Information Bases of Algorithms for Protecting a Generator Operating on Busbars from Single-Phase-to-Ground Faults.1 Part III. Investigation of the Information Bases of Algorithms Controlling Higher Current Harmonics

Soldatov, A. V.; Наумов, В. А.; Antonov, V. I.; Aleksandrova, M. I.

doi:10.1007/s10749-019-01105-w

Cited by 7 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Несмотря на достоинства СВИ, авторы работ [2,18,19,[21][22][23]25, 27-29] отмечают наличие в них систематической и случайной погрешностей и указывают на источники возникновения погрешностей по уровням:…”

Section: Alexander a Afanasyev Starting Up And Regulating The Rotatiunclassified

“…С учетом нелинейности, апериодических составляющих и затухания точное измерение амплитуды и частоты сигнала за короткий промежуток времени иногда представляет собой достаточно сложную задачу [14][15][16]. Для ее решения могут использоваться адаптивная фильтрация [12,21], методы машинного обучения и искусственного интеллекта, в частности аппарат искусственных нейронных сетей (ИНС) [5,6].…”

Section: Ayrat G Ziganshin Georgi M Mikheev Digitalization Of the unclassified

“…Статический синхронный компенсатор формирует высшие гармоники тока 5,7,11,13,15,17,19,21, 25-го порядка, его ток и спектр приведены на рис. 9 и 10.…”

Section: статком 35кв 30мварunclassified

“…Поскольку решение задачи ОМП чаще всего проводится в «отложенном времени», могут использоваться методы машинного обучения и искусственного интеллекта [6,13,19]. В настоящей работе производится качественное моделирование переходных процессов в линии электропередач для оценки возможности использования для ОМП элементарного персептрона как простейшей искусственной нейронной сети (ИНС) [21]. То есть применяется ИНС прямого распространения с минимальным количеством нейронов [5,23].…”

Section: рис 3 временные диаграммы питающего напряженияunclassified

See 3 more Smart Citations

Untitled

2020

Vestn. Čuv. univ.

View full text Add to dashboard Cite

* Работа выполнена в рамках проекта темы научного исследования «Методы повышения надежности систем электроснабжения и качества электроэнергии на основе электрохимических накопителей и цифрового мониторинга состояния распределительных электрических сетей» (мнемокод 0672-2020-0007, No FZSW-2020-0007). 14 ФЕДОТОВ АЛЕКСАНДР ИВАНОВИЧ-доктор технических наук, профессор, ведущий научный сотрудник отдела НИОКР, Инжиниринговый центр, Казанский государственный энергетический университет, Россия, Казань

show abstract

Section: Alexander a Afanasyev Starting Up And Regulating The Rotatiunclassified

Section: Ayrat G Ziganshin Georgi M Mikheev Digitalization Of the unclassified

Section: статком 35кв 30мварunclassified

Section: рис 3 временные диаграммы питающего напряженияunclassified

See 2 more Smart Citations

Untitled

2020

Vestn. Čuv. univ.

View full text Add to dashboard Cite

show abstract

“…Для этих целей могут использоваться методы машинного обучения, в частности аппарат искусственных нейронных сетей (ИНС) [7][8][9][11][12][13], как одна из основ искусственного интеллекта [14,15]. Эти инструменты могут использоваться для моделирования [24], обработки сигналов [17,20,23], анализа информационного обеспечения и информационного обмена в электросетевом оборудовании [16]. В полной мере это относится к устройствам релейной защиты и автоматики [26], задачам определения места повреждения [1,4,22].…”

unclassified

Accuracy Estimation for Operating Characteristics Neuromodeling of the Overcurrent Protection in a Three Phase Mains

Ivanov

Lariukhin²,

Nikandrov³

et al. 2021

Vestn. Čuv. univ.

View full text Add to dashboard Cite

Modern electric power facilities-stations and high-voltage substations have become digital objects with the active use of high-speed local networks directly involved in the technological process. Management, analysis and control of information exchange in the digital substation of the power system require the development of new tools and approaches. For these purposes, machine learning methods can be used, in particular, the artificial neural networks. The paper presents the results of neural network modeling of the operation of the overcurrent protection – as a variant of the information exchange analysis. An elementary perceptron is used as a neural network with the simplest structure. The optimized structure of the neural network and estimates of the accuracy of the neural network algorithm are given, depending on the size of the training sample (from 1000 to 50000 records), the number of training epochs. It is shown that the analysis of the neural network algorithm errors encountered during testing of the neural network enables to estimate the threshold (the setting value) current protection depending on the size of the training sample. It is found that the recognition of the protection trigger threshold in neural network modeling is violated only when the all three phase currents in electrical mains are close to the threshold. The possibilities of improving the proposed approach and its use for detecting anomalies in the information exchange and operation of secondary equipment of digital substations of the power system are discussed.

show abstract