Fault location in distribution systems using mathematical analysis and support vector machine / Sophi Shilpa Gururajapathy
Notice bibliographique
Résumé
Distribution systems are continuously exposed to fault occurrences due to various reasons, such as lightning strike, failure of power system components due to aging of equipment and human error. These phenomena affect the system reliability and results in expensive repairs, damaged work in process, lost productivity and power loss to customers. Due to this, various intelligent methods have been developed to locate fault in distribution system. However, fault location using intelligent methods is challenging since it requires training data for processing. The training data is commonly created by simulation, which is time consuming. Therefore, in this work, a fault location method based on previous work is proposed using limited simulation data. The existing method was improved by estimating voltage sag data using support vector machine, thus limiting the simulated data. Faulty section is identified by comparing the actual voltage sag data with the simulated and estimated voltage sag data. An improved ranking and Euclidean distance approach for fault distance is also presented. A method using SVM is also proposed to identify the faulty phase, fault type, faulty section and fault distance. By having these features, a more accurate and effective fault location can be obtained. The method identifies faulty phase and fault type using support vector classification analysis. Meanwhile, the faulty section and the fault distance are identified using support vector regression analysis. The effectiveness of the proposed method was tested on an actual TNB distribution network from Malaysia and SaskPower distribution network from Canada. The test cases were conducted for all types of fault and for various fault resistances. The test results have proven the effectiveness of the proposed method in locating fault under various conditions. It has shown improvement over the existing trigonometric methods in locating different types of faults and may serve as an alternative technique for estimating fault location in distribution networks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».