Вейвлет-преобразование и искусственная нейронная сеть сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

magbo system

Сочинение на тему Вейвлет-преобразование и искусственная нейронная сеть

В линии электропередачи, когда ток не течет от вторичной стороны трансформатора после того, как течет от его первичной стороны, из-за этого возникает избыточный ток в трансформаторе. Эта неисправность называется пусковым током в трансформаторе. Пусковой ток – это переходный максимум, ток, потребляемый электрическим устройством при первом включении. Электродвигатель переменного тока и трансформатор могут потреблять пусковой ток несколько раз. Его нормальный ток полной нагрузки сначала включается в течение двух циклов формы входного сигнала.

Существуют разные способы устранения этой ошибки. Первый метод – дифференциальное преобразование, в этом методе, когда токи первичной стороны и вторичной стороны трансформатора равны. В этом случае подключенное между ними реле обнаружит неисправность и отключит цепь. Другой метод – преобразование ряда Фурье. В этом методе при возникновении неисправности частота линии передачи увеличивается, чем номинальная частота. Недостаток этого метода заключается в том, что он только обнаруживает ошибку частоты 50 Гц и период времени 0-5 секунд, но не дает точного времени ошибки. Чтобы преодолеть этот недостаток, введено кратковременное преобразование Фурье (STFT). Это дает точное время неисправности путем деления общего времени с?. STFT также имеет некоторые ограничения: если вы выберете определенный размер для временного окна, это окно будет одинаковым для всех частот. Эта работа легко выполняется с помощью Wavelet с большей точностью. Вейвлет-преобразование используется для определения пускового тока. Искусственная нейронная сеть (ANN) используется для классификации условий пускового тока. Процесс моделирования выполняется MATLAB. Jazebi.et.al. [1] предлагает подход намагничивания пускового тока с использованием моделей гауссовой смеси (GMM). Моделирование выполняется с помощью программного обеспечения PSCAD / EMTDC для различных неисправностей и условий переключения силового трансформатора. 500 МВА, 400/230 кВ, в системе моделирования используется трехфазный силовой трансформатор. Тип материнского вейвлета и уровень разложения используются для обнаружения и локализации различных видов переходных процессов неисправностей. Частота дискретизации и базовая частота системы составляют 10 кГц и 50 Гц. Размер окна WT составляет 50 выборок на окно для GMM. В энергосистеме GMM зарекомендовал себя как простой критерий идентификации, наилучшим образом подходящий для защиты, высокой производительности и, кроме того, инвестиций. В [2] представлена ​​классификация переходных явлений в распределительных системах. На основе алгоритма вейвлет-преобразования используется классификация многих типов переходных процессов, распространенных в системах распределения. Моделирование выполняется на ATP-EMTP и используется для пускового тока, переключения нагрузки, переключения конденсаторов и однофазного замыкания на землю в первичном фидере 20 кВ.

A.R.Sedighi и M.R.Haghifam [3] представляют эффективный метод обнаружения пускового тока в распределительном трансформаторе на основе вейвлет-преобразования. Электромагнитная переходная программа (EMTP) используется для моделирования пускового тока и других событий для выделения и распознавания характеристик. Используется распределительное устройство 20 кВ и частота дискретизации 20 кГц в однофазном замыкании на землю и пусковой ток.

Ashrafian.et.al [4] описывает применение дискретной дифференциальной защиты S-преобразования силового трансформатора. Дискретное S-преобразование используется для распознавания пускового тока и внутренней неисправности. 3-фазный трансформатор 13,5 МВА, 132/33 кВ, используется в моделирующей силовой системе, которая имеет 980 и 424 витка первичной и вторичной обмоток. Линия электропередачи разделена на две идентичные р-секции в модели. Программа MATLAB и EMTP используется для реализации.

В [5] метод предназначен для распознавания пускового тока, и в силовом трансформаторе предлагается внутренняя неисправность. Метод основан на эмпирическом вейвлет-преобразовании (EWT) и методе опорных векторов (SVM). Matlab / Simulink используется для моделирования. Взяв отношение вторых гармоник к основному току, он различает оба типа тока. Он состоит из двух классов данных для проверки, таких как пусковые и внутренние сигналы тока короткого замыкания. Он имеет два трансформатора T1 и T2, которые подключены через линию передачи.

<Р> Abnaki.et.al. В [6] приведен способ идентификации пускового тока намагничивания от внутреннего повреждения в защите силового трансформатора. В этой технике используются симметричные компоненты. Имитация выполняется во всех случаях, таких как нормальное состояние, пусковое состояние, состояние внутреннего сбоя, состояние внешнего сбоя и состояние избыточного потока с использованием PSCAD / EMTDC. Номинальные характеристики используемой системы силового трансформатора составляют 30 МВА при мощности 33 кВ / 11 кВ. С помощью предложенной модели, вероятно, во всех случаях получен результат моделирования. Ozgonenel.et.al. [7] представляет современный подход к защите силовых трансформаторов. WT используется для извлечения пускового тока и внутренней неисправности в силовом трансформаторе. При замыкании между фазами и замыканиями на землю и межфазной неисправности WT помогает анализировать токовые сигналы с их неоднородностями. Вейвлет-функции Коифлета 6 используются для изучения прерывности токовых сигналов. В условиях неисправности и пусковых токов выбрана Coif 6, поскольку она дает меньшую погрешность в реконструкциях и дает более точные результаты. Данная модель моделируется с использованием ATP-EMTP на основной частоте 50 Гц и частоте дискретизации 200 Гц. Омар А.С. Юсеф представляет усовершенствованную схему для распознавания неисправностей в энергосистеме и бросков тока [8]. Используя EMTP, трансформатор подключается к системе питания 132/11 кВ. Трансформатор 11/132 кВ со звездой с обеих сторон, соединенной с заземленной нейтралью. Линия электропередачи – две 132 кВ на 50-километровых участках. Окно данных, необходимое для предлагаемого алгоритма, составляет менее половины частотного цикла. Результаты, полученные для методики, являются точными, быстрыми и надежными.

Различение пускового тока и внутренних неисправностей в непрямом симметричном фазовом трансформаторе (ISPST) продемонстрировано в Bhasekar.et.al. [9]. Используя теорему Парсеваля, энергия вейвлета используется для извлечения различных токовых сигналов из разных условий эксплуатации. WT используется для преобразования временной области в частотную область. Используется программное обеспечение PSCAD / EMTDC, из которого генерируются данные. Используя материнский вейвлет DB7, WT разлагается с уровня 1 на уровень 7. От D1 до D7 используется для различения внутренней неисправности от пускового тока. Теория вейвлет-преобразования объясняется в «Введении к вейвлетам» Амарой Грап [10], а ANN – в «Книге Энн» Р.М. Христев [11].

В данной статье представлены результаты обнаружения пускового тока с использованием вейвлет-преобразования и искусственной нейронной сети. Это помогает различить пусковой ток и внутренний ток короткого замыкания. Данные генерируются из Db4, который используется в качестве материнского вейвлета с уровнем 5.

Пусковой ток – это максимальный мгновенный входной ток, выдаваемый электрическим устройством при его включении. Этот ток возникает из-за высокого пускового тока. Для зарядки конденсатора, катушки индуктивности и трансформатора во время включения вырабатывается большой ток. Его значение зависит от материала сердечника, остаточного потока и момента включения.

В силовом трансформаторе пусковой ток, отличный от включения, также срабатывает после устранения внешней неисправности до восстановления напряжения. Пусковой ток также содержит четные и нечетные гармоники. Он также имеет смещение постоянного тока.

Пусковой ток может быть в 20 раз больше нормального значения тока, он может длиться только около 10 мс. Требуется от 30 до 40 циклов, чтобы ток успокоился до своего нормального значения тока.

WAVELET TRANSFORM (WT). Вейвлеты – это математические функции, которые разбивают данные на различные частотные компоненты, а затем изучают каждый компонент с разрешением, соответствующим его масштабу. Они имеют преимущества перед традиционными методами Фурье при анализе физических ситуаций, когда сигнал содержит разрывы и резкие пики. Недостаток STFT заключается в том, что как только конкретный размер выбран для временного окна, тогда временное окно остается одинаковым для всех частот. Для точного анализа сигналов с резкими изменениями используется новый класс функций, которые хорошо локализованы по времени и частоте. Вейвлеты были разработаны независимо в областях математики, квантовой физики, электротехники и сейсмической геологии. WT классифицируются как непрерывное вейвлет-преобразование (CWT) и дискретное вейвлет-преобразование (DWT). WT разбивает сигналы на различные частоты, которые используются для обнаружения пускового тока, тока повреждения и нормального тока. Обнаружение пускового тока осуществляется в DWT.

ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ (ANN). Основным строительным блоком Искусственной нейронной сети (ANN) является нейрон. Нейрон – это единицы обработки, которые имеют несколько входов и только один выход. ИНС строится путем размещения нейронов в слоях и подключения выхода нейронов из одного слоя к входам нейронов из следующего слоя, как обсуждалось [11].

ANN настраивается для конкретного приложения, такого как распознавание образов или классификация данных, в процессе обучения. Обучение в биологических системах осуществляется путем корректировки синаптических связей, существующих между нейронами. WT разбивает сигнал на небольшое содержимое, в зависимости от содержимого каждого частотного сигнала, классифицированного ANN.

Обобщенная модель показана на рисунке. Он состоит из генератора, трансформатора, линии электропередачи и нагрузок, имеющих различные комбинации. Были применены другие параметры, такие как автоматический выключатель и различные сопротивления повреждения. Моделирование было выполнено с различными комбинациями на MATLAB с использованием Simulink. Данные генерируются из db4 с уровнем 5, как показано в таблице. Эффективный метод используется для обнаружения пускового тока с использованием вейвлет-преобразования и искусственной нейронной сети. Предлагаемая методика основана на разложении трехфазных токов с использованием WT с db4 в качестве материнского вейвлета. ИНН используется для распознавания пускового тока и тока повреждения.

Зарегистрируйся, чтобы продолжить изучение работы

    Поделиться сочинением
    Ещё сочинения
    Нет времени делать работу? Закажите!

    Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.