Proteção inteligente de transformadores
Uitgelicht
|
74,90 |
Naar shop
|
|
74,90 |
Naar shop
|
|
74,90 |
Naar shop
|
Beschrijving
Bol
Nos transformadores de potência modernos, a proteção diferencial convencional com restrição de harmónicas tem muitas vezes dificuldades devido aos níveis mais baixos de segundas harmónicas resultantes de materiais de núcleo melhorados e da saturação do TC durante defeitos graves. Estes desafios podem levar a operações falsas, identificando erroneamente fenómenos benignos, tais como a irrupção de magnetização, a sobre-excitação e as falhas internas. Este livro apresenta um novo esquema de proteção digital que emprega um algoritmo híbrido KNN-GA para distinguir com precisão as verdadeiras falhas internas das condições de não-falta. Utilizando a transformada wavelet discreta para extração de caraterísticas, o esquema capta parâmetros estatísticos críticos, enquanto o método K-nearest Neighbor, optimizado com um Algoritmo Genético, aumenta a precisão da classificação. Experiências laboratoriais extensivas e a implementação DSP em tempo real no TMS320C6713T demonstram que esta abordagem híbrida supera os métodos tradicionais como ANN e SVM, proporcionando uma proteção de transformador mais rápida, mais segura e mais fiável nas redes eléctricas modernas.
Nos transformadores de potência modernos, a proteção diferencial convencional com restrição de harmónicas tem muitas vezes dificuldades devido aos níveis mais baixos de segundas harmónicas resultantes de materiais de núcleo melhorados e da saturação do TC durante defeitos graves. Estes desafios podem levar a operações falsas, identificando erroneamente fenómenos benignos, tais como a irrupção de magnetização, a sobre-excitação e as falhas internas. Este livro apresenta um novo esquema de proteção digital que emprega um algoritmo híbrido KNN-GA para distinguir com precisão as verdadeiras falhas internas das condições de não-falta. Utilizando a transformada wavelet discreta para extração de caraterísticas, o esquema capta parâmetros estatísticos críticos, enquanto o método K-nearest Neighbor, optimizado com um Algoritmo Genético, aumenta a precisão da classificação. Experiências laboratoriais extensivas e a implementação DSP em tempo real no TMS320C6713T demonstram que esta abordagem híbrida supera os métodos tradicionais como ANN e SVM, proporcionando uma proteção de transformador mais rápida, mais segura e mais fiável nas redes eléctricas modernas.
AmazonPagina's: 112, Paperback, Edições Nosso Conhecimento
Prijshistorie
* Prijshistorie bevat geen data van Amazon, Amazon Marketplace.
Prijzen voor het laatst bijgewerkt op: