Detection of high impedance faults using artificial neural networks

(2001) Detection of high impedance faults using artificial neural networks. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
10160.pdf

Download (4MB) | Preview

Arabic Abstract

حتى وقتنا الحاضر ، ما تزال شركات الكهرباء تعاني من صعوبة اكتشاف الأعطال الكهربائية ذات المقاومة العالية ، التي تتعرض لها الخطوط الهوائية لشبكات التوزيع . مثل هذه الأعطال غالباً ما تحدث نتيجة سقوط الموصلات العارية في الخطوط الهوائية وملامستها للأرض عبر مسار ذو مقاومة عالية . وغالباً ما ينتج عن هذا النوع من الأعطال تيار ضئيل يصعب اكتشافه بواسطة أجهزة الحماية الاعتيادية المستخدمة لكشف التيارات العالية . وعندما تبقى هذه الأعطال دون كشف ، فإنها تشكل خطراً على حياة الناس الذين يعيشون بالقرب منها ، وهذا هو الدافع الرئيس لتطوير أجهزة قادرة على اكتشاف مثل هذه الأعطال . وقد أظهرت أجهزة الكشف المبنية على تقنية الشبكات العصبية نجاحاً كبيراً في حل هذه المشكلة . هذه الرسالة تعرض تصميماً جديداً يستخدم شبكة عصبية متعددة الطبقات ، للكشف عن الأعطال الكهربائية ذات المقاومة العالية ، عن طريق تحليل موجات التيار والجهد المسجلة عند قضيب الجهد 13.8 ك.ف في المحطة الفرعية . ويستطيع هذا التصميم أن يحدد وجود العطل من عدمه ، إضافة إلى تحديد مكان العطل ، والطور المعطل ؛ والأهم من ذلك كله قدرة هذا التصميم على التمييز بين العطل والأحداث المشابهة له ، مثل إضافة الأحمال الاعتيادية ، بدرجة عالية من الدقة . وقد تم اختيار جميع مكونات الخط الهوائي المستخدمة في المحاكاة على أساس تلك المستخدمة في خط هوائي نموذجي في شبكة التوزيع الكهربائية للشركة السعودية للكهرباء – فرع المنطقة الشرقية .

English Abstract

Till the present, electric utilities are facing the problem of high impedance fault (HIF) detection on electric overhead distribution feeders. These faults often occur when a bare conductor breaks and falls to ground through a high impedance current path. Most HIFs draw little current, which makes them difficult to detect by conventional overcurrent relays. When such faults are not detected, they create a public hazard and threaten the lives of people. The desire to improve public safety has been the primary motivator for the development of HIF detectors. Detection techniques based on Artificial Neural Network (ANN) have shown a good capability of detecting HIFs. In this thesis, a multi-layer feed-forward ANN, is designed and trained with the Scaled Conjugate Gradient (TRAINSCG) algorithm to analyze the current and voltage waveforms at the substation 13.8 kV bus and indicate whether the feeder is faulty or not. In addition, the ANN can locate the faulty section of the feeder, identity the faulty phase, and most importantly differentiate between faults and fault-like events, such as normal load switching, with a high degree of accuracy. The Electromagnetic Transients Program (EMTP) is used to simulate the distribution feeder and generate the training cases for the ANN, which is developed and trained using the "Neural Network Toolbox for MATLAB". The feeder parameters are selected to represent a typical overhead feeder in the distribution network of the Saudi Electricity Company-Eastern Region Branch (SEC-ERB).

Item Type: Thesis (Masters)
Subjects: Electrical
Department: College of Engineering and Physics > Electrical Engineering
Committee Advisor: El-Amin, Ibrahim M.
Committee Members: Al-Darwish, Hussain Nasir and Abdel-Magid, Youssef L. and Bader, Maher A.
Depositing User: Mr. Admin Admin
Date Deposited: 22 Jun 2008 13:58
Last Modified: 01 Nov 2019 13:57
URI: http://eprints.kfupm.edu.sa/id/eprint/10160