論文の概要: Data-Driven Ground-Fault Location Method in Distribution Power System With Distributed Generation

• arxiv url: http://arxiv.org/abs/2402.14894v1
• Date: Thu, 22 Feb 2024 16:25:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 16:36:37.414132
• Title: Data-Driven Ground-Fault Location Method in Distribution Power System With Distributed Generation
• Title（参考訳）: 分散型電源配電系統におけるデータ駆動地平位置推定法
• Authors: Mauro Caporuscio, Antoine Dupuis, and Welf L\"owe
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.19116784879310028
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recent increase in renewable energy penetration at the distribution level introduces a multi-directional power flow that outdated traditional fault location techniques. To this extent, the development of new methods is needed to ensure fast and accurate fault localization and, hence, strengthen power system reliability. This paper proposes a data-driven ground fault location method for the power distribution system. An 11-bus 20 kV power system is modeled in Matlab/Simulink to simulate ground faults. The faults are generated at different locations and under various system operational states. Time-domain faulted three-phase voltages at the system substation are then analyzed with discrete wavelet transform. Statistical quantities of the processed data are eventually used to train an Artificial Neural Network (ANN) to find a mapping between computed voltage features and faults. Specifically, three ANNs allow the prediction of faulted phase, faulted branch, and fault distance from the system substation separately. According to the results, the method shows good potential, with a total relative error of 0,4% for fault distance prediction. The method is applied to datasets with unknown system states to test robustness.
• Abstract（参考訳）: 分布レベルでの最近の再生可能エネルギーの浸透の増加は、従来の断層位置法を時代遅れにした多方向の電力の流れをもたらす。 この点において,高速かつ高精度な故障位置推定と電力系統信頼性の強化のために,新たな手法の開発が求められている。 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の電力系統をmatlab/simulinkでモデル化し、地上の故障をシミュレートする。 障害は、異なる場所と様々なシステム運用状態において発生する。 系のサブステーションにおける時間領域欠陥三相電圧を離散ウェーブレット変換により解析する。 処理されたデータの統計量は、最終的に人工ニューラルネットワーク(ann)のトレーニングに使用され、計算された電圧の特徴と障害の間のマッピングを見つける。 具体的には、3つのannにより、システム変電所からの故障相、故障分岐、故障距離を別々に予測することができる。 その結果, 断層距離予測の相対誤差は0,4%であった。 この方法は未知のシステム状態のデータセットに適用され、堅牢性をテストする。

関連論文リスト

• Detecting train driveshaft damages using accelerometer signals and Differential Convolutional Neural Networks [67.60224656603823]
  本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。 その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
  論文  参考訳（メタデータ） (2022-11-15T15:04:06Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• 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)
• Distributed Nonlinear State Estimation in Electric Power Systems using Graph Neural Networks [1.1470070927586016]
  本稿では,非線形電力系統SEの増乗係数グラフ上での独自のグラフニューラルネットワークに基づくSEの実装を提案する。 提案した回帰モデルは、一度訓練された推論時間中に線形計算複雑性を持ち、分散実装の可能性がある。
  論文  参考訳（メタデータ） (2022-07-23T08:54:24Z)
• 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)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Quick Line Outage Identification in Urban Distribution Grids via Smart Meters [4.464184851598876]
  本稿では,理論的保証付き時系列解析に基づくデータ駆動型停止監視手法を提案する。 電力流解析により、時系列電圧測定の依存性はライン停止後の統計的に有意な変化を示すことを示した。 提案手法では,迅速な停止同定には電圧大小のみを要求できることを示した。
  論文  参考訳（メタデータ） (2021-04-01T07:10:34Z)
• 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)
• Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring [0.0]
  農村電化は、単一ワイヤアースリターン(SWER)ネットワークのような安価な技術の使用を要求する。 リモート消費者からのエネルギー需要は着実に増加しており、既存の路線の容量はすぐに不足する可能性がある。 SWERラインからの高インピーダンスアーク断層(HIF)は、2009年のブラックサタデーイベントのような壊滅的なブッシュファイアを引き起こす可能性があります。
  論文  参考訳（メタデータ） (2021-01-21T07:50:01Z)
• Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
  本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。 我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
  論文  参考訳（メタデータ） (2020-03-04T12:27:36Z)

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。