論文の概要: Determination of Fault Location in Transmission Lines with Image
Processing and Artificial Neural Networks
- arxiv url: http://arxiv.org/abs/2102.11073v1
- Date: Mon, 22 Feb 2021 14:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 18:26:11.022487
- Title: Determination of Fault Location in Transmission Lines with Image
Processing and Artificial Neural Networks
- Title（参考訳）: 画像処理とニューラルネットワークを用いた送電線における断層位置の決定
- Authors: Serkan Budak and Bahadir Akbal
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to transmit electrical energy in a continuous and quality manner, it
is necessary to control it from the point of production to the point of
consumption. Therefore, protection of transmission and distribution lines is
essential at every stage from production to consumption. The main function of
the protection relays in electrical installations should be deactivated as soon
as possible in the event of short circuits in the system. The most important
part of the system is energy transmission lines and distance protection relays
that protect these lines. An accurate error location technique is required to
make fast and efficient work. Transformer neutral point grounding in
transmission lines affects the operation of the zero component current during
the single phase to ground short circuit failure of a power system. Considering
the relationship between the grounding system and protection systems, an
appropriate grounding choice should be made. Artificial neural network (ANN)
has been used in order to accurately locate short circuit faults in different
grounding systems in transmission lines. Compared with support vector machines
(SVM) for testing inside ANN The transmission line model is made in the
PSCAD-EMTDC simulation program. Data sets were created by recording the image
of the impedance change of the R-X impedance diagram of the distance protection
relay in short circuit faults created in different grounding systems. The
related focal points in the images are given as an introduction to different
ANN models using feature extraction and image processing techniques and the ANN
model with the highest fault location estimation accuracy was chosen.
- Abstract（参考訳）: 電気エネルギーを連続的かつ高品質に伝達するためには、生産点から消費点まで制御する必要がある。
したがって、生産から消費まで、あらゆる段階で送電線と配電線の保護が不可欠です。
電気設備における保護リレーの主な機能は、システム内の短絡が発生した場合にできるだけ早く解除されるべきである。
システムの最も重要な部分は、これらのラインを保護するエネルギー伝送ラインと距離保護リレーです。
高速かつ効率的な作業には、正確なエラーロケーション技術が必要である。
送電線で接地する変圧器の中立ポイントは電力系統の接地短絡の失敗に単一フェーズの間にゼロ部品流れの操作に影響を与えます。
接地システムと保護システムとの関係を考慮すると,適切な接地選択を行う必要がある。
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。
ANN内部のテストのためのサポートベクター機械(SVM)と比較されて送電線モデルはPSCAD-EMTDCのシミュレーション プログラムでなされます。
距離保護リレーのR-Xインピーダンス図のインピーダンス変化を、異なる接地系で生成された短絡断層に記録することにより、データセットを作成する。
特徴抽出および画像処理技術を用いた異なるANNモデルの紹介として画像内の関連する焦点が与えられ、最高欠陥位置推定精度のANNモデルが選択された。
関連論文リスト
- Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。
覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
論文 参考訳（メタデータ） (2024-04-02T10:19:04Z) - Data-Driven Ground-Fault Location Method in Distribution Power System
With Distributed Generation [0.19116784879310028]
本稿では,配電系統におけるデータ駆動地すべり位置推定手法を提案する。
11バス20kVの電力システムはマットラブ/シムリンクで地上断層をシミュレートするためにモデル化されている。
論文 参考訳（メタデータ） (2024-02-22T16:25:32Z) - A Data-Driven Approach for High-Impedance Fault Localization in
Distribution Systems [5.6874061098584345]
低電流のため, 従来の過電流リレーによるHIFの検出は困難である。
本稿では,HIFイベントの識別のためのデータ駆動型手法を提案する。
論文 参考訳（メタデータ） (2023-11-26T02:52:37Z) - Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart
Grid [56.838297900091426]
高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。
提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
論文 参考訳（メタデータ） (2023-08-14T17:14:58Z) - 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) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - 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) - Power Control for a URLLC-enabled UAV system incorporated with DNN-Based
Channel Estimation [82.16169603954663]
この手紙は、ディープニューラルネットワーク(DNN)に基づくチャネル推定を組み込んだ超信頼性低遅延通信(URLLC)有効無人航空機(UAV)システムの電力制御に関するものである。
論文 参考訳（メタデータ） (2020-11-14T02:31:04Z) - Fault Location Estimation by Using Machine Learning Methods in Mixed
Transmission Lines [0.0]
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。
論文 参考訳（メタデータ） (2020-11-06T08:56:30Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための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） (2020-02-19T14:04:01Z)
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。