Дата публикации: 2022

Дата публикации в реестре: 2022-10-06T13:56:54Z

Аннотация:

Искусственные нейронные сети все чаще используются в различных отраслях электроэнергетики, в том числе в релейной защите. Традиционные микропроцессорные устройства релейной защиты функционируют по принципу вычисления действующих значений контролируемых сигналов тока и напряжения и сравнения их с заранее заданными уставками. Однако вычисляемые действующие величины не всегда отражают реальные процессы, происходящие в защищаемом электрооборудовании, ввиду, например, насыщения трансформатора тока. В таком режиме вторичный ток имеет характерную искаженную форму, которая существенно отличается от идеальной (истинной). Это ведет к занижению вычисляемого релейной защитой действующего значения основной гармоники вторичного тока по сравнению с его истинной действующей величиной и приводит к затягиванию времени срабатывания или отказу функционирования устройств релейной защиты. Одно из перспективных приложений искусственной нейронной сети для целей релейной защиты – восстановление истинной формы сигнала вторичного тока трансформатора тока при его насыщении. В статье рассмотрены этапы реализации нейронной сети в среде MATLAB на примере ее обучения восстановлению искаженной формы вторичного тока. Выполнена проверка функционирования разработанных нейронных сетей в MATLAB-Simulink. С использованием пакета расширения SimPowerSystems реализована модель, позволяющая имитировать режим насыщения трансформатора тока, сопровождающийся искажением формы сигнала его вторичного тока, и ее последующее восстановление с помощью искусственных нейронных сетей. Полученные результаты подтвердили способность нейронных сетей практически полностью восстанавливать искаженную форму вторичного тока трансформатора тока. Применение обученных искусственных нейронных сетей в реальных устройствах релейной защиты представляется перспективным, поскольку обеспечивает повышение их быстродействия и надежности функционирования.

Тип: Article