Date of Award

5-2022

Document Type

Thesis

Degree Name

Master of Science in Electrical Engineering (MSEE)

Department

Electrical Engineering

First Advisor

Hussain Shareef

Abstract

Distributed generation (DG) provides users with a dependable and cost-effective source of electricity. These are directly connected to the distribution system at customer load locations. Integration of DG units into an existing system has significantly high importance due to its innumerable advantages. The high penetration level of distributed generation (DG) provides vast techno-economic and environmental benefits, such as high reliability, reduced total system losses, efficiency, low capital cost, abundant in nature, and low carbon emissions. However, one of the most challenges in microgrids (MG) is the island mode operations of DGs. the effective detection of islanding and rapid DG disconnection is essential to prevent safety problems and equipment damage. The most prevalent islanding protection scheme is based on passive techniques that cause no disruption to the system but have extensive non-detection zones. As a result, the thesis tries to design a simple and effective intelligent passive islanding detection approach using a CatBoost classifier, as well as features collected from three-phase voltages and instantaneous power per phase visible at the DG terminal. This approach enables initial features to be extracted using the Gabor transform (GT) technique. This signal processing (SP) technique illustrates the time-frequency representation of the signal, revealing several hidden features of the processed signals to be the input of the intelligent classifier.

A radial distribution system with two DG units was utilized to evaluate the effectiveness of the proposed islanding detection method. The effectiveness of the proposed islanding detection method was verified by comparing its results to those of other methods that use a random forest (RF) or a basic artificial neural network (ANN) as a classifier. This was accomplished through extensive simulations using the DigSILENT Power Factory® software. Several measures are available, including accuracy (F1 Score), the area under the curve (AUC), and training time. The suggested technique has a classification accuracy of 97.1 per cent for both islanded and non-islanded events. However, the RF and ANN classifiers' accuracies for islanding and non-islanding events, respectively, are proven to be 94.23 and 54.8 per cent, respectively. In terms of the training time, the ANN, RF, and CatBoost classifiers have training times of 1.4 seconds, 1.21 seconds, and 0.88 seconds, respectively. The detection time for all methods was less than one cycle. These metrics demonstrate that the suggested strategy is robust and capable of distinguishing between the islanding event and other system disruptions.

Comments

توفر موزعات القدرة للمستخدمین مصدرا معتم د للكھرباء ذو تكلفة منخفضة. وھذه الموزعات متصلة مباشرة بنظام التوزیع في مواقع تحمیل العملاء. ویتسم إدماج وحدات التولید الموزعة في نظام قائم بأھمیة كبیرة بسبب مزایاه التي لا تعد ولا تحصى. ویوفر مستوى الاختراق المرتفع لموزعات القدرة فوائد تقنیة - اقتصادیة وبیئیة كبیرة، مثل إرتفاع الموثوقیة، وانخفاض مجموع خسائر النظم، والكفاءة، وانخفاض تكلفة رأس المال، والوفرة في الطبیعة، والانبعاثات الكربونیة المنخفضة. ومع ذلك، فإن أحد أكبر التحدیات في الشبكات المصغرة ھي عملیات وضع الجزر التي تقوم بھا ھذه الموزعات. یعد الكشف الفعال للتجزر بسرعة أمر ضروري لمنع مشاكل السلامة والتلف في المعدات. وتعتمد أكثر خطط حمایة الجزر انتشارا على تقنیات سلبیة لا تسبب أي تعطیل للنظام ولكن توجد بھا مناطق واسعة لا یمكن اكتشافھا. ونتیجة تحاول الأطروحة تصمیم طریقة ذكیة وفعالة للكشف عن الجزر السلبیة باستخدام مصنف CatBoost . بالإضافة إلى مصنفالمیزات التي تم جمعھا من الفولتیة ثلاثیة الطور والطاقة اللحظیة لكل طورالتي یمكن قیاسھا في محطات موزعات القدرة. یتیح ھذا النھج إمكانیة استخراج المیزات الأولیة باستخدام تقنیة تحویل غابور. توضح تقنیة معالجة الإشارة ھذه تمثیل التردد الزمني للإشارة، وتكشف عن العدید من المیزات المخفیة للإشارات المعالجة لتكون مدخلات المصنف الذكي.

تم استخدام نظام توزیع شعاعي مع وحدتي موزعات القدرة لتقییم فعالیة الطریقة المقترحة للكشف عن الجزر. تم التحقق من فعالیة الطریقة المقترحة من خلال مقارنة نتائجھا بنتائج الطرق الأخرى التي تستخدم غابة عشوائیة أو شبكة عصبیة اصطناعیة أساسیة كمصنف. تم تحقیق ذلك من خلال عملیات محاكاة مكثفة باستخدام برنامج .(®) DIgSILENT Power Factory تتوفر العدید من المقاییس، بما في ذلك الدقة والمنطقة الواقعة تحت المنحنى ووقت التدریب. تتمیز التقنیة المقترحة بدقة تصنیف تبلغ 97.1 في المائة لكل من الأحداث المقامة على التجزر وغیر المقامة على التجزر. ومع ذلك، فقد ثبت أن دقة مصنفات (RF) و (ANN) لأحداث التجزر وغیر مصنفاتالتجزر، كانت 94.23 و 54.8 في المائة، على التوالي. فیما یتعلق بوقت التدریب، تتمتع مصنفا ت ،(ANN) (RF) و (CatBoost) بأوقات تدریب تبلغ 1.4 ثانیة و 1.21 ثانیة و 0.88. ثانیة على التوالي. كان وقت الكشف لجمیع الطرق أقل من دورة واحدة. توضح ھذه المقاییس أن الاستراتیجیة المقترحة متینة وقادرة على التمییز بین حدث التجزر واضطرابات النظام الأخرى.

Download

Included in

Engineering Commons

COinS