Neural Network Approach for Fault Location in Distribution Networks with Limited Measurements
محل انتشار: بیست و سومین کنفرانس بین المللی برق
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,015
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC23_021
تاریخ نمایه سازی: 1 بهمن 1390
چکیده مقاله:
this paper presents new method for faultlocation in radial distribution feeder in which artificial neural network and the measurements of the limited points along the radial distribution feeder are used to enhance the accuracy of the fault locator. Conventional fault locator uses recursive algorithm of load flow in order to estimate the loads in each tap of distribution feeder before fault. Same algorithm is used to determine the fault location based on collected data during fault span but load in radial distribution feeder changes unexpectedly. Because of this uncertainty of load behavior most of the time, higher degree of error is unavoidable between real amount of voltages and currents andcalculate one at the end of feeder. this fact affects the calculation of fault locator algorithm severely. The ANN approach proposed to decrease these differences by using limited measurement along distribution feeder. Test result would be very useful information if used by artificial neuralnetwork to decrease the error in the actualproject.
کلیدواژه ها:
Distribution Automation ، Fault Location ، Feed Forward Neural Network and RadialBasis Probabilistic Neural Network
نویسندگان
Mohammad A Mirzai
(NRI), Iran, Tehran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :