Применение искусственных нейронных сетей для коррекции насыщения трансформаторов тока и напряжения
https://doi.org/10.25206/1813-8225-2025-194-89-95
EDN: KIYQTY
Аннотация
В статье рассматривается применение искусственных нейронных сетей для коррекции насыщения трансформаторов тока и напряжения. В условиях насыщения данные трансформаторы могут искажать сигналы, что приводит к некорректной работе измерительных и защитных устройств. Использование искусственных нейронных сетей позволяет повысить точность обработки сигналов, улучшить надежность и безопасность электроэнергетических систем. В работе описываются методы обучения нейронных сетей на основе исторических данных, моделирование работы трансформаторов при различных условиях и алгоритмы коррекции искажений, вызванных насыщением.
Об авторах
Е. А. Темников
Омский государственный технический университет
Россия
Россия
Темников Евгений Александрович - аспирант кафедры «Теоретическая и общая электротехника» ОмГТУ, SPIN-код: 6951-3997. AuthorID (РИНЦ): 1215049.
Омск
К. И. Никитин
Омский государственный технический университет
Россия
Россия
Никитин Константин Иванович - доктор технических наук, доцент (Россия), заведующий кафедрой «Теоретическая и общая электротехника» ОмГТУ, SPIN-код: 3733-8763. AuthorID (РИНЦ): 641865. AuthorID (SCOPUS): 56825489500.
Омск
Список литературы
1. Александров А. В. Влияние быстрого насыщения трансформаторов тока на работу РЗ // Молодой ученый. 2021. № 16 (358). С. 73–74. EDN: CZEEYC.
2. Романюк Ф. А., Тишечкин А. А., Румянцев В. Ю. [и др.]. Влияние насыщения трансформаторов тока на работу токовых защит // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. 2010. № 1. С. 5–10. EDN: RHWZCR.
3. Баглейбтер О. И. О выборе трансформаторов тока для РЗА в зависимости от постоянной времени первичной сети // Автоматизация промышленности. 2008. № 8. С. 67–68. EDN: JRYMWH.
4. Ozgonenel O. Correction of saturated current from measurement current transformer. IET Electric Power Applications. 2013. No. 7 (7). P. 580–585. DOI: 10.1049/iet-epa.2013.0105.
5. Одинаев И. Н., Мурзин П. В., Паздерин А. В. [и др.]. Анализ математических методов снижения погрешности трансформатора тока в режиме насыщения // Электротехнические системы и комплексы. 2020. № 2 (47). С. 11–18. DOI: 10.18503/2311-8318-2020-2(47)-11-18. EDN: FPFIOC.
6. Sanjay M., Raseswari P. Fault Classification for High Impedance Faults Using Back Propagation Based Artificial Neural Network Technique. 2024 International Conference on Sustainable Power & Energy (ICSPE). 2024. DOI: 10.1109/61.400828.
7. Radhi A. Classification and direction discrimination of faults in transmission lines using 1D convolutional neural networks. IEEE Transactions on Power Delivery. 2021. Vol. 12, no. 12 (3). P. 1928–1939. DOI: 10.11591/ijpeds.v12.i3.pp1928-1939.
8. Wujie Z., Chuanming J., Meixin F. Transmission Line Detection Through Bi-Directional Guided Registration With Knowledge Distillation. IEEE Transactions on Industrial Informatics. 2024. Vol. 20. P. 5671–5682.
9. Md. Rafayel B., Sabbir A., Nur Mohammad M., Kazi M., Asfaqur R., Abdullah A. ANN Based Fault Detection & Classification in Power System Transmission line. 2021 International Conference on Science & Contemporary Technologies (ICSCT). 2021. DOI:10.1109/ICSCT53883.2021.9642410.
10. Fraga A., Silveira E. G., Alipio R. Artificial Neural Network Applied to Differential Protection of Power Transformers. Journal of Control Automation and Electrical Systems. 2021. № 33 (3). DOI: 10.1007/s40313-021-00845-3.
11. Aswin K. S., Manav P., Polisetty S., Angel T. S. ANN and Deep Learning Classifiers for BCI applications. 2022 Third International Conference on Intelligent Computing Instrumentation and Control Technologies (ICICICT). 2022. DOI: 10.1109/ICICICT54557.2022.9917834.
12. Lukowicz M., Rosolowski E. Fault type classification in high voltage power systems using artificial neural networks. URL: https://www.researchgate.net/publication/265944524 (accessed: 22.02.2025).
13. Lukowicz M., Rosolowski E. Artificial neural network based dynamic compensation of current transformer errors. Proceedings of the 8th International Symposium on Short-Circuit Currents in Power Systems. Brussels, 8–10 October. 1998. P. 19–24.
Рецензия
Для цитирования:
Темников Е.А., Никитин К.И. Применение искусственных нейронных сетей для коррекции насыщения трансформаторов тока и напряжения. Омский научный вестник. 2025;(2):89-95. https://doi.org/10.25206/1813-8225-2025-194-89-95. EDN: KIYQTY
For citation:
Temnikov E.A., Nikitin K.I. Application of artificial neural networks for saturation correction in current and voltage transformers. Omsk Scientific Bulletin. 2025;(2):89-95. (In Russ.) https://doi.org/10.25206/1813-8225-2025-194-89-95. EDN: KIYQTY
Просмотров:
3
JATS XML
Послать статью по эл. почте 