ELEKTRİK GÜÇ SİSTEMLERİNDE AKILLI SİSTEMLER YARDIMIYLA ARIZA TİPİ VE YERİNİN BELİRLENMESİ

Abstract

Bu çalısmada, iletim hatlarında meydana gelen arızaların tipini ve yerini tahmin eden ayrık dalgacık dönüsümü, destek vektör makineler ve radyal tabanlı fonksiyon aglarını kullanan bir yöntem sunulmustur. Arıza tipi ve yerinin tahmini için, sadece hat basından ölçülen akım ve gerilim degerleri kullanılmıstır. Prototip güç sisteminden ve ATP (Alternative Transient Program) benzetimlerinden elde edilen akım ve gerilim sinyalleri, ayrık dalgacık dönüsümü yöntemi ile analiz edilmistir. Böylece, arıza geçici durumlarına ait ayırt edici özellikler elde edilmistir. Özellik vektörünün boyutunu azaltmak için dalgacık detay katsayılarına entropi ölçütü uygulanmıstır. Tek-faz toprak, iki-faz, iki-faz toprak ve üç fazlı simetrik arızalarını birbirinden ayırmak için istatistiksel ögrenme teorisine dayanan destek vektör makineler yöntemi kullanılmıstır. letim hattında meydana gelen arızaların yerini bulmak için ise, ag mimarisi basit ve egitim süresi diger sinir ag yapılarına göre daha kısa olan radyal tabanlı fonksiyon agları kullanılmıstır. Farklı arıza dirençlerini, arıza öncesi yükleri ve hattın beslenme durumlarını içeren birçok degisik arıza durumu incelenmistir. Elde edilen sonuçlardan, önerilen yöntemin arıza tipinin ve yerinin belirlenmesinde oldukça basarılı oldugu görülmüstür. Anahtar Kelimeler: letim hattı arızaları, ayrık dalgacık dönüsümü, destek vektör makineler, radyal tabanlı fonksiyon agları.

In this study, an approach based on discrete wavelet transform, support vector machines and radial basis neural networks is presented for estimating fault types and location on transmission lines. The current and voltage values measured from only the sending end of transmission line are used for prediction of fault types and locations. The data obtained from prototype power system and from ATP simulations are analyzed by using discrete wavelet transform. Thus, the distinctive features of fault transients are obtained. The wavelet entropy criterion is employed to wavelet detail coefficients for reducing the size of feature vector. Support vector machines which are based on statistical learning theory are used to classify different fault types such as single-phase to ground, two-phase, two-phase to ground and threephase symmetrical faults. Radial basis neural networks which have a simple network architecture and shorter training time than the other neural network types are used for locating faults on transmission line. The various test cases including different fault resistances, pre-fault loads and line in feed are investigated. The obtained results show that the proposed approach is very effective in prediction of fault types and locations. Keywords: Transmission line faults, discrete wavelet transform, support vector machines, radial basis neural networks.