در این پایاننامه، ضمن بررسی پدیده اشباع در CTهای حفاظتی، به مشکلات مربوط به آشکارسازی این پدیده و جبرانسازی جریان معوج ثانویه CT پرداخته شده است و بمنظور رفع مشکلات مطرح شده، روشهایی معرفی شده و نتایج حاصله در محیط نرمافزاری و بصورت مدلسازی با هم مقایسه گردیدهاند.جهت آشکارسازی پدیده اشباع از روشهایی مبتنی بر: 1- مشتق مرتبه سوم،2- تبدیل موجک گسسته،3- ریختشناسی پیشرو،4- و ریختشناسی ریاضیاتیاستفاده شده است.برای جبرانسازی جریان معوج ثانویه نیز از روشهای: 1- حداقل مربعات خطا،2- تخمین جریان مغناطیسکنندگی،3- و شبکه عصبی مصنوعی با درنظرگرفتن تغییرات ساختاری شبکه نمونه (و در نتیجه تغییر قدرت اتصال کوتاه در محل نصب CT) جهت آموزش این شبکه،استفاده گردیده است.پس از پیادهسازی و مقایسه روشهای ذکرشده، روش ریختشناسی ریاضیاتی و حداقل مربعات خطا بعنوان مناسبترین روش جهت آشکارسازی پدیده اشباع و جبرانسازی جریان معوج ثانویه CT پیشنهاد شدهاند.علاوه بر موارد فوقالذکر، تلاش شده است با تغییراتی در روش اعمال ریختشناسی ریاضیاتی (جهت آشکارسازی) و روش حداقل مربعات خطا (جهت جبرانسازی جریان معوج ثانویه)، امکان استفاده از روشهای مذکور در شرایط Online فراهم آید.مشخصات هسته CT بررسیشده در این پایاننامه نیز بر اساس آزمایش عملی بر روی هستة یک CT واقعی استخراج گردیده و در نهایت، مدل حاصله در قسمتی از شبکه شبیهسازیشدة ایران (در محیط نرمافزار EMTP-RV) اعمال و مورد بررسی قرار گرفته است.کلمات کلیدی: ترانسفورماتور جریان، آشکارسازی پدیده اشباع CT، مشتق مرتبه سوم، تبدیل موجک گسسته، ریختشناسی پیشرو، ریختشناسی ریاضیاتی، جبرانسازی جریان معوج ثانویه، حداقل مربعات خطا، تخمین جریان مغناطیسکنندگی، شبکه عصبی مصنوعی عنوان صفحهفهرست جدولهاحفهرست شکلهاطفصل 1-.. مقدمه1-1- مقدمه 21-2- مروری بر کارهای انجام شده31-3- ساختار پایان نامه4فصل 2-.. ترانسفورماتور جریان2-1- مقدمه 62-2- معرفی انواع ترانسفورماتورهای جریان62-3- کمیتهای مهم در ترانسفورماتور جریان حفاظتی82-4- مدار معادل ترانسفورماتور جریان102-5- شار هسته ترانسفورماتور جریان در شرایط خطا102-6- اشباع ترانسفورماتور جریان حفاظتی122-6-1-عوامل تأثیرگذار بر اشباع132-7- جمعبندی13فصل 3- روشهای آشکارسازی پدیده اشباع ترانسفورماتور جریان3-1- مقدمه 163-2- آشکارسازی پدیده اشباع مبتنی بر مشتق مرتبه سوم163-3- آشکارسازی پدیده اشباع مبتنی بر تبدیل موجک گسسته193-3-1- توابع مادر و خصوصیات آنها203-3-2- رفتار فیلتری و مشخصه فرکانسی توابع و 243-3-3- وابستگينرخنمونهبرداريبهبالاترينحدفركانسي243-3-4- انواع دیگر توابع مادر263-4- آشکارسازی پدیده اشباع مبتنی بر روش ریختشناسی ریاضیاتی یکبعدی283-4-1- عملگرهای اساسی MM283-4-2- فیلترهای MM293-4-3- اجزاء ساختاری (SE)293-4-4- آشکارسازی اشباع مبتنی بر روش MM303-5- آشکارسازی پدیده اشباع با استفاده از روش ریختشناسی پیشرو333-5-1- عملگرهای MLS33فصل 4- مدلسازی و مقایسه روشهای آشکارسازی پدیده اشباع4-1- مقدمه 374-2- مدلسازی ترانسفورماتور جریان374-3- نتایج حاصل از آشکارسازی پدیده اشباع CT مبتنی بر روش مشتق مرتبه سوم424-4- نتایج حاصل از آشکارسازی پدیده اشباع با استفاده از روش تبدیل موجک434-4-1- آستانه گذاری تطبیقی444-5- نتایج حاصل از آشکارسازی پدیده اشباع CT با استفاده از روش پیشنهادی MM454-6- نتایج حاصل از آشکارسازی پدیده اشباع CT مبتنی بر MLS474-7- مقایسه روشهای بررسی شده آشکارسازی پدیده اشباع CT48فصل 5-.. روشهای جبرانسازی جریان معوج ثانویه ترانسفورماتور جریان5-1- مقدمه 515-2- جبرانسازی جریان معوج ثانویه CT با استفاده از روش حداقل مربعات خطا (LSE)515-2-1- روش حداقل مربعات خطا (LSE)515-2-2- استفاده از روش LSE برای جبرانسازی جریان معوج ثانویه CT535-3- جبرانسازی جریان معوج ثانویه CT مبتنی روش تخمین جریان مغناطیسکنندگی555-4- روش پیشنهادی جبرانسازی جریان معوج ثانویه CT با استفاده از شبکه عصبی 595-4-1- فرایند آموزش شبکه عصبی595-4-2- جبرانسازی جریان معوج ثانویه با استفاده از شبکه عصبی مصنوعی605-5- مقایسه روشهای بررسی شده جبرانسازی جریان معوج ثانویه CT70فصل 6- روشهای پیشنهادی پایاننامه بمنظور آشکارسازی پدیده اشباع و جبرانسازی جریان معوج CT در شرایط Online6-1- آشکارسازی پدیده اشباع CT مبتنی بر روش ریختشناسی ریاضیاتی در شرایط Online ......................736-2- جبرانسازی جریان معوج ثانویه در شرایط Online مبتنی بر روش پیشنهادی حداقل مربعات خطای اصلاح شده (MLSE)756-2-1- امکان بکارگیری در شرایط Online776-3- فلوچارت پیادهسازی آشکارسازی آشکارسازی پدیده اشباع CT و جبران سازی جریان معوج ثانویه در شرایط Online77فصل 7-.. جمعبندی، نتیجهگیری و ارائه پیشنهادات7-1- جمعبندی و نتیجهگیری817-2- پیشنهادات82فهرست مراجع83پیوست یک 87پیوست دو 90 فهرست جدولهاعنوان صفحهجدول 4‑1 : مدت زمان پیادهسازی روشهای آشکارسازی پدیده اشباع49جدول 5‑1 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای صفر اهم64جدول 5‑2 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 25/1 اهم65جدول 5‑3 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 5/2 اهم66جدول 5‑4 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 75/3 اهم67جدول 5‑5 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 5 اهم68 فهرست شکلهاعنوان صفحهشکل 2‑1 : نحوهی اتصال CT به شبکه قدرت6شکل 2‑2: مدار معادل ترانسفورماتور جریان10شکل 2‑3 : جریان اولیه و ثانویه اشباعشده CT13شکل 3‑1 : جریان اولیه منتقل شده به ثانویه و جریان ثانویه CT16شکل 3‑2 : تخمین جریان با استفاده از مشتقات مرتبه اول (الف)، دوم (ب) و سوم (ج)18شکل 3‑3 : نمونهای از تابع مادر (db10) و تابع عمود بر آن[23]21شکل 3‑4 : پروسه محاسبهضرايبمولفهدقيقوتقريبيدرمراحلمختلفتجزيه23شکل 3‑5 : مشخصه فرکانسی فیلتر موجک با تابع مادر در مراحل مختلف تجزیه23شکل 3‑6 : مشخصهفركانسيتوابعمادرمختلفبهازايفركانسنمونهبرداري 10 کیلوهرتز25شکل 3‑7: مشخصهفركانسيتابعمادر (db2)بهازايفركانسنمونهبرداري 5 کیلوهرتز26شکل 3‑8: تابع Haar گسسته26شکل 3‑9: توابع Daubechies پیوسته27شکل 3‑10 : تابع Mexican Hat پیوسته27شکل 3‑11 : تابع Morlet پیوسته27شکل 3‑12 : تابع Meyer پیوسته27شکل 3‑13 : نتیجه اعمال عملگرها و فیلترهای MM بر سیگنالf30شکل 3‑14 : اشکال مورد استفاده برای اجزاء ساختاری30شکل 3‑15 : تبدیل فوریه سیگنال جریان ثانویه CT در شرایط عادی سیستم و در شرایط خطا بدون معوج شدن سیگنال31شکل 3‑16 : تبدیل فوریه سیگنال جریان ثانویه CT در شرایط عادی سیستم و در شرایط خطا و معوج شدن سیگنال جریان31شکل 3‑17 : نتیجه اعمال فیلترهای متوسطگیر و تفاضلی بر سیگنال f32شکل 3‑18 : گامهای روش MLS33شکل 3‑19 : نتیجه اعمال عملگرهای MLS بر سیگنال 34شکل 4‑1 : مدار آزمایشگاهی استخراج منحنی هیسترزیس هسته CT38شکل 4‑2 : ترانسفورماتور جریان مدلسازی شده در نرمافزار EMTP-RV39شکل 4‑3 : منحنی رفت هیسترزیس مدلشده در فیلتر هیسترزیس39شکل 4‑4 : منحنی هیسترزیس مدلسازی شده در نرم افزار EMTP-RV39شکل 4‑5 : شبکه انتقال (شبیه سازی شده در نرم افزار EMTP-RV )40شکل 4‑6 : شبکه انتقال مورد بررسی (قسمتي از شبكه ايران)41شکل 4‑7 : نمونه سیگنال جریان خروجی پست شماره 2 به ازای اتصال کوتاه در 25 میلی ثانیه41شکل 4‑8 : نمونه سیگنال جریان خروجی پست شماره 2 به ازای اتصال کوتاه در 25 میلی ثانیه از دید ثانویه CT41شکل 4‑9 : آشکارسازی پدیده اشباع مبتنی بر روش مشتق مرتبه سوم به ازای وقوع خطا در زاویه صفر درجه جریان42شکل 4‑10 : آشکارسازی پدیده اشباع مبتنی بر روش مشتق مرتبه سوم به ازای وقوع خطا در زاویه 180 درجه جریان42شکل 4‑11 :آشکارسازی پدیده اشباع مبتنی بر روش تبدیل موجک به ازای خطا در زاویه صفر درجه جریان44شکل 4‑12 : آشکارسازی پدیده اشباع مبتنی بر روش تبدیل موجک به ازای خطا در زاویه 180 درجه جریان44شکل 4‑13 : سیگنال اجزا ساختاری مناسب برای سیستمهای قدرت با طول 20 نمونه45شکل 4‑14 : آشکارسازی پدیده اشباع مبتنی بر روش MM به ازای خطا در زاویه صفر درجه جریان46شکل 4‑15 : آشکارسازی پدیده اشباع مبتنی بر روش MM به ازای خطا در زاویه 180 درجه جریان46شکل 4‑16 : آشکارسازی پدیده اشباع مبتنی بر روش MLS به ازای خطا در زاویه صفر درجه جریان47شکل 4‑17 : آشکارسازی پدیده اشباع مبتنی بر روش MLS به ازای خطا در زاویه 180 درجه جریان48شکل 5‑1 : جریانهای اولیه ارجاع داده شده به ثانویة و جریان ثانویه CT در حالت اشباعشده54شکل 5‑2 : جبرانسازی جریان ثانویه CT با استفاده از روش LSE به ازای خطا در زاویه صفر درجه جریان55شکل 5‑3 : جبرانسازی جریان ثانویه CT با استفاده از روش LSE به ازای خطا در زاویه 180 درجه جریان55شکل 5‑4 : مدار معادل CT56شکل 5‑5 : جریانهای اولیه و ثانویة معوج CT56شکل 5‑6 : جبرانسازی جریان ثانویه CT با استفاده از روش MLS به ازای خطا در زاویه صفر درجه جریان58شکل 5‑7 : جبرانسازی جریان ثانویه CT با استفاده از روش MLS به ازای خطا در زاویه 180 درجه جریان59شکل 5‑10 : ساختار شبکه عصبی مصنوعی انتخاب شده60شکل 5‑8 : جبرانسازی جریان ثانویه CT با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با ساختار ثابت61شکل 5‑9 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با ساختار ثابت62شکل 5‑11 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با در نظر گرفتن تغییرات ساختاری ممکن در شبکه نمونه69شکل 5‑12 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با در نظر گرفتن تغییرات ساختاری ممکن در شبکه نمونه69شکل 6‑1 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه صفر درجه جریان74شکل 6‑2 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه 180 درجه جریان74شکل 6‑3 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه صفر درجه جریان75شکل 6‑4 : جبرانسازی جریان ثانویه CT با استفاده از روش MLSE به ازای خطا در زاویه صفر درجه جریان76شکل 6‑5 : جبرانسازی جریان ثانویه CT با استفاده از روش MLSE به ازای خطا در زاویه 180 درجه جریان77شکل 6‑6 : فلوچارت آشکارسازی پدیده اشباع CT و جبران سازی جریان معوج ثانویه در شرایط Online78 فصل 1- مقدمهبه تناسب توسعه صنعت و گستردگی و پیچیدگی سیستمهای قدرت، بر سطح اتصال کوتاه در سیستم قدرت افزوده میشود که این موضوع سبب افزایش نقش رلههای حفاظتی و تجهیزات واسط در جلوگیری از واردآمدن خسارت به تجهیزات فشارقوی در سیستمهای قدرت شده است. این رلهها برای کارکرد صحیح، نیاز به دریافت اطلاعات صحیح داشته و لذا در صورت ایجاد اعوجاج در سیگنالهای دریافتی، انتظار عملکرد مورد نظر از آنها، امری بیهوده تلقی میگردد. ترانسفورماتور جریان (CT)[1] از جمله عناصر بسیار مهم بعنوان واسط رلههاست که برای اخذ سیگنال جریانی متناسب با جریان اولیه و با دامنهای کوچکتر بکار گرفته میشود. با وجود اینکه CTها از هستههای آهنی برای بیشینهکردن شار پیوندی بین سیمپیچی اولیه و ثانویه (و کمینهکردن شار نشتی) استفاده میکنند، به دلیل غیرخطیبودن مشخصهی مغناطیسی هسته، مستعد اشباعشدن میباشند. در نقاط بالاتر از زانوی منحنی مغناطیسشوندگی، به ازای تغییرات جریان اولیه، جریان مغناطیسی هسته افزایش چشمگیری خواهد یافت. از آنجا كه جريان ثانويهي CTها از تفاضل جريانِ ترانسفورماتوري اوليه و جريان مغناطيسكنندگي بدست ميآيد، تحت شرایط اشباع، جریان ثانویه با نسبت ثابتی جریان اولیه را دنبال ننموده و علاوه بر افزایش خطای نسبت تبدیل، اعوجاجی در سیگنال خروجی ظاهر خواهد شد. به هنگام بروز خطا، در اثر مولفة DC جریانخطا (که معمولاً در طراحی CT لحاظ نمیگردد)، پدیدة اشباع رخ خواهد داد که یکی از راههای محدودکردن این اثر، استفاده از CT با مشخصات نامی بالاتر یا استفاده از الگوریتمهای خاص برای اصلاح این پدیده است. از آنجا که استفاده از CT با مشخصات نامی بالاتر، از نظر اقتصادی مقرون به صرفه نیست، جبرانسازی نرمافزاری پدیدة اشباع CT در سیستمهای قدرت، راهکار مناسبی برای حل مسئله بوده که منجر به کاهش هزینه و افزایش قابلیت اطمینان سیستم قدرت خواهد شد؛ بویژه آنکه چنین الگوریتمی را میتوان بسهولت در ساختار رلههای عددی (بعنوان یک پیشپردازشگر اطلاعات) اعمال نمود. لذا هدف از انجام این پروژه، تشخیص پدیده اشباع و جبرانسازی اعوجاج جریان ثانویه CT با استفاده از روشهای پردازش سیگنال میباشد.همانطور که اشاره شد، بر اثر اشباع ترانسفورماتور جریان علاوه بر افزایش خطای نسبت تبدیل، سیگنال خروجی معوج نیز خواهد شد. در [3-1] مشکلات ناشی از بروز اشباع در ترانسفورماتورهای جریان مورد بررسی قرار گرفتهشده است.در [4] یک روش برای آشکارسازی اشباع در ترانسفورماتورهای جریان بر اساس این واقعیت که جریان در هنگام شروع اشباع به تندی تغییر میکند، ارائه شده است. این روش، اشباع CT را به سبب کاهش ناگهانی مقدار جریان، تشخیص داده و لیکن در صورت استفاده از یک فیلتر پایینگذر آنتیالیاسینگ، از موفقیت چندانی برخوردار نیست. در [5] و [6] یک روش برای آشکارسازی اشباع ترانسفورماتور جریان بر اساس مشتق مرتبه سوم جریان ثانویه ارائه شده است. در این مقالات اثر فیلتر پایین گذر آنتی الیاسینگ در نظر گرفته شده است.در [7] یک الگوریتم برای محاسبه شار هسته از روی جریان ثانویه و سپس جبرانسازی آن پیشنهاد شده است. این الگوریتم به خوبی شار هسته را محاسبه میکند و اشباع CT را در شرایط مختلف تشخیص میدهد. با این وجود در این روش از این فرض استفاده شده است که شار پسماند در شروع محاسبات برابر صفر است که در شرایط واقعی فرض مناسبی نمیباشد.یک روش دیگر برای آشکارسازی اشباع با محاسبه متوسط خطا و واریانس دامنه جریان در [8] پیشنهاد شده است. مقدار خطا با این فرض که اگر یک جریان سینوسی کامل باشد، باید جمع آن جریان با ضریبی از مشتق دومش صفر باشد، تعیین میگردد. در [9] یک روش امپدانسی برای آشکار سازی اشباع در یک ترانسفورماتور جریان به منظور حفاظت دیفرانسیلی باسبار پیشنهاد شده است. این روش بر پایه معادله دیفرانسیل مرتبه اول امپدانس منبع سیستم قدرت در محل رله میباشد و در آن از ولتاژ باسبار و جریان ثانویه ترانسفورماتور جریان برای محاسبه امپدانس استفاده شده است. تغییرات در این امپدانس برای تعیین وضعیت ترانسفورماتور جریان به کار میروند. همچنین در مورد اثرات شار پسماند در هسته، اندازه اندوکتانس مغناطیس کنندگی و حالات مختلف خطا بحث شده است. در [10] یک روش آشکارسازی با استفاده از مولفههای متقارن برای حفاظت دیفرانسیل پیشنهاد شده است. در [11] یک روش دیگر برای آشکارسازی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک پیشنهاد شده است. در این روش از شبکه عصبی به منظور تشخیص اشباع و از الگوریتم ژنتیک برای پیدا کردن ساختار بهینه شبکه عصبی از نظر تعداد لایهها و تعداد نرونها در هر لایه استفاده شده است. در [12] یک روش جدید ترکیبی با استفاده از مشتق دوم جریان خروجی ترانسفورماتور جریان و قاعده گذر از صفر ارائه شده است.در [13] یک روش جبرانسازی پیشنهاد شده است که طی آن، پس از تخمین جریان مغناطیسکنندگی هسته CT، این جریان به جریان ثانویه اندازهگیریشده اضافه شده، تا جریان ثانویه حاصل شود. این الگوریتم برای شرایط مختلف خطا و سیستم به خوبی کار میکند ولی (همانند [7]) بر این فرض استوار است که شار پسماند قبل از وقوع خطا صفر است. الگوریتم پیشنهاد شده در [14] جریان ثانویه اعوجاج دار را جبران میکند و سطح شار پسماند روی آن اثر نامطلوب ندارد. این الگوریتم از یک تایع دیفرانسیل مرتبه دوم برای تشخیص لحظه به اشباع رفتن استفاده میکند.یک روش جایگزین بکار بردن یک شبکه عصبی-مصنوعی برای تخمین تابعی است که جریان ثانویه ترانسفورماتور جریان که در اثر اشباع اعوجاج دار شده است را تصحیح کند. این روش در مقالات زیادی استفاده شده است[19- 15]. وابستگی به ظرفیت ثانویه ترانسفورماتور جریان، عدم در نظر گرفتن کلیه عواملی که میتوانند روی اشباع تاثیر بگذارند و بهینه نبودن ساختار شبکه عصبی از نقایصی است که در این مقالات به چشم میخورند. در [20] از شبکه عصبی مصنوعی که تعداد نرونها و لایههای این شبکه بوسیله الگوریتم ژنتیک بهینه شده است، بمنظور آشکارسازی و جبرانسازی اشباع استفاده شده است. [1] -Currant Transfirmer
تشخیص اشباع و جبران سازی اعوجاج جریان ثانویه CT با درنظرگرفتن تغییر ساختار معمولی سیستم قدرتword
در این پایاننامه، ضمن بررسی پدیده اشباع در CTهای حفاظتی، به مشکلات مربوط به آشکارسازی این پدیده و جبرانسازی جریان معوج ثانویه CT پرداخته شده است و بمنظور رفع مشکلات مطرح شده، روشهایی معرفی شده و نتایج حاصله در محیط نرمافزاری و بصورت مدلسازی با هم مقایسه گردیدهاند.جهت آشکارسازی پدیده اشباع از روشهایی مبتنی بر: 1- مشتق مرتبه سوم،2- تبدیل موجک گسسته،3- ریختشناسی پیشرو،4- و ریختشناسی ریاضیاتیاستفاده شده است.برای جبرانسازی جریان معوج ثانویه نیز از روشهای: 1- حداقل مربعات خطا،2- تخمین جریان مغناطیسکنندگی،3- و شبکه عصبی مصنوعی با درنظرگرفتن تغییرات ساختاری شبکه نمونه (و در نتیجه تغییر قدرت اتصال کوتاه در محل نصب CT) جهت آموزش این شبکه،استفاده گردیده است.پس از پیادهسازی و مقایسه روشهای ذکرشده، روش ریختشناسی ریاضیاتی و حداقل مربعات خطا بعنوان مناسبترین روش جهت آشکارسازی پدیده اشباع و جبرانسازی جریان معوج ثانویه CT پیشنهاد شدهاند.علاوه بر موارد فوقالذکر، تلاش شده است با تغییراتی در روش اعمال ریختشناسی ریاضیاتی (جهت آشکارسازی) و روش حداقل مربعات خطا (جهت جبرانسازی جریان معوج ثانویه)، امکان استفاده از روشهای مذکور در شرایط Online فراهم آید.مشخصات هسته CT بررسیشده در این پایاننامه نیز بر اساس آزمایش عملی بر روی هستة یک CT واقعی استخراج گردیده و در نهایت، مدل حاصله در قسمتی از شبکه شبیهسازیشدة ایران (در محیط نرمافزار EMTP-RV) اعمال و مورد بررسی قرار گرفته است.کلمات کلیدی: ترانسفورماتور جریان، آشکارسازی پدیده اشباع CT، مشتق مرتبه سوم، تبدیل موجک گسسته، ریختشناسی پیشرو، ریختشناسی ریاضیاتی، جبرانسازی جریان معوج ثانویه، حداقل مربعات خطا، تخمین جریان مغناطیسکنندگی، شبکه عصبی مصنوعی عنوان صفحهفهرست جدولهاحفهرست شکلهاطفصل 1-.. مقدمه1-1- مقدمه 21-2- مروری بر کارهای انجام شده31-3- ساختار پایان نامه4فصل 2-.. ترانسفورماتور جریان2-1- مقدمه 62-2- معرفی انواع ترانسفورماتورهای جریان62-3- کمیتهای مهم در ترانسفورماتور جریان حفاظتی82-4- مدار معادل ترانسفورماتور جریان102-5- شار هسته ترانسفورماتور جریان در شرایط خطا102-6- اشباع ترانسفورماتور جریان حفاظتی122-6-1-عوامل تأثیرگذار بر اشباع132-7- جمعبندی13فصل 3- روشهای آشکارسازی پدیده اشباع ترانسفورماتور جریان3-1- مقدمه 163-2- آشکارسازی پدیده اشباع مبتنی بر مشتق مرتبه سوم163-3- آشکارسازی پدیده اشباع مبتنی بر تبدیل موجک گسسته193-3-1- توابع مادر و خصوصیات آنها203-3-2- رفتار فیلتری و مشخصه فرکانسی توابع و 243-3-3- وابستگينرخنمونهبرداريبهبالاترينحدفركانسي243-3-4- انواع دیگر توابع مادر263-4- آشکارسازی پدیده اشباع مبتنی بر روش ریختشناسی ریاضیاتی یکبعدی283-4-1- عملگرهای اساسی MM283-4-2- فیلترهای MM293-4-3- اجزاء ساختاری (SE)293-4-4- آشکارسازی اشباع مبتنی بر روش MM303-5- آشکارسازی پدیده اشباع با استفاده از روش ریختشناسی پیشرو333-5-1- عملگرهای MLS33فصل 4- مدلسازی و مقایسه روشهای آشکارسازی پدیده اشباع4-1- مقدمه 374-2- مدلسازی ترانسفورماتور جریان374-3- نتایج حاصل از آشکارسازی پدیده اشباع CT مبتنی بر روش مشتق مرتبه سوم424-4- نتایج حاصل از آشکارسازی پدیده اشباع با استفاده از روش تبدیل موجک434-4-1- آستانه گذاری تطبیقی444-5- نتایج حاصل از آشکارسازی پدیده اشباع CT با استفاده از روش پیشنهادی MM454-6- نتایج حاصل از آشکارسازی پدیده اشباع CT مبتنی بر MLS474-7- مقایسه روشهای بررسی شده آشکارسازی پدیده اشباع CT48فصل 5-.. روشهای جبرانسازی جریان معوج ثانویه ترانسفورماتور جریان5-1- مقدمه 515-2- جبرانسازی جریان معوج ثانویه CT با استفاده از روش حداقل مربعات خطا (LSE)515-2-1- روش حداقل مربعات خطا (LSE)515-2-2- استفاده از روش LSE برای جبرانسازی جریان معوج ثانویه CT535-3- جبرانسازی جریان معوج ثانویه CT مبتنی روش تخمین جریان مغناطیسکنندگی555-4- روش پیشنهادی جبرانسازی جریان معوج ثانویه CT با استفاده از شبکه عصبی 595-4-1- فرایند آموزش شبکه عصبی595-4-2- جبرانسازی جریان معوج ثانویه با استفاده از شبکه عصبی مصنوعی605-5- مقایسه روشهای بررسی شده جبرانسازی جریان معوج ثانویه CT70فصل 6- روشهای پیشنهادی پایاننامه بمنظور آشکارسازی پدیده اشباع و جبرانسازی جریان معوج CT در شرایط Online6-1- آشکارسازی پدیده اشباع CT مبتنی بر روش ریختشناسی ریاضیاتی در شرایط Online ......................736-2- جبرانسازی جریان معوج ثانویه در شرایط Online مبتنی بر روش پیشنهادی حداقل مربعات خطای اصلاح شده (MLSE)756-2-1- امکان بکارگیری در شرایط Online776-3- فلوچارت پیادهسازی آشکارسازی آشکارسازی پدیده اشباع CT و جبران سازی جریان معوج ثانویه در شرایط Online77فصل 7-.. جمعبندی، نتیجهگیری و ارائه پیشنهادات7-1- جمعبندی و نتیجهگیری817-2- پیشنهادات82فهرست مراجع83پیوست یک 87پیوست دو 90 فهرست جدولهاعنوان صفحهجدول 4‑1 : مدت زمان پیادهسازی روشهای آشکارسازی پدیده اشباع49جدول 5‑1 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای صفر اهم64جدول 5‑2 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 25/1 اهم65جدول 5‑3 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 5/2 اهم66جدول 5‑4 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 75/3 اهم67جدول 5‑5 : اطلاعات شرایط ساختاری در نظر گرفته شده برای آموزش شبکه عصبی مصنوعی به ازای مقاومت خطای 5 اهم68 فهرست شکلهاعنوان صفحهشکل 2‑1 : نحوهی اتصال CT به شبکه قدرت6شکل 2‑2: مدار معادل ترانسفورماتور جریان10شکل 2‑3 : جریان اولیه و ثانویه اشباعشده CT13شکل 3‑1 : جریان اولیه منتقل شده به ثانویه و جریان ثانویه CT16شکل 3‑2 : تخمین جریان با استفاده از مشتقات مرتبه اول (الف)، دوم (ب) و سوم (ج)18شکل 3‑3 : نمونهای از تابع مادر (db10) و تابع عمود بر آن[23]21شکل 3‑4 : پروسه محاسبهضرايبمولفهدقيقوتقريبيدرمراحلمختلفتجزيه23شکل 3‑5 : مشخصه فرکانسی فیلتر موجک با تابع مادر در مراحل مختلف تجزیه23شکل 3‑6 : مشخصهفركانسيتوابعمادرمختلفبهازايفركانسنمونهبرداري 10 کیلوهرتز25شکل 3‑7: مشخصهفركانسيتابعمادر (db2)بهازايفركانسنمونهبرداري 5 کیلوهرتز26شکل 3‑8: تابع Haar گسسته26شکل 3‑9: توابع Daubechies پیوسته27شکل 3‑10 : تابع Mexican Hat پیوسته27شکل 3‑11 : تابع Morlet پیوسته27شکل 3‑12 : تابع Meyer پیوسته27شکل 3‑13 : نتیجه اعمال عملگرها و فیلترهای MM بر سیگنالf30شکل 3‑14 : اشکال مورد استفاده برای اجزاء ساختاری30شکل 3‑15 : تبدیل فوریه سیگنال جریان ثانویه CT در شرایط عادی سیستم و در شرایط خطا بدون معوج شدن سیگنال31شکل 3‑16 : تبدیل فوریه سیگنال جریان ثانویه CT در شرایط عادی سیستم و در شرایط خطا و معوج شدن سیگنال جریان31شکل 3‑17 : نتیجه اعمال فیلترهای متوسطگیر و تفاضلی بر سیگنال f32شکل 3‑18 : گامهای روش MLS33شکل 3‑19 : نتیجه اعمال عملگرهای MLS بر سیگنال 34شکل 4‑1 : مدار آزمایشگاهی استخراج منحنی هیسترزیس هسته CT38شکل 4‑2 : ترانسفورماتور جریان مدلسازی شده در نرمافزار EMTP-RV39شکل 4‑3 : منحنی رفت هیسترزیس مدلشده در فیلتر هیسترزیس39شکل 4‑4 : منحنی هیسترزیس مدلسازی شده در نرم افزار EMTP-RV39شکل 4‑5 : شبکه انتقال (شبیه سازی شده در نرم افزار EMTP-RV )40شکل 4‑6 : شبکه انتقال مورد بررسی (قسمتي از شبكه ايران)41شکل 4‑7 : نمونه سیگنال جریان خروجی پست شماره 2 به ازای اتصال کوتاه در 25 میلی ثانیه41شکل 4‑8 : نمونه سیگنال جریان خروجی پست شماره 2 به ازای اتصال کوتاه در 25 میلی ثانیه از دید ثانویه CT41شکل 4‑9 : آشکارسازی پدیده اشباع مبتنی بر روش مشتق مرتبه سوم به ازای وقوع خطا در زاویه صفر درجه جریان42شکل 4‑10 : آشکارسازی پدیده اشباع مبتنی بر روش مشتق مرتبه سوم به ازای وقوع خطا در زاویه 180 درجه جریان42شکل 4‑11 :آشکارسازی پدیده اشباع مبتنی بر روش تبدیل موجک به ازای خطا در زاویه صفر درجه جریان44شکل 4‑12 : آشکارسازی پدیده اشباع مبتنی بر روش تبدیل موجک به ازای خطا در زاویه 180 درجه جریان44شکل 4‑13 : سیگنال اجزا ساختاری مناسب برای سیستمهای قدرت با طول 20 نمونه45شکل 4‑14 : آشکارسازی پدیده اشباع مبتنی بر روش MM به ازای خطا در زاویه صفر درجه جریان46شکل 4‑15 : آشکارسازی پدیده اشباع مبتنی بر روش MM به ازای خطا در زاویه 180 درجه جریان46شکل 4‑16 : آشکارسازی پدیده اشباع مبتنی بر روش MLS به ازای خطا در زاویه صفر درجه جریان47شکل 4‑17 : آشکارسازی پدیده اشباع مبتنی بر روش MLS به ازای خطا در زاویه 180 درجه جریان48شکل 5‑1 : جریانهای اولیه ارجاع داده شده به ثانویة و جریان ثانویه CT در حالت اشباعشده54شکل 5‑2 : جبرانسازی جریان ثانویه CT با استفاده از روش LSE به ازای خطا در زاویه صفر درجه جریان55شکل 5‑3 : جبرانسازی جریان ثانویه CT با استفاده از روش LSE به ازای خطا در زاویه 180 درجه جریان55شکل 5‑4 : مدار معادل CT56شکل 5‑5 : جریانهای اولیه و ثانویة معوج CT56شکل 5‑6 : جبرانسازی جریان ثانویه CT با استفاده از روش MLS به ازای خطا در زاویه صفر درجه جریان58شکل 5‑7 : جبرانسازی جریان ثانویه CT با استفاده از روش MLS به ازای خطا در زاویه 180 درجه جریان59شکل 5‑10 : ساختار شبکه عصبی مصنوعی انتخاب شده60شکل 5‑8 : جبرانسازی جریان ثانویه CT با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با ساختار ثابت61شکل 5‑9 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با ساختار ثابت62شکل 5‑11 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با در نظر گرفتن تغییرات ساختاری ممکن در شبکه نمونه69شکل 5‑12 : جبرانسازی جریان ثانویه CT موجود در شبکه تغییر ساختار یافته با استفاده از شبکه عصبی مصنوعی آموزش دیده بوسیله اطلاعات شبکه با در نظر گرفتن تغییرات ساختاری ممکن در شبکه نمونه69شکل 6‑1 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه صفر درجه جریان74شکل 6‑2 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه 180 درجه جریان74شکل 6‑3 : آشکارسازی پدیده اشباع مبتنی بر روش MM در شرایط Online به ازای خطا در زاویه صفر درجه جریان75شکل 6‑4 : جبرانسازی جریان ثانویه CT با استفاده از روش MLSE به ازای خطا در زاویه صفر درجه جریان76شکل 6‑5 : جبرانسازی جریان ثانویه CT با استفاده از روش MLSE به ازای خطا در زاویه 180 درجه جریان77شکل 6‑6 : فلوچارت آشکارسازی پدیده اشباع CT و جبران سازی جریان معوج ثانویه در شرایط Online78 فصل 1- مقدمهبه تناسب توسعه صنعت و گستردگی و پیچیدگی سیستمهای قدرت، بر سطح اتصال کوتاه در سیستم قدرت افزوده میشود که این موضوع سبب افزایش نقش رلههای حفاظتی و تجهیزات واسط در جلوگیری از واردآمدن خسارت به تجهیزات فشارقوی در سیستمهای قدرت شده است. این رلهها برای کارکرد صحیح، نیاز به دریافت اطلاعات صحیح داشته و لذا در صورت ایجاد اعوجاج در سیگنالهای دریافتی، انتظار عملکرد مورد نظر از آنها، امری بیهوده تلقی میگردد. ترانسفورماتور جریان (CT)[1] از جمله عناصر بسیار مهم بعنوان واسط رلههاست که برای اخذ سیگنال جریانی متناسب با جریان اولیه و با دامنهای کوچکتر بکار گرفته میشود. با وجود اینکه CTها از هستههای آهنی برای بیشینهکردن شار پیوندی بین سیمپیچی اولیه و ثانویه (و کمینهکردن شار نشتی) استفاده میکنند، به دلیل غیرخطیبودن مشخصهی مغناطیسی هسته، مستعد اشباعشدن میباشند. در نقاط بالاتر از زانوی منحنی مغناطیسشوندگی، به ازای تغییرات جریان اولیه، جریان مغناطیسی هسته افزایش چشمگیری خواهد یافت. از آنجا كه جريان ثانويهي CTها از تفاضل جريانِ ترانسفورماتوري اوليه و جريان مغناطيسكنندگي بدست ميآيد، تحت شرایط اشباع، جریان ثانویه با نسبت ثابتی جریان اولیه را دنبال ننموده و علاوه بر افزایش خطای نسبت تبدیل، اعوجاجی در سیگنال خروجی ظاهر خواهد شد. به هنگام بروز خطا، در اثر مولفة DC جریانخطا (که معمولاً در طراحی CT لحاظ نمیگردد)، پدیدة اشباع رخ خواهد داد که یکی از راههای محدودکردن این اثر، استفاده از CT با مشخصات نامی بالاتر یا استفاده از الگوریتمهای خاص برای اصلاح این پدیده است. از آنجا که استفاده از CT با مشخصات نامی بالاتر، از نظر اقتصادی مقرون به صرفه نیست، جبرانسازی نرمافزاری پدیدة اشباع CT در سیستمهای قدرت، راهکار مناسبی برای حل مسئله بوده که منجر به کاهش هزینه و افزایش قابلیت اطمینان سیستم قدرت خواهد شد؛ بویژه آنکه چنین الگوریتمی را میتوان بسهولت در ساختار رلههای عددی (بعنوان یک پیشپردازشگر اطلاعات) اعمال نمود. لذا هدف از انجام این پروژه، تشخیص پدیده اشباع و جبرانسازی اعوجاج جریان ثانویه CT با استفاده از روشهای پردازش سیگنال میباشد.همانطور که اشاره شد، بر اثر اشباع ترانسفورماتور جریان علاوه بر افزایش خطای نسبت تبدیل، سیگنال خروجی معوج نیز خواهد شد. در [3-1] مشکلات ناشی از بروز اشباع در ترانسفورماتورهای جریان مورد بررسی قرار گرفتهشده است.در [4] یک روش برای آشکارسازی اشباع در ترانسفورماتورهای جریان بر اساس این واقعیت که جریان در هنگام شروع اشباع به تندی تغییر میکند، ارائه شده است. این روش، اشباع CT را به سبب کاهش ناگهانی مقدار جریان، تشخیص داده و لیکن در صورت استفاده از یک فیلتر پایینگذر آنتیالیاسینگ، از موفقیت چندانی برخوردار نیست. در [5] و [6] یک روش برای آشکارسازی اشباع ترانسفورماتور جریان بر اساس مشتق مرتبه سوم جریان ثانویه ارائه شده است. در این مقالات اثر فیلتر پایین گذر آنتی الیاسینگ در نظر گرفته شده است.در [7] یک الگوریتم برای محاسبه شار هسته از روی جریان ثانویه و سپس جبرانسازی آن پیشنهاد شده است. این الگوریتم به خوبی شار هسته را محاسبه میکند و اشباع CT را در شرایط مختلف تشخیص میدهد. با این وجود در این روش از این فرض استفاده شده است که شار پسماند در شروع محاسبات برابر صفر است که در شرایط واقعی فرض مناسبی نمیباشد.یک روش دیگر برای آشکارسازی اشباع با محاسبه متوسط خطا و واریانس دامنه جریان در [8] پیشنهاد شده است. مقدار خطا با این فرض که اگر یک جریان سینوسی کامل باشد، باید جمع آن جریان با ضریبی از مشتق دومش صفر باشد، تعیین میگردد. در [9] یک روش امپدانسی برای آشکار سازی اشباع در یک ترانسفورماتور جریان به منظور حفاظت دیفرانسیلی باسبار پیشنهاد شده است. این روش بر پایه معادله دیفرانسیل مرتبه اول امپدانس منبع سیستم قدرت در محل رله میباشد و در آن از ولتاژ باسبار و جریان ثانویه ترانسفورماتور جریان برای محاسبه امپدانس استفاده شده است. تغییرات در این امپدانس برای تعیین وضعیت ترانسفورماتور جریان به کار میروند. همچنین در مورد اثرات شار پسماند در هسته، اندازه اندوکتانس مغناطیس کنندگی و حالات مختلف خطا بحث شده است. در [10] یک روش آشکارسازی با استفاده از مولفههای متقارن برای حفاظت دیفرانسیل پیشنهاد شده است. در [11] یک روش دیگر برای آشکارسازی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک پیشنهاد شده است. در این روش از شبکه عصبی به منظور تشخیص اشباع و از الگوریتم ژنتیک برای پیدا کردن ساختار بهینه شبکه عصبی از نظر تعداد لایهها و تعداد نرونها در هر لایه استفاده شده است. در [12] یک روش جدید ترکیبی با استفاده از مشتق دوم جریان خروجی ترانسفورماتور جریان و قاعده گذر از صفر ارائه شده است.در [13] یک روش جبرانسازی پیشنهاد شده است که طی آن، پس از تخمین جریان مغناطیسکنندگی هسته CT، این جریان به جریان ثانویه اندازهگیریشده اضافه شده، تا جریان ثانویه حاصل شود. این الگوریتم برای شرایط مختلف خطا و سیستم به خوبی کار میکند ولی (همانند [7]) بر این فرض استوار است که شار پسماند قبل از وقوع خطا صفر است. الگوریتم پیشنهاد شده در [14] جریان ثانویه اعوجاج دار را جبران میکند و سطح شار پسماند روی آن اثر نامطلوب ندارد. این الگوریتم از یک تایع دیفرانسیل مرتبه دوم برای تشخیص لحظه به اشباع رفتن استفاده میکند.یک روش جایگزین بکار بردن یک شبکه عصبی-مصنوعی برای تخمین تابعی است که جریان ثانویه ترانسفورماتور جریان که در اثر اشباع اعوجاج دار شده است را تصحیح کند. این روش در مقالات زیادی استفاده شده است[19- 15]. وابستگی به ظرفیت ثانویه ترانسفورماتور جریان، عدم در نظر گرفتن کلیه عواملی که میتوانند روی اشباع تاثیر بگذارند و بهینه نبودن ساختار شبکه عصبی از نقایصی است که در این مقالات به چشم میخورند. در [20] از شبکه عصبی مصنوعی که تعداد نرونها و لایههای این شبکه بوسیله الگوریتم ژنتیک بهینه شده است، بمنظور آشکارسازی و جبرانسازی اشباع استفاده شده است. [1] -Currant Transfirmer