|
حفاظت دیفرانسیل ترانسفورماتورهای قدرت بر اساس مؤلفه های گذرای فرکانس بالای تولید شده توسط خطا
|
سعید هاشمی نژاد*  |
| دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته |
|
|
چکیده: (978 مشاهده) |
ترانسفورماتورها از مهمترین تجهیزات شبکهی قدرت هستند که حفاظت از آنها اهمیت بسیار بالایی دارد. در این مقاله، یک الگوریتم جدید و کارامد بر اساس محتوای فرکانس بالای جریان دیفرانسیل، برای تشخیص سیگنالهای جریان مربوط به خطای داخلی از سیگنالهای جریان هجومی پیشنهاد شده است. در الگوریتم پیشنهادی، پس از مشاهدهی افزایش در دامنهی جریان دیفرانسیل، نمونههای یک چهارم سیکل از جریان دیفرانسیل ثبت میشود. سپس تبدیل موجک بر نمونههای ثبت شده اعمال میشود. در مرحلهی بعد، جزئیات تبدیل موجک مربوط به همان یک چهارم سیکل از جریان دیفرانسیل، استخراج میشود. در سیگنالهای جریان ناشی از خطا، مؤلفههای فرکانس بالای زیادی وجود دارد. در نتیجه، نوسانات موجود در خروجی تبدیل موجک برای سیگنالهای جریان خطای داخلی بسیار بیشتر از سیگنالهای مربوط به جریان هجومی است. با به دست آوردن انحراف معیار خروجی تبدیل موجک، میتوان این نوسانات را کمّیسازی کرد. بنابراین، مقدار انحراف معیار خروجی تبدیل موجک، به عنوان ابزاری برای شناسایی خطای داخلی از شرایط جریان هجومی استفاده میشود. بار محاسباتی بسیار پایین الگوریتم پیشنهادی و نیاز به فقط یک چهارم سیکل از نمونههای سیگنال جریان ورودی، تضمین کنندهی سرعت بالای این الگوریتم است. نتایج شبیهسازی نشان داده است که حداکثر حدود 11 میلی ثانیه بعد از وقوع خطا، الگوریتم پیشنهادی قادر است که وقوع خطای داخلی را شناسایی کند. به علاوه، نتایج نشان می دهد که اشباع CTها روی الگوریتم پیشنهادی تاثیری ندارد و خطاهای امپدانس بالا و نیز خطاهایی که همزمان با حضور جریان هجومی اتفاق میافتند هم با الگوریتم پیشنهادی تشخیص داده میشوند. |
|
| واژه‌های کلیدی: حفاظت دیفرانسیل، تبدیل موجک، مؤلفههای فرکانس بالا، انحراف معیار خروجی تبدیل موجک |
|
|
متن کامل [PDF 1466 kb]
(117 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
برق و کامپیوتر
دریافت: 1401/1/22 | پذیرش: 1401/7/11 | انتشار: 1402/2/10
|
|
|
|
|
|
|
| فهرست منابع |
1. Esponda, H., Vazquez, E., Andrade, M. A., Johnson, B. K. (2019). A setting-free differential protection for power transformers based on second central moment. IEEE Transactions on Power Delivery, vol. 34, no. 2, pp. 750-759. [ DOI:10.1109/TPWRD.2018.2889471] 2. Dashti, H., Sanaye-Pasand, M. (2014). Power transformer protection using a multi-region adaptive differential relay. IEEE Transactions on Power Delivery, vol. 29, no. 2, pp. 777-785. [ DOI:10.1109/TPWRD.2013.2280023] 3. Ashrafian, A., Mirsalim, M., Masoum, M. A. S. (2017). Application of a recursive phasor estimation method for adaptive fault component based differential protection of power transformers. IEEE Transactions on Industrial Informatics, vol. 13, no. 3, pp. 1381-1392. [ DOI:10.1109/TII.2016.2620441] 4. Tajdinian, M., Samet, H. (2021). Application of probabilistic distance measures for inrush and internal fault currents discrimination in power transformer differential protection. Electric Power Systems Research, vol. 193, 107012. [ DOI:10.1016/j.epsr.2020.107012] 5. Samet, H., Shadaei, M., Tajdinian, M. (2022). Statistical discrimination index founded on rate of change of phase angle for immunization of transformer differential protection against inrush current. International journal of electrical power and energy systems, vol. 134, 107381. [ DOI:10.1016/j.ijepes.2021.107381] 6. Bera, P. K., Isik, C., Kumar, V. (2021). Discrimination of internal faults and other transients in an inter-connected system with power transformers and phase angle regulators. IEEE systems journal, vol. 15, no. 3, pp. 3450-3461. [ DOI:10.1109/JSYST.2020.3009203] 7. Shah, A. M., Bhalja, B. R., Agarwal, P., Makwana, Y. M., Malik, O. P. (2020). Quartile based differential protection of power transformers. IEEE transactions on power delivery, vol. 35, no. 5, pp. 2447-2458. [ DOI:10.1109/TPWRD.2020.2968725] 8. Tripathy, M., Maheshwari, R. P., Verma, H. K. (2005). Advances in transform protection: A review. Electric Power Components and Systems, vol. 33, no. 11, pp. 1203-1209. [ DOI:10.1080/15325000590951618] 9. Phadke, A. G., Thorp, J. S. (1983). A new computer-based flux-restrained current differential relay for power transformer protection IEEE Transactions on Power Apparatus and Systems, vol. 102, no. 11, pp. 3624-3629. [ DOI:10.1109/TPAS.1983.317711] 10. Zheng, T., Huang, T., Ma, Y., Zhang, Y. Z., Liu, L. (2018). Histogram-based method to avoid mal-operation of transformer differential protection due to current-transformer saturation under external faults. IEEE Transactions on Power Delivery, vol. 33, no. 2, pp. 610-619. [ DOI:10.1109/TPWRD.2017.2712806] 11. Murugan, S. K., Simon, S. P., Sundareswaran, K., Nayak, P. S. R., Padhy, N. P. (2017). An empirical Fourier transform-based power transformer differential protection. IEEE Transactions on Power Delivery, vol. 32, no. 1, pp. 209-218. [ DOI:10.1109/TPWRD.2016.2575981] 12. Afrasiabi, S., Afrasiabi, M., Parang, B., Mohammadi, M. (2020). Integration of accelerated deep neural network into power transformer differential protection. IEEE transactions on industrial Informative, vol. 162, pp. 865-876. [ DOI:10.1109/TII.2019.2929744] 13. Thote, P. B., Daigavane, M. B., Daigavane, P. M., Gawande, S. P. (2017). An intelligent hybrid approach using KNN-GA to enhance the performance of digital protection transformer scheme, Canadian journal of electrical and computer engineering, vol. 403, pp. 151-161. [ DOI:10.1109/CJECE.2016.2631474] 14. Medeiros, R. P., Costa, F. B. (2018). A wavelet-based transformer differential protection with differential current transformer saturation and cross-country fault detection. IEEE Transactions on Power Delivery, vol. 33, no. 2, pp. 789-799. [ DOI:10.1109/TPWRD.2017.2764062] 15. Medeiros, R. P., Costa, F. B. (2018). A wavelet-based transformer differential protection: internal fault detection during inrush conditions. IEEE Transactions on Power Delivery, vol. 33, no. 6, pp. 2965-2977. [ DOI:10.1109/TPWRD.2018.2852485] 16. Naseri, F., Kazemi, Z., Arefi, M. M., Farjah, E. (2018). Fast discrimination of transformer magnetizing current from internal faults: An extended Kalman Filter-Based Approach. IEEE Transactions on Power Delivery, vol. 33, no. 1, pp. 110-118. [ DOI:10.1109/TPWRD.2017.2695568] 17. Simoes, L. D., Costa, H. J. D., Aires, M. O., Medeiros, R. P., Costa, F. B., Bretas, A. S. (2021). A power transformer differential protection based on support vector machine and wavelet transform. Electric power systems Research, vol. 197, 107297. [ DOI:10.1016/j.epsr.2021.107297] 18. Gao, Y., Li, Y., Zhu, Y., Wu, G., Gu, D. (2022). Power quality disturbance classification under noisy conditions using adaptive wavelet threshold and DBN-ELM hybrid model. Electric power systems research, vol. 204, 107672. [ DOI:10.1016/j.epsr.2021.107682] 19. Medeiros, R. P., Costa, F. B., Silva, K. M. (2022). A clarke-wavelet-based time-domain power transformer differential protection. IEEE transactions on power delivery, vol. 37, no. 1, pp. 317-328. [ DOI:10.1109/TPWRD.2021.3059732] |
|
هاشمی نژاد سعید. حفاظت دیفرانسیل ترانسفورماتورهای قدرت بر اساس مؤلفه های گذرای فرکانس بالای تولید شده توسط خطا. نشریه کیفیت و بهره وری صنعت برق ایران. 1402; 12 (1) :1-10 URL: http://ieijqp.ir/article-1-894-fa.html
|
