کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5445218 1511118 2017 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Combined Mathematical Morphology and Data Mining Based High Impedance Fault Detection
ترجمه فارسی عنوان
مورفولوژی ریاضی ترکیبی و شناسایی خطای امپدانس بالا بر اساس داده کاوی
کلمات کلیدی
مورفولوژی ریاضی، درخت تصمیم گیری، تقصیر امپدانس بالا، داده کاوی،
ترجمه چکیده
این مقاله یک طرح هوشمند برای شناسایی خطای امپدانس بالا با استفاده از مورفولوژی ریاضی و درخت تصمیم گیری ارائه می دهد. سیگنال های فعلی با استفاده از مورفولوژی ریاضی پیش پردازش می شوند و برآورد ویژگی های سیگنال برای تولید یک مدل درخت تصمیم استفاده می شود. عملیات نهایی بازپخش براساس مدل تولید درخت تصمیم گیری داده تولید می شود. روش پیشنهادی بر روی یک سیستم تست استاندارد با طیف گسترده ای از شرایط عملیاتی سیستم قدرت آزمایش شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی در تشخیص خطای امپدانس بالا برای عملیات بی ضرر و ایمن بسیار قابل اعتماد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
مورفولوژی ریاضی ترکیبی و شناسایی خطای امپدانس بالا بر اساس داده کاوی
چکیده انگلیسی
This paper presents an intelligent scheme for high impedance fault detection using mathematical morphology and decision tree. The current signals are pre-processed using mathematical morphology and estimation of the signal features is used to generate a decision tree model. The final relaying operation based on generated data mining decision tree model. The proposed method is tested on a standard test system with a wide range of power system operating conditions. Simulation results show that the proposed method can be highly reliable in detecting high impedance fault for harmless and secured operations.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Procedia - Volume 117, June 2017, Pages 417-423
نویسندگان
, ,