많은 전력 계통 보호 연구자들은 선로 고장 진단 방법의 중요성에 집중하였고, 진단 방법에 대한 연구를 진행해 왔다. 다수의 누적된 선로 고장 진단 문헌에 따르면, 고장 발생 시 전압과 전류를 계측하고 계측한 값의 변화를 통해 지락, 선간단락 등의 고장을 진단하게 된다. 그러나, 현재 계통에 적용되어 있는 거리계전기를 이용한 기존의 방법은 작동 범위가 정정 범위에 미치지 못하는 언더리치 현상 등으로 오동작할 우려가 있어, 고장 위치를 판단하는 데에 높은 정확도를 가지기 힘들다. 따라서, 본 연구에서는 SVM과 ...
많은 전력 계통 보호 연구자들은 선로 고장 진단 방법의 중요성에 집중하였고, 진단 방법에 대한 연구를 진행해 왔다. 다수의 누적된 선로 고장 진단 문헌에 따르면, 고장 발생 시 전압과 전류를 계측하고 계측한 값의 변화를 통해 지락, 선간단락 등의 고장을 진단하게 된다. 그러나, 현재 계통에 적용되어 있는 거리계전기를 이용한 기존의 방법은 작동 범위가 정정 범위에 미치지 못하는 언더리치 현상 등으로 오동작할 우려가 있어, 고장 위치를 판단하는 데에 높은 정확도를 가지기 힘들다. 따라서, 본 연구에서는 SVM과 인공신경망을 이용하여 인공지능 기반 고장 판단 및 고장 위치 인식 방법을 제시하고, 제시된 방법의 성능을 시뮬레이션을 통해 검증 한다. 단선고장과 지락고장, 선간단락 등의 고장을 검출하기 위해, 고장상황을 가정한 시뮬레이션과 인공지능알고리즘을 이용하였으며, IEEE 9bus에서 지락, 선간단락, 단선고장이 발생한 경우를 시뮬레이션 하였다. 시뮬레이션에서 계측한 전압 전류를 입력으로 하여 AI 학습을 진행하였고, 알고리즘의 정확도를 높이기 위해, 다양한 데이터 전처리 기법 사용 및 머신러닝 알고리즘 사용을 중심으로 연구를 실시하였다. 총 25488번의 시뮬레이션을 진행하였으며, SVM과 인공신경망으로 학습을 진행한 결과, 고장 유형 판단에서는 인공신경망이, 고장위치 판단에서는 SVM이 높은 성능을 보여, 인공지능 기반 고장 판단 방법의 성능을 입증하였다.
많은 전력 계통 보호 연구자들은 선로 고장 진단 방법의 중요성에 집중하였고, 진단 방법에 대한 연구를 진행해 왔다. 다수의 누적된 선로 고장 진단 문헌에 따르면, 고장 발생 시 전압과 전류를 계측하고 계측한 값의 변화를 통해 지락, 선간단락 등의 고장을 진단하게 된다. 그러나, 현재 계통에 적용되어 있는 거리계전기를 이용한 기존의 방법은 작동 범위가 정정 범위에 미치지 못하는 언더리치 현상 등으로 오동작할 우려가 있어, 고장 위치를 판단하는 데에 높은 정확도를 가지기 힘들다. 따라서, 본 연구에서는 SVM과 인공신경망을 이용하여 인공지능 기반 고장 판단 및 고장 위치 인식 방법을 제시하고, 제시된 방법의 성능을 시뮬레이션을 통해 검증 한다. 단선고장과 지락고장, 선간단락 등의 고장을 검출하기 위해, 고장상황을 가정한 시뮬레이션과 인공지능 알고리즘을 이용하였으며, IEEE 9bus에서 지락, 선간단락, 단선고장이 발생한 경우를 시뮬레이션 하였다. 시뮬레이션에서 계측한 전압 전류를 입력으로 하여 AI 학습을 진행하였고, 알고리즘의 정확도를 높이기 위해, 다양한 데이터 전처리 기법 사용 및 머신러닝 알고리즘 사용을 중심으로 연구를 실시하였다. 총 25488번의 시뮬레이션을 진행하였으며, SVM과 인공신경망으로 학습을 진행한 결과, 고장 유형 판단에서는 인공신경망이, 고장위치 판단에서는 SVM이 높은 성능을 보여, 인공지능 기반 고장 판단 방법의 성능을 입증하였다.
Many power system protection researchers have focused on the importance of the line fault detection method and have been conducting research on the detection method. According to a number of accumulated line fault detection literature, when a fault occurs, voltage and current are measured, and fault...
Many power system protection researchers have focused on the importance of the line fault detection method and have been conducting research on the detection method. According to a number of accumulated line fault detection literature, when a fault occurs, voltage and current are measured, and faults such as ground faults and line faults are detected through changes in the measured values. However, the existing method using a distance relay applied to the current system may malfunction due to an underreach that does not reach the corrected range, and thus it is difficult to have high accuracy. Therefore, in this study, tried to verify the performance of the artificial intelligence-based failure determination method using SVM and artificial neural network. In order to detect faults such as disconnection faults, ground faults, and line-to-line faults, simulations and artificial intelligence algorithms were used assuming fault conditions, and cases of ground faults, line-to-line faults, and disconnection faults were simulated based on IEEE 9bus. AI learning was conducted by inputting the voltage and current measured in the simulation, and to increase the accuracy of the algorithm, research was conducted focusing on the use of various data preprocessing techniques and machine learning algorithms. A total of 25488 simulations were conducted, and as a result of learning with the SVM and artificial neural network, the artificial neural network showed high performance in determining the type of failure and the SVM in determining the location of the failure, proving the performance of the artificial intelligence-based failure determination method.
Many power system protection researchers have focused on the importance of the line fault detection method and have been conducting research on the detection method. According to a number of accumulated line fault detection literature, when a fault occurs, voltage and current are measured, and faults such as ground faults and line faults are detected through changes in the measured values. However, the existing method using a distance relay applied to the current system may malfunction due to an underreach that does not reach the corrected range, and thus it is difficult to have high accuracy. Therefore, in this study, tried to verify the performance of the artificial intelligence-based failure determination method using SVM and artificial neural network. In order to detect faults such as disconnection faults, ground faults, and line-to-line faults, simulations and artificial intelligence algorithms were used assuming fault conditions, and cases of ground faults, line-to-line faults, and disconnection faults were simulated based on IEEE 9bus. AI learning was conducted by inputting the voltage and current measured in the simulation, and to increase the accuracy of the algorithm, research was conducted focusing on the use of various data preprocessing techniques and machine learning algorithms. A total of 25488 simulations were conducted, and as a result of learning with the SVM and artificial neural network, the artificial neural network showed high performance in determining the type of failure and the SVM in determining the location of the failure, proving the performance of the artificial intelligence-based failure determination method.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.