دانلود مقاله ISI انگلیسی شماره 54568
عنوان فارسی مقاله

شبکه های حالت اکو بهینه شده با استفاده از یک الگوریتم بحران انفجار بزرگ برای حفاظت از فاصله خطوط انتقال سری جبران شده

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
54568 2014 17 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Optimized echo state networks using a big bang–big crunch algorithm for distance protection of series-compensated transmission lines
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Electrical Power & Energy Systems, Volume 54, January 2014, Pages 408–424

کلمات کلیدی
الگوریتم بهینه سازی بحران انفجار بزرگ ؛ حفاظت از راه دور؛ شبکه حالت اکو؛ تریستور کنترل خازن های سری - زمان تاخیر شبکه های عصبی
پیش نمایش مقاله
پیش نمایش مقاله شبکه های حالت اکو بهینه شده با استفاده از یک الگوریتم بحران انفجار بزرگ برای حفاظت از فاصله خطوط انتقال سری جبران شده

چکیده انگلیسی

Distance protection of transmission lines compensated by Thyristor-Controlled Series Capacitor (TCSC) suffers malfunction due to series variable voltages injected by TCSC. To mitigate the problem, echo state networks (ESNs) are used in this paper through the voltage compensation technique by subtracting estimated TCSC voltages from measured phase voltages where fault loop observed by the relay contains TCSC. The design parameters of ESNs are optimized using a big bang–big crunch (BB–BC) algorithm with an especial random generation scheme in big bang phase. Main features of our study are: (a) only locally measured phase currents at the relaying point is used, assuming firing angles and other variables of TCSC are not accessible there; and (b) high accuracy of estimations is achieved using optimized ESNs for a large number of test cases. The method is tested on a 400 km, 500 kV line for all fault types using Matlab/Simulink. Tests for 7680 cases with varying fault resistance, fault inception-angle, fault location, load angle and compensation degree show much improved accuracy of estimations by ESN in comparison to time-delay neural network (TDNN), radial basis function neural network (RBFNN), nonlinear autoregressive network with exogenous inputs (NARX) and Elman network particularly at instants immediately after fault incidence. The effectiveness of the ESN-based method is examined using two distance relay algorithms.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.