論文の概要: Comparative Fault Location Estimation by Using Image Processing in Mixed Transmission Lines

• arxiv url: http://arxiv.org/abs/2102.11085v1
• Date: Mon, 22 Feb 2021 14:57:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-23 15:11:11.247535
• Title: Comparative Fault Location Estimation by Using Image Processing in Mixed Transmission Lines
• Title（参考訳）: 混合伝送線路における画像処理による故障位置推定の比較
• Authors: Serkan Budak and Bahadir Akbal
• Abstract要約: 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。
• 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: 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. overhead line section and underground cable section are simulated by using PSCAD-EMTDC.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 R-X impedance diagram of the fault, and the R-X impedance diagram have been detected by applying image processing steps. Artificial neural network (ANN) and 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 ANN and the regression methods. The results of ANN and 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）: 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有意に異なるため、ユニット長ごとの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ません。 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判定が困難である。 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。 混合送電線では、位相から地盤の断層が形成される。 PSCAD-EMTDCを用いて架線部と地下ケーブル部をシミュレートし、架線伝送線と地下ケーブル伝送線障害の間隔保護リレーに短絡断層画像を生成する。 画像は断層のR-Xインピーダンス図を含み、R-X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。 人工ニューラルネットワーク(ANN)と回帰法を用いて断層位置の予測を行い、画像処理の結果をANNの訓練過程の入力パラメータと回帰法として用いる。 ANNおよび回帰法の結果は、伝送路の断層位置を予測するためのこの研究の終わりに最も適した方法を選択するために比較されます。

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)
• 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)
• LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
  クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。 既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。 本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:45Z)
• 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)
• 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)
• 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。