Разработка рекурсивной модели расчета переходных процессов в электрических сетях с помощью вейвлет преобразования

Обложка

Цитировать

Полный текст

Аннотация

Цифровая трансформация электроэнергетики является одной из приоритетных задач развития отрасли. Вейвлет преобразование находит широкое применение в электроэнергетике для анализа динамики сложных нелинейных нестационарных процессов. В статье предложена методика расчета переходных процессов в электрических сетях, основанная на рекурсивном алгоритме. В качестве задающего сигнала напряжения (э.д.с.) применяются аппроксимирующие и детализирующие вейвлет коэффициенты дискретного вейвлет преобразования. Для выбора оптимальной вейвлет функции предложено использовать критерий, учитывающий точность восстановления сигнала в результате обратного вейвлет преобразования. Показан характер изменения результата расчета при увеличении количества итераций. Результаты численного эксперимента для сети 110 кВ при расчете трехфазного короткого замыкания, показали приемлемую точность разработанной методики. Предложенная методика позволяет сжимать объемы передаваемых цифровых данных о нормальных и аварийных режимах электрических сетей.

Об авторах

Надежда Николаевна Долгих

ФГБОУ ВО «Югорский государственный университет»

Автор, ответственный за переписку.
Email: n_dolgikh@ugrasu.ru

старший преподаватель Высшей инжиниринговой школы

Россия, Ханты-Мансийcк

Елена Александровна Дюба

ФГБОУ ВО «Югорский государственный университет»

Email: e_dyuba@ugrasu.ru

старший преподаватель Высшей инжиниринговой школы

Россия, Ханты-Мансийcк

Дмитрий Сергеевич Осипов

ФГБОУ ВО «Югорский государственный университет»

Email: d_osipov@ugrasu.ru

доктор технических наук, профессор, руководитель Высшей инжиниринговой школы

Россия, Ханты-Мансийcк

Список литературы

  1. Манусов, В. З. Применение теории вейвлетов для анализа данных при решении задачи прогнозирования электрической нагрузки / В. З. Манусов, К. Н. Бойко. – Текст : непосредственный // Научные проблемы транспорта Сибири и Дальнего Востока. – 2015. – № 4. – С. 212–215.
  2. Мисриханов, А. М. Применение методов вейвлет преобразования в электроэнергетике / А.М. Мисриханов. – Текст : непосредственный // Автоматика и телемеханика. – 2006. – № 5. – С. 5–23.
  3. Czarnecki, L. S. Power properties of four-wire systems at nonsinusoidal supply voltage / L. S. Czarnecki, P. M. Haley. – doi: 10.1109/tpwrd.2015.2463253 // IEEE Transactions on Power Delivery. – 2016. – Vol. 31, Iss. 2. – P. 513–521.
  4. Осипов, Д. С. Разработка критерия выбора оптимального типа материнского вейвлета в задаче расчета активной и реактивной мощности систем электроснабжения / Д. С. Осипов. – Текст : непосредственный // Омский научный вестник. – 2018. – № 6 (162). – С. 71–75.
  5. Hamid, E. Y. Wavelet-based data compression of power system disturbances using the minimum description length criterion / E. Y. Hamid, Z.-I. Kawasaki. – doi: 10.1109/61.997918 // IEEE Transactions on Power Delivery. – 2002. – Vol. 17, Iss. 2. – P. 460–466.
  6. Guo, M.-F. Wavelet-transform based early detection method for short-circuit faults in power distribution networks / M.-F. Guo, N.-C. Yang, L.-X. You. – doi: 10.1016/j.ijepes.2018.01.013 // International journal of electric power and energy systems. – 2018. – Vol. 99. – P. 706–721.
  7. High impedance fault detection in power distribution systems using wavelet transform and evolving neural network / S. Silva, M. Gouvera, A. Lacerda [et al.]. – doi: 10.1016/j.epsr.2017.08.039 // Electric power systems research. – 2018. – Vol. 154. – P. 474–483.
  8. Dwivedi, U. D. A Wavelet-based denoising technique for improved monitoring and characterization of power quality disturbances / U. D. Dwivedi, S. N. Singh. – doi: 10.1080/15325000902762281 // Electric Power Components and Systems. – 2009. – Vol.37, №.7. – P. 753–769.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Югорский государственный университет, 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».