Comparatıve Fault Locatıon Estımatıon By Usıng Image Processıng In Mıxed Transmıssıon Lınes

Basit Öğe Kaydı
dc.authorid0000-0002-6125-1634en_US
dc.authorid0000-0002-7319-1966en_US
dc.contributor.authorBudak, Serkan
dc.contributor.authorAkbal, Bahadir
dc.date.accessioned2021-02-05T08:50:51Z
dc.date.available2021-02-05T08:50:51Z
dc.date.issued2020en_US
dc.departmentSelçuk Üniversitesien_US
dc.description.abstractOverhead lines are generally used for electrical energy transmission. Also, XLPE underground cable lines are generally used in the city center and the crowded areas to provide electrical safety, so high voltage underground cable lines are used together with overhead line in the transmission lines, and these lines are called as the mixed lines. The distance protection relays are used to determine the impedance based fault location according to the current and voltage magnitudes in the transmission lines. However, the fault location cannot be correctly detected in mixed transmission lines due to different characteristic impedance per unit length because the characteristic impedance of high voltage cable line is significantly different from overhead line. Thus, determinations of the fault section and location with the distance protection relays are difficult in the mixed transmission lines. In this study, 154 kV overhead transmission line and underground cable line are examined as the mixed transmission line for the distance protection relays. Phase to ground faults are created in the mixed transmission line. overhead line section and underground cable section are simulated by using PSCAD/ EMTDC ™. The short circuit fault images are generated in the distance protection relay for the overhead transmission line and underground cable transmission line faults. The images include the R-X impedance diagram of the fault, and the R-X impedance diagram have been detected by applying image processing steps. Artificial neural network (ANN) and the regression methods are used for prediction of the fault location, and the results of image processing are used as the input parameters for the training process of ANN and the regression methods. The results of ANN and regression methods are compared to select the most suitable method at the end of this study for forecasting of the fault location in transmission lines.en_US
dc.description.abstractHavai hatlar genellikle elektrik enerjisi iletimi için kullanılır. Ayrıca XLPE yeraltı kablo hatları genellikle şehir merkezinde ve kalabalık alanlarda elektrik güvenliğini sağlamak için kullanılır, bu nedenle iletim hatlarında havai hat ile birlikte yüksek gerilim yeraltı kablo hatları kullanılır ve bu hatlar karma hatları olarak adlandırılır. Mesafe koruma röleleri, iletim hatlarındaki akım ve gerilim büyüklüklerine göre empedans tabanlı ölçüm sonucu arıza yerini belirler. Ancak yüksek gerilim kablo hattının karakteristik empedansı havai hattan önemli ölçüde farklı olduğundan, birim uzunluk başına farklı karakteristik empedans nedeniyle karma iletim hatlarında arıza konumu doğru bir şekilde tespit edilemez. Bu nedenle karma iletim hatlarında mesafe koruma röleleri ile arıza bölümünün ve yerinin tespiti zordur. Bu çalışmada, 154 kV havai iletim hattı ve yer altı kablo hattı, mesafe koruma röleleri için karma iletim hattı olarak incelenmiştir. Karma iletim hattında faz-toprak arızaları oluşturulur ve havai hat bölümü ve yeraltı kablo bölümü PSCAD / EMTDC ™ kullanılarak benzetimi yapılmıştır. Kısa devre arıza görüntüleri, havai iletim hattı ve yer altı kablo iletim hattı arızaları için mesafe koruma rölesinde oluşturulur. Görüntüler, arızanın R-X empedans diyagramını içerir ve R-X empedans diyagramından elde edilen görüntüler görüntü işleme adımları uygulanmıştır. Arıza yeri tahmini için görüntü işleme sonuçlarından çıkarılan özellikler giriş parametresi olarak belirlenmiştir. Yapay sinir ağları (YSA) ve regresyon yöntemleri kullanılarak arıza yeri tahmini yapılmıştır. YSA sonuçları ve regresyon yöntemleri bu çalışmanın sonunda iletim hatlarında arıza yerinin tahmin edilmesi için en uygun yöntemin seçilmesi için karşılaştırılmıştır.en_US
dc.identifier.citationBudak, S., Akbal, B. (2020), Comparatıve Fault Locatıon Estımatıon By Usıng Image Processıng In Mıxed Transmıssıon Lınes. Konya Mühendislik Bilimleri Dergisi. 8, 62-75.en_US
dc.identifier.endpage75en_US
dc.identifier.issn2147-9364en_US
dc.identifier.issueözelen_US
dc.identifier.startpage62en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12395/41256
dc.identifier.volume8en_US
dc.language.isoenen_US
dc.publisherSelçuk Üniversitesi Mühendislik Fakültesien_US
dc.relation.ispartofSelçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal - Editör Denetimli Dergien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectDistance protection relayen_US
dc.subjectMixed transmission linesen_US
dc.subjectShort circuit faultsen_US
dc.subjectMatlab regression learneren_US
dc.subjectFault location estimationen_US
dc.subjectArtificial neural networken_US
dc.subjectMesafe koruma rölesien_US
dc.subjectKarma iletim hatlarıen_US
dc.subjectKısa devre arızalarıen_US
dc.subjectRegresyon metotlarıen_US
dc.subjectArıza yeri tahminien_US
dc.subjectYapay sinir ağlarıen_US
dc.titleComparatıve Fault Locatıon Estımatıon By Usıng Image Processıng In Mıxed Transmıssıon Lınesen_US
dc.title.alternativeKarma İletim Hatlarında Görüntü İşleme Kullanılarak Karşılaştırmalı Hata Konumu Tahminien_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
8.Serkan BUDAK.pdf
Boyut:
815.68 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Dergi Yayın Koleksiyonu