي جریان ویژگیهاي ویژگیهاي اتصال هجومی بار خازنی انتخاب استخراج کوتاهها ترانس موجک انتخاب db db db rbio. خطاهاي اتصال کوتاهها Rbio. جدول - تا ثیر ویژگیهاي استخراج در میزان موفقیت جریان هجومی ترانس بار طبقهبندي کننده خازنی تعداد ویژگیهاي انتخاب تعداد ویژگیهاي استخراج موجک انتخاب میانگین واریانس ماکزیمم مینیمم Rms - نتیجه گیري در این مقاله روش جدیدي براي شناسایی طبقهبندي حالتهاي گذرا با استفاده از ترکیب تبدیل موجک و روشهاي آماري اراي ه است. روش پیشنهادي مبتنی بر اطلاعات مو لفههاي فرکانسی سطح اول شکل موجهاي تجزیه به کمک تبدیل موجک به منظور استخراج ویژگی میباشد. از آنالیز مو لفههاي اصلی (PCA) به عنوان روشی براي انتخاب ویژگی و از طبقهبندي کننده بیز به عنوان شناسایی کننده حالتهاي گذرا استفاده است. اطلاعات مربوط به حالات گذرا با شبیه سازي توسط برنامه EMTP بدست آمدهاند. فرکانس نمونهبرداري در کلیه حالات KHz میباشد. نتایج میزان موفقیت بالاي روش پیشنهادي را نشان میدهد / /67

5 شناسایی و طبقه بندي جریان هجومی ترانس کلید زنی خازنی بار اتصال کوتاهها با استفاده از تبدیل موجک transform. Power Delivery, IEEE Transactions on, VOL.7, Issue:,Oct. 00, page(s): Lai, L.L.; styvaktakis, E.; sichanie, A.G. Application of discrete wavelet transform to high impedance fault identification. Energy management and Power Delivery, 998. Proceedings of EMPD international conference on, VOL., 998, page(s): Ferrero A, Sangi vanni S, Zappitelli E. A Fuzzy set approach to fault type identification in digital relaying. IEEE Trans Power Delivery 00; 9(): 8-9. Omar AS. Combined fuzzy-logic waveletbased fault classification technique for power system relaying. IEEE Trans Power Delivery 00; 7(): 9-9. Xiaoxo Ma, Jun Shi. A new method for discrimination between fault and magnetizing inrush current using HMM. Electric Power Systems Research 6(000) -9. [] [] [] [] Rahman MA, Jeyasurya B.A state of the art review of transformer protection algorithms. IEEE Trans power Delivery 988; (): -. Mao PL, Aggarwal Rk. A novel approach to the classification of the transient phenomena in power transformers using combined wavelet transform and neural network. IEEE Transact Power Deliv 00; 6(): Larry M. Smith. A practical approach in substation capacitor bank applications to calculating, limiting, and reducing the effects of transient currents. IEEE Transaction on Industry Applications. VOL.. NO.. July/Agust 99. Kim, C.J.; Russell, B.D. Classification of faults and switching events by inductive reasoning and expert system methodology. Power Delivery, IEEE Transactions on, VOL., Issue:, July 989, Page(s): A.G.Phadke, J.S. Thorp, A new computerbased flux-restrained current-differential relay for power transformer protection, IEEE Transactions on Power Apparatus and Systems PAS () (98) Y.Y. Hong, C.W.Wang, switching detection/ classification using discrete wavelet transform and self organizing mapping network, IEEE Trans. Power Deliv. 0() (00) M.M.Eissa, A novel digital directional transformer protection technique based on wavelet packet, IEEE Trans. Power Deliv. 0() (00) S.A. Saleh, M.A. Rahman, Modeling and Protection of a three-phase power transformer using wavelet packet transform, IEEE Trans. Power Deliv. 0() (00) 7-8. Omar AS. Combined fuzzy-logic waveletbased fault classififcation technique for power system relaying,. IEEE Trans Power Delivery 00; 9(): 8-9. David chan Tat wai; xia yibin. A novel technique for high impedance fault identification. Power Delivery, IEEE Transactions on, VOL. Issue:, July 998, Page(s): Chul-Hwan Kim; Hyun Kim; Young Hun Ko; Sung Hyun Byun; Aggarwal, R.K.; Johns, A.T.; A novel fault detection technique of high impedance arcing faults in transmission lines using the wavelet - 6 مراجع [] [] [] [] [] [6] [7] [8] [9] [] []