dc.contributor.author | Румянцев, Ю. В. | |
dc.contributor.author | Романюк, Ф. А. | |
dc.coverage.spatial | Минск | ru |
dc.date.accessioned | 2021-12-06T06:31:31Z | |
dc.date.available | 2021-12-06T06:31:31Z | |
dc.date.issued | 2021 | |
dc.identifier.citation | Румянцев, Ю. В. Разработка в MATLAB-Simulink искусственной нейронной сети для восстановления искаженной формы вторичного тока. Часть 1 = An Artificial Neural Network Developed in MATLAB-Simulink for Reconstruction a Distorted Secondary Current Waveform. Part 1 / Ю. В. Румянцев, Ф. А. Романюк // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. – 2021. – № 6. – С. 479-491. | ru |
dc.identifier.uri | https://rep.bntu.by/handle/data/107646 | |
dc.description.abstract | В последнее время наблюдается повышенный интерес к применению искусственных нейронных сетей в различных отраслях электроэнергетики, в том числе в релейной защите. Существующие микропроцессорные устройства релейной защиты используют традиционную цифровую обработку контролируемых сигналов, сводящуюся к умножению значений последовательных выборок контролируемых сигналов тока и напряжения на заранее определенные коэффициенты с целью установления их действующих величин. При этом вычисляемые действующие значения часто не отражают реальных процессов, происходящих в защищаемом электрооборудовании ввиду, например, насыщения трансформатора тока апериодической составляющей тока повреждения. При насыщении трансформатора тока его вторичный ток имеет характерную непериодическую искаженную форму, существенно отличающуюся от его первичной (истинной) формы, что ведет к занижению вычисляемого действующего значения вторичного тока по сравнению с его истинной действующей величиной. Указанное приводит к затягиванию времени срабатывания или вовсе к отказу функционирования устройств релейной защиты электрооборудования. Использование искусственной нейронной сети совместно с традиционной цифровой обработкой сигналов обеспечивает иной подход к функционированию как измерительной, так и логической частей микропроцессорного устройства релейной защиты, что позволяет значительно повысить быстродействие и надежность функционирования таких устройств релейной защиты по сравнению с их традиционной реализацией. Возможное приложение искусственной нейронной сети для целей релейной защиты заключается в определении факта возникновения повреждения и его вида, восстановлении формы искаженного сигнала вторичного тока трансформатора тока вследствие его насыщения до истинного значения, установлении искаженных и неискаженных участков сигнала вторичного тока трансформатора тока при его насыщении, выявлении анормальных режимов работы силового оборудования, сопровождающихся искажением контролируемых устройствами релейной защиты величин, таких как бросок тока намагничивания силового трансформатора. В статье детально рассмотрены этапы практической реализации искусственной нейронной сети в среде имитационного моделирования MATLAB-Simulink на примере ее использования для восстановления искаженной вследствие насыщения формы вторичного тока трансформатора тока. | ru |
dc.language.iso | ru | ru |
dc.publisher | БНТУ | ru |
dc.title | Разработка в MATLAB-Simulink искусственной нейронной сети для восстановления искаженной формы вторичного тока. Часть 1 | ru |
dc.title.alternative | An Artificial Neural Network Developed in MATLAB-Simulink for Reconstruction a Distorted Secondary Current Waveform. Part 1 | ru |
dc.type | Article | ru |
dc.identifier.doi | 10.21122/1029-7448-2021-64-6-479-491 | |
local.description.annotation | Recently, there has been an increased interest in the use of artificial neural networks in various branches of the electric power industry including relay protection. Аrtificial neural networks are one of the fastest growing areas in artificial intelligence technology. Recently, there has been an increased interest in the use of аrtificial neural networks in the electric power engineering, including relay protection. Existing microprocessor-based relay protection devices use a traditional digital signal processing of the monitored signals which is reduced to a multiplying the values of successive samples of the monitored current and voltage signals by predetermined coefficients in order to calculate their RMS values. In this case, the calculated RMS values often do not reflect the real processes occurring in the protected electrical equipment due to, for example, current transformer saturation because of the DC component presence in the fault current. When the current transformer is saturated, its secondary current waveform has a characteristic non-periodic distorted form, which is significantly differs from its primary (true) waveform, which causes underestimation of the calculated RMS value of the secondary current compared to its true value. In its turn, this causes to a trip time delay or even to a relay protection devices operation failure. The use of аrtificial neural networks in conjunction with a traditional digital signal processing provides a different approach to the functioning of both the measuring and logical parts of the microprocessor-based relay protection devices, which significantly increases the speed and reliability of such relay protection devices in comparison with their traditional implementation. A possible application of the аrtificial neural networks for the relay protection purposes is the fault occurrence detection and its type identification, current transformer secondary current waveform distortion restoration due to its saturation up to its true value, detection the distorted and undistorted sections of the current transformer secondary current waveform during its saturation, primary power equipment abnormal operating modes detection, for example, power transformer magnetizing current inrush. The article describes in detail the stages of the practical implementation of the аrtificial neural networks in the MATLAB-Simulink environment by the example of its use to restore the distorted current transformer secondary current waveform due to saturation. | ru |