تشخیص عیوب متداول در ترانسفورماتورهای قدرت توسط آنالیز گازهای روغن ترانسفورماتور با استفاده از شبکه عصبی

thesis
abstract

تشخیص عیب فرآیندی است که براساس آن داده ها و ویژگی های بدست آمده از فضای داده ها به فضای عیوب سیستم نگاشت می شوند.این نگاشت می تواند به صورت گرافیکی و با استفاده از افراد خبره انجام گیرد. در رویکردی دیگر می توان از روش های مختلف تشخیص عیب خودکار مانند روش های آماری، هوش مصنوعی (شبکه های عصبی، منطق فازی) و روش های مبتنی بر مدل استفاده نمود. استفاده از این روش ها امروزه به طرز چشمگیری در حال گسترش است.در این پایان نامه عیب موجود در ترانسفورماتور را با استفاده از اطلاعات واقعی بوسیله روش هوشمند تشخیص دهیم.نگاهی به مقالات مختلف در مورد تشخیص خطاهای ترانسفورماتور ما را به این مطلب می رساند که استفاده مستقیم از روشهای مرسوم آنالیز گاز مانند روش نسبت گازها(دورننبرگ، مثلث وiec ) دارای مشکلاتی از جمله عدم قدرت تصمیم گیری در همه حالات می باشند. تکنیک های مختلف هوش مصنوعی می تواند به حل این مشکل کمک کند. در این پایان نامه یک مطالعه اصولی از کاربرد هوش مصنوعی در تشخیص مراحل اولیه شکل گیری خطاهای ترانسفورماتور قدرت انجام می گیرد بدین منظور از شبکه عصبی برای تشخیص عیب استفاده شده است. مقادیر استفاده شده در دیتای ورودی از موسسه تحقیقات ایران ترانسفو گرفته شده است. خطایابی توسط شبکه عصبی با استفاده از شبکه عصبی پس انتشار خطا و شبکه عصبی rbf انجام شد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص ارتباط گازهای موجود در روغن ترانسفورماتور و عیوب ترانسفورماتورهای قدرت به صورت هوشمند

ترانسفورماتورهای قدرت یکی از مهمترین اجزای سیستم قدرت به شمار میروند و به همین دلیل ارزیابی صحیح از وضعیت آنها و تشخیص خطاهای الکتریکی و حرارتی در آنها موجب افزایش زمان دسترسی به آنها و کاهش زمان لازم برای تعمیر و نگهداری می گردد. به این منظور روشهای متعدد پایش ترانسفورماتور و تشخیص خطاهای بدوی ابداع شده است و به عنوان یکی از مهمترین روشها استفاده از گازهای محلول در روغن از سالهای دور مورد استف...

15 صفحه اول

ارائه یک سیستم ترکیبی جدید در تشخیص نوع خطا در ترانسفورماتورهای قدرت براساس مقادیر گازهای حل شده در روغن

Transformers are one of the important and at the same time expensive components of power systems. On timely diagnosis of fault in such systems is still among the researchers interest. Fault diagnosis of transformers based on the dissolved gas analysis is a new technique in the field of fault diagnosis of power transformers. IEC, Roger’s and Dornenburg techniques are the mostly used techni...

full text

تشخیص جریان هجومی از جریان خطا در ترانسفورماتورهای قدرت با استفاده از الگوریتم جستجوی گرانشی

پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می‌دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم‌های حفاظتی منجر می‌گردد. در واقع تشابه بین ویژگی‌های جریان هجومی و شرایط خطای داخلی باعث بروز این خطا می‌گردد. بنابراین، برای کارکرد ایمن ترانسفورماتور لازم است که جریان هجومی از جریان خطا تشخیص دا...

full text

تشخیص خطای ترانسفورماتورهای قدرت با استفاده از شبکه های پتری

ترانسفورماتورها به عنوان یکی از اجزای بسیار مهم شبکه های قدرت محسوب می شوند. مراقبت از آن ها در طول بهره برداری مزایای اقتصادی و فنی زیادی در برداشته و سبب افزایش قابلیت اطمینان شبکه های انتقال و توزیع انرژی برق می شود. چنانچه به هر دلیل این ترانسفورماتور از سرویس خارج شود، خسارت های جبران ناپذیری که ناشی از عدم انتقال پیوسته ی انرژی می باشد، به متولیان سیستم های قدرت وارد می شود و قابلیت اطمین...

تشخیص خرابی دریچه در اثر عیوب مختلف با استفاده از روش انتشار صدا و شبکه‌های عصبی

هدف از این مقاله، تشخیص خرابی دریچه در اثر عیوب مختلف با استفاده از روش انتشار صدا است. در این مقاله، سه عیب لقی، ترک‌خوردگی و لب‌پریدگی دریچه در موتور احتراق داخلی بررسی می‌شود. این عیوب در دریچه‌های مختلف دود و هوا در استوانه‌های مختلف بررسی خواهند شد. آزمون‌ها روی بستار موتوری چهار استوانه انجام می‌شوند. روش آزمایش‌ها به طور خلاصه بدین شرح است که کف بستار بسته می‌شود و هوای فشرده از راه شمع ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - پژوهشکده برق

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023