تشخیص وقوع خطا و مکان آن در ریز شبکه‌های DC با استفاده از شبکه‌های عصبی بازگشتی و دسته‌بند مبتنی بر درخت تصمیم‌گیری

نویسندگان

دانشکده مهندسی برق، دانشگاه شهید بهشتی

چکیده

در سال‌های اخیر ریزشبکه‌ها نقش مهمی را در شبکه‌های توزیع ایفا کرده‌اند. ریزشبکه‌های  DCبه‌دلیل مزایای خود به یکی از موضوعات محبوب محققان تبدیل شده‌اند. یکی از چالش‌های اساسی در مسیر توسعۀ ریزشبکه‌های DC مسائل مربوط به حفاظت آن‌هاست. در نتیجه در این مقاله یک روش حفاظتی برای تشخیص وقوع خطا و مکان آن در ریزشبکه‌های DC ارائه شده است. با توجه به پیشرفت‌های صورت‌گرفته در زمینۀ هوش مصنوعی و عملکرد خوب روش‌های حفاظتی هوشمند در ریزشبکه‌های AC، در این مقاله از شبکه‌های عصبی بازگشتی برای تعییین مکان خطا استفاده شده است. در این مقاله از سنجش جریان فیدرهای بار و ولتاژ شینۀ اصلی برای تشخیص وقوع خطا و تعیین مکان آن استفاده می‌شود. همچنین عملکرد روش حفاظتی ارائه‌شده در هر دو حالت متصل به شبکه و جزیره‌ای بررسی شده و نتایج حاصل، عملکرد مناسب روش حفاظتی ارائه‌شده را تأیید می‌کنند. در این مقاله از نرم‌افزار MATLAB برای آموزش و تست الگوریتم های یادگیری ماشین و شبکۀ بازگشتی و از نرم‌افزار DIgSILENT برای شبیه‌سازی ریزشبکۀ DC مورد مطالعه استفاده می‌شود.

کلیدواژه‌ها


[1] Zhang, L., Tai, N., Huang, W., Liu, J. and Wang, Y., "A review on protection of DC microgrids", in Journal of Modern Power Systems and Clean Energy, Vol. 6, No. 6, pp. 1113-1127, November 2018. [2] Hatziargyriou, N., Asano, H., Iravani, R. and Marnay, C., "Microgrids", in IEEE Power and Energy Magazine, Vol. 5, No. 4, pp. 78-94, July-Aug. 2007. [3] DING, G., GAO, F., ZHANG, S. and et al. "Control of hybrid AC/DC microgrid under islanding operational conditions", J. Mod. Power Syst. Clean Energy 2, 223–232 (2014). [4] Salomonsson, D., Soder, L. and Sannino, A., "Protection of Low-Voltage DC Microgrids", in IEEE Transactions on Power Delivery, Vol. 24, No. 3, pp. 1045-1053, July 2009. [5] Fletcher, S. D. A., Norman, P. J., Galloway, S. J., Crolla, P. and Burt, G. M., "Optimizing the Roles of Unit and Non-unit Protection Methods Within DC Microgrids", in IEEE Transactions on Smart Grid, Vol. 3, No. 4, pp. 2079-2087, Dec. 2012. [6] Dragičević, T., Lu, X., Vasquez, J. C. and Guerrero, J. M., "DC Microgrids—Part II: A Review of Power Architectures, Applications, and Standardization Issues", in IEEE Transactions on Power Electronics, Vol. 31, No. 5, pp. 3528-3549, May 2016. [7] Olivares, D. E. and et al., "Trends in Microgrid Control", in IEEE Transactions on Smart Grid, Vol. 5, No. 4, pp. 1905-1919, July 2014. [8] Shi, X. and Bazzi, A. M., "Reliability modeling and analysis of a micro-grid with significant clean energy penetration", 2015 9th International Conference on Power Electronics and ECCE Asia (ICPE-ECCE Asia), Seoul, 2015, pp. 202-207. [9] Li, X., Song, Q., Liu, W., Rao, H., Xu, S. and Li, L., "Protection of Nonpermanent Faults on DC Overhead Lines in MMC-Based HVDC Systems", in IEEE Transactions on Power Delivery, Vol. 28, No. 1, pp. 483-490, Jan. 2013. [10] Yang, J., Fletcher, J. E. and O'Reilly, J., "Short-Circuit and Ground Fault Analyses and Location in VSC-Based DC Network Cables", in IEEE Transactions on Industrial Electronics, Vol. 59, No. 10, pp. 3827-3837, Oct. 2012. [11] Li, W., Luo, M., Monti, A. and Ponci, F., "Wavelet based method for fault detection in Medium Voltage DC shipboard power systems", 2012 IEEE International Instrumentation and Measurement Technology Conference Proceedings, Graz, 2012, pp. 2155-2160. [12] Saleh, K.A., Hooshyar, A. and El-Saadany, E. F., "Ultra-High-Speed Traveling-Wave-Based Protection Scheme for Medium-Voltage DC Microgrids", in IEEE Transactions on Smart Grid, Vol. 10, No. 2, pp. 1440-1451, March 2019. [13] Meghwani, A., Srivastava, S.C. and Chakrabarti, S., "A Non-unit Protection Scheme for DC Microgrid Based on Local Measurements", in IEEE Transactions on Power Delivery, Vol. 32, No. 1, pp. 172-181, Feb. 2017. [14] Bhargav, R., Bhalja, B. R. and Gupta, C.P., "Novel Fault Detection and Localization Algorithm for Low-Voltage DC Microgrid", in IEEE Transactions on Industrial Informatics, Vol. 16, No. 7, pp. 4498-4511, July 2020. [15] Sebastian, C.H. and Shereef, R. M., "Location of Fault in a DC Microgrid using State Space Model Based Approach", 2020 IEEE International Conference on Power Electronics, Smart Grid and Renewable Energy (PESGRE2020), Cochin, India, 2020, pp. 1-6. [16] Qingqing, Yang., Jianwei, Li., Blond, Le., Cheng, Simon and Wang., "Artificial Neural Network Based Fault Detection and Fault Location in the DC Microgrid", Energy Procedia. [17] Yoon, J. M., He, D. and Qiu, B., "Full ceramic bearing fault diagnosis using LAMSTAR neural network", 2013 IEEE Conference on Prognostics and Health Management (PHM), Gaithersburg, MD, 2013, pp. 1-9. [18] Jayamaha, D. K. J. S., Lidula, N. W. A. and Rajapakse, A. D., "Wavelet-Multi Resolution Analysis Based ANN Architecture for Fault Detection and Localization in DC Microgrids", in IEEE Access, Vol. 7, pp. 145371-145384, 2019. [19] Haque, M., Shaheed, M. N. and Choi, S., "Deep Learning Based Micro-Grid Fault Detection and Classification in Future Smart Vehicle", 2018 IEEE Transportation Electrification Conference and Expo (ITEC), Long Beach, CA, 2018, pp. 1082-107. [20] Park, J. and Candelaria, J., "Fault Detection and Isolation in Low-Voltage DC-Bus Microgrid System", in IEEE Transactions on Power Delivery, Vol. 28, No. 2, pp. 779-787, April 2013. [21] Geron, A., "Hands-on machine Learning with Scikit-Learn, Keras & TensorFlow:Concepts,Tools and Techniques to Build intelligent Systems", 2nd Edition, O’REILLY Media, September 2019,pp.379-383.