26539

تشخيص سريع و مكان¬يابي خطا در ريزشبكه¬هاي DC با استفاده از سيستم چند معياره و شبكه عصبي

كارشناسي ارشد

مهندسي برق-سيستم هاي قدرت

1398

1401/01/30

دكتر محسن كلانتر

مهندسي برق

ريزشبكه¬هاي DC در كشورهاي توسعه يافته به دليل توسعه بارهاي DC و راندمان بالاتر سيستم¬هاي DC، به عنوان يكي از طرح¬هاي برتر سيستم قدرت در سال¬هاي اخير، توجه زيادي را به خود جلب كرده-اند. حفاظت از سيستم¬هاي DC، بر خلاف سيستم¬هاي AC، به دليل در حال توسعه بودن آن¬ها و همچنين جريان دو جهته در خطوط به يك كار بسيار چالش برانگيز تبديل شده است. ريزشبكه¬هاي DC نمي‌توانند جريان‌هاي خطا با سطوح بالا را حفظ كنند بنابراين تشخيص، مكان¬يابي و شناسايي خطاها از موضوعاتي است كه از اهميت بالايي در حفاظت از ريزشبكه¬هاي DC برخوردار است. آشنايي با محل خطا در شبكه توزيع باعث بازسازي سريع، نگهداري و كاهش دوره قطع برق غير ضروري مي¬شود. در اين پايان نامه تلاش شده است تا با ارائه طرح حفاظتي مناسب خطا تشخيص داده شده و سپس جداسازي شود و چالش حفاظتي ريزشبكه¬هاي DC حل شود. در همين راستا، يك روش تشخيص خطا با استفاده از سيستم استنتاج فازي براي ريزشبكه DC ولتاژ پايين (LVDC) پيشنهاد شده است. سيستم استنتاج فازي بهترين و مناسب¬ترين تصميم را بر اساس تعدادي از قوانين و شرايط خاص براي هر حالتي از شبكه صرف نظر از نوع خطا و بزرگي جريان و همچنين ظرفيت منابع تغذيه مي¬گيرد. در اين روش بدون استفاده از مقدار آستانه جريان و با استفاده قوانين مربوط به سيستم¬هاي چند معياره مبتني بر منطق فازي خطا تشخيص داده مي¬شود. در اين روش در صورت تشخيص خطا فقط خط خطادار را از مدار خارج مي¬شود و بقيه سيستم به كار خود ادامه مي-دهد. همچنين، در اين پايان¬نامه از شبكه عصبي پرسپترون چند لايه و منطق فازي براي مكان¬يابي محل خطا استفاده شده است كه محل خطا را بر حسب درصدي از طول خط نشان مي¬دهند. شبكه‌هاي عصبي پرسپترون چند لايه با انتخاب تعداد مناسب لايه‌ها و نورون‌هاي عصبي، مي‌توانند نقشه‌برداري غيرخطي را با دقت عالي و خطاي تخمين كم انجام دهند و همچنين منطق فازي براساس مشتق جريان خطا، محل خطا را در درصد طول خط نمايش مي¬دهد. جهت رسيدن به اين هدف، يك ريز شبكه حلقوي ولتاژ پايينDC با تجهيزات الكترونيك قدرت مناسب مانند قطع كننده¬هاي دو جهته حالت جامد و كنترل كننده¬هاي اصلي و فرعي در محيط نرم افزار MATLAB/SIMULINK شبيه¬سازي شده و براي انواع خطا هاي قطب به زمين و قطب به قطب مورد بررسي و تحليل قرار گرفته است.

1401/03/08

High-speed fault detection and location in DC microgrids systems using Multi-Criterion system and neural network

4/19/2023 12:00:00 AM

DC microgrids in developed countries have attracted a lot of attention as one of the top power system designs in recent years due to the development of DC loads and higher efficiency of DC systems. Protecting DC systems, unlike AC systems, has become a very challenging task due to their development as well as two-way current in the lines. DC microgrids cannot maintain high-level fault currents, so fault detection, location, and detection are issues that are of great importance in protecting DC microgrids. Familiarity with the location of faults in the network leads to a rapid increase, maintenance and reduction of unnecessary power cycles. In this dissertation, an attempt has been made to identify the fault by presenting a suitable protection plan and then isolate it and solve the protection challenge of DC microgrids. In this regard, an fault detection method using fuzzy inference system for low voltage DC microgrid (LVDC) is proposed. The fuzzy inference system makes the best and most appropriate decisions for each mode of the network, regardless of the type of fault and high current, as well as the capacity of power supplies based on specific rules and conditions. In this method, the fault is detected without using the current threshold value and using the rules of multi-criteria systems based on fuzzy logic. In this method of fault detection, only the faulty line is removed from the circuit and the rest of the system continues to operate. Also, this dissertation uses multi-layered perceptron neural network and fuzzy logic to locate the fault location, which shows the fault location in terms of a percentage of the line length. Multi-layer perceptron neural networks can perform nonlinear mapping with excellent accuracy and low estimation fault by selecting the appropriate number of layers and neural neurons. To achieve this goal, a low voltage DC ring microgrid with suitable power electronics such as solid state two-way switches and main and secondary controllers has been simulated in MATLAB / SIMULINK software environment and has been investigated and analyzed for a variety of pole-to-ground and pole-to-pole faults.

ريزشبكه LVDC , تشخيص خطا , مكان¬يابي خطا , سيستم چند معياره , شبكه عصبي

: LVDC microgrid , Fault detection , Fault location , Multi-criteria system , Neural network

-

-