|
|
eaDonNTU, Donetsk >
Научные труды ДонНТУ >
Серія: Електротехніка та енергетика >
Випуск № 2 (15) >
Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://ea.donntu.ru/handle/123456789/23499
|
| Название: | ЕФЕКТИВНІСТЬ МОНІТОРИНГУ ПОВІТРЯНИХ ЛІНІЙ ЕЛЕКТРОПЕРЕДАВАННЯ В ОЖЕЛЕДНИХ РАЙОНАХ |
| Другие названия: | Эффективность мониторинга воздушных линий электропередачи в гололедных районах
Efficiency of monitoring of overhead power lines in ice-storm regions |
| Авторы: | Черемісін, М.М.
Попов, С.В.
Савченко, О.А.
Шкуро, К.О.
Пархоменко, О.В.
Черемисин, Н.М.
Попов, С.В.
Савченко, А.А.
Шкуро, К.А.
Пархоменко, О.В.
CHEREMISIN, N.
POPOV, S.
SAVCHENKO, O.
SHKURO, K.
PARHOMENKO, O. |
| Ключевые слова: | повітряна лінія електропередавання
автоматизована система моніторингу
система контролю утворення ожеледі
режим плавлення ожеледі
гібридний нейроподібний елемент
overhead power lines
CAS of monitoring
control system of glazed-storm formation
mode of melting of glazed -storm formation
hybrid neuron-like units
воздушная линия электропередачи
автоматизированная система мониторинга
режим плавки гололеда
гибридный нейроподобный элемент
система контроля образования гололеда |
| Дата публикации: | 2013 |
| Издатель: | ДонНТУ |
| Библиографическое описание: | Наукові праці Донецького національного технічного університету. Серія "Електротехніка і енергетика". № 2 (15), 2013 р., 338 с. |
| Серия/номер: | Электротехника и энергетика; |
| Аннотация: | Запропоновано загальні принципи побудови автоматизованих систем моніторингу повітряних ліній
електропередавання в ожеледних районах, що дозволяє проводити вибір апаратної та програмної частин
таких систем. Обгрунтовано підхід щодо прогнозування параметрів процесу утворення ожеледі на основі
нейронних мереж. |
| Описание: | Basic monitoring functions of CAS of glazed
load process on overhead power lines are short-and long-term forecasts of glazed sedimentations on overhead power
lines with determination of probability of occurrence, time of occurrence, and associated meteorological parameters;
early detection of glazed formation and intensive gallop of wires, signalling, collection and roughing-out of current data
about a situation real-time (temperature and humidity, direction and speed of wind, sizes and weight of sedimentations);
calculation of forecasting parameters of a mode of glazed melting (defining moments of turn on-off scheme, the order
of melting, the current value and time of glazed melting for each interdependent lines (line sections), the number of
lines (line sections) with simultaneous melting sediments, the number of melting cycles and then adjusting for the
current data; calculation of mechanical parameters of the line in real time (gravity, mechanical tension in wires,
dimensions); archiving data about glaze-wind situation and line options for further analysis and storage experience. For
glaze load forecasting, methods that are based on the use of computational intelligence were applied. The main
forecasting parameter is weight of power line glazing. A neural network of hybrid neuron-like units was applied for
solving the task. The input signals of network are current value of the forecasted signal and other variables that are
controlled by sensors and passed by a communication channel on controller's point. The network architecture
(structural) optimization was performed by an evolutionary algorithm that is characterized by possibility of compromise
choice between local and global priorities in the evolutional search. A second-order algorithm of Levenberg–Marquardt
was applied for the network weights (parametric) optimization. Checking the adequacy of the model was based on
meteorological data that were obtained by the CAS, which is used on power line 35 kV in the Crimea, Ukraine. In total
there were 21 cases of power line glazing. Of these 14 cases of power line glazing were used for training the model, and
the remaining 7 cases – for testing model. As a result of experiments, it was found that the average prediction error is
less than 2%. |
| URI: | http://ea.donntu.edu.ua/handle/123456789/23499 |
| Располагается в коллекциях: | Випуск № 2 (15)
|
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.
|
