바람직하지 않은 전기 방전의 징후는 종종 두 전기 커넥터 사이의 아크 현상의 형태를 취하여 배선에 위협을 가하고 잠재적으로 화재로 이어질 수 있는 에너지를 방출합니다. 결과적으로 전기 시스템의 안전성을 강화하기 위해 아크 결함을 감지하고 진단하는 데 광범위한 연구가 이루어졌습니다. 아크 결함에는 평행 아크와 직렬 아크라는 두 가지 주요 유형이 있으며, 각각은 감지에 대한 고유한 문제를 제시합니다. 복잡성은 다양한 부하 유형으로 인해 발생하는 다양한 범위의 아크 결함으로 인해 발생합니다. 특히 우려되는 것은 직렬 ...
바람직하지 않은 전기 방전의 징후는 종종 두 전기 커넥터 사이의 아크 현상의 형태를 취하여 배선에 위협을 가하고 잠재적으로 화재로 이어질 수 있는 에너지를 방출합니다. 결과적으로 전기 시스템의 안전성을 강화하기 위해 아크 결함을 감지하고 진단하는 데 광범위한 연구가 이루어졌습니다. 아크 결함에는 평행 아크와 직렬 아크라는 두 가지 주요 유형이 있으며, 각각은 감지에 대한 고유한 문제를 제시합니다. 복잡성은 다양한 부하 유형으로 인해 발생하는 다양한 범위의 아크 결함으로 인해 발생합니다. 특히 우려되는 것은 직렬 DC 아크 결함으로, 즉시 식별하지 않으면 화재를 일으키고 전력 시스템에 큰 피해를 줄 수 있는 가능성으로 악명 높습니다. 전력 시스템에서 직렬 DC 아크 결함을 실제로 감지하는 것은 낮은 아크 전류, 제로 크로싱 기간의 부재, 다양한 전력 부하 및 컨트롤러의 영향을 받는 불규칙한 동작과 같은 요인으로 인해 어려운 것으로 입증되었습니다. 기존 보호 퓨즈는 이러한 결함이 있는 경우 활성화되지 않아 문제가 악화될 수 있습니다. 반면, 전선 사이 또는 선과 접지 사이에 평행 아크가 발생하는데, 이는 일반적으로 절연 열화 또는 오염으로 인해 발생합니다. 병렬 아크는 아크 결함 중에 직렬 아크에 비해 상당히 높은 전류를 나타내기 때문에 이를 감지하는 것이 중요합니다. 감지되지 않은 아크 결함은 심각한 위험을 야기하며 잠재적으로 전력 시스템의 오작동으로 이어져 재산 피해를 입히고 생명을 위협할 수 있습니다. 이 연구는 다양한 시나리오에서 아크 특성을 이해하고, 진단에 도움이 되는 전기 매개변수를 식별하고, 전류 또는 전압 측정을 기반으로 오류 위치를 정확히 찾아내는 것을 목표로 DC 아크 결함 중 시스템의 전기적 동작을 조사합니다. 이 논문에서는 시간 영역과 주파수 영역을 모두 고려하여 직렬 아크 오류가 발생하는 동안 네트워크의 전기적 활동을 구체적으로 조사합니다. 선택한 아크 동작을 통해 효과적인 전기 보호 체계의 중요한 측면인 직렬 아크를 정확하게 감지할 수 있습니다. 식별 프로세스는 다양한 영역의 데이터에 의존하며, 직렬 및 병렬 아크 결함을 모두 감지하기 위해 5 가지 학습 기술을 탐색합니다. 이 연구는 특정 아크 고장을 분류하기 위한 통계적 기초로 부하 전류 특성을 활용하여 다양한 영역에 걸쳐 아크 동작을 면밀히 조사합니다. 이 연구에서 얻은 통찰력은 아크 결함 감지기의 안정성과 신뢰성을 향상시켜 전기 시스템의 전반적인 안전성을 향상시키는 데 크게 기여할 수 있습니다.
바람직하지 않은 전기 방전의 징후는 종종 두 전기 커넥터 사이의 아크 현상의 형태를 취하여 배선에 위협을 가하고 잠재적으로 화재로 이어질 수 있는 에너지를 방출합니다. 결과적으로 전기 시스템의 안전성을 강화하기 위해 아크 결함을 감지하고 진단하는 데 광범위한 연구가 이루어졌습니다. 아크 결함에는 평행 아크와 직렬 아크라는 두 가지 주요 유형이 있으며, 각각은 감지에 대한 고유한 문제를 제시합니다. 복잡성은 다양한 부하 유형으로 인해 발생하는 다양한 범위의 아크 결함으로 인해 발생합니다. 특히 우려되는 것은 직렬 DC 아크 결함으로, 즉시 식별하지 않으면 화재를 일으키고 전력 시스템에 큰 피해를 줄 수 있는 가능성으로 악명 높습니다. 전력 시스템에서 직렬 DC 아크 결함을 실제로 감지하는 것은 낮은 아크 전류, 제로 크로싱 기간의 부재, 다양한 전력 부하 및 컨트롤러의 영향을 받는 불규칙한 동작과 같은 요인으로 인해 어려운 것으로 입증되었습니다. 기존 보호 퓨즈는 이러한 결함이 있는 경우 활성화되지 않아 문제가 악화될 수 있습니다. 반면, 전선 사이 또는 선과 접지 사이에 평행 아크가 발생하는데, 이는 일반적으로 절연 열화 또는 오염으로 인해 발생합니다. 병렬 아크는 아크 결함 중에 직렬 아크에 비해 상당히 높은 전류를 나타내기 때문에 이를 감지하는 것이 중요합니다. 감지되지 않은 아크 결함은 심각한 위험을 야기하며 잠재적으로 전력 시스템의 오작동으로 이어져 재산 피해를 입히고 생명을 위협할 수 있습니다. 이 연구는 다양한 시나리오에서 아크 특성을 이해하고, 진단에 도움이 되는 전기 매개변수를 식별하고, 전류 또는 전압 측정을 기반으로 오류 위치를 정확히 찾아내는 것을 목표로 DC 아크 결함 중 시스템의 전기적 동작을 조사합니다. 이 논문에서는 시간 영역과 주파수 영역을 모두 고려하여 직렬 아크 오류가 발생하는 동안 네트워크의 전기적 활동을 구체적으로 조사합니다. 선택한 아크 동작을 통해 효과적인 전기 보호 체계의 중요한 측면인 직렬 아크를 정확하게 감지할 수 있습니다. 식별 프로세스는 다양한 영역의 데이터에 의존하며, 직렬 및 병렬 아크 결함을 모두 감지하기 위해 5 가지 학습 기술을 탐색합니다. 이 연구는 특정 아크 고장을 분류하기 위한 통계적 기초로 부하 전류 특성을 활용하여 다양한 영역에 걸쳐 아크 동작을 면밀히 조사합니다. 이 연구에서 얻은 통찰력은 아크 결함 감지기의 안정성과 신뢰성을 향상시켜 전기 시스템의 전반적인 안전성을 향상시키는 데 크게 기여할 수 있습니다.
Hoang Long Dang Deparment of Electrical and Electronics Engineering Major in Electric Energy ChungAng University Graduated school The manifestation of undesirable electric discharges often takes the form of arc phenomena between two electrical connectors, releasing energy that poses a threat to wiri...
Hoang Long Dang Deparment of Electrical and Electronics Engineering Major in Electric Energy ChungAng University Graduated school The manifestation of undesirable electric discharges often takes the form of arc phenomena between two electrical connectors, releasing energy that poses a threat to wiring and can potentially lead to fires. As a result, extensive research has been devoted to detecting and diagnosing arc faults to bolster safety in electrical systems. Two primary types of arc faults exist: parallel arcs and series arcs, each presenting unique challenges for detection. The complexity arises from the diverse range of arc faults induced by different load types. Of particular concern are series DC arc faults, notorious for their potential to cause fires and wreak havoc on power systems if not promptly identified. The practical detection of series DC arc faults in power systems proves challenging due to factors such as low arc current, the absence of a zero-crossing period, and erratic behavior influenced by various power loads and controllers. Conventional protection fuses may fail to activate in the presence of these faults, exacerbating the problem. On the other hand, parallel arcs occur between electrical lines or between a line and ground, typically due to insulation deterioration or contamination. Detecting parallel arcs becomes crucial as they exhibit significantly higher currents compared to series arcs during an arc fault. Undetected arc faults pose severe risks, potentially leading to the false operation of power systems, causing property damage, and endangering lives. This research delves into the electrical behavior of systems during DC arc faults, aiming to comprehend arcing characteristics under different scenarios, identify electrical parameters conducive to diagnosis, and pinpoint fault locations based on current or voltage measurements. The dissertation specifically investigates the electric activities of a network during series arc failures, considering both the time and frequency domains. The selected arcing behavior enables accurate detection of series arcs, a critical aspect for effective electrical protection schemes. The identification process relies on data from diverse domains, and five learning techniques are explored to detect both series and parallel arc faults. The study scrutinizes arc behaviors across various domains, utilizing load current characteristics as a statistical basis for categorizing specific arc failures. The insights gained from this research could significantly contribute to enhancing the stability and reliability of arc-fault detectors, thus advancing the overall safety of electrical systems.
Hoang Long Dang Deparment of Electrical and Electronics Engineering Major in Electric Energy ChungAng University Graduated school The manifestation of undesirable electric discharges often takes the form of arc phenomena between two electrical connectors, releasing energy that poses a threat to wiring and can potentially lead to fires. As a result, extensive research has been devoted to detecting and diagnosing arc faults to bolster safety in electrical systems. Two primary types of arc faults exist: parallel arcs and series arcs, each presenting unique challenges for detection. The complexity arises from the diverse range of arc faults induced by different load types. Of particular concern are series DC arc faults, notorious for their potential to cause fires and wreak havoc on power systems if not promptly identified. The practical detection of series DC arc faults in power systems proves challenging due to factors such as low arc current, the absence of a zero-crossing period, and erratic behavior influenced by various power loads and controllers. Conventional protection fuses may fail to activate in the presence of these faults, exacerbating the problem. On the other hand, parallel arcs occur between electrical lines or between a line and ground, typically due to insulation deterioration or contamination. Detecting parallel arcs becomes crucial as they exhibit significantly higher currents compared to series arcs during an arc fault. Undetected arc faults pose severe risks, potentially leading to the false operation of power systems, causing property damage, and endangering lives. This research delves into the electrical behavior of systems during DC arc faults, aiming to comprehend arcing characteristics under different scenarios, identify electrical parameters conducive to diagnosis, and pinpoint fault locations based on current or voltage measurements. The dissertation specifically investigates the electric activities of a network during series arc failures, considering both the time and frequency domains. The selected arcing behavior enables accurate detection of series arcs, a critical aspect for effective electrical protection schemes. The identification process relies on data from diverse domains, and five learning techniques are explored to detect both series and parallel arc faults. The study scrutinizes arc behaviors across various domains, utilizing load current characteristics as a statistical basis for categorizing specific arc failures. The insights gained from this research could significantly contribute to enhancing the stability and reliability of arc-fault detectors, thus advancing the overall safety of electrical systems.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.