آشکارسازی خطاهای امپدانس بالا با استفاده از تبدیل موجک و شبکه عصبی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان
- author محمدرضا ناصح
- adviser محمداسماعیل همدانی گلشن
- Number of pages: First 15 pages
- publication year 1379
abstract
رله های حفاظتی در سیستم قدرت وظیفه تشخیص خطاها از جمله اتصال کوتاه ها را بعهده دارند. اما گاهی خطاهایی از طریق یک جسم واسط با امپدانس بالا رخ می دهد که توسط رله های معمول قابل شناسایی نیستند زیرا در اینگونه خطاها جریان خطا در حد جریان بار یا کمتر محدود می شود. از جمله متداولترین این خطاها که به خطاهای امپدانس بالا معروف هستند، پارگی یک فاز و افتادن آن روی زمین می باشد. تشخیص و رفع این خطاها از دو دیدگاه، تلفات ناخواسته در شبکه توزیع یا انتقال و همچنین خطرات جانی برای افراد نزدیک به آنها و خطر آتش سوزی هنگامی که همراه با جرقه(در 95 درصد موارد) هستند اهمیت فراوانی می یابد. بواسطه اینکه این خطاها در شرایط مختلف ( با تغییر پارامترهای دخیل در آنها) رفتار گوناگونی از خود نشان می دهند، بعلاوه رفتار آنها با رفتار برخی بارها و همچنین اعمال معمولی همچون قطع و وصل خازنها مشابه است ، تشخیص آنها خیلی مشکل می باشد. بنابراین ایجاد روش مناسبی برای آشکارکردن خطاهای امپدانس بالا و تمایز آنها با شرایط عادی دارای اهمیت فراوانی است . در این پایان نامه روش جدیدی برای آشکارسازی خطاهای امپدانس بالا، براساس تبدیل موجک جریان خط و استفاده از آن بعنوان ورودی شبکه عصبی ارائه می شود. در این روش از شکل موج جریان خطا و شکل موج جریانهای عادی سیستم که رفتاری مشابه جریان خطا دارند، مانند جریان بارهای غیرخطی و جریان حاصل از کلیدزنی خازن و خط، تبدیل موجک که حاوی اطلاعات دقیقی از سیگنال در حوزه زمان و فرکانس است ، گرفته می شود. سپس به کمک ضرایب تبدیل پالایش شده بعنوان ورودی، شبکه عصبی آموزش می بیند به گونه ای که قادر به تفکیک خطای امپدانس بالا از شرایط عادی سیستم می شود. کاربرد توام تبدیل موجک جریان خط و شبکه عصبی منجر به تفکیک شرایط خطا از شرایط عادی، با اعمال کمترین ورودی به شبکه عصبی خواهد شد بعلاوه اینکه الگوریتم حاصل از نظر ساختار و زمان محاسبات بسیار کارآمد است . برای آموزش شبکه عصبی و همچنین آزمایش عملکرد آشکارساز خطای امپدانس بالا، به شکل موجهایی از جریان خطا نیاز است . برهمین اساس پس از بررسی ویژگیهای خطای امپدانس بالا و قوس همراه آن، روش جدیدی برای مدلسازی خطای امپدانس بالا ارائه می شود. این روش خصوصیات و رفتار غیرخطی خطای امپدانس بالا را بخوبی مدل می کند. کارایی و دقت روش پیشنهادی با شبیه سازی شرایط مختلف کار یک فیدر 20 کیلوولت و بدست آوردن شکل موجهای جریان خطا کلیدزنی و بار توسط emtp نشان داده می شود.
similar resources
تعیین محل خطاهای امپدانس بالا در شبکه توزیع 20 کیلوولت زیرزمینی با استفاده از تبدیل موجک و شبکه های عصبی
کیفیت توان به عنوان یکی از مهم ترین موضوع های تحقیقاتی محققین دانشگاهی و مصرف کنندگان نهایی انرژی الکتریکی مطرح شده است. بازار های برق کیفیت جدیدی از سرویس دهی انرژی را ایجاب می کنند که تعیین محل خطا در شبکه های توزیع را به عنوان یک امر اجباری تلقی می کند. وقوع خطا در تجهیزات الکتریکی به دلیل شکست عایقی می باشد. نحوه تعیین محل خطا یک مسأله مهم می باشد، چون تعیین دقیق و سریع محل خطا سبب کاهش وقف...
15 صفحه اولپیشبینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور میباشد. از این رو پیشبینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژیهای سرمایهگذاری، یکی از مسائل مهم به شمار میرود. از جمله روشهای پیشبینی پرکاربرد در سریهای زمانی مالی، شبکه عصبی میباشد که با توجه به جامعیت این روش و عدم وجود برخی از پیشفرضها در خصوص دادهها، گسترش زیادی نسبت به روشهای آماری یافته است. اما وجود نو...
full textآشکارسازی خطاهای امپدانس بالا همراه با جرقه در سیستمهای قدرت
روشهایی که در حال حاضر بطور معمول برای حفاظت انتقال بکار می روند عبارتنداز: روش دیستانس ، روش مقایسه فازی و روش مقایسه جهت دار که روشهای فوق به دلیل منابع متعدد خطای عملکرد رله هیچگاه نتوانسته اند وظیفه حفاظخ را به طور کامل انجام دهند. خطاهای امپدانس بالا خطاهایی هستند که دارای جریان بسیار کمی بوده و توسط حفاظخهای معمول قابل آشکارسازی نیستند. این نوع خطاها اغلب هنگامی رخ می دهند که یک هادی، شکس...
15 صفحه اولپیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز...
full textپیشبینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا)
در این مقاله تلاش شده است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی بهمنظور پیشبینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز بهمنظور تجزیه سری زمانی قیمت استفاده شده، سپس ضرایب تقریبات و جزئیات مؤثر بهعنوان ورودی شبکه عصبی بهمنظور پیشبینی قیمت گاز طبیعی هنری هاب بهعنوان مرجعی برای قیمت گاز طبیعی در آمریکا بهکار رفته است. مقایسه عملکرد نسبی مدل تر...
full textارزیابی یک دستگاه هوشمند برای جداسازی پسته با استفاده از شبکه های عصبی مصنوعی (ANN) و تبدیل موجک انعکاس صدا
دستگاههایی که برای جداسازی پسته مورد استفاده قرار میگیرند حجیم بوده، انرژی زیادی مصرف مینمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پستههای مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتیمتر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتیمتری بر روی یک صف...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023