190
окончательного решения соответствует принципу простых
токовых защит – сравнение с уставкой (рис.7).
×
/
...
y
Блок
сравнения
Уставка
I
1
I
2
U
1
U
2
///
///
///
///
/
/
/
/
2
Нейроннная сеть
w
1
w
2
...
×
/
w
13
×
/
/
...
×
/
...
w
19
...
w
30
/
×
...
abs
angle(
U)-
angle(
I)
abs(
U
/
I)
angle(
U
/
I)
12
6
6
6
30
Рис. 7 – Алгоритм защиты по обобщенному признаку
Исходя из опытов, проведенных с различным
сочетанием входных информационных признаков, была
выбрана конфигурация наилучшим образом позволяющая
разделить режимы. В качестве входных параметров
нейронной сети выбирались действующие значения токов
и напряжений с обеих сторон трансформатора, разность
углов
между
векторами
токов
и
напряжений
соответствующих фаз, а также значения модуля и угла
фазных сопротивлений, рассчитанных по параметрам сети
с высокой и низкой стороны трансформатора (рис.7).
Результат тестирования защиты (рис. 7) представлен на
рис. 8. На графике приведена зависимость значения
обобщенного признака от величины замкнутой части
обмотки (для нормального режима замкнутая часть обмотки
равна «0»). Проверка проводилась по тестовой выборке.
Рис. 8 – Распределение значений обобщенного признака
Как видно из графика, значение обобщенного признака
для нормального режима работы трансформатора близко к
0, а для режима витковых замыканий признак принимает
значения более 24. Для разделения режимов принята
уставка разделяющие режимы и равная 12.
D.
Сравнение чувствительности дифференциальной
защиты тансформатора и защиты с применением
нейросетевых алгоритмов
По результатам имитационного моделирования, был
построен график (рис.9), позволяющий сравнить
чувствительность
предлагаемой
(рис.
7)
и
дифференциальной защиты трансформатора (ДЗТ) при
витковых замыканиях.
Рис. 9 – График сравнения чувствительности защит
Из графика видно, что для защиты с применением
нейросетевых алгоритмов распознаваемость витковых
замыканий в разы лучше по сравнению с традиционной
ДЗТ. Техническое решение способно распознать витковые
замыкания с процентом замкнутой части обмотки равным
0,01%, на ранних этапах развития авариной ситуации.
IV.
Р
ЕЗУЛЬТАТЫ
Защиты с применением нейросетевых алгоритмов
эффективны для распознавания режимов работы элементов
электрических сетей. Из двух вариантов предложенных
защит вариант с обобщенным признаком является более
обоснованным. Разработанная защита в среднем может
распознавать витковые замыкания при меньшем числе
замкнутых витков (в 9 раз меньше), чем смогла бы ДЗТ.
Список литературы
[1]
Колобанов, П.А. Совершенствование аналитических методов
исследования внутренних
замыканий
в
двухобмоточных
трансформаторах для целей релейной защиты / П.А Колобанов, А.Л
Куликов // Вестник Ивановского государственного энергетического
университета. 2019. № 1. С. 18-30.
[2]
Лоскутов, А. А.
А. А. Лоскутов, М. Митрович, В.Ю. Осокин
- 2020
- С. 26-34.
[3]
L. G. Perez, A. J. Flechsig, J. L. Meador «Trainingan artificial neural
network to discriminate between magnetizing inrushand internal faults,»
IEEE Trans. on Power Delivery, vol. 9, no. 1, pp. 434–441, 1994
[4]
B.S.Shah1, S.B.Parmar, «Transformer protection using artificial neural
network», IJNRD | Volume 2, pp.4, May 2017
[5]
Лоскутов, А. А.
П. С. Пелевин, М.
Митрович /
- 2020
С. - 12-18.
