آشکار سازی اشباع در ترانسفورماتور جریان بر مبنای تبدیل موجک گسسته و تصحیح خطای آن بااستفاده از روش عصبی-فازی

در این پایانامه از یک الگوریتم مبتنی بر تبدیل موجک گسسته به منظور آشکارسازی زمان وقوع خطا و دوره-های اشباع (زمان های شروع و پایان اشباع) استفاده شده و سیستم های وفقی فازی-عصبی برای تصحیح خطای اشباع از روی جریان ثانویه، مورد استفاده قرار گرفته اند. اطلاعات لازم جهت آموزش سیستم های فازی-عصبی با تغییر پارامترهای تاثیر گذار بروی اشباع ترانسفورماتور جریان از جمله ظرفیت اتصال کوتاه منبع، مقاومت خطا، مکان خطا، زمان (زاویه) وقوع خطا، میزان شار پسماند موجود در هسته ct و اندازه بردن ثانویه ct از مدار نمونه طراحی شده استخراج می گردد. در مرحله اول و برای آشکارسازی دوره های اشباع و زمان وقوع خطا، از یک الگوریتم بر پایه تبدیل موجک گسسته که بر اساس خروجی های دو واحد محاسباتی عمل می کند استفاده شده است. بمنظور پوشش کاملتر و جامعتر انواع حالات خطا و آموزش بهینه سیستم های anfis جهت تصحیح خطا، پس از استخراج دو مشخصه از جریان های خطا در لحظه ی تشخیص وقوع خطا، کلیه جریان ها بوسیله این اطلاعات دوبعدی و توسط الگوریتم دسته بندی fcm در 6 دسته تقسیم بندی می شوند. 6 سیستم وفقی فازی-عصبی بوسیله اطلاعات موجود در هر دسته به منظور جبرانسازی جریان ثانویه در زمان هایی که ترانسفورماتور جریان به اشباع رفته است، آموزش می بینند. نهایتاً قوانین فازی tsk طراحی شده به منظور تعیین درصد مشارکت هر سیستم anfis در تصحیح خطاهای جدید مورد استفاده قرار می گیرند. برای شبیه سازی شبکه قدرت جهت تولید اطلاعات مورد نیاز بمنظور آموزش و تست سیستم های فازی-عصبی از نرم افزار emtp-rv و برای پیاده سازی سیستم های فازی-عصبی، سیستم استنباط فازی tsk و الگوریتم دسته بندی fcm از نرم افزار matlab استفاده شده است.