Comparison of Sheath Voltage Prediction Methods to Prevent High Voltage Cable Termination Faults

Abstract

High voltage cable bonding is carried out by the methods in the IEEE 575-1988 standard in order to reset the voltage on the metal sheaths of high voltage underground cables and prevent cable failures. However, the current flowing through the metal sheath of the cable may include the sheath current, current harmonics and zero component currents according to the harmonics of the load current and the imbalance state. Bonding by the methods in the IEEE 575-1988 standard is insufficient to prevent cable head failures caused by zero component and harmonic currents. Therefore, the Sectional Solid Bonding (SSB) method has been developed to prevent failures caused by zero component currents and current harmonics. In order to determine the optimum parameter values in the SSB method, it is necessary to know the sheath voltage that will occur in the cable metallic sheath. Therefore, estimation methods are used for the sheath voltage. In this study, the accuracy of the methods used in the sheath voltage estimation is compared to make better grounding. For estimation methods, artificial neural networks, a hybrid artificial neural network with genetic algorithm and regression methods are used, and genetic algorithm is used as an optimization method. The accuracy of the hybrid neural network made with the genetic algorithm at the end of the study is approximately 99%. Therefore, grounding with the parameters obtained in a SSB optimization using the hybrid artificial neural network made by the genetic algorithm will be more reliable.  

Keywords

• High voltage cable
• cable termination fault
• regression
• artificial neural network
• optimization

Yüksek Gerilim Kablo Başlık Arızalarını Önlemede Kılıf Gerilimi Tahmin Yöntemlerinin Karşılaştırılması

Öz

Yüksek gerilim yeraltı kablolarının metal kılıflarında oluşan gerilimi sıfırlamak ve kablo arızalarını önlemek amacıyla IEEE 575-1988 standardında yer alan yöntemlerle kablo topraklaması yapılmaktadır. Fakat kablonun metal kılıfından akan akım, yük akımının harmonik içermesine ve dengesizlik durumuna göre kılıf akımı, akım harmonikleri ve sıfır bileşen akımlarını içerebilir. IEEE 575-1988 standardında yer alan yöntemler ile yapılan topraklama, sıfır bileşen ve harmonik akımlarının neden olduğu kablo başlığı arızalarını önlemede yetersiz kalmaktadır. Bu yüzden Parçalı Çift Taraflı Topraklama (PÇT) yöntemi sıfır bileşen akımları ve akım harmonikleri kaynaklı arızaların önlenmesi için geliştirilmiştir. PÇT yöntemindeki optimum parametre değerlerinin belirlenmesi için kabloda oluşacak olan kılıf geriliminin de bilinmesi gereklidir. Bu yüzden kabloda oluşacak kılıf gerilimi için tahmin yöntemleri kullanılmaktadır. Bu çalışmada daha iyi bir topraklama yapabilmek için kılıf gerilimi tahmininde kullanılan yöntemlerin doğrulukları karşılaştırılmıştır. Tahmin yöntemleri için yapay sinir ağları, genetik algoritma ile yapılan melez yapay sinir ağı ve regresyon yöntemleri kullanılmış, optimizasyon yöntemi olarak da genetik algoritma kullanılmıştır. Çalışma sonunda genetik algoritma ile yapılan melez yapay sinir ağının doğruluğu yaklaşık olarak %99 ile en yüksek orandadır. Dolayısıyla genetik algoritma ile yapılan melez yapay sinir ağının tahmin yöntemi olarak kullanıldığı bir PÇT optimizasyonunda elde edilen parametreler ile yapılan topraklama daha güvenilir olacaktır.

Anahtar Kelimeler

• Yüksek gerilim kablosu,
• Kablo başlığı arızası
• Optimizasyon

Kaynakça

1. C. L. Bak and F. F. Silva, “High voltage AC underground cable systems for power transmission – A review of the Danish experience, part 1.” Electric Power Systems Research, vol. 140, pp. 984-994, 2016.
2. A. D. Tziouvaras, “Protection of high-voltage AC cables”, in Proc. 59th Annual Conf. for Protective Relay Engineers, 2006, TX, USA, p. 48–61.
3. K. G. Sachin, P. Arun, , “Study on Semi Conductive Layer during EHV XLPE Cable Joint Procedure” International Journal of Novel Research in Engineering and Science, vol. 3, pp. 8-11, 2016.
4. S. Czapp, K. Dobrzynski, J. Klucznik, “Calculation of induced sheath voltages in power cables – single circuit system versus double circuit system” Journal of Information, Control and Management Systems, vol. 12, pp. 113–123, 2014.
5. K. V. Gouramanis, C. G. Kaloudas, T. A. Papadopoulos, “Sheath voltage calculations in long medium voltage power cables,” in Proc.IEEE Trondheim Power Tech, 2011,Norway, pp. 1–7
6. C. K. Jung, J. B. Lee and J. W. Kang, “Sheath circulating current analysis of a cross-bonded power cable systems” J Electr Eng & Technol, vol. 2, pp. 320–328, 2007.
7. J. R. Ruiz, A. Garcia and X. A. Morera,. “Circulating sheath currents in flat formation underground power lines.” In Proc. 2007 International Conf. Renewable Energies and Power Quality, March 2007, pp. 1–5.
8. C. K.Jung, J. B. Lee and J. W. Kang, “Sheath current characteristic and its reduction on underground power cable systems” IEEE Power Engineering Society General Meeting, CA, USA, 2005, pp. 2562–2569

9. D. Xiang, Y. Yang, Z. Chengke and M. H. Donald, “Online Monitoring and Diagnosis of HV Cable Faults by Sheath System Currents”, IEEE Transactions On Power Delivery, vol. 32, pp. 2281-2290, 2017.
10. Z. Shuai, G. Houlei and S. Yingtao. “A New Fault-Location Algorithm for Extra-High-Voltage Mixed Lines Based on Phase Characteristics of the Hyperbolic Tangent Function.” IEEE Transactions on Power Delivery, vol. 31, pp. 1203-1212, 2016.
11. L. Bessissa, L. Boukezzi, D. Mahi,. “Influence of Fuzzy Parameters on the Modeling Quality of XLPE Insulation Properties under Thermal Aging.” Fuzzy Information and Engineering, vol. 8, pp. 101-112, 2016.
12. B. Yunus, “Trend adjusted lifetime monitoring of underground power cable”. Electric Power Systems Research, vol. 143, pp. 189-196, 2016.
13. L. Zhonglei, X. B. Du and L. Wang, “The calculation of circulating current for the single-core cables in smart grid”, in Proc. 2012 IEEE Innovative Smart Grid Technologies – Asia, China, May 2012, pp. 1–4.
14. Q. Jiangchao and S. Maryam, “A Zero-Sequence Voltage Injection-Based Control Strategy for a Parallel Hybrid Modular Multilevel HVDC Converter System”, IEEE Transactions on Power Delivery, vol. 30, pp. 728 – 736, 2015.
15. N. Mehdi, M. Gerry, “Three-Phase Multi module VSIs Using SHE-PWM to Reduce Zero-Sequence Circulating Current”, IEEE Transactions on Industrial Electronics, vol. 61, pp. 1659 – 1668, 2014.
16. B. Akbal, “Applications of artificial intelligence and hybrid neural network methods with new bonding method to prevent electroshock risk and insulation faults in high-voltage underground cable lines”, Neural Comput & Applic, vol. 24, pp. 32-36, 2018.
17. Ö. Otkun, R. Ö. Doğan and A. S. Akpınar, “Doğrusal Hareketli Sürekli Mıknatıslı Senkron Motorun Yapay Sinir Ağ Tabanlı Skaler Hiz Denetimi”, Gazi Üniv. Müh. Mim. Fak. Der., vol. 30, pp. 395-404, 2015.
18. A. Kayabaşi and A. Akdağli, “Oyuk Yüklü Kompakt Mikroşerit Antenlerin Rezonans Frekansının Hesaplanmasında YSA ve BMSDUA Yöntemlerinin Kullanımı”, Gazi Üniv. Müh. Mim. Fak. Der., vol. 31, pp. 105-117, 2016.
19. S. Şahinler, “En Küçük Kareler Yöntemi ile Doğrusal Regresyon Modeli Oluşturmanın Temel Prensipleri.” MKÜ Ziraat Fakültesi Dergisi, vol. 5, pp. 57-73, 2000.