بهبود حفاظت خطوط ولتاژ بالای جریان مستقیم در حضور مزارع بادی فراساحلی
Parallel Title Proper
Improving HVDC line protection in offshore wind farms
First Statement of Responsibility
/آراز دوستدار
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی برق و کامپیوتر
Date of Publication, Distribution, etc.
، ۱۳۹۹
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۴۸ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی برق قدرت
Date of degree
۱۳۹۹/۰۶/۳۰
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
طی پنجاه سال اخیر با توجه به افزایش تقاضا برای توان الکتریکی، نیاز به توسعه و بازدهی بیشتر سیستمهای قدرت نیز افزایش یافته است .با توجه به اینکه خطوط ولتاژ بالای جریان مستقیم در انتقال توان در مقیاسهای بالا و در ارتباط دو سیستم متناوب غیر همفرکانس موفق عمل کرده، تکنولوژی سیستمهای ولتاژ بالای جریان مستقیم پیشرفتهای زیادی کرده است .همچنین روش تولید و انتقال انرژی در شبکههای جریان متناوب تغییر کرده که به معنی تجدید حیات این شبکههای جدید است .حفاظت سیستمهای ولتاژ بالای جریان مستقیم در حضور مزارع بادی فراساحلی یک موضوع اصلی در این سیستمها است .در هنگام خطا به دلیل کمبودن امپدانس این سیستمها جریان اتصال کوتاه در زمان کمی به شدت افزایش مییابد .برای مقابله با آسیبهای احتمالی اتصال کوتاه به سیستم، یک حفاظت سریع و قابل اعتماد نیاز است .حل چالشهای حفاظتی این سیستمها میتواند باعث تسهیل استفاده از این سیستمها در شبکه شود .در این پایاننامه از سه روش ذیل برای تشخیص خطای خطوط ولتاژ بالای جریان مستقیم در حضور مزارع بادی فراساحلی در شرایط مختلف سیستم استفاده شده و مزایا و معایب آنها از جمله دقت و تأخیرات عملکردی مورد بررسی قرار گرفتهاست .تشخیص درست خطا توسط الگوریتم مورفولوژی با استفاده از ورودیهای مختلف به الگوریتم از جمله ولتاژ یا جریان و یا سایر حفاظتهای موجود در شبکه تشخیص درست خطا توسط شبکه عصبی پیشخور با استفاده از ورودی جریان تشخیص درست خطا توسط ترکیب دو روش مورفولوژی و شبکه عصبی با استفاده از ورودی ولتاژ و جریان جهت حل مشکل تعیین آستانه به صورت تجربی استفاده از ورودی ولتاژ در روش ترکیب دو روش مورفولوژی و شبکه عصبی به عنوان یک روش تشخیص خطای مطمئن معرفی شده است
Text of Note
With the increasing demand for electric power, there is a need for improving the efficiency and operation in the power transmission lines. The development of HVDC technology has taken place after the last fifty years. HVDC systems have always remained a reliable option in special transmission projects. It has been successful for long distance and high power transmission lines or where a requirement to join an asynchronous AC network existed. In recent years, the way of generating and transmitting energy between AC grids has changed. This means the advantages that HVDC offers have reignited interest within the field. HVDC line protection in offshore wind farms is an essential area of study. Because of the low impedance, the fault current will rise very rapidly in a short period of time. So for prevent of possible damages, fast and reliable protection is needed. Protection is one of the technical challenges that should be addressed to facilitate the realization of HVDC grids. In this thesis, HVDC fault detection method in offshore wind farms based on a mathematical morphology algorithm introduced. Fault identification in different conditions with different inputs including Voltage, Current, etc discussed. A fault detection method based on Feedforward Neural Network using the spectrum of current has been studied. The dependability of the method has been discussed. In the following, a method with voltage and current inputs in the synthesis of morphology and feedforward neural network for solving morphologys experimental threshold is used. This method introduced as a reliable fault identification method
PARALLEL TITLE PROPER
Parallel Title
Improving HVDC line protection in offshore wind farms