en ارائه یک استراتژی جدید مبتنی بر شبکه عصبی GMDH برای تشخیص جریان هجومی و جلوگیری از عملکرد نادرست رله دیفرانسیل در ترانسفورماتورهای قدرت برق و کامپیوتر پژوهشي Research <p style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="color:black;">از رله‌های دیفرانسیل امپدانس پایین به‌طور گسترده برای حفاظت از ترانسفورماتورهای قدرت استفاده می‌شود. رله‌های دیفرانسیل با وجود قابلیت اطمینان بسیار بالا ممکن است در هنگام کلیدزنی ترانسفورماتور قدرت و ایجاد جریان هجومی دچار اشتباه شده و جریان هجومی ایجاد شده را به ‌عنوان خطا تشخیص داده و فرمان قطع کلید قدرت را صادر نمایند. به همین دلیل نیاز به توسعه روش‌هایی است تا در رله دیفرانسیل بین جریان هجومی و خطای دائم تمایز گذاشته و از عملکرد بی‌مورد رله دیفرانسیل جلوگیری کنند. براین&shy;اساس در این مقاله روشی جدید بر پایه شبکه عصبی </span><span dir="LTR" style="font-weight:normal;"><span style="color:black;">GMDH</span></span><span style="color:black;"> برای تمایز گذاشتن بین جریان هجومی و خطای دائم پیشنهاد شده است. روش پیشنهادی قابلیت تشخیص سریع انواع خطای همزمان با جریان هجومی را دارا می‌باشد. همچنین این روش نسبت به نویز ایمن بوده و نویزی شدن سیگنال تاثیری بر عملکرد آن ندارد. روش پیشنهاد شده با روش‌های متداول مورد استفاده در صنعت (روش هارمونیک دوم و روش عبور از صفر سیگنال) مقایسه شده و نتایج نشان می‌دهند که روش پیشنهادی در این مقاله عملکرد بهتری در مقایسه با روش‌های معمول صنعتی دارد.</span></span></span></p> <p style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:Tahoma;">Low impedance differential relays are widely used in the protection systems of power transformers. While being highly reliable, differential relays can misidentify the inrush currents generated during the switching of power transformers as faults and issue a tripping command when one is not needed. Therefore, these protection systems need a mechanism to differentiate between inrush currents and faults in order to prevent unnecessary activation. Accordingly, this paper presents a new method based on a group method of data handling (GMDH) neural network for differentiating faults from inrush currents. The proposed method can quickly detect a wide variety of faults that may occur simultaneously with inrush currents and is perfectly noise-resistant. The proposed method is compared with the conventional methods used in the industry, namely second harmonic and zero-crossing methods. The results demonstrate the ability of the proposed method to outperform conventional methods under a wide variety of operating conditions.</span></span></p> جریان هجومی, رله دیفرانسیل, شبکه‌های عصبی مصنوعی, حفاظت سیستم‌های قدرت, GMDH. Inrush current, Differential relay, Power system protection, Group method of data handling (GMDH). 57 69 http://ieijqp.ir/browse.php?a_code=A-10-1430-1&slc_lang=en&sid=1 Seyed Amir Hosseini سید امیر حسینی s.hosseini@iut.ac.ir 10031947532846005547 10031947532846005547 Yes Electrical and Computer Engineering Group, Golpayegan College of Engineering, Isfahan University of Technology, Golpayegan, 87717-67498, Iran. گروه مهندسی برق و کامپیوتر، دانشکده فنی مهندسی گلپایگان، دانشگاه صنعتی اصفهان، گلپایگان، ایران Behrooz Taheri بهروز طاهری behrooztaheri1372@gmail.com 10031947532846005548 10031947532846005548 No Faculty of Electrical, Biomedical and Mechatronics Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran دانشکده مهندسی برق، پزشکی و مکاترونیک- دانشگاه آزاد اسلامی واحد قزوین- قزوین- ایران