Search academic texts

Information × Registration Number 2125U003647, Article popup.category Опубліковано, Стаття Title Way to implementation in relay protection of the algorithm for searching for pre-fault operating conditions by using a neural network with backpropagation spot training popup.author Tsiupa V.M.Danylchenko D.O.Tsiupa V.M.Danylchenko D.O. popup.publication 22-10-2025 popup.source_user Журнал "Електротехніка та електроенергетика" (Національний університет "Запорізька політехніка") popup.source https://ee.zp.edu.ua/article/view/339753 popup.publisher Zaporizhzhia Polytechnic National University Description Мета роботи. Метою статті є розробка та апробація нового методу пошуку граничних та перед аварійних режимів в енергосистемах для задачі розрахунку уставок релейного захисту. Запропонований підхід базується на інтеграції графових нейронних мереж із глибинним навчанням з підкріпленням (ГНП) та спрямований на суттєве скорочення часу обчислень при збереженні високої точності та забезпеченні селективності захисту. Методи дослідження. У роботі використано методологію марковських процесів прийняття рішень для формалізації задачі пошуку граничних та передаварійних режимів. Для вилучення структурної інформації з енергосистеми застосовано графові нейронні мережі, а оптимальні стратегії дій агента сформовано за допомогою глибинного навчання з підкріпленням. Додатково розроблено дворівневу навчальну схему GLFE (кероване навчання та вільне дослідження), яка забезпечує стабільну збіжність алгоритму та прискорює навчання. Експерименти проведено на тестовій системі IEEE 39-шин з використанням сценарного моделювання. Отримані результати. Показано, що застосування графової нейронної мережі з ГНП дозволяє скоротити обчислювальні витрати у 10–1000 разів порівняно з традиційними методами перебору. Точність прогнозування досягає понад 90%, а e-точність перевищує 98%. Запропонований метод демонструє високу ефективність як у задачах визначення максимальних струмів короткого замикання для миттєвого струмового захисту, так і у масштабованих сценаріях на великих системах. Наукова новизна. Уперше запропоновано інтеграцію графових нейронних мереж для вирішення задачі пошуку граничних та передаварійних режимів у релейному захисті. Розроблено унікальну дворівневу навчальну схему GLFE, яка поєднує елементи контрольованого та неконтрольованого навчання. Це дозволило досягти високої точності при значному зменшенні кількості навчальних прикладів. Практична цінність. Результати дослідження можуть бути використані при розробці інтелектуальних систем релейного захисту та автоматизації електроенергетичних мереж. Запропонований метод здатний адаптуватися до умов швидкозмінних режимів роботи енергосистем із високою часткою відновлюваних джерел. Крім того, архітектура може бути легко адаптована для розв’язання інших задач оптимізації та управління у складних енергетичних середовищах. popup.nrat_date 2025-11-10 Close