Etude et Réalisation d’un détecteur de défaut pour réseau aérien

Abstract

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 des défauts dans les lignes de transport de l’énergie électrique pour soutenir une nouvelle génération de système de détection 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 (back propagation) 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 Mots clés : Réseaux électriques, réseau de neurones, détection, classification, des défauts, réseau de neurones feedfoward, algorithme de backpropagation. 2 ABSTRACT: The rapid growth of electric power systems over the last few decades has led to a sharp increase in the number of transmission and distribution lines in service around the world. In addition, commercialization and deregulation introduced worldwide are imposing increasingly restrictive requirements to ensure a continuous and good quality power supply without significant increases in the cost of the energy supplied. Electrical faults are one of the most important factors hindering the continuous supply of electricity and power. The detection of faults on transmission lines is a major and important part of the monitoring and control of electrical systems. The integration of an intelligent protection system will allow the rapid detection or even prediction of the occurrence of a fault, thus avoiding catastrophic damage to material and human assets. This project analyzes the use of neural networks for the detection and classification of faults in electrical power transmission lines to support a new generation of high-speed and accurate detection systems. Faults result in system downtime, equipment damage, and present a high risk to the integrity of the power system and affect network operability and reliability. The feedforward neural network will be used as well as a backpropagation algorithm for each of the three phases to indicate the absence or presence of the fault on a transmission line, classify it according to its transient characteristics on the line. Keywords: Electrical networks, neural network, detection, classification, fault, feedforward neural network, Backpropagation algorith