基于小波与 ANN 的 DFIG 与 TCSC 并网输电线路故障检测与分类
系统与控制
2023-08-21 v1 系统与控制
摘要
本文提出一种基于小波与 ANN 的方法，用于含 DFIG 的串补系统中的故障检测与分类。现有最优方法包括基于小波变换、傅里叶变换以及小波-神经模糊方法的故障检测与分类系统。然而，这些最优方法的精度在风速变化、高阻抗故障以及串补度变化等可变工况下会降低。具体而言，在基于小波变换的方法中，阈值需根据可变现场条件进行调整。为解决该问题，本文提出一种小波-ANN 故障检测方法，其中小波用作辨识器，ANN 用作分类器以检测各类故障情形。该方法在 SSR 条件下同样有效。所提方法在 IEEE 第一基准模型上于不同工况下评估：串补度从 20% 到 55% 变化、阻抗故障、风速从 6m/sec 到 10m/sec 变化，使用 MATLAB/Simulink、OPALRT(OP4510) 制造的实时数字仿真器环境、与外接 PC 通信的 Arduino 板 I/O 端口（其中烧录 ANN 模型，使用 MATLAB 的 Arduino 支持包）。初步结果与最优故障检测方法对比，所提方法在可变现场条件下表现出鲁棒性能。
引用
@article{arxiv.2308.09046,
title = {Fault Detection and Classification using Wavelet and ANN in DFIG and TCSC Connected Transmission Line},
author = {Satya Vikram Pratap Singh and Tanu Prasad and Siddharth Kamila and Prashant Agnihotri},
journal= {arXiv preprint arXiv:2308.09046},
year = {2023}
}