دانلود ترجمه مقاله پژوهشی بر روش شناسایی خطای شبکه توزیع بر مبنای ویژگی های زمان-فرکانس شکل موج های خطا

1. مقدمه 2. تحلیل ویژگی های شکل موج خطا 3. روش شناسایی انواع خطای خط توزیع بر مبنای مشخصه های زمان-فرکانس 4. تحلیل موردی و نتایج شناسایی 5. نتیجه گیری

چکیده – شناسایی دقیق انواع خطاهای خط توزیع می تواند راهنمایی عملی برای پرسنل راه اندازی و تعمیر و نگهداری خط فراهم سازد. در این مقاله بر مبنای تحلیل ویژگی های زمان-فرکانس شکل موج خطا، یک روش شناخته شده نوع خطای خط توزیع پیشنهاد می شود. از طریق مدلسازی و تحلیل نظری شکل موج های انواع مختلف خطا، پارامترهای مشخصه که می تواند شکل موج انواع خطاهای مختلف را از سه جنبه دامنه زمانی، دامنه فرکانس و قوس الکتریکی مشخص کنند، مطرح شد. فرمول محاسبه برای استخراج پارامترهای مشخصه با توجه به داده های شکل موج خطا پیشنهاد شد، منطق شناسایی بواسطه انتخاب ترکیب چند پارامتر به عنوان مبنا و سپس شناسایی خودکار انواع خطاهای خط توزیع ناشی از عوامل مختلف، از طریق تشخیص و طبقه بندی پارامترهای مشخصه داده های شکل موج ورودی محقق شد. در نهایت، 136 گروه داده های شکل موج خطای میدان تهیه شده بواسطه موسسه پژوهش توان الکتریکی (EPRI)، برای کنترل حلقه بسته و تائید الگوریتم استفاده شد، و نتایج نشان داد که نرخ موفقیت شناسایی به 90% رسید که امکان پذیری استفاده از مشخصه های زمان-فرکانس شکل موج خطا را برای محقق ساختن شناسایی انواع خطای خط توزیع تائید کرد.

Accurate recognition of distribution line fault types can provide directional guidance for line operation and maintenance personnel. Based on the analysis of time-frequency features of fault waveform, a recongnized method of distribution line fault type was proposed in this paper. Through modeling and theoretical analysis of waveforms of different fault types, characteristic parameters which could characterize waveforms of different fault types from three aspects, time domain, frequency domain, and electric arc were put forward. Calculation formula for extracting characteristic parameters according to fault waveform data was proposed, recognition logic was established by taking multi-parameter fusion as a basis, and then automatic recognition of distribution line fault types caused by different factors was realized through detection and classification of characteristic parameters of input waveform data. Finally, 136 groups of field fault waveform data provided by EPRI (Electric Power Research Institute) were used to do closed-loop control and verification of the algorithm, and results indicated that recognition success rate reached 90%, which verified the feasibility of using time-frequency characteristics of fault waveform to realize recognition of distribution line fault types.