[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
صاحب امتیاز::
درباره انجمن::
تماس با ما::
تسهیلات پایگاه::
cope::
metrics::
تعارض منافع::
::
پایگاه های نمایه کننده
..
DOI
کلیک کنید
..
IEEE
..
DOR

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 14، شماره 4 - ( 10-1404 ) ::
جلد 14 شماره 4 صفحات 43-34 برگشت به فهرست نسخه ها
یک طرح تخمین فاصله و بخش خطا در میکروگرید با استفاده از اندازه ولتاژ در ابتدای شبکه و حداقل مربعات
گلناز عباسی1 ، محمود حسینی علی آبادی*1 ، محمد دیسی2
1- دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی، واحد تهران مرکز- تهران- ایران
2- مرکز تحقیقات برق هوشمند و اتوماسیون، دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی، واحد تهران مرکز- تهران- ایران
چکیده:   (996 مشاهده)

میکروگریدها در معرض انواع خطا قرار دارند و شناسایی سریع محل خطا برای کاهش خاموشی، جلوگیری از آسیب تجهیزات و بهبود شاخص‌های قابلیت اطمینان ضروری است. این مقاله یک طرح دو ‌مرحله‌ای برای بخش‌یابی و فاصله‌یابی خطا ارائه می‌کند که تنها به اختلاف اندازه ولتاژ در نقطه اتصال مشترک متکی است و از تقریب حداقل مربعات برای برآورد فاصله استفاده می‌کند. در گام نخست، با محاسبه اختلاف اندازه ولتاژ قبل و بعد از وقوع خطا  و مقایسه آن با اختلاف اندازه ولتاژهای شبیه‌سازی‌شده در بخش‌های مختلف، شاخصی تعریف می‌شود که کمینه آن، بخش خطادار را تعیین می‌کند. سپس در همان بخش، با شبیه‌سازی خطاهایی مشابه خطای واقعی در گام‌های 100 متری، یک بانک داده آنلاین تولید و منحنی  اختلاف اندازه ولتاژ خطا - فاصله، با چندجمله‌ای درجه‌دو برازش می‌شود تا فاصله خطا به‌صورت تحلیلی به دست آید. در روش پیشنهادی از مدل π خط (با لحاظ خازنِ خطوط) برای افزایش دقت استفاده شده و از داده‌های جریان، جهت جریان و حالت اشباع ترانسفورماتور مستقل است؛ همچنین به سامانه‌های مخابراتی پیشرفته و همگام‌سازی داده‌ها نیاز ندارد. ارزیابی در شبکه استاندارد IEEE 15 گره اصلاح‌شده و با حضور منابع تولید پراکنده نشان می‌دهد روش پیشنهادی ضمن تشخیص صحیح بخش خطادار، در گستره‌ای از مقاومت خطا و زاویه شروع خطا و ضرایب نفوذ  منابع تجدید پذیر، دقت فاصله‌یابی قابل قبول (99%) دارد. این ویژگی‌ها، در کنار اتکا به یک اندازه‌گیر ولتاژ در ابتدای شبکه، سادگی در پیاده‌سازی و هزینه پایین را برای بهره‌بردار فراهم می‌کند.
 

واژه‌های کلیدی: مکان‌یابی خطا، میکروگرید، اندازه ولتاژ، حداقل مربعات، نقطه اتصال مشترک
متن کامل [PDF 1194 kb]   (303 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: 1403/12/16 | پذیرش: 1404/10/6 | انتشار: 1404/10/6
فهرست منابع
1. AC microgrid based on voltage and current difference measurements. International Journal of Electrical Power & Energy Systems, 153, 109343.
2. Daisy, M., Hosseini Aliabadi, H. A., Javadi, J., & Meyar Naimi, H. (2024). Fault Location in Direct Current Microgrids Using DC Components of Voltage and Current. Journal of Iranian Association of Electrical and Electronics Engineers, 21(2), 135-145. doi:10.61186/jiaeee.21.2.135 [DOI:10.61186/jiaeee.21.2.135]
3. Daisy, M., Hosseini Aliabadi, M., Javadi, S., & Meyar Naimi, H. (2023). Data-Driven Fault Location Approach in AC/DC Microgrids Based on Fault Voltage and Current Differences. Sustainable Energy, Grids and Networks, 36. [DOI:10.1016/j.segan.2023.101235]
4. Daisy, M., Hosseini Aliabadi, M., Javadi, S., & Meyar Naimi, H. (2023). A novel scheme for distance and section estimation of steady-state faults in microgrids using voltage and current measurement at the beginning bus and the end buses of the microgrid. Electrical Engineering, 1-15. [DOI:10.1007/s00202-023-01992-3]
5. Dashti, R., Daisy, M., Mirshekali, H., Shaker, H. R., & Aliabadi, M. H. (2021). A Survey of Fault Prediction and Location Methods in Electrical Energy Distribution Networks. Measurement, 184, 109947. [DOI:10.1016/j.measurement.2021.109947]
6. Fathy, A., Dashti, R., Najafi, M., & Shaker, H. R. (2021). Transient and steady-state faults location in intelligent distribution networks compensated with D-STATCOM using time-domain equations and distributed line model. Electrical Engineering, 103, 3033-3048. [DOI:10.1007/s00202-021-01270-0]
7. Ganivada, P. K., & Jena, P. (2021). A Fault Location Identification Technique for Active Distribution System. IEEE Transactions on Industrial Informatics, 18(5), 3000 - 3010. [DOI:10.1109/TII.2021.3103543]
8. Kurmaiah, A., & Vaithilingam, C. (2025). Optimization of fault identification and location using adaptive neuro-fuzzy inference system and support vector machine for an ac microgrid. IEEE Access. [DOI:10.1109/ACCESS.2025.3534147]
9. Karthick, R., Saravanan, R., & Arulkumar, P. (2025). Fault Detection and Fault Location in a Grid‐Connected Microgrid Using Optimized Deep Learning Neural Network. Optimal Control Applications and Methods, 46(3), 896-911. [DOI:10.1002/oca.3237]
10. Kavousi-Fard, A., Nikkhah, S., Pourbehzadi, M., Dabbaghjamanesh, M., & Farughian, A. (2021). IoT-based data-driven fault allocation in microgrids using advanced µPMUs. Ad Hoc Networks, 119, 102520. [DOI:10.1016/j.adhoc.2021.102520]
11. Marín-Quintero, J., Orozco-Henao, C., & Herrera-Orozco, A. (2024). Fault indicators allocation to maximize the performance of a fault locator based on artificial intelligence. Electric power systems research, 234, 110701. [DOI:10.1016/j.epsr.2024.110701]
12. Mirshekali, H., Dashti, R., Shaker, H. R., Samsami, R., & Torabi, A. J. (2021). Linear and Nonlinear Fault Location in Smart Distribution Network under Line Parameter Uncertainty. IEEE Transactions on Industrial Informatics, 17(12), 8308 - 8318. [DOI:10.1109/TII.2021.3067007]
13. Neto, J. A. D. O., Sartori, C. A. F., & Junior, G. M. (2021). Fault Location in Overhead Transmission Lines Based on Magnetic Signatures and on the Extended Kalman Filter. Ieee Access, 9, 15259-15270. [DOI:10.1109/ACCESS.2021.3050211]
14. Pettikkattil, j. (2022). IEEE 15 Bus Radial System. mathworks. Retrieved from
15. Srivastava, A., & Parida, S. (2021). A Robust Fault Detection and Location Prediction Module Using Support Vector Machine and Gaussian Process Regression for AC Microgrid. IEEE Transactions on Industry Applications, 58(1), 930-939. [DOI:10.1109/TIA.2021.3129982]
16. Srivastava, A., & Parida, S. (2022). Data driven approach for fault detection and Gaussian process regression based location prognosis in smart AC microgrid. Electric power systems research, 208, 107889. [DOI:10.1016/j.epsr.2022.107889]
17. Zheng, X., Zeng, Y., Zhao, M., & Venkatesh, B. (2021). Early identification and location of short-circuit fault in grid-connected AC microgrid. IEEE Transactions on smart grid, 12(4), 2869-2878. [DOI:10.1109/TSG.2021.3066803]


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Abasi G, Hosseini Aliabadi M, daisy M. A scheme for fault distance and section estimation in microgrid using voltage magnitude measurement at the beginning of the grid and least squares. ieijqp 2025; 14 (4) :34-43
URL: http://ieijqp.ir/article-1-1004-fa.html

عباسی گلناز، حسینی علی آبادی محمود، دیسی محمد. یک طرح تخمین فاصله و بخش خطا در میکروگرید با استفاده از اندازه ولتاژ در ابتدای شبکه و حداقل مربعات. نشریه کیفیت و بهره وری صنعت برق ایران. 1404; 14 (4) :34-43

URL: http://ieijqp.ir/article-1-1004-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 4 - ( 10-1404 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.09 seconds with 40 queries by YEKTAWEB 4766