روش بازدارنده شاري در متلب

در ادامه آموزش های سایت همیارپروژه برنامه نویسی متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما کدنویسی در نرم افزار متلب را رایگان یاد خواهیم داد. با ما همراه باشید.

 روش بازدارنده شاري در متلب

واضح است كه اگر بتوان شار داخل ترانسفورماتور را بدرستي تخمين زد، قادر خواهيم بود از اندازه شار داخل ترانسفورماتور براي تشخيص حالات كاري متفاوت ترانسفورماتور مانند وقوع جريان هجومي، اشباع ترانسفورماتور و بروز خطاهاي داخلي و خارجي استفاده نمود. چنانچه ولتاژ ترمينال يك سيم پيچي ترانسفورماتور v(t) وi(t) جريان ورودي به سيم پيچ و Λ(t) شار متقابل در برگيرنده ترانسفورماتور باشد. آنگاه داريم

كه   L  اندوكتانس در برگيرنده سيم پيچ است. با انتگرال گرفتن از رابطه (۱) بين زمانهاي t1 و t2 خواهيم داشت، با اعمال قاعده ذوزنقه اي به رابطه (۲) داريم :

چنانچه ولتاژ و جريان بطور جداگانه در لحظه Δt نمونه برداري شوند، بين نمونه هاي بدست آمده در لحظات (k) و (k-1) رابطه ذيل برقرار خواهد بود:

رابطه (۴) بيانگر مراحل و نحوه محاسبه شار در برگيرنده يك ترانسفورماتور با استفاده از مقادير اندازه‌گيري شده ولتاژ و جريان ترمينال هاي ترانسفورماتور  در  لحظات حال  و   گذشته  مي‌باشد.

در حالت كار نرمال ترانسفورماتور، جريان ديفرانسيل را مي توان تقريبا با جريان مغناطيس كنندگي ترانسفورماتور مساوي در نظر گرفت. با اين فرض كه شار محاسبه شده با رابطه (۴) بيانگر شار واقعي داخل ترانسفورماتور باشد، نمونه هاي جريان ديفرانسيل و شار در برگيرنده در لحظات k ، نقطه (ik,Λk) بر روي منحني مغناطيس كنندگي مدار باز ترانسفورماتور قرار مي گيرد. بنابراين از  نكته فوق مي‌توان براي طراحي يك حفاظت ديفرانسيل درصدي ترانسفورماتور قدرت استفاده نمود.

اساس روش به اينصورت خواهد بود كه در هر لحظه مكان نقطه (ik,Λk) نسبت به منحني مدار باز ترانسفورماتور قدرت كنترل مي گردد. در صورتي كه حفاظت ديفرانسيل درصدي ، شرايط خطا را تشخيص دهد فرمان تريپ تنها وقتي صادر خواهد شد كه نقطه (ik,Λk) بر روي منحني مغناطيس كنندگي ترانسفورماتور قرار نداشته باشد. در غير اينصورت فرمان تريپ بلاك خواهد گرديد.

شكل -۱ نشان دهنده مشخصه مغناطيس كنندگي مدار باز ترانسفورماتور  و رابطه نقطه (ik,Λk)  در صورت بروز خطاهاي داخلي ترانسفورماتور و در حالت عدم وجود خطا مي باشد. در حالت بروز يك خطا ولتاژ ترمينال ترانسفورماتور ( و در نتيجه Λk ) بسيار كمتر از حالت آن در شرايط وقوع پديده جريان هجومي مي باشد. با توجه به شكل ۱ مشخص مي شود كه نواحي نشان داده شده در حالت بروز خطا و حالت عدم وجود خطا در صفحه (I-Λ) كاملا از يكدگر جدا و مشخص هستند. در شكل ض-۴ مشخصه شار داخل ترانسفورماتور براي شرايط كاري مختلف خطا و غير خطا نشان داده شده است.

با توجه به نكات فوق مي توان از روش بازدارنده شاري براي تكميل حفاظت ديفرانسيل درصدي ترانسفورماتور هاي قدرت به عنوان يك روش مطمئن استفاده نمود.

بكارگيري شبكه عصبي matlab

از مهمترين مراحل مدلسازي مسئله، تعيين دقيق تعداد وروديها وخروجي ها مي باشد. با توجه به اين نكته كه در اين مقاله براي اولين بار از تكنيك بازدارنده شاري براي تكميل حفاظت ديفرانسيل مبتني بر شبكه عصبي استفاده شده است، به روش سعي و خطا و با بررسي ميزان اثر تعداد متغييرهاي ورودي بر پيچيدگي و دقت شبكه عصبي، حالات مختلفي بررسي گرديده است. در اين مسئله وروديهاي شبكه عصبي  نمونه‌هاي جريان تفاضلي وولتاژهاي اوليه و ثانويه ترانسفورماتور (براي در نظر گرفتن اثر تغيير تپ و محاسبه شار) در نظر گرفته شده اند.

براي يك ترانسفورماتور سه فاز ، سه جريان ديفرانسيل در هر لحظه وجود دارد. با وجود اين براي هر مرحله از آموزش نيازي به نمونه برداري از هر سه اين جريان ها نمي باشد و نمونه برداري از جريان تفاضلي يك فاز كافي خواهد بود.

جريان هاي طرف اوليه و ثانويه ترانسفورماتور ابتدا به كمك CT  ها به مقادير پريونيت تبديل مي شوند سپس تفاضل اين جريان ها و نيز ولتاژ هاي اوليه و ثانويه ترانسفورماتور كه از طريق PT  ها نمونه برداري شده اند به منظور جلوگيري از بروز پديده هم اثري، از يك فيلتر پايين گذر كه داراي فركانس قطع كمتر از نصف فركانس نمونه برداري  مي باشد، عبور مي‌نمايد. در مرحله بعد از اين جريان ها و ولتاژها نمونه‌برداري شده و مقادير آنالوگ به ديجيتال تبديل مي‌گردند. در اين مرحله نمونه هاي ديجيتالي شده، آماده اعمال به شبكه عصبي پيشنهادي هستند.

در كارهاي انجام شده قبلي از داده هاي خام نمونه‌برداري  شده به عنوان  ورودي  به شبكه عصبي استفاده مي گرديد. در اين مقاله بجاي اعمال مستقيم داده هاي خام، از يك پيش پردازنده استفاده شده است. اين پيش پردازنده براي استخراج دامنه هارمونيك‌هاي اول تا پنجم جريان تفاضلي و دامنه هارمونيك اصلي ولتاژهاي اوليه و ثانويه، از يك فيلتر FFTو يك تخمين زننده دامنه، استفاده  مي نمايد.خروجي اين پيش پردازنده به شبكه عصبي اعمال مي شود كه اين امر سبب كاهش وروديها به ANN و كاهش داده هاي آموزش و زمان آموزش مي شود.

در شكل ض-۲ بلوك دياگرام تهيه داده ها و اعمال نتايج به شبكه عصبي به عنوان ورودي نشان داده شده است

1. Aliasing

۲ . Fast Fourier Transformer

در اینجا آشنایی با محیط متلب بخش صد و سی و یکم به پایان رسیده است و در آموزش های بعدی به مباحث دیگر آموزش متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای انجام پروژه متلب خود آموزش های ما را دنبال نمایید.

نویسنده: زهرا رستمی

جهت سفارش پروژه به لینک زیر مراجعه نمایید :

سفارش پروژه

همچنین می توانید برای ارتباط سریعتر با شماره و آیدی تلگرام زیر تماس حاصل کنید :
۰۹۱۲۹۵۴۰۱۲۲ – آیدی تلگرام : @fnalk

از طریق کلیک برروی آیکن های زیر میتوانید پروژه خود را در تلگرام و یا واتساپ برای ما ارسال کنید:

ثبت سفارش در واتس آپ ثبت سفارش در تلگرام