الخلاصة:
في أنظمة الطاقة، تعد خطوط النقل جزءًا مهمًا من الشبكة الكهربائية. لذلك من المهم حمايتها من كافة الأعطال المختلفة التي قد تحدث بأسرع وقت ممكن لتزويد الطاقة الكهربائية بشكل مستمر. تقدم هذه الرسالة حلولاً حديثة ودراسة مقارنة لاكتشاف الأخطاء وتصنيفها وتحديد موقعها في خطوط نقل الطاقة باستخدام الشبكة العصبية الاصطناعية (ANN) مقارنة بالمنطق الضبابي بالإضافة إلى طريقتين تعتمدان على الإشارة باستخدام طريقةتحويلات باركوالتحويل الموجي.
تم إنشاء أنواع مختلفة من الأعطال في خط النقل باستخدام نموذج محاكاة. في الأساليب القائمة علىمعالجةالإشارة، يتم جمع البيانات المستخدمة في طرف واحد فقط من خط النقل، بالنسبة لطرقالشبكة العصبية الاصطناعيةوالمنطق الضبابي، تم استخدام نظام مراقبة ذكي (IFD) تشخيص خطأ ذكيعند كلا طرفي خط نقل. تم العثور على أنكلا الطريقتين قويتان ودقيقتان وموثوق بهما لاكتشاف الخطأ عند حدوثه، وتحديد نوع الخلل إذا كان دائرة قصيرة أو دائرة مفتوحة، وتحديد موقع الخطأ، وتحديدفي أي طور وقع الخطأ.
Abstract
In power systems, transmission lines are an important part of the electrical grid. Thus it is important to protect it from all the different faults that may occur as soon as possible to supply electric power continuously. This thesis presents modern solutions and a comparative study of fault detection, classification and location in power system transmission lines using artificial neural network (ANN) compare to the fuzzy logic in addition to two signal-based methods using Park’s vectors method and the Wavelet Transform. Faults in the transmission line of various types have been created using a simulation model. in signal based methods the data used is collected at only one end of the transmission line, however, for the ANN and FL methods, an intelligent monitoring system (IFD: Intelligent Fault Diagnosis) was used at both ends of overhead transmission line, both approaches were found to be robust, accurate, and reliable to detect the fault when it occurs, determining the fault type short circuit or opening of a power line (open circuit), locating the fault, and determining which phase was faulted.
Dans les systèmes électriques, les lignes de transmission constituent une partie importante du réseau électrique. Il est important de le protéger contre tous les différents défauts qui peuvent survenir le plus tôt possible pour fournir de l'énergie électrique vers les utilisateurs. Cette thèse présente des solutions modernes et une étude comparative de la détection, de la classification et de la localisation des défauts dans les lignes de transmission du système électrique utilisant un réseau de neurones artificiels (ANN) en comparaison avec la logique floue en plus de deux méthodes basées sur le traitement de signal utilisant la méthode de Park et la transformée en ondelettes. Des défauts dans la ligne de transmission de différents types ont été créés à l'aide d'un modèle de simulation. Dans les méthodes basées sur l’analyse de signal, les données utilisées sont collectées dans une seule extrémité de la ligne de transmission, cependant, pour les méthodes ANN et FL, un système de surveillance intelligent (IFD : Intelligent Fault Diagnosis) a été utilisé dans les deux extrémités de la ligne électrique. Les deux approches se sont avérées robustes, précises et fiables pour détecter, de localiser et d’identifier les différents types de défauts lorsqu'il se produit.
