Documents disponibles écrits par cet auteur

Neural Networks for Fault Location in Substations / Alves da Silva, A. P. in IEEE transactions on power delivery, Vol. 11 N°1 (Janvier 1996)

Public ISBD [article]  in IEEE transactions on power delivery > Vol. 11 N°1 (Janvier 1996) . - 234-239 p. Titre : Neural Networks for Fault Location in Substations Titre original : Réseaux Neurologiques pour l'Endroit de Défaut dans les Sous-Stations Type de document : texte imprimé Auteurs : Alves da Silva, A. P., Auteur ; Fernandez Insfran, Alfredo H., Auteur ; Da Silveira, Paulo Marcio ; Lambert-Torres, Germano Article en page(s) : 234-239 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Fault  location  Artificial  neural  networks  Associative  memories  Substation  automation  Endroit  de  défaut  Réseaux  neurologiques  artificiels  Mémoires  associatives  Automation  de  sous-station Index. décimale : 621.3 Ingénierie électrique Résumé : Faults producing load disconnections or emergency situations have to be located as soon as possible to start the electric network reconfiguration, restoring normal energy supply. This paper proposes the use of artificial neural networks (ANNs), of the associative memory type, to solve the fault location problem. The main idea is to store measurement sets representing the normal behavior of the protection system, considering the basic substation topology only, into associative memories. Afterwards, these memories are employed on-line for fault location using the protection system equipment status. The associative memories work correctly even in case of malfunction of the protection system and different pre-fault configurations. Although the ANNs are trained with single contingencies only, their generalization capability allows a good performance for multiple contingencies. The resultant fault location system is in operation at the 500 kV gas-insulated substation of the Itaipú system. Des anomalies produisant des débranchages de charge ou des situations de secours doivent être détectées aussitôt que possible pour commencer la reconfiguration électrique de réseau, reconstituant l'approvisionnement en énergie normal. Cet article propose l'utilisation des réseaux neurologiques artificiels (ANNs), du type de mémoire associative, de résoudre le problème d'endroit de défaut. L'idée principale est de stocker des ensembles de mesure représentant le comportement normal du système de protection, vu la topologie de base de sous-station seulement, dans des mémoires associatives. Après, ces mémoires sont utilisées en ligne pour l'endroit de défaut en utilisant le statut d'équipement de système de protection. Les mémoires associatives fonctionnent correctement même en cas de défaut de fonctionnement du système de protection et des différentes configurations de pré-défaut. Bien que l'ANNs soient formés avec des éventualités simples seulement, leurs possibilités de généralisation permettent une bonne exécution pour des éventualités multiples. Le système de localisation résultant de défaut est en fonction à la sous-station gaz-isolée 500 par kilovolts du système d'Itaipú. [article] Neural Networks for Fault Location in Substations = Réseaux Neurologiques pour l'Endroit de Défaut dans les Sous-Stations [texte imprimé] / Alves da Silva, A. P., Auteur ; Fernandez Insfran, Alfredo H., Auteur ; Da Silveira, Paulo Marcio ; Lambert-Torres, Germano . - 234-239 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on power delivery > Vol. 11 N°1 (Janvier 1996) . - 234-239 p. Mots-clés : Fault  location  Artificial  neural  networks  Associative  memories  Substation  automation  Endroit  de  défaut  Réseaux  neurologiques  artificiels  Mémoires  associatives  Automation  de  sous-station Index. décimale : 621.3 Ingénierie électrique Résumé : Faults producing load disconnections or emergency situations have to be located as soon as possible to start the electric network reconfiguration, restoring normal energy supply. This paper proposes the use of artificial neural networks (ANNs), of the associative memory type, to solve the fault location problem. The main idea is to store measurement sets representing the normal behavior of the protection system, considering the basic substation topology only, into associative memories. Afterwards, these memories are employed on-line for fault location using the protection system equipment status. The associative memories work correctly even in case of malfunction of the protection system and different pre-fault configurations. Although the ANNs are trained with single contingencies only, their generalization capability allows a good performance for multiple contingencies. The resultant fault location system is in operation at the 500 kV gas-insulated substation of the Itaipú system. Des anomalies produisant des débranchages de charge ou des situations de secours doivent être détectées aussitôt que possible pour commencer la reconfiguration électrique de réseau, reconstituant l'approvisionnement en énergie normal. Cet article propose l'utilisation des réseaux neurologiques artificiels (ANNs), du type de mémoire associative, de résoudre le problème d'endroit de défaut. L'idée principale est de stocker des ensembles de mesure représentant le comportement normal du système de protection, vu la topologie de base de sous-station seulement, dans des mémoires associatives. Après, ces mémoires sont utilisées en ligne pour l'endroit de défaut en utilisant le statut d'équipement de système de protection. Les mémoires associatives fonctionnent correctement même en cas de défaut de fonctionnement du système de protection et des différentes configurations de pré-défaut. Bien que l'ANNs soient formés avec des éventualités simples seulement, leurs possibilités de généralisation permettent une bonne exécution pour des éventualités multiples. Le système de localisation résultant de défaut est en fonction à la sous-station gaz-isolée 500 par kilovolts du système d'Itaipú.