Chulalongkorn University Theses and Dissertations (Chula ETD)

การจำแนกเหตุการณ์ผิดพร่องบนสายส่งไฟฟ้าจากข้อมูลของเครื่องบันทึกความผิดพร่องแบบดิจิทัล

Other Title (Parallel Title in Other Language of ETD)

Classification of fault events on transmission lines from digital fault recorder data

Year (A.D.)

2012

Document Type

Thesis

First Advisor

ชาญณรงค์ บาลมงคล

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมไฟฟ้า

DOI

10.58837/CHULA.THE.2012.1250

Abstract

วิทยานิพนธ์ฉบับนี้นำเสนอเงื่อนไขการจำแนกรูปแบบเหตุการณ์ผิดพร่องบนสายส่งแบบอัตโนมัติจากข้อมูลของเครื่องบันทึกความผิดพร่องแบบดิจิทัลที่ระดับแรงดัน 500 กิโลโวลต์ 230 กิโลโวลต์ และ 115 กิโลโวลต์ โดยจำแนกเหตุการณ์ผิดพร่องเป็น 8 รูปแบบ ได้แก่ 1) ความผิดพร่องที่เกิดขึ้นถาวร 2) ความผิดพร่องที่เกิดขึ้นชั่วคราว 3) เกิดความผิดพร่องบนสายส่งใกล้เคียง และอุปกรณ์ป้องกันหลักทำงานถูกต้อง 4) อุปกรณ์ป้องกันสำรองระยะไกลทำงานแทนอุปกรณ์ป้องกันหลัก 5) เกิดความผิดพร่องด้านแรงต่ำของหม้อแปลง 115/22 kV 6) เกิดความผิดพร่องบนสายส่ง 115 kV ที่เชื่อมต่อระหว่างระบบส่งและระบบจำหน่าย 7) เกิดความผิดพร่องบนสายส่งที่เชื่อมต่อกับโรงไฟฟ้า 8) อุปกรณ์ป้องกันทำงานแต่ไม่เกิดความผิดพร่องในระบบ การประเมินประสิทธิภาพของเงื่อนไขการจำแนกรูปแบบเหตุการณ์ผิดพร่องทำโดยการทดสอบกับข้อมูลจากเครื่องบันทึกความผิดพร่องแบบดิจิทัลที่บันทึกข้อมูลระหว่างปี พ.ศ. 2552-2555 จำนวน 320 เหตุการณ์ แล้วนำผลที่ได้ไปเปรียบเทียบกับรายงานเหตุการณ์ความผิดพร่องที่จัดทำโดยเจ้าหน้าที่ของการไฟฟ้า เงื่อนไขที่นำเสนอสามารถจำแนกเหตุการณ์ผิดพร่องอย่างรวดเร็วด้วยความแม่นยำร้อยละ 95 ดังนั้นจึงสามารถนำไปพัฒนาระบบผู้เชี่ยวชาญเพื่อช่วยฟื้นฟูระบบไฟฟ้าหลังจากความผิดพร่องเกิดขึ้นได้

Other Abstract (Other language abstract of ETD)

This thesis presents the algorithms for automatic classification of fault events recorded by digital fault recorders (DFR) on 115 kV, 230 kV and 500 kV transmission lines. Fault events are classified into 8 categories, i.e. 1) Line Permanent Fault Event 2) Line Temporary Fault Event 3) Through Fault Event 4) Remote Backup Trip Event 5) MV Fault Event 6) PEA 115 kV Line Fault Event 7) Power Plant Line Fault Event 8) No-Fault Trip Event. The effectiveness of proposed algorithms is evaluated with 320 fault events from DFR during B.E. 2552-2555 by comparison with the data of fault events reported by utility staff. The proposed algorithms can classified fault events very fast with accuracy of 95%. It can be applied to be a part of expert system for assisting the restoration of power system after fault occurs.

Link to Full Text

Share

COinS