Standard IEC 61850-9-2 definuje přenos vzorkovaných měřených hodnot (sampled measured values, SMV) prostřednictvím sítě Ethernet a využití SMV získaných ze slučovacích jednotek nebo přístrojových transformátorů. Implementace IEC 61850-9-2 závisí na vlastnostech datového souboru, jakými jsou časová synchronizace, počet vzorků a časový interval. Dizertační práce je zaměřena na algoritmy chránění a analýzu vlivu standardu IEC61850-9-2LE na fyzická zařízení ochran s analogově/digitálními vstupními daty o proudu a napětí. S ohledem na narůstající míru interakce mezi fyzickými zařízeními a komunikačními prvky byl navržen test pro analýzu komunikace pro rozvodnu využívající konvenční metody (analogové vstupy) a metody digitální založené na standardu IEC 61850-9-2. Práce dále popisuje funkci slučovací jednotky využívající standard IEC61850-9-2LE. Navržená metoda definuje zdroj SMV a analyzuje přenos dat. V rámci práce byl za využití softwaru Matlab naprogramován algoritmus ochrany. Vytvořený model je schopen vyhodnotit vliv harmonického zkreslení na funkci digitálních ochran a vliv přesycení proudového transformátoru na distanční ochranu. V práci jsou zhodnoceny i možnosti zrychlení testování systémů chránění s využitím neuronové sítě. Závěrečná kapitola se zabývá aplikacemi v reálném čase, využívajícími data z rozvodny v blízkosti Vysokého učení technického v Brně. K přenosu dat z rozvodny do univerzitní laboratoře je zde využíváno SMV přenášených optickým kabelem o délce 16 km. Aplikace je vytvořena v programu Matlab a je schopna číst data z ethernetového portu, dekódovat je, převést z formátu ASCII do desítkové soustavy a poté vykreslit průběhy proudu a napětí. Mezi vlastnosti aplikace se řadí jednoduchost použití, schopnost implementace funkcí distanční ochrany, výpočet RMS hodnot proudu a napětí a harmonického zkreslení, harmonická analýza prostřednictvím rychlé Fourierovy transformace a výpočet impedance poruchové smyčky. Všechny výpočty běží v reálném čase a provedena je i citlivostní analýza modelu.

The thesis is focused on the protection concept for medium voltage substation. The first theoretical part of thesis describes given medium voltage substation. Substation consists of two incoming feeders and six outgoing feeders. Due to the size of the substation was selected one outgoing feeder which is the subject of description and protection concept. Next part of the thesis is a description of the protective functions used to protect the elements in the selected feeder. This part contains a detailed description of the function and setting options for protection. The main part of the thesis describes calculation of specific protection functions and consequently with secondary testing of protective functions. Tests were performed on protective functions in the digital protections REF615 and REM620. The final part of the thesis deals with the evaluation of the secondary test results and verification saturation of the specified current transformers.

No description available.

Epilepsy affects more than 50 million people and is one of the most prevalent neurological disorders and has a high impact on the quality of life of those suffering from it. However, 70% of epilepsy patients can live seizure free with proper diagnosis and treatment. Patients are evaluated using scalp EEG recordings which is cheap and non-invasive. Diagnostic yield is however low and qualified personnel need to process large amounts of data in order to accurately assess patients. MindReader is an unsupervised classifier which detects spectral anomalies and generates a hypothesis of the underlying patient state over time. The aim is to highlight abnormal, potentially epileptiform states, which could expedite analysis of patients and let qualified personnel attest the results. It was used to evaluate 95 scalp EEG recordings from healthy adults and adult patients with epilepsy. Interictal Epileptiform discharges (IED) occurring in the samples had been retroactively annotated, along with the patient state and maneuvers performed by personnel, to enable characterization of the classifier’s detection performance. The performance was slightly worse than previous benchmarks on pediatric scalp EEG recordings, with a 7% and 33% drop in specificity and sensitivity, respectively. Electrode positioning and partial spatial extent of events saw notable impact on performance. However, no correlation between annotated disturbances and reduction in performance could be found. Additional explorative analysis was performed on serialized intermediate data to evaluate the analysis design. Hyperparameters and electrode montage options were exposed to optimize for the average Mathew’s correlation coefficient (MCC) per electrode per patient, on a subset of the patients with epilepsy. An increased window length and lowered amount of training along with an common average montage proved most successful. The Euclidean distance of cumulative spectra (ECS), a metric suitable for spectral analysis, and homologous L2 and L1 loss function were implemented, of which the ECS further improved the average performance for all samples. Four additional analyses, featuring new time-frequency transforms and multichannel convolutional autoencoders were evaluated and an analysis using the continuous wavelet transform (CWT) and a convolutional autoencoder (CNN) performed the best, with an average MCC score of 0.19 and 56.9% sensitivity with approximately 13.9 false positives per minute.