بررسی عملکرد شبکه عصبی مصنوعی برای اصلاح جریانCTاشباعشده در شرایط آنلاین

از آنجا که اشباع CT در برخی از رله های حفاظتی میتواند موجب عملکرد اشتباه یا عدم عملکرد بموقع گردد، لزوم شناسایی و جبرانسازی سریع آن بمنظور پیشگیری از عملکردهای ناخواسته ضرورتی انکارناپذیر است. با وجود آنکه در سیستمهای مدرن، از CTهای بدون هسته یا با هسته غیر مغناطیسی روگوفسکی) استفاده میشود [۱۳] به منظور رفع این مشکل در سیستمهای موجود در بسیاری از مراجع [۱۰-۴] استفاده از شبکه عصبی مصنوعی پیشنهاد شده است. در این مقاله جبران سازی جریان معوج ناشی از پدیده اشباع در ثانویه یک ترانسفورماتور جریان با استفاده از روش شبکه عصبی مصنوعی در شرایط حین بهره برداری (آنلاین) در حضور تغییر ساختار شبکه گذراهای موجود در خطوط بلند و نیز در شرایط نویزی شبیه سازی شده و نشان داده شده است که عملکرد قابل قبولی در این شرایطی ندارد با وجود آنکه میتوان با استفاده از دادههای ،متناظر عملکرد شبکه عصبی را در شرایط مذکور بهبود بخشید اما نهایتا زمان مورد نیاز آن برای بازسازی سیگنالهای دریافتی بقدری زیاد است که عملا نمی توان از آن در شرایط آنلاین استفاده نمود.شایان ذکر است مشخصات هسته CT بررسی شده در این مقاله بر اساس آزمایش عملی بر روی یک هسته واقعی استخراج گردیده و مدل منتجه در قسمتی از شبکه ایران در محیط نرم افزار EMTP-RV اعمال و موارد فوق الذکر مورد بررسی قرار گرفتهاست.

کلیدواژه ها:

ترانسفورماتور جریان ، شبکه عصبی مصنوعی ، پدیده اشباع ، جبرانسازی جریان معوج ثانویه