Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

High impedance fault detection in low voltage overhead distribution based wavelet and harmonic indices

Tytuł:
High impedance fault detection in low voltage overhead distribution based wavelet and harmonic indices
Autorzy:
Albanna, Enaam
Al-Rifaie, Alya Hamid
Al-Karakchi, Ahmed A. Abdullah
Data publikacji:
2023
Słowa kluczowe:
HIF
Fast Fourier Transform
overcurrent relay
WT
wavelet transform
Szybka Transformata Fouriera
FFT
przekaźnik
transformata falkowa
Język:
angielski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie  Pełny tekst  Link otwiera się w nowym oknie
High-impedance fault HIF occurs when an energized conductor makes contact with a surface with a high impedance. Conventional overcurrent protection cannot detect this fault due to the low fault current, and there is no effective protection for HIFs. This paper introduces a novel method for detecting HIFs in low voltage distribution systems by decomposing neutral current using Wavelet and FFT. Modeling HIF fault data in Matlab to analyze the proposed scheme. Simulations demonstrate that the proposed method can accurately detect HIF and distinguish it.
Błąd wysokiej impedancji HIF występuje, gdy przewodnik pod napięciem styka się z powierzchnią o wysokiej impedancji. Konwencjonalne zabezpieczenie nadprądowe nie jest w stanie wykryć tej usterki z powodu niskiego prądu zwarciowego i nie ma skutecznej ochrony dla HIF. W artykule przedstawiono nowatorską metodę wykrywania HIF w systemach dystrybucji niskiego napięcia poprzez dekompozycję prądu neutralnego za pomocą funkcji Wavelet i FFT. Modelowanie danych o błędach HIF w Matlabie w celu analizy proponowanego schematu. Symulacje pokazują, że proponowana metoda może dokładnie wykrywać i rozróżniać HIF.
Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies