Enhanced fault location method for shunt capacitor banks
Notice bibliographique
Résumé
High Voltage Shunt Capacitor Banks (SCBs) are the most economical and critical components in the power system, providing reactive power and voltage support. Over temperature, over voltages, manufacturing defects can cause internal failures of capacitor elements. With todays sensitive protection available in numerical relays capacitor elements failure will be detected and capacitor bank will be taken out of service. But determining the phase and section in which capacitor elements have failed is important for utilities to expedite their repair process and can decrease downtime of this critical component. To address these issues of locating capacitor elements failures, this paper proposes an enhanced scheme for fault location detection in both grounded and ungrounded Y-Y SCBs; both for fuseless and internally fused units. Simulations of the proposed fault location method are carried out using PSCAD and MATLAB. The results validate the proposed method performance under pre-existing inherent unbalances, system voltage unbalance, and faults in the grid. The application and significance of the proposed method properties are demonstrated using illustrative simulation scenarios. This method can be integrated into a common unbalance protection of the multi-functional numerical capacitor bank relays and puts forth solutions to enhance fault location of SCBs. The method is capable of detecting consecutive capacitor elements failures, and also can mitigate gradual capacitance change due to temperature effects or natural aging. The presented fault location method is further enhanced to detect the number of failed elements.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».