http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 노병훈(Byung-Hoon Roh) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
스마트 그리드 배전계통에서 인공신경회로망을 이용한 DSP 기반 실시간 고장 판단 방법론 기초 연구
김진언(Jin-Eun Kim),이유림(Yu-Rim Lee),최정우(Jung-Woo Choi),노병훈(Byung-Hoon Roh),고윤석(Yun-Seok Ko) 한국전자통신학회 2023 한국전자통신학회 논문지 Vol.18 No.5
본 논문에서는 스마트 그리드 배전 계통에서 선로상의 고장으로부터 계통을 보호하기 위한 인공 신경 회로망을 기반으로 하는 고장 판단 방법론을 제안하였다. 제안된 방법론에서는 먼저 전류 실효값 크기를 기반으로 일반 고장 여부를 판단하고 다음, 정상 전류로 판단되는 경우 인공 신경 회로망을 기반으로 하는 normal/HIF classifier를 이용하여 고 임피던스 지락 고장 여부를 판단하도록 설계하였다. 반복적인 DSP 모듈 기반 알고리즘 검증 시험들 중에서, 실효 값 크기가 최소 동작전류보다 작은 정상 전류 파형 시험인 경우에 normal/HIF classifier가 전류 파형을 정상상태로 인식하여 부 동작하였으며, 반면에, 저 임피던스 고장의 경우는 고장 상태로 인식하여 정해진 절차에 따라 재폐로 동작을 보임으로써 제안된 방법론의 유효성을 확인할 수 있었다. In this paper, a fault determination methodology based on an artificial neural network was proposed to protect the system from faults on the lines in the smart grid distribution system. In the proposed methodology, first, it was designed to determine whether there is a low impedance line fault (LIF) based on the magnitude of the current RMS value, and if it is determined to be a normal current, it was designed to determine whether a high impedance ground fault (HIF) is present using Normal/HIF classifier based on artificial neural network. Among repetitive DSP module-based algorithm verification tests, the normal/HIF classifier recognized the current waveform as normal and did not show reclosing operation for the cases of normal state current waveform simulation test where the RMS value was smaller than the minimum operating current value. On the other hand, for the cases of LIF where RMS value is greater than the minimum operating current value, the validity of the proposed methodology could be confirmed by immediately recognizing it as a fault state and showing reclosing operation according to the prescribed procedure.
ScienceON
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
