Statistical and Machine Learning Technique to Detect and Classify Shunt Faults in a UPFC Compensated Transmission Line
محل انتشار: مجله مهندسی برق مجلسی، دوره: 13، شماره: 3
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 136
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-13-3_004
تاریخ نمایه سازی: 25 بهمن 1401
چکیده مقاله:
In this paper, machine learning technique is used to detect and classify all shunt faults in a UPFC compensated transmission line. A four-bus three-machine system with detailed modelling of UPFC has been used for fault simulation studies in MATLAB/Simulink. Instantaneous voltage and current signals obtained at local bus terminal are processed with DFT and statistical method for feature extraction. The input features of the ANN are minimised by using the statistical method. Generated features are used for training the ANN module. Trained ANN modules are used for testing different fault conditions in the time domain. Rigorous simulation studies have been performed with a wide variety of different possible fault situations. Simulation results bring out the superiority of the scheme. Moreover, the error introduced due to CT, CCVT and Dynamic behaviour of the UPFC has been considered for testing the trained ANNs by varying the different operating mode of UPFC, and different compensation levels, wherein all the cases, the performance is found reliable.
کلیدواژه ها:
نویسندگان
Bhupendra Kumar
National Institute of Technology Raipur, Chhattisgarh
Anamika Yadav
National Institute of Technology Raipur, Chhattisgarh
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 :