بخشی از مقاله
چکیده
وقوع خطا و اتصال کوتاه یکی از مسائل اجتناب ناپذیر خطوط انتقال بوده که این خطاها در شبکه های قدرت موجب بروز خساراتی سنگین در تجهیزات شده و تلفات جانی و مالی بسیاری را نیز در پی دارند. بنابراین می بایست تا جای ممکن خطاها را سریع تر و بطور صحیح تشخیص داد و اجازه باقی ماندن خطا به مدت طولانی در شبکه را نداد. در این مطالعه یک روش هوشمند جهت تشخیص نوع خطا و مکان یابی خطا در شبکه انتقال قدرت پیشنهاد شده است. روش پیشنهادی از سه بخش اصلی تشکیل شده است:
بخش استخراج ویژگی های فرکانسی، بخش تشخیص نوع خطا و بخش تعیین مکان خطا. در این روش ابتدا سیگنال های ولتاژ و جریان نمونه برداری می شوند. سپس با استفاده از تبدیل موجک اطلاعات فرکانسی سیگنال ها استخراج می شود. این بخش در افزایش دقت تشخیص و کاهش حجم محاسبات تاثیر بسیار بالائی دارد.
سپس اطلاعات وارد بخش تشخیص نوع خطا و مکان یابی خطا می شود. در این دو بخش از شبکه عصبی تابع شعاعی استفاده شده است. در بخش تشخیص نوع خطا، از ضرایب جزئیات تبدیل موجک به عنوان ورودی شبکه عصبی استفاده می شود. در بخش سوم، مکان خطا با استفاده از اطلاعات بخش دوم و ضرایب تقریب تعیین می شود. به منظور ارزیابی روش پیشنهادی، از مدل یک شبکه انتقال استاندارد استفاده شده است. نتایج شبیه سازی نشان داده که روش پیشنهادی از دقت بسیار خوبی در تشخیص نوع خطا اتصال کوتاه و مکان آن در شبکه های انتقال برخوردار است.
مقدمه
با توجه به نقش روزافزون انرژی برق در زندگی روزمره بشر و به دلیل پیشرفت و توسعه تکنولوژی در جهان و نیاز هرچه بیشتر به انرژی الکتریکی، شبکه های قدرت بطور دائم توسعه یافته و هر روز پیچیده تر می شوند. از این رو انرژی الکتریکی باید به مقدار بیشتر و با کیفیت بهتر تولید و به مصرف کنندگان عرضه گردد. در این میان، نظارت شبکه در مقابل خطاها و شرایط غیرعادی حائز اهمیت بوده و نیاز به حفاظت مدرن، اجتناب ناپذیر است
در شبکه های قدرت، وقتی اتصال کوتاه در خط انتقال یا در هر مکان دیگری رخ دهد، رله های حفاظتی فرمان قطع را به کلیدهای مربوطه صادر کرده تا خطا برطرف شود. در شبکه های بزرگ که تعداد رله ها و کلیدها زیاد است، معمولا تعداد زیادی آلارم در مرکز کنترل وجود خواهد داشت و چنانچه حفاظت اصلی عملکرد صحیحی نداشته باشد و در نتیجه حفاظت پشتیبان عمل کند، علاوه بر آنکه باعث قطع ناخواسته بار سایر شینه ها می وشد، به تعداد آلارم های مرکز کنترل افزود شده و تصمیم گیری برای اپراتور مشکل تر خواهد شد بنابراین ضروریست تا خطاهای بروز یافته در سیستم های انتقال با استفاده از ابزاری مناسب با سرعت و دقت کافی تشخیص داده شوند.
جایابی خطا در خطوط قدرت جهت عملکرد اقتصادی سیستم قدرت واجب و ضروری میباشد. ذکر این نکته ضرورری است که جایابی دقیق و بهینه خطا با استفاده از پایش مناسب، تعمیرات سریع تر را فراهم نموده، عملکرد سیستم را بهبود بخشیده، هزینههای عملکرد را کاهش داده، همچنین منجر به صرفهجویی در زمان گشته و هزینههای جستجو در شرایط بد و نامساعد را بطور قابل توجهی کاهش میدهد
با توجه به تاثیرات بالای خطاهای اتصال کوتاه در شبکه های انتقال و اهمیت تشخیص نوع و مکان آن ها، در سال های اخیر مطالعات فراوانی در این رابطه انجام شده است. در - Fathabadi, 2016 - از ماشین بردار پشتیبان جهت تشخیص و تعیین محل خطای اتصال کوتاه در شبکه های انتقال استفاده شده است. در این روش خطاها به چهار گروه خطاهای اتصال کوتاه رخ داده در فاز R، خطاهای اتصال کوتاه رخ داده در فاز S ، خطاهای اتصال کوتاه رخ داده در فاز T و خطاهای اتصال کوتاه به زمین تقسیم بندی شده اند. این روش از دو بخش اصلی تشکیل شده است. در بخش اول از چهار ماشین بردار پشتیبان جهت تشخیص نوع خطا استفاده شده است. پس از اینکه در این بخش نوع خطا تشخیص داده شد، در مرحله بعد مکان خطا تشخیص داده می شود.
در - Fathabadi, 2015 - یک روش جدید جهت تشخیص و تعیین محل خطای اتصال کوتاه در شبکه های انتقال پیشنهاد شده است. در این روش از تبدیل موجک جهت استخراج ویژگی های جدید استفاده شده است. در این مطالعه انواع موجک های مادر و سطوح مختلف مورد برسی قرار گرفته است. هم چنین به منظور بررسی دقیق تر، اغتشاشات موجود در سیستم نیز لحاظ شده است. نتایج بدست آمده نشان داده که روش ارائه شده قادر است با دقت %97 می تواند نوع خطا و مکان خطا را تشخیص دهد.
در - Pirouti et al, 2008 - و - Khorashadi-Zadeh, and Aghaebrahimi, 2006 - روشی برای شناسایی و طبقه بندی خطا برای شبکه های انتقال براساس استفاده از شبکه عصبی ارائه شده است . برای آموزش شبکه عصبی پارامترهایی مانند نوع خطا ، مقاومت خطا ، زاویه شروع خطا و میزان بار سیستم در نظر گرفته شده است . یک شبکه توزیع نمونه در نرم افزار PSCAD/EMTDC شبیه سازی شده و سپس با پارامترهای فوق الذکر شبکه عصبی ابتدا آموزش و سپس تست شده است. نتایج حاصله مشخص می سازد که شبکه عصبی امکان شناسایی خطا با دقت بالای 99 درصد را داراست
در - Klimenta et al, 2011 - روشی برای شناسایی خطای خطوط انتقال قدرت بر پایه روش اجزاء محدود پیشنهاد شده است. در این روش ابتدا خطوط انتقال با تمامی متعلقات آن شامل حفاظ، عایق ها ، هادی و غیره مدلسازی شده و سپس اقدام به ایجاد خرابی درون کابل یا بروز اتصال کوتاه یا ورود حباب هوا یا پدیده درخت آبی در کابل می نمایند. پس از این مرحله، مسئله براساس روش اجزاء محدود حرارتی تحلیل می شود. در نهایت براساس تغییرات میزان درجه حرارت نسبت به زمان و با در نظرگرفتن شیب نمودار تشخیص خطا صورت می گیرد.
یکی دیگر از روش های مورد استفاده در شناسایی و تعیین مکان خطا در خطوط انتقال قدرت، روش های برپایه امواج سیار می باشند . از این روش برای شناسایی مکان خطا بهره برده شده است. اساس کار در این روش بر این پایه استوار است که در هنگام خطا دو موج پسرو و پیشرو - انعکاس و انکسار - در طول کابل بوجود می آید . بر اساس انعکاس این امواج می توان با در نظر گرفتن طول کابل ، محل خطا را یافت .
در این مطالعه یک روش ترکیبی جدید جهت تشخیص نوع خطای اتصال کوتاه در شبکه های انتقال و محل دقیق آن پیشنهاد شده است. روش پیشنهادی باید بتواند در مدت زمان کوتاه، نوع خطای اتصال کوتاه و مکان آن را در شبکه های انتقال تعیین کند. در روش پیشنهادی از شبکه عصبی تابع شعاعی جهت نوع خطا و مکان خطا استفاده شده است. در شبکه های عصبی نوع و سایز وروردی تاثیر بالائی بر عملکرد شبکه عصبی دارد.
به همین منظور در روش پیشنهادی از تبدیل موجک جهت کاهش سایز ورودی و استخراج اطلاعات فرکانسی استفاده شده است. در روش های قدیمی معمولا از سیگنال ولتاژ و جریان به عنوان ورودی شبکه عصبی استفاده می شده است. ولی استفاده از سیگنال های خام جریان و ولتاژ که از تعداد زیاد نمونه ها تشکیل شده اند، باعث سنگین شدن حجم محاسبات و طولانی شدن زمان تشخیص می شود. با سنگین شدن محاسبات، شبکه عصبی به خوبی آموزش ندیده و عملکرد خوبی روی داده های تست نخواهد داشت. در مقابل، استفاده از تبدیل موجک باعث استخراج ویژگی های جدید موثرتر با حجم کم می شود که علاوه بر افزایش دقت، باعث کاهش حجم محاسبات نیز می شود.
در این بخش در مورد اهمیت تشخیص سریع نوع خطای اتصال کوتاه و محل آن در شبکه های انتقال بحث شد. بخش دوم به معرفی شبکه های عصبی، تبدیل موجک پرداخته و در فصل سوم و روش پیشنهادی معرفی شده است. در بخش چهارم نتایج شبیه سازی ها ارائه شده است. بخش پنجم نیز به نتیجه گیری مطالعه پرداخته است.
مفاهیم مورد نیاز
تبدیل موجک
آنالیز موجک روشی برای تجزیه و تحلیل یک سیگنال میباشد که پایه ریاضی آن در قرن نوزدهم توسط ژوزف فوریه بنا شده است. تبدیل موجک د ارای دو مرحله اساسی میباشد:
مرحله تجزیه:1 در این مرحله سیگنال با استفاده از فیلترهای بالا گذر و پایین گذر و عمل کاهش تعداد نمونه به دو نوع ضرایب تجزیه میشود که به نامهای ضرایب تقریب و ضرایب جزییات معروفند که ضرایب تقریب حاوی اطلاعات فرکانس پایین سیگنال بوده و ضرایب جزییات حاوی اطلاعات فرکانس بالای سیگنال میباشد.
مرحله باز ترکیب: 2 در این مرحله عکس عمل مرحله قبل انجام می گیرد، در واقع پس از آنکه سیگنال تجزیه شد، تغییرات مورد نیاز بر روی ضرایب آن اعمال میشود در ادامه این ضرایب تغییر یافته باید با یکدیگر ترکیب شوند تا سیگنال اصلی به دست آید.
اطلاعات بیشتر در رابطه با تبدیل موجک در مرجع - Mallat, 1998 - آمده است.
شبکه عصبی RBF
شبکه عصبی RBF یک ساختار تمام متصل رو به جلو است و از سه لایه تشکیل شده است، یک لایه ورودی، یک تک لایه از واحدهای پردازش غیر خطی و یک لایه خروجی. ساختار شبکه در شکل - 1 - نشان داده شده است
