Fault Location in High Voltage Shunt Capacitor Banks
Notice bibliographique
Résumé
High Voltage Shunt Capacitor Banks (HV-SCBs) are critical substation assets that are primarily used to improve power factor and thus power transmission capability. Over temperature, over voltages, manufacturing defects can cause internal failures of capacitor elements. With today’s sensitive protection available in numerical relays these failures will be detected and SCBs will be taken out of service. But determining the phase and section in which capacitor elements have failed is important for utilities to decrease downtime of SCBs. This thesis proposes methods to address the challenges in fault location of SCBs. The proposed methods apply calibrating factors that compensate for pre-existing inherent unbalances, and system voltage unbalances. They can mitigate the gradual capacitance change due to temperature effects or natural aging. The presented fault location methods are further enhanced to detect the number of failed elements. The proposed methods can be integrated into common unbalance protection of the multi-functional numerical SCB relays and put forth solutions to condition monitoring of SCBs. Advance maintenance alarms for fuse saving in externally-fused SCBs, and reducing the search space for the faulty cans with fuseless or internally-fused designs are the significant outcomes of the proposed methods. The proposed methods are simulated in a relay modeled in MATLAB and the voltages/currents are played back from COMTRADE records of PSCAD electromagnetics transient simulations. Detecting consecutive failures, ambiguous failures, and delivering the number of failed elements for each alarm in fault reports are valuable to the utility community and have been verified for the proposed methods.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».