روشی هوشمند برای حفاظت ریزشبکه های DC چندپایانه ای با استفاده از phaselet آنلاین، ریخت شناسی ریاضی و سیستم استنتاج فازی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 171
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-12-2_002
تاریخ نمایه سازی: 29 آبان 1401
چکیده مقاله:
در این مقاله روشی جدید برای تشخیص خطا و تعیین محل خطا در ریزشبکه DC چندپایانه ای (MTDC) ارائه شده است. مسائلی از جمله گسترش منابع و بارهای DC و تلاش برای افزایش کیفیت توان باعث گسترش شبکه های MTDC شده است. تشخیص انواع و محل خطا برای تداوم سرویس دهی و جلوگیری از خرابی بیشتر مورد اهمیت است. در این روش یک کیت مداری به شبکه متصل می شود. در صورت رخداد خطا در شبکه با عبور جریان از کیت های متصل شده و اندازه گیری امواج سیار مشتق جریان خطا و اعمال آن به یک فیلتر ریخت شناسی ریاضی، تشخیص خطا صورت می گیرد. تعیین محل خطا با استفاده از معادلات مداری و محاسبات جریانی صورت می گیرد. در تعیین نوع خطا از خروجی phaselet و سیستم استنتاج فازی استفاده شده است. روش ارائه شده در یک ریزشبکه MTDC متصل به منابع ذخیره کننده و تجدیدپذیر انرژی با خطاهای بسیاری آزموده شد. نتایج بیان کننده صحت روش پیشنهادی است. خطای روش پیشنهادی کمتر از ۷ درصد است. و نسبت به تغییر فرکانس نمونه برداری (بین ۵۰۰ هرتز تا ۵۰ کیلوهرتز)، مقاومت خطا (تا ۱۲۵ اهم) و بارگذاری (تا ۱۲۰% بار نامی) به صورت مقاوم عمل می کند و در خطاهای با امپدانس بالا عملکرد بسیار خوبی دارد.
کلیدواژه ها:
MTDC microgrid protection ، Fuzzy inference system ، Fault classification ، Fault detection and location ، Flow injection technique ، online phaselet and mathematical morphology filter ، حفاظت ریزشبکهMTDC ، سیستم استنتاج فازی ، دسته بندی خطا ، تشخیص و تعیین محل خطا ، تزریق جریان ، phaselet آنلاین و فیلتر ریخت شناسی ریاضی
نویسندگان
مصطفی دودانگه
Department of Electrical Engineering, Imam Khomeini International University
نوید غفارزاده
Department of Electrical Engineering, Imam Khomeini International University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :