A NEURAL NETWORK APPROA CH TO FA UL T DIA GNOSIS IN INDUSTRIAL POWER NETWORKS USING SEQUENTIAL CURRENTS
محل انتشار: یازدهمین کنفرانس بین المللی برق
سال انتشار: 1375
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,379
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
PSC11_074
تاریخ نمایه سازی: 23 شهریور 1386
چکیده مقاله:
This paper presents a new neural network approach for an on-line fault diagnosis using the data obtained From digital fault recorders. This method applies forward multilayer perceptronasa learning system in which the pre-processing phase uses some concepts of digital signal
processing such as Fourier transform. We begin our exploration with filtering the fundamental component of short circuit current. After that, a preprocessor unit is used to reduce the number of training patterns and also to estimate the location of short circuit fault. In the next step, we proceed with classification of the common four fault types: one-phase-to-ground, two-phase, two-phase-to-ground and three-phase-to-ground short circuit. In order to show the capability of the proposed method some simulations have been performed. The results are very encouraging indicating that the proposed neural network approach can be used for short circuit problems in real-size Industrial Power Networks.