Détection, classification et localisation des défauts dans les lignes de transmission par les réseaux de neurones artificiels

Téléchargements

Téléchargements par mois depuis la dernière année

Raghda, Alilouch (2022). Détection, classification et localisation des défauts dans les lignes de transmission par les réseaux de neurones artificiels. (Mémoire de maîtrise). Université du Québec en Abitibi-Témiscamingue. Repéré dans Depositum à https://depositum.uqat.ca/id/eprint/1387

[thumbnail of Mémoire]
Prévisualisation
PDF (Mémoire)
Télécharger (9MB) | Prévisualisation

Résumé

La croissance rapide des systèmes d’énergie électrique observée au cours des dernières décennies a entraîné une forte augmentation du nombre de lignes de transmission et de distribution en service dans le monde. En outre, la commercialisation et la déréglementation introduites partout dans le monde imposent des exigences de plus en plus restrictives pour assurer une alimentation électrique continue et de bonne qualité, sans augmentation significative du coût de l’énergie fournie.
Les défauts électriques sont l’un des facteurs les plus importants qui entravent la fourniture continue d’électricité et de courant. La détection des défauts sur les lignes de transmission constitue une partie majeure et importante de la surveillance et contrôle des systèmes électriques, l’intégration d’un système de protection intelligent va permettre de détecter rapidement voire prévoir l’occurrence d’un défaut, par conséquent éviter les dommages catastrophiques aux biens matériels et humains. Ce projet analyse l’utilisation des réseaux de neurones pour la détection, classification et localisation des défauts dans les lignes de transport de l’énergie électrique pour soutenir une nouvelle génération de système de relais de protection à grande vitesse et avec précision.
Les défauts entraînent des temps d’arrêt du système, des dommages aux équipements et présentent un risque élevé pour l’intégrité du réseau électrique, et affectent son opérabilité et sa fiabilité. Le réseau de neurones de type feedforward sera utilisé ainsi qu’un algorithme de rétropropagation (backpropagation) pour chacune des trois phases pour indiquer l’absence ou la présence du défaut, le classifier en fonction de ses caractéristiques transitoires et pointer son emplacement sur une ligne de transmission.

Type de document: Thèse ou mémoires (Mémoire de maîtrise)
Directeur de mémoire/thèse: Slaoui Hasnaoui, Fouad
Mots-clés libres: Réseaux électriques, réseau de neurones, détection, classification, localisation des défauts, réseau de neurones feedfoward, algorithme de back-propagation, relais intelligent.
Divisions: Génie > Maîtrise en ingénierie
Date de dépôt: 08 déc. 2022 14:18
Dernière modification: 08 déc. 2022 14:18
URI: https://depositum.uqat.ca/id/eprint/1387

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt