論文の概要: Fault Location Estimation by Using Machine Learning Methods in Mixed
Transmission Lines
- arxiv url: http://arxiv.org/abs/2011.03238v1
- Date: Fri, 6 Nov 2020 08:56:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 05:35:35.533525
- Title: Fault Location Estimation by Using Machine Learning Methods in Mixed
Transmission Lines
- Title（参考訳）: 混合伝送線路における機械学習手法による故障位置推定
- Authors: Serkan Budak, Bahadir Akbal
- Abstract要約: 距離保護リレー用混合送電線として、154kVの頭上送電線と地下ケーブル線を検討した。
単位長さあたりの特性インピーダンスが異なるため、混合伝送路で断層位置を正しく検出することはできない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Overhead lines are generally used for electrical energy transmission. Also,
XLPE underground cable lines are generally used in the city center and the
crowded areas to provide electrical safety, so high voltage underground cable
lines are used together with overhead line in the transmission lines, and these
lines are called as the mixed lines. The distance protection relays are used to
determine the impedance based fault location according to the current and
voltage magnitudes in the transmission lines. However, the fault location
cannot be correctly detected in mixed transmission lines due to different
characteristic impedance per unit length because the characteristic impedance
of high voltage cable line is significantly different from overhead line. Thus,
determinations of the fault section and location with the distance protection
relays are difficult in the mixed transmission lines. In this study, 154 kV
overhead transmission line and underground cable line are examined as the mixed
transmission line for the distance protection relays. Phase to ground faults
are created in the mixed transmission line, and overhead line section and
underground cable section are simulated by using PSCAD. The short circuit fault
images are generated in the distance protection relay for the overhead
transmission line and underground cable transmission line faults. The images
include the RX impedance diagram of the fault, and the RX impedance diagram
have been detected by applying image processing steps. The regression methods
are used for prediction of the fault location, and the results of image
processing are used as the input parameters for the training process of the
regression methods. The results of regression methods are compared to select
the most suitable method at the end of this study for forecasting of the fault
location in transmission lines.
- Abstract（参考訳）: オーバーヘッド線は一般的に電気エネルギー伝送に使われる。
また、XLPE地下ケーブル線は市中心部や混雑した地域では電気安全のため一般的に利用されており、高電圧地下ケーブル線と送電線の架空線が併用されており、これらを混合線と呼ぶ。
距離保護リレーを用いて、送電線内の電流及び電圧の大きさに応じてインピーダンスベースの故障位置を決定する。
しかし、高電圧ケーブル線の特性インピーダンスがオーバーヘッド線と大きく異なるため、ユニット長毎に特性インピーダンスが異なるため、混合伝送線では故障位置を正しく検出できない。
したがって、混合伝送路では、故障区間と距離保護リレーによる位置の決定が困難である。
本研究では, 距離保護リレー用混合送電線として, 154kVの送電線と地下ケーブル線を検討した。
混合送電線において位相-地中断層が生成され、PSCADを用いて架線部と地下ケーブル部がシミュレーションされる。
頭上送電線と地下ケーブル送電線との距離保護中継において、短絡断層画像を生成する。
画像は断層のRXインピーダンス図を含み、RXインピーダンス図は画像処理ステップを適用して検出されている。
回帰法は断層位置の予測に使われ、画像処理の結果は回帰法のトレーニングプロセスの入力パラメータとして使用される。
本研究の最後に, 送電線における故障箇所の予測に最も適した方法を選択するために, 回帰法を比較検討した。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - Rolling Shutter Correction with Intermediate Distortion Flow Estimation [55.59359977619609]
本稿では,グローバルシャッタ(GS)からRSへの歪み流を直接推定することにより,ローリングシャッタ(RS)歪み画像を補正することを提案する。
既存の手法は通常、RSからGSへの非歪流を用いて補正を行う。
本稿では,歪み流を直接推定し,後方ワープ操作でRS像を補正する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-09T14:40:54Z) - Transmission Line Detection Based on Improved Hough Transform [8.243900941694138]
複雑な背景における伝送線路検出に適したHough変換手法を提案する。
偽陽性と誤検出の両方を著しく低減し,伝送線路識別の精度を向上した。
論文 参考訳（メタデータ） (2024-02-05T06:37:09Z) - Tangent Transformers for Composition, Privacy and Removal [58.280295030852194]
TAFT(Tangent Attention Fine-Tuning)は、線形変換器の微調整方法である。
TAFT(Tangent Attention Fine-Tuning)は、線形変換器の微調整方法である。
論文 参考訳（メタデータ） (2023-07-16T18:31:25Z) - Data-driven Protection of Transformers, Phase Angle Regulators, and
Transmission Lines in Interconnected Power Systems [0.0]
この論文は、現代の電力グリッドにおける障害検出に対する機械学習(ML)アプローチへの関心と採用の高まりを浮き彫りにしている。
効果的なデータ処理と分析を行うMLベースのソリューションとツールが注目されている。
論文 参考訳（メタデータ） (2023-02-08T01:44:00Z) - DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
ラインセグメントは、視覚タスクでますます使われています。
画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。
我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
論文 参考訳（メタデータ） (2022-12-15T12:36:49Z) - Mapping the Buried Cable by Ground Penetrating Radar and
Gaussian-Process Regression [21.43182752819447]
本稿では,地中貫入レーダ(GPR)とガウス過程の回帰に基づく地下ケーブルの位置推定法を提案する。
実世界のデータセット実験を行い,提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2022-01-25T08:32:14Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Comparative Fault Location Estimation by Using Image Processing in Mixed
Transmission Lines [0.0]
154kVの送電線と地下ケーブル線を混合送電線として検討した。
架空送電線および地下ケーブル送電線障害のための距離保護リレーで断層画像が生成されます。
断層位置の予測には、人工ニューラルネットワーク(ANN)と回帰法が用いられる。
論文 参考訳（メタデータ） (2021-02-22T14:57:36Z) - Determination of Fault Location in Transmission Lines with Image
Processing and Artificial Neural Networks [0.0]
ANN(Artificial Neural Network)は、伝送路内の異なる接地系における短い回路欠陥を正確に検出するために用いられる。
伝送線路モデルはPSCAD-EMTDCシミュレーションプログラムで作成される。
論文 参考訳（メタデータ） (2021-02-22T14:43:13Z) - Promoting Connectivity of Network-Like Structures by Enforcing Region
Separation [101.10228007363673]
本稿では,ネットワークのような構造を再構築するために,深い畳み込みネットワークをトレーニングするための接続性指向の損失関数を提案する。
私たちの喪失の背後にある主な考え方は、画像の背景領域間で発生する断線の観点から、道路や運河の接続性を表現することです。
2つの標準的な道路ベンチマークと、新しい灌水用運河のデータセットの実験において、損失関数で訓練されたコンブネットが道路接続を回復できることが示されている。
論文 参考訳（メタデータ） (2020-09-15T12:21:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。