KR100199554B1 - 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법 - Google Patents

송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법 Download PDF

Info

Publication number
KR100199554B1
KR100199554B1 KR1019960016772A KR19960016772A KR100199554B1 KR 100199554 B1 KR100199554 B1 KR 100199554B1 KR 1019960016772 A KR1019960016772 A KR 1019960016772A KR 19960016772 A KR19960016772 A KR 19960016772A KR 100199554 B1 KR100199554 B1 KR 100199554B1
Authority
KR
South Korea
Prior art keywords
accident
time
transient stability
transmission line
voltage
Prior art date
Application number
KR1019960016772A
Other languages
English (en)
Other versions
KR970077867A (ko
Inventor
김일동
Original Assignee
김일동
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김일동 filed Critical 김일동
Priority to KR1019960016772A priority Critical patent/KR100199554B1/ko
Priority to US08/752,178 priority patent/US5805400A/en
Publication of KR970077867A publication Critical patent/KR970077867A/ko
Application granted granted Critical
Publication of KR100199554B1 publication Critical patent/KR100199554B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
    • H02H3/24—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection responsive to undervoltage or no-voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
    • H02H3/02—Details
    • H02H3/06—Details with automatic reconnection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/04—Physical realisation
    • G06N7/046—Implementation by means of a neural network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H1/00—Details of emergency protective circuit arrangements
    • H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

본 발명은 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법에 관한 것으로서, 사고시 입력되는 정보를 받아 전력계통의 온-라인 과도 안정 여유도를 신경회로망을 이용한 병렬처리 학습에 의해 정량적 온-라인으로 평가하는 단계와, 그 평가된 과도 안정 여유도에 따라 무전압시간을 가변하는 단계와, 가변 무전압시간에 따라 자동재폐로를 수행하는 단계로 이루어져, 송전선 보호방식에서 자동재폐로 계전기의 무전압시간을 고정하지 않고, 매 사고마다 당시의 계통 과도 안정도 여유를 평가하여 그 값에 따라 시간을 제어할 수 있는 것이다.

Description

송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법
제1도는 전력전송곡선에서의 자동재폐로와 과도 안정도에 관한 것으로서,
(a)는 2기 계통도.
(b)는 사고시 전력전송곡선 변화도를 각각 나타낸다.
제2도는 개폐 써지 전압 발생분포와 재폐로 무전압시간과의 관계도.
제3도는 본 발명의 과도 안정 여유도에 따른 가변 무전압시간 재폐로 장치의 블록 구성도.
제4도는 제3도에서의 각 재폐로 방법의 효과를 비교한 도면.
제5도는 일반적인 패턴인식방법의 적용과정을 나타낸 도면.
제6도는 제3도에 따른 계통 과도 안정도 평가용 신경회로망의 학습도.
제7도는 제6도에 따른 안정 여유도와 무전압시간의 관계도.
제8도는 본 발명의 방법을 적용한 WSCC-9모선 계통도.
제9도는 제6도에서 사용된 신경회로망을 레벨 구분 병렬결합형으로 구성한 도면.
제10도는 제9도의 레벨 구분 병렬결합형 신경회로망의 출력과 안정 여유도의 관계도.
제11도는 신경회로망에 의한 안정도 평가 최종결과와 실제값 비교도.
제12도는 WSCC-9Bus 7-5선로의 제시한 방안에 의한 재폐로 무전압 시간을 나타낸 도면.
제13도는 실험계통에서의 사고제거시간(CT)-사고전조류(Pli)-안정여유도(Sm)의 관계를 나타낸 도면.
* 도면의 주요부분에 대한 부호의 설명
10 : 전력시스템 11 : 등가 비선형 시스템
20 : 과도 안정 여유도 평가부 22 : 신경회로망(ANN)
22a : 최상위레벨 신경회로망 22b : 중위레벨신경회로망
22N : 최하위 레벨 신경회로망 23 : 안정도 레벨 분류 신경회로망
24 : 선택 로직부 30 : 재폐로 계전기
본 발명은 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법에 관한 것으로서, 특히 신경회로망을 이용한 온-라인(on-line)과도 안정도 평가에 의한 가변 무전압시간 자동재폐로 장치 및 그 방법에 관한 것이다.
무전압시간은 사고 송전선이 차단되어 무압으로 된 순간부터 이온화되었던 공기가 소이온화(de-ion)되므로 공기의 절연이 회복되어 재투입시 가입되는 전압에도 플래시오버가 발생되지 않게 되는 시점까지의 시간으로서, 성공적인 재폐로를 가능케하는 최소시간을 말한다.
일반적으로, 전력계통에서 보호계전기는 신속정확한 사고제거를 통하여 계통안정 유지와 설비 피해 억제를 주목적으로 하여 사용한다.
이러한 전력계통에서의 사고는 대부분이 송전선에서 발생되며 그중에 플래시오버(flashover)에 의한 순간사고가 전체사고의 80~90%를 차지한다.
이에 대하여 송전선 보호계전 시스템에는 사고검출계전기외에 자동재폐로(Auto-reclosing) 계전기를 부가하여 사고차단 후 일정기간 무전압시간(Dead Time)을 기다린 후에 차단기를 재투입하여 비교적 짧은 시간 내에 송전망 자동복구를 이루도록 제어한다.
이로써 계통안정도 및 공급신뢰도 유지와 설비이용률 향상을 도모하는 효과가 있어 자동재폐로방법이 오래전부터 사용되고 있다.
이와같이 송전선 보호방식에서 자동재폐로 계전기를 사용하게된 이유는, 송전선에서 발생하는 대부분의 사고가 순간적인 플래시오버(flashover)로 인한 사고인 것으로부터 시작된다.
이러한 경우 선로를 차단하여 일정기간 무전압으로 두면 사고 부위의 아크(Arc)가 소멸되고 이온화되었던 공기가 절연회복을 이루게 되는데, 이때 선로를 다시 연결하면 정상적으로 송전을 계속할 수 있게 된다.
이 방법의 적용은 대부분의 전력회사에서 일반화되어 있으며 순간사고시 자동 복구 운전에 의한 공급신뢰도를 유지하고 계통의 과도안정도 유지 또는 향상을 이루며 선로운휴기간 감소에 의한 설비 이용률 향상 및 전력손실 감소의 효과가 있다.
그리고 상기 자동재폐로의 통계적 실패율은 약 20~35% 정도이며 송전전압이 높아질수록, 사고차단 후에도 건전한 상으로부터의 유도전압에 의해 사고점 아크 소멸이 지연되거나, 2차 아크발생 및 재투입시 높은 개폐 써지(surge)발생 등으로 재폐로 실패 가능성이 높아지기 때문에, 보다 긴 무전압시간이 요구된다.
그러나 지금까지 재폐로 성공을 확실하게 보장하는 무전압시간결정법이 없었다.
단지, 사고점 아크소멸현상의 경험적 자료에 의해 결정된 1sec 이내의 비교적 짧은 시간을 적용하는 소위 고속도 자동재폐로 방법이 일반적으로 널리 사용되고 있다.
상기한 고속도 자동재폐로 방법은 성공시 계통안정도 및 공급신뢰도 유지에 큰 효과가 있지만, 실패시에는 악영향도 나타남이 밝혀진 바 있으며, 특히 대용량 터빈-발전기에 축-비틀림충격이 발생되어 수명 단축의 큰 요인이 되고 있다.
즉, 발전기, 변압기 등의 전력기기에 전기적, 기계적 충격이 발생되는 문제점이 있다.
한편, 상기 자동재폐로에 의한 계통 과도 안정도상의 효과는 제1도의 (a)(b)에 도시된 바와 같이, 라인 A-B를 R점에서 재투입하여 성공하면 전력 전송능력이 사고 전 수준으로 복귀되어 당초 O점까지 흔들려야 했던 위상각를 O'점까지만 흔들리도록 해주는 효과를 얻게되며, 반대방향으로의 흔들림도 당초의 N점에서 N'점으로 완화된다.
따라서, 과도 안정도 측면에서는 라인 A-B의 재폐로가 빠르면 빠를수록 안정도 여유를 더 크게 해준다.
즉, 상기 재폐로 성공확률은 개폐써지 전압 발생분포 및 재폐로 무전압시간과의 관계를 나타낸 제2도에 도시된 바와 같이, 성공적인 재폐로를 위한 실험적 연구결과, 아크 소호후 재투입시 정격전압 보다 개폐써지가 클 경우 재투입 실패 가능성이 높아지기 때문에 보다 긴 무전압시간을 필요로 한다.
이와같은 재폐로 성공률 확률 Psr(tRC)을 수식(1)(2)로 표현하면 다음과 같다.
여기서, Pfo(tRC) : t초 후 재폐로시 실패확률
G(V) : 개폐써지발생 확률분포
F(V) : 재폐로시 flashover 발생 확률분포
V : 써지전압 , Vu: 개폐써지 최대치
Vb: 개폐써지 최소치
현재까지 적용되고 있는 송전선 자동재폐로 방법은 상기 고속도방식 이외에도 저속도방식 및 고속/저속선택방법 등이 있다.
그 고속/저속선택방법은 해당선로가 발전기를 연계하는 선로와 같이 재폐로 실패시 터빈-발전기 회전축의 충격 피해가 큰 선로(주로 발전기 연계선)인 경우에는 저속을, 발전기로부터 전기적으로 떨어진 위치의 선로에는 고속을 적용하는 방법이다.
한편, 계통의 과도안정도는 사고시마다 항상 긴박한 것은 아니며 사고발생 당시의 송전선 조류 크기, 사고차단시간, 계통 구조 및 운전상태에 따라 여유도가 달라진다.
그리고 터빈-발전기의 회전축에 발생하는 비틀림 진동은 시간이 감에 따라 감쇄되므로 재폐로 무전압시간이 길어질수록 피해 정도가 낮아진다.
일반적으로 계통이 피크(Peak)부하인 경우에는 안정도는 취약하나, 계통부하가 낮아질수록 안정도 여유가 커지며, 사고 송전선이 발전단에서 멀거나 우회하는 회로가 많은 위치에 있는 경우에는 사고가 발생되어도 계통에 미치는 영향이 적어 안정도 여유가 충분하다.
예로서, 일반 전력계통의 부하율은 60%~70%로서 최대부하로 운전되는 시간보다 그 이하에서 운전되는 시간이 훨씬 많으므로 전력계통의 일상운전중에는 대부분의 경우 사고가 발생되어도 안정도에 여유가 있는 것을 감안하면 무전압시간을 현재보다 더 길게할 수 있어 재폐로 성공률을 높일수 있는 기회가 많아지고, 과도안정도 여유가 넉넉하면 그 사고 하나만으로는 재폐로를 필요로 하지 않는 경우도 있게 된다.
상술한 바와같이 종래기술은 자동재폐로 계전기의 무전압시간을 고정시켜 계통 안정도 여유를 평가함으로써 자동재폐로 실패율이 높았고, 또한 사고가 이미 영구성 고장이거나 고정부위의 절연회복이 불충분할 때 고속재폐로로 인하여 재사고가 발생하면 전력기기에 전기적, 기계적 충격이 발생될 수 있었던 문제점들이 있었다.
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 사고시 송전선 보호방식에서 자동재폐로 성공률을 높이고, 전력기기의 기계적 충격을 감소시키는 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 발명의 장치는,
송전선 사고시 무전압시간의 가변에 따라 자동제폐로를 하는 전력 시스템과, 상기 전력시스템에서 입력되는 사고정보들에 따라 과도 안정 여유도(Sm)를 평가하는 과도 안정 여유도에 따라 무전압시간을 가변하는 재폐로 계전수단으로 구성된 것을 특징으로 한다.
또한 본 발명의 다른 특징은, 송전선 보호계전 시스템의 자동재폐로 방법에 있어서, 사고시 입력되는 정보를 받아 전력계통의 온-라인 과도 안정 여유도를 신경회로망을 이용한 병렬처리 학습에 의해 정량적 온-라인으로 평가하는 단계와, 상기 평가된 과도 안정 여유도에 따라 무전압시간을 가변하는 단계와, 상기 가변 무전압시간에 따라 자동재폐로를 수행하는 단계로 이루어져, 송전선 보호방식에서 자동재폐로 계전기의 무전압시간을 고정하지 않고, 매 사고마다 당시의 계통 과도 안정도 여유를 평가하여 그 값에 따라 시간을 제어할 수 있는 것이다.
즉, 본 발명은 사고시 계통 과도안정 여유도(Transient Stability Margin : TSM)에 따라 무전압시간(tRC)을 제어하는 재폐로 방법이다.
이하, 본 발명을 첨부된 도면에 의거하여 상세히 설명하면 다음과 같다.
제3도는 본 발명의 과도 안정 여유도에 따른 가변 무전압시간 재폐로를 위한 구성도를 나타낸 것이다.
그 구성은, 송전선 보호 계전을 위한 전력시스템(10)으로부터 사고정보들을 입력받아 과도 안정 여유도를 평가하는 과도 안정 여유도 평가부(20)와 ; 그 과도 안정 여유도 평가부(20)의 안정 여유도에 따라 송전선 사고시 무전압시간을 가변하여 상기 전력시스템(10)의 송전계통을 자동재폐(auto-reclosing) 시키는 자동재폐로 계전기(30)로 구성된다.
상기 과도 안정 여유도 평가부(20)는, 상기 전력시스템(10)에서 입력되는 사고정보들, 즉 해당 송전선의 사고전 송전전력(P), 사고지속시간 (Clearing Time ; CT), 사고전류(I1), 사고시 양단전압(EB), 인근선로 운전상태(Lij)의 함수(식 6 참조)에 따라 과도 안정 여유도(Sm)를 평가하도록 구성하되, 후술할 복수개의 신경회로망을 이용하여 구성한다.
이에따른 본 발명의 자동재폐로 방법을 설명하면 다음과 같다.
사고시 전력시스템(10)에서 자동재폐로를 하기 위해서 먼저, 후술할 계통 과도 안정 여유도 평가용 신경회로망(여기서는 20을 칭함, 제6도 참조)에 입력되는 사고정보를 받아 과도 안정 여유도(Sm ; Transcient Stability margin)를 병렬처리 학습에 의해 평가한다.
이와같이 평가된 과도 안정 여유도에 따라 후술할 식(8)에 따라 무전압시간(tRC)을 재폐로 계전기(30)에서 가변한다. 가변된 무전압시간에 따라 전력시스템(10)에서 자동재폐로를 수행한다.
이와같은 본 발명의 재폐로 방법을 종래의 방법과 비교해보면 다음과 같다.
재폐로방식의 우열을 비교하는 것은 지금까지 기술한 바와 같이 개략적인 경향만을 알 뿐 정확한 정보가 부족하므로 불확실성이 있는 상황에서의 의사 결정문제로 볼 수 있다.
이런 문제를 해결하기 위한 경제학적인 접근방법 중에 Hurwicz원칙이 있는데, 이 원칙은 비관적인 관점과 낙관적인 관점을 절충하여 의사 결정하는 것으로서 결정자로 하여금 상태발생에 대한 낙관지수(Index of Optimism : 0 1)를 선택하도록 하고 각 대안들의 각 상태에 대한 기대보상(Payoff)을 식 (3)와 같이 평가하여 그 중에서 가장 큰 값을 갖는 대안을 선택하는 것이다.
여기서, A : 선택안
Po: 대안 Ai가 상태 Sj에서 얻을 수 있는 보상(Payoff)매트릭스 요소
max Pij: 보상치중 최대값, min Pij: 보상치중 최소값
: 보상치중 최대값을 얻을 수 있는 낙관지수
(1-) : 최소 보상을 얻을 수 있는 낙관지수
이 규칙을 적용하기 위한 자동재폐로에 관한 상태발생 종류(Sj)로는 S1= 사고제거후 계통이 안정한 상태(절대안정), S2= 사고제거후 계통이 반불안정하여 안정회복수단이 필요한 상태(반안정), S3= 사고제거후 계통이 불안정한 상태(절대불안정)를 고려하였다.
그리고 재폐로 방식(Ai)으로는, A1= 고속재폐로, A2= 저속재폐로, A3= 선택재폐로, 그리고 A4= 본 발명에서 제시한 TSM에 의한 가변 무전압시간 재폐로 방법을 고려하였다.
이들에 대한 보상 매트릭스는 표 1과 같다.
여기서, max 요소는 재폐로 성공시 유익한 보상(+), min요소는 재폐로 실패로 인한 불이익 보상(-) 즉, 피해성분이며, 낙관지수( 1: 사고시 계통안정 낙관지수 , 2: 사고시 계통 반안정 낙관지수)는 계통조건을 고려하여 정하며 그밖의 매트릭스 성분을 구성하는 재폐로성공률 및 성공시 효과계수등 기타 요소들은 다음과 같으며 ()안은 일반적인 통계치 또는 경험적인 값이다.
Rhs:고속 재폐로 성공률(=0.7~0.8)
Rls:저속 재폐로 성공률(=0.85~0.9)
a : 전체 송전선로중 발전소 연계선로 점유율(=0.2~0.3)
b : 계통불안정시 고속재폐로 성공 효과계수 (=0.1~0.2)
d1: 고속재폐로 성공시 계통 자동복구 효과계수 (=0.3~0.4)
d2: 저속재폐로 성공시 계통 자동복구 효과계수 (=0.1~0.2)
c : 일반송전선로 고속재폐로 실패시 피해계수 (=0.2~0.4)
1: 과도안정도 여유가 높은 사고발생률 (=0.6~0.8)
2: 과도안정도 여유가 낮은 사고발생률 (=0.1~0.2)
여기서, maxPi1: 대안 Ai가 상태 S1에서의 유익한 보상 (-)이며, minPi1: 대안 Ai가 상태 S1에서의 불이익한 보상 (+)이다.
상기 식(4)는 표 1에 대하여 Hurwicz원칙 적용을 수식으로 표현 한 것이며, 각 대안에 대한 1= 0.8, 2= 0.125인 대표적인 경우의 비교 결과가 제4도에 나타나 있다.
본 발명에서 제시한 가변속도 방법이 전반적으로 자동재폐로 효과가 가장 큰 방법임을 알 수 있고, 단지 고속재폐로 성공률(Rhs)이 83%를 넘는 조건이라면 기존의 고속재폐로 방안이 더 유리한 것으로 되나 지금까지의 고속재폐로에 대한 일반적인 성공률이 최고 80%정도이어서 유효하지 못하다.
송전선 사고시 과도안정도를 평가하여 해당 송전선 자동재폐로 계전기의 무전압시간을 제어해 주기 위해서는 신속한 과도 안정도 판정수단이 필요하며, 과도 안정도의 평가 시간은 수 ms~수초 이내이고 자동재폐로시간은 고속의 경우 수백 ms~1초 이내이기 때문에 평가속도가 충분히 빨라야만 실시간(Real-time) 또는 온-라인(On-line)으로 평가되어야 한다.
또한 안정도 평가 결과가 안정/불안정 구분은 물론 안정 여유도(Stability Margin : SM)가 숫자로 표시될 수 있는 정량적 평가 방법이어야 하며 안정도를 평가하기 위한 인자를 쉽게 얻을 수 있어서 제시한 방법을 구현하는데 부담이 적어야 한다.
상기 과도안정도 평가기법에는 수치적분법, Lyapunov 제2방법에 기초한 직접법, 안정도 지수법, 패턴인식법 등으로 분류할 수 있다.
이중에서 앞의 3가지 방법들은 실행소요시간이 길어 자동재폐로용 On-line에는 부적당하지만 패턴인식법은 빠른 시간 안에 안정도를 평가할 수 있다.
이 방법은 과도안정도 평가를 위해 계통의 동적 움직임에 포함된 어떤 특징을 학습하므로 얻어지는 지식에 근거하는 것으로서, 고전적인 일반 패턴인식 과정은 제5도와 같이 3부분으로 이루어진다.
즉, 지금까지의 패턴인식에 의한 안정도 해석연구에서도 표본취득에 의한 시스템표현, 특징추출, 및 분류기 선택의 3부분으로 나누어져 집중적인 노력을 기울여 왔다.
본래 전력계통 안정도는 다수의 정보에 의하여 판정되지만 신속성과 간편성을 위해 소수의 대표적인 정보에 의존하고 사고시 계통이 가지는 복잡한 동적특성에 대한 지식은 학습기능을 가진 판정수단에 의존하는 것이 효과적이다.
또한 신속한 판단을 내려야 하므로 수치연산방법보다는 패턴 인식 방법이 우수하고, 정보를 순차적으로 비교 분석하여 판정하는 것보다는 정보를 동시에 종합 처리하는 병렬처리 방법이 우수하다.
따라서 본 발명에서는 학습기능과 병렬처리 기능이 있고 비선형함수를 근사화하는 기능이 우수한 것으로 알려진 신경회로망을 적용한다.
전력계통에서는 Sobajic과 Pao가 계통 안정도평가에 신경회로망을 최초로 도입 적용하였으며, 그 후에 C.F Ahmad도 각 발전기 회전자에 발생된 과도운동에너지의 Power Spectral Density(PSD)의 최대값을 특징변수로하여 신경회로망으로 안정도 지수를 추정하였고, D.B Klapper와 Y.Akimoto 및 Masahide Nishiura et al. 등도 Lyapunov함수인 사고발생후의 운동에너지(KE), 위치에너지(PE) 및 그의 변화량 또는 각 발전기 위상각, 사고직후 위상각 가속도, 사고 전후 발전기출력 등을 입력으로 하는 신경회로망을 통하여 임계사고제거시간(Critical Clearing Time : CCT) 또는 에너지 마진을 얻기 위한 연구가 있었다.
이들 기존의 신경회로망을 이용한 과도안정도 평가는 실계통에서 얻을 수 있는 원시정보로부터 운동에너지, 위치에너지, 위상각, PSD등과 같은 특징들을 별도의 가공과정을 통하여 추출한 후 신경회로망을 통하여 안정도여부를 판정하는 방식이었다.
또는 원격에 산재된 각 발전기로부터 정보들을 동시에 측정수집해야하는 것이어서 정확도 문제와 정보 취득 및 가공을 위한 처리단계가 추가되어야하고, 시간소요도 적지않아 실계통에서의 온-라인 적용에 어려움이 있다.
따라서, 본 발명에서는 정량적인 과도 안정도의 온-라인 평가를 구현할 수 있는 이론적 배경으로서, 과도 에너지 함수(Transient Energy Function : T.E.F)에 의한 과도안정도 평가기법을 응용하여 신경회로망을 적용하였다. 안정도를 정량적으로 평가하는 방법 중에는 T.E.F법이 가장 일반적으로 사용되고 있으며, 이 방법은 1기 무한대 계통에서의 등면적법을 다기계통으로 확장 적용한 것이다.
즉, 상기 제1도에서 Area-③을 계산하면 그것이 바로 안정여유도(Sm)또는 에너지 마진(Vm)이다.
따라서 특징변수 추출은 별도의 과정을 거치지 않고 T.E.F 법의 모체인 등면적법의 본래의 의미와 식(5)로 표시되는 다기계통의 과도운동방정식의 각 변수들이 가지는 의미로부터 현장에서 얻을 수 있는 사고와 관련된 정보들 중에서 다음 것들을 선택 사용하였다.
① 해당 송전선의 사고전 송전전력 (P)
② 사고지속시간 (Clearing Time : CT)
③ 사고전류(I1)
④ 사고시 양단 전압(EB)
⑤ 인근선로운전상태(Lij)
상기 제1도에서 알 수 있는 바와 같이, ①, ②, ③, ④는 사고기간 발생된 과도에너지 Area-①을 형성하는 변수들이고, ①, ⑤는 계통이 흡수할 수 있는 위치에너지 Area-②+③을 추정하는 정보를 가진 변수들이다.
상기 식(5)에서 각 특징변수들이 가지는 의미는 각기 ①Pmi, ②d/dt, ③, ④ 및 ⑤Ei, Ej및 Gij, Bij를 추정할 수 있는 매개변수들이다.
이렇게 하였을 때 식 (5)의 각 변수 중 입력에 포함되지 않은 것들로는 좌변에서 발전기들의 관성모멘트 M 및 계통제동계수 D, 우변에서는 Ei, Ej및 Bij,Gij등이 명백하게 사용되지 않고 단지 사고점 양단의 모선전압(EB), 전류(Ii)와 양변전소간 전력유통에 가장 영향력이 있는 인근 송전선로(병행선로등)의 운전여부(Lij)로 대신하였으며, 위상각는 간접적인 정보인 사고지속시간 CT를 사용하였다.
따라서 비선형 신경회로망의 주요역할은 학습과정에서 주어진 입력패턴과, 목표값(Sm)으로부터 도입되지 않은 계통의 동적특성들을 학습하고 결과로 얻은 연결강도(Weight)들을 통하여 과도안정여유도(Sm)를 맵핑(Mapping)해내는 것이며, 학습된 신경회로망의 함수는 식(6)과 같이 표현할 수 있다.
선택된 이들 특징변수들은 변전소 현장에서 쉽게 얻을 수 있는 정보들이며 다층퍼셉트론 구조의 신경회로망을 사용하여 학습시켰으며 제6도는 안정도 평가용 신경회로망의 학습모델도이다.
이에 도시된 제6도를 참조하여 안정 여유도와 재폐로 무전압시간을 설명하면 다음과 같다.
이에 도시된 바와 같이, 전기 시스템과 기계 시스템을 포함한 등가 비선형 시스템(11)은 안정 여유도(Sm)를 후술할 식(7)과 같이 출력한다.
그 출력된 안정 여유도(Sm)를 인공 신경회로망(ANN; Artificial Neural Network)(22)의 학습에 의해 평가된 안정 여유도(Sm')를 이용하여 상기 등가 비선형 시스템(11)에 입력하여 최종적으로 식(7)과 같은 안정 여유도(Sm)를 출력한다.
T.E.F법에서는 일반화된 에너지형태의 2가지 함수를 이용하여 안정도를 평가한다.
사고로 인하여 계통에 발생된 과도운동에너지 Vt(제1도에서 Area-①에 해당)와 계통이 수용할 수 있는 한계위치에너지 Vp (제1도에서 Area-② + Area-③에 해당)가 있으며, 에너지 여유(Margin) Vm = Vp-Vt로 정의하고 Vm0 이면 안정, Vm0 이면 불안정으로 평가한다. 이와같이 T.E.F법에서 산출된 에너지 여유 Vm은 상대적인 척도가 되지 못하므로 각 사고시마다 과도안정도 여유의 척도를 상대적이며 정량적으로 비교할 수 있도록 신경회로망이 학습하는 목표값(Target)인 안정 여유도(Sm)를 식(7)과 같은 정규화된 값으로 하였다.
따라서 Sm=1이면, Vm= Vt=0.5Vp으로서 발생된 사고와 동일한 규모의 사고를 한번 더 수용할 수 있는 여유를 가지고 있는 셈이고, Sm =2이면 동일 규모의 사고를 2번 더 수용할 안정도여유가 있음을 의미한다.
신경회로망에서 얻은 Sm의 크기와 재폐로 무전압시간과의 관계를 어떻게 고려하여 적용할 것인가 하는 문제는 특정한 이론적 근거에 의하기는 어렵고 적용대상 계통의 구성과 대상선로의 위치 등에 따라 다양하게 적용할 수 있을 것이다.
본 발명에서는 일반적인 계통안정유지 개념에서 동일규모의 사고가 연쇄적으로 1회 추가 발생 될 수 있는 것으로 보고 이러한 경우에도 Sm = 1.0을 유지할 수 있도록 하는 당초 Sm = 3.0을 분기점으로하여 무전압시간(tRC)을 식(8)와 같이 고려하였다.
제7도는 상기 식(8)의 안정 여유도 Sm과 무전압시간 tRC와의 관계를 나타낸 것이다.
이와같은 본 발명의 방법을 실증하기 위한 대상계통으로는 전력계통해석에서 표준적으로 널리 사용되는 제8도의 WSCC-9모선 계통(3기9모선)을 이용하였다.
모선⑦과 모선⑤간의 선로 7-5에서의 사고를 대상으로 하였으며, 계통운전조건 및 사고조건의 변화는 선로조류를 55,70,85,90,100%로 변화시켰으며, 사고위치는 모선⑦을 기준으로 하였을 때 최근단사고인 선로 인출단사고와 최원단사고인 모선⑤측 사고를 고려하였으며 사고종류는 3상단락사고만을 고려하였고 사고점 저항은 0, 3, 6, 9을 적용하였다.
PSS/E 계통해석폐키지로부터 조류계산, 고장계산을 시행하고 EPRI에서 개발한 과도에너지 함수 프로그램(T.E.F 3.0)을 이용하여 T.E.F법에 의해 Sm을 산출하여 학습패턴(총 213 case)으로 삼았으며, 그 중에 대표적인 12개를 보면 표2에 나타낸 바와 같다.
안정도 크기에 영향력이 두드러지게 나타나는 것은 고장제거시간(CT:계전기 동작시간+차단시간)이며 그 다음으로는 선로조류(P)로서 조류가 클수록 안정도 여유는 감소되고, 사고위치가 발전기로부터 멀어질수록(IA가 적어지고, VA가 높아짐)안정도는 켜짐을 알 수 있다.
학습패턴은 목표치인 Sm을 포함하여 8개 정보로 구성되어 있다.
한편, 안정도 평가대상 계통사고는 Sm5.0인 것과, 사고제거시간 CT25cycles인 것에 대하여만 고려하였으며, 실제로 적용된 Sm의 범위는 +4.99~110-3~4~-0.79이었다.
상기 표 2의 32번째 패턴과 같이(Sm = -0.0003)학습목표값이 매우 작은 안정/불안정 한계점에 매우 근접한 사고패턴들은 값이 큰 패턴들과 함께 학습시키는데 어려움이 있다.
이는 오차 역전파 학습알고리즘의 목적함수가 목표값에 대한 절대 오차의 크기로 이것을 최소화하기 때문이며, 학습횟수를 증가시켜도 Sm값자체가 작은 학습패턴에 대한 오차는 좀처럼 줄어들지 않는다.
이러한 현상은 마치 피교육생들의 학습능력 수준이 다른 경우 상위 수준 교육생들 중심으로 강의하면 수준이 낮은 교육생들이 희생되고, 하위수준을 주심으로 강의하면 상위수준들이 시간적 피해를 입게되는 것과 같다. 이러한 것에 대한 대안으로는 우열반으로 나누어 교육하는 방안이 있다. 물론, 이 경우 교수인력 및 강의실 수요가 증가되는 문제를 안고 있기만, 피교육생의 능력위주의 효과적인 학습목표를 이루기 위한 방안인 것이다. 이와 같은 개념에서 Sm의 범위를 나누어 취급하기 위하여 복수개의 신경회로망을 제9도와 같이 연결사용하였는데, 그 구성은 다음과 같다.
최상위 레벨 신경회로망(ANN-1(Hing), 22a), 중위 레벨 신경회로망(ANN-2, 22b), 최하위 레벨 신경회로망(ANN-3(Low), 22N), 안정도 레벨분류용 신경회로망(23)으로 구성된다.
이와같은 신경회로망들은 Sm의 크기별로 분류하여 학습시키는데 사용하였고, 실제로는 전체 학습범위를 2개 레벨만으로 나누어 학습시키는 구조로 하였다.
즉, 각 레벨 구분 전용 신경회로망을 해당학습패턴들로 학습시키고 운용시에는 주어지는 입력을 동시에 받아 각기 목표값을 추정토록하는 한편, 입력으로부터 대략적인 Sm값을 구분 분류하는 신경망(ANN-C)을 이용하여 이로부터 분류된 레벨의 신경회로망의 출력을 선택 로직부(24)에 의해 선택하는 레벨구분 평가방법이다.
상기 2개의 레벨범위는 다음과 같이 하였다.
높은레벨 : 1.0Sm5.0High-Level ANN
낮은레벨 : -1.0Sm1.5Low-Level ANN
상기 두 신경회로망(22a, 22N)은 모두 2층의 은닉층을 가진 3층 퍼셉트론 구조이며, 각층의 유니트(Unit)수는 각 7-70-12-1, 7-74-13-1로 하였다.
또한, 학습패턴수는 각각 109개 및 131개로 하였고 각층의 전달함수는 로그-시그모이드(log-sigmoid)를 적용하였으며, 상기 최하위 레벨 신경회로망(22N)에서는 목표값을 1.5~-1.0에서 1.0~0으로 스케일링(Scaling)하였다.
그리고 상기 안정도 레벨 분류용 신경회로망(23)은 그다지 큰 정확도를 요하지 않으므로 168개 유니트의 은닉층을 가지는 2층 퍼셉트론 구조를 채용하였고, 각 입력패턴의 목표값이 Sm이 하이(High)인 경우에는 1.0, 로우(Low)인 경우에는 0.0의 출력이 나오도록 출력층의 전달함수를 계단함수로 하였다.
또한, 학습패턴수는 상기 두 개의 신경회로망(22a, 22N)에 사용되었던 패턴 213개 모두를 학습시켰다.
이와같이 학습된 신경회로망의 성능을 알아보기 위해 컴퓨터 모의에 의한 실험을 실시하였으며 사용된 실험패턴중 대표적인 일부 및 이에대한 결과의 일부가 각각
표 3 및 표 4에 나타나 있다.
실험패턴은 Sm이 +9.5~-0.7사이의 동일계통(WSCC9BUS, 7-5 Line)사고중 학습패턴으로 사용되지 않았던 임의의 56개 패턴을 적용하였다.
상기 표 4에는 좌측으로부터 레벨분류용 ANN-C의 출력,계단함 수출력,, High-ANN,및 Low-ANN,의 안정도판정결과 및 이들과 ANN-C 출력,로부터 얻은 종합판정결과,가 나타나 있고, T.E.F에 의해 계산된 실제 안정여유도 Sm,이 표시되어 있다.
과도안정도 평가오차(E-F)/F는 Sm0.1 범위에서는14%이내이나, Sm0.1 범위에서는 절대오차(E-F)가0.1 이하인데도 %오차는 상당히 큰 값을 나타낸다.
시험패턴번호 38,39 및 41의 경우는 안정/불안정이 바뀐상태로 평가되기도 였다.
그러나 이들의 절대값오차는 모두0.05이내의 오차로서 실용상에는 지장이 없다.
제10도는 상기 레벨분류용 신경회로망(23)의 출력과 안정도여유도,를 나타낸 것이며, 제11도는 최종적으로 평가된 과도안정 여유도(Sm)와 실제값을 나타낸 것이다.
학습범위 (Sm0.5)보다 큰 5.0Sm7.0 범위에서도 실제값에 잘 수렴하고 있으며, 그 이상 범위에서도 대체적으로 실제값에 접근하고 있어 학습된 신경회로망이 외삽추론기능을 발휘하고 있음을 확인할 수 있으며, 기타의 구간에서는 실제값과 매우 잘 부합되는 추론성능을 보유하고 있음을 나타내주고 있다.
평가된 안정여유도(Sm)와 실제 안정도에 따른 재폐로 무전압시간(tRC)은 식(8)에 따라 표 4의,와,로 각각 산출되어있다.
이들간의 오차는11%내외로 나타났으며, 오차문제는 신경회로망 학습회수를 더 증가시키거나 은닉층수와 유니트 수를 더 조절하면 보다 개선할 수 있을 것이다.
또한, 제12도는 안정여유도에 의한 WSCC-9Bus계통에서의 재폐로 무전압시간 산출결과이며 많은 경우에 저속재폐로가 가능함을 알 수 있다.
이상과 같이 본 발명은 송전선 자동재폐로계전기의 무전압시간을 안정 여유도에 따라 제어할 수 있는 온-라인 안정도 평가기법을 제시하였으며, 이로써 많은 경우 고속재폐로대신 저속재폐로를 가능케 할 수 있음을 입증하였다.
이 평가기법은 몇 개의 현장정보만을 이용한 것이며, 이들 정보에 내재되어 있는 안정도와 관련된 전력계통의 동적 특성정보를 신경회로망에 학습시키므로 실제 사고시 안정도를 계통특성에 맞추어 평가 할 수 있음을 입증하였다.
안정도 평가에 필요한 정보로는 사고전 송전전력, 사고 제거 시간, 사고 종류, 사고 전류 크기 및 인근선로 운전 상태를 사용하였다.
이것은 마치 전력계통을 적절히 축약시킴으로써 몇가지 정보로 전계통현상을 추정할 수 있는 것으로 설명할 수 있다.
안정도 평가용 신경회로망 구조는 다층퍼셉트론이었고 학습알고리즘은 오차역전파 학습알고리즘을 이용하였으며 안정여유도가 낮은 사고패턴들의 학습오차를 줄이기 위해 복수의 병렬 신경회로망을 사용하여 여유도 레벨 고저를 분류하여 학습하는 방법을 고안 적용하였다.
실제로는 WSCC-9Bus 계통을 대상으로 하였고, 학습 및 테스트 결과 실용할 만한 정도의 정확도를 얻었다. 학습 패턴을 얻기 위한 안정도 평가는 안정여유도를 정량적으로 평가할 수 있는 에너지 함수에 의한 과도안정도 평가(T.E.F)기법을 이용하였다.
또한, 본 발명에서 제시한 온-라인 안정도 평가방법은 주요 송전선자동재폐로 무전압시간 제어에 적절히 활용될 수 있음은 물론 최근 활발시 연구되고 있는 FACTS (Flexible AC Transmission System) 장치들을 제어하는 경우에도 안정여유도에 관련하여 제어할 수 있는 기능을 부가할 수 있는 등 여러 방면에서 활용이 기대된다.
상술한 바와 같은 본 발명의 방법에 의해 자동재폐로 무전압시간을 결정한다면, 최근 보호계전기와 차단기 동작시간을 고려할 때 대개 6 싸이클 이내에 사고제거가 이루어지므로 평상시 조류(75% 이하)로 운전시 대개 Sm1.0인 것으로 나타나고 있음을 감안할 때(제13도참조) 대부분의 경우 tRC가 3.5 sec이상의 저속도 재폐로가 가능하며 기존의 0.286sec고속재폐로 보다는 높은 성공률을 기대할 수 있으며, 실패한다 하더라도 전력기기에 발생되는 충격을 저감시킬 수 있게됨을 알 수 있다.

Claims (8)

  1. 전력시스템의 송전선로 계전기를 위한 보호계전 시스템의 자동 재폐로 제어장치에 있어서, 사고 발생 송전선로의 주변 영역에서 측정된 해당 송전선의 사고전송전전력(P), 사고지속시간(Clearing Time : CT), 사고전류(I1), 사고시 양단전압(EB), 인근선로운전상태(Lij)의 사고정보들을 이용하여 전력시스템의 과도 안정 여유도를 온-라인 평가하여 전력시스템의 상태를 평가하는 과도안정여유도 평가 수단과 ; 상기 과도 안정 여유도 평가 수단에 의해 평가된 안정 여유도에 따라서 무전압 시간을 가변하여, 계전기가 고장난 송전선을 개방(open)한 뒤에 상기 가변된 무전압 시간 간격이 지난 뒤에 자동적으로 재폐(closing)하는 자동 재폐로 계전수단을 포함하여 구성된 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 장치.
  2. 제1항에 있어서, 상기 과도 안정 여유도 평가수단은, 고장난 송전선의 고장 발생시, 과도 안정의 오프-라인 시뮬레이션으로부터 측정된 정보에 의해 학습된 병렬 신경회로망을 사용하여 자체 일반화된 에너지 마진에 이해 과도 안정 정도를 분류하도록 규정된 다층퍼셉트론 구조의 복수의 신경회로망을 이용하는 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 장치.
  3. 제2항에 있어서, 상기 복수개의 신경회로망은 최상위 레벨 신경회로망, 중위 레벨 신경회로망, 최하위 레벨 신경회로망, 및 안정도 레벨 분류 신경회로망으로 구성되어 상기 안정도 레벨 분류 신경회로망의 안정도 레벨 분류에 의해 상기 레벨별 신경 회로망의 학습된 출력을 선택하도록 구성된 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 장치.
  4. 송전선 보호계전 시스템의 자동재폐로 방법에 있어서, 사고 발생시, 전력시스템으로부터 입력된 사고 정보들을 이용하여 과도 안정 여유도를 평가하는 신경 회로망의 비선형 근사함수 및 병렬처리가 가능하게 적용된 온-라인 방법을 활용하여 전력시스템의 과도 안정 여유도를 평가하는 제1단계와 ; 상기 과도 안정 여유도 평가 수단에서 평가된 과도 안정 여유도에 따라서 자동 재폐로의 무전압 시간을 가변하는 제2단계와 ; 상기 제2단계에서 결정된 가변 무전압 시간에 따라서 자동 재폐로를 수행하는 제3단계로 이루어진 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 방법.
  5. 제4항에 있어서, 상기 과도 안정 여유도는 입력에 기초하여 미리 정의된 레벨로 분류된 복수의 신경회로망의 학습에 의한 출력을 선택하여 평가하도록 규정된 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 방법.
  6. 제5항에 있어서, 상기 과도 안정 여유도는 해당 송전선의 사고전 송전전력, 사고종류, 사고지속시간, 사고시 선로전류, 사고시 선로 양단전압, 그리고 인근 선로 운전상태의 정보를 이용하여 신경회로망의 학습에 의해 과도 안정 여유도를 평가하는 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 방법.
  7. 제5항에 있어서, 상기 과도 안정 여유도는 상기 복수개의 신경회로망을 상기 과도 안정 여유도의 크기별로 최상위 레벨, 중위 레벨, 최하위 레벨, 및 안정도 레벨 분류용으로 분류하여, 학습에 의한 출력을 분류된 안정도 레벨에 의해 선택하여 과도 안정 여유도를 평가하는 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 장치.
  8. 제4항에 있어서, 상기 무전압시간은 자동재폐로 성공률을 높이고, 전자 장비의 충격을 줄이기 위하여 과도 안정 여유도의 정도에 의해 상기 무전압 시간이 가능한 길게 되도록 가변하는 것을 특징으로 하는 송전선 보호 계전 시스템에서의 가변 무전압시간 자동재폐로 방법.
KR1019960016772A 1996-05-18 1996-05-18 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법 KR100199554B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1019960016772A KR100199554B1 (ko) 1996-05-18 1996-05-18 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법
US08/752,178 US5805400A (en) 1996-05-18 1996-11-18 Auto-reclosing dead time control apparatus and method thereof for transmission cable protection relay system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019960016772A KR100199554B1 (ko) 1996-05-18 1996-05-18 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR970077867A KR970077867A (ko) 1997-12-12
KR100199554B1 true KR100199554B1 (ko) 1999-06-15

Family

ID=19459090

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019960016772A KR100199554B1 (ko) 1996-05-18 1996-05-18 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법

Country Status (2)

Country Link
US (1) US5805400A (ko)
KR (1) KR100199554B1 (ko)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5959537A (en) * 1998-07-09 1999-09-28 Mcgraw-Edison Company Variable trip fault indicator
US6247003B1 (en) 1998-08-13 2001-06-12 Mcgraw-Edison Company Current transformer saturation correction using artificial neural networks
DE10014929C2 (de) * 2000-03-20 2002-07-11 Siemens Ag Verfahren zum Durchführen einer automatischen Wiedereinschaltung und Wiedereinschalteinrichtung
KR100343122B1 (ko) * 2000-07-18 2002-07-05 김철환 송전 선로에서 가변 무전압시간 제어를 이용한 적응적재폐로 방법
KR100380308B1 (ko) * 2000-12-12 2003-04-16 한국전기연구원 신경회로망을 이용한 동기 차단기의 개폐 제어장치
KR100367155B1 (ko) * 2001-02-20 2003-01-09 학교법인 성균관대학 신경회로망을 이용한 송전선로의 재폐로방법
US6707652B2 (en) * 2002-07-10 2004-03-16 Eaton Corporation Electrical switching apparatus including glowing contact protection
MY150874A (en) * 2006-10-13 2014-03-14 Tnb Res Sdn Bhd Flashover analysis tool
US7609158B2 (en) * 2006-10-26 2009-10-27 Cooper Technologies Company Electrical power system control communications network
US7715002B2 (en) * 2007-01-23 2010-05-11 Bionorica Ag Method for classifying scientific materials such as silicate materials, polymer materials and/or nanomaterials
US8594956B2 (en) * 2007-11-02 2013-11-26 Cooper Technologies Company Power line energy harvesting power supply
US8067946B2 (en) * 2007-11-02 2011-11-29 Cooper Technologies Company Method for repairing a transmission line in an electrical power distribution system
US9383394B2 (en) * 2007-11-02 2016-07-05 Cooper Technologies Company Overhead communicating device
US7930141B2 (en) 2007-11-02 2011-04-19 Cooper Technologies Company Communicating faulted circuit indicator apparatus and method of use thereof
US20090231764A1 (en) * 2008-03-14 2009-09-17 Cooper Technologies Company Capacitor Bank Monitor and Method of use Thereof
CN101819255B (zh) * 2010-04-16 2014-11-19 上海申瑞继保电气有限公司 基于非线性计算断路器的有效开断次数的方法
EP2603804A1 (en) 2010-08-10 2013-06-19 Cooper Technologies Company Apparatus for mounting an overhead monitoring device
US9276396B2 (en) 2012-02-17 2016-03-01 General Electric Company Power transmission fault analysis system and related method
DE102014201595A1 (de) 2013-01-30 2014-07-31 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren zur Kurzunterbrechung und Schutzgerät
US9379556B2 (en) 2013-03-14 2016-06-28 Cooper Technologies Company Systems and methods for energy harvesting and current and voltage measurements
EP3235088B1 (de) * 2015-02-02 2022-01-12 Siemens Energy Global GmbH & Co. KG Verfahren und anordnung zum übertragen elektrischer energie über eine elektrische leitung
CN104934951B (zh) * 2015-06-18 2017-12-22 南京南瑞继保电气有限公司 快速恢复***供电的方法及装置
CN105977948B (zh) * 2016-05-16 2018-07-10 山东大学 面向单相重合闸的多变量作用下潜供电弧特性预测方法
CN107508264B (zh) * 2017-08-16 2019-02-26 国电南瑞科技股份有限公司 一种就地化线路保护不停电传动方法
CN107918690A (zh) * 2017-09-27 2018-04-17 国网安徽省电力有限公司 一种基于bp神经网络算法的继电保护设备状态评估方法
CO2018006379A1 (es) 2018-06-20 2018-07-10 Celsa S A S Dispositivo para la interrupción y reconexión automática de circuitos de media tensión instalable en bases intercambiables
CN111864894A (zh) * 2019-04-26 2020-10-30 中国南方电网有限责任公司 一种适用于线路保护装置的远方不停电传动校验方法
CN111600301B (zh) * 2020-06-04 2021-08-31 国网山东省电力公司电力科学研究院 一种最优重合闸时刻的快速整定方法和***
EP4071572A1 (en) 2021-04-09 2022-10-12 Hitachi Energy Switzerland AG Asset protection, monitoring, or control device and method, and electric power system

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3878436A (en) * 1973-11-20 1975-04-15 Westinghouse Electric Corp Electrical circuit recloser with static control
JP3100757B2 (ja) * 1992-06-02 2000-10-23 三菱電機株式会社 監視診断装置

Also Published As

Publication number Publication date
KR970077867A (ko) 1997-12-12
US5805400A (en) 1998-09-08

Similar Documents

Publication Publication Date Title
KR100199554B1 (ko) 송전선 보호계전시스템에서의 가변 무전압시간 자동재폐로 장치 및 그 방법
Abdali et al. High-speed fault detection and location in DC microgrids systems using Multi-Criterion System and neural network
La Scala et al. On-line dynamic preventive control: an algorithm for transient security dispatch
Weerasooriya et al. Towards static-security assessment of a large-scale power system using neural networks
Lachs et al. Voltage instability in interconnected power systems: A simulation approach
Negnevitsky et al. Development of an intelligent system for preventing large-scale emergencies in power systems
CN104598725B (zh) 一种分布式电源并网后配电网适应性的评价方法
Hamdan et al. An overview of control method with various crowbar techniques of wind turbines during power system faults
Voropai et al. Preventive and emergency control of intelligent power systems
Bittencourt et al. Adaptive strategies in power systems protection using artificial intelligence techniques
Cannas et al. Neural networks for power system condition monitoring and protection
Villarroel-Gutiérrez et al. A novel methodology for dynamic voltage support with adaptive schemes in photovoltaic generators
Karady Improving transient stability using generator tripping based on tracking rotor-angle
Shazdeh et al. An adaptive data-driven method based on fuzzy logic for determining power system voltage status
El-Amin et al. Transient stability assessment using artificial neural networks
Negnevitsky Computational intelligence applications to crisis management in power systems
Shinohara et al. Knowledge-based behavior interface: its application to power network restoration support system
Negnevitsky Crisis management in power systems: A knowledge based approach
Kim et al. A variable dead time circuit breaker auto-reclosing scheme using artificial neural networks
Belkacemi et al. Real-time intelligent control and cascading failure prevention in microgrid systems based on neural network algorithm: an experimental approach
Aneke et al. Improving the Voltage Stability of the Nigeria 44-Bus 330KV Power Transmission Network using ANN Based Adaptive STATCOM Device
Khare et al. Prioritizing emergency control problems with fuzzy set theory
Moravej et al. Artificial Intelligence Application for HVDC Protection
Tsang et al. ANN controlled battery energy storage system for enhancing power system stability
Zhu et al. Cascading failure chains screening model of AC-DC hybrid power system

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20100303

Year of fee payment: 12

LAPS Lapse due to unpaid annual fee