درشبکه های فشارقوی زون یک رله دیستانس بعنوان حفاظت اصلی خطوط انتقال وزونهای 2و3 این رله بعنوان حفاظت پشتیبان خط های بعدی محسوب می شود. برخی عوامل بر عملکرد رله دیستانس تاثیر گذار بوده و به طور دقیق وقطعی مشخص نیستند، این عوامل که بعنوان عدم قطعیت ها در نظرگرفته می شوند عبارتنداز: 1) مقاومت خطا: مقاومت خطا بعنوان یک پدیده ناشناخته برعملکرد رله ی دیستانس تاثیر ناسازگار دارد وعموما" یکی از مهمترین عدم قطعیت ها می باشد.2) خطا در ترانس های اندازه گیری: باتوجه به این که رله دیستانس یک المان امپدانسی است لذا نیازمند به نمونه گیری جریان و ولتاژتوسط ترانسفورماتورهای جریان و ولتاژ با کلاس دقت مشخصی است که در لحظه فالت ممکن است روی عملکرد رله ی دیستانس تاثیر بگذارد.3) مقاومت زمین: عموما" برای خطاهای تک فاز به زمین مطرح میشود. در این حالت امپدانس اندازه گیری شده توسط رله برابر با مجموع، امپدانس خط بین رله و محل خطا، مقاومت خطا و مقاومت زمین خواهد بود.4) تغییر در ساختار و شرایط بهره برداری: از آنجایی که تنظیمات رله دیستانس، تنظیماتی ثابت وبصورت آف لاین محاسبه وبه رله اعمال می شوند. لذا با تغییر ساختار وشرایط بهره برداری شبکه، امپدانس و بواسطه ی آن سطح اتصال کوتاه شبکه تغییرکرده و بیشتر روی عملکردزونهای2و3رله تاثیر می گذارد. در نهایت تعدادی از عدم قطعیت ها رابا استفاده از روش مونت کارلو، با نرم افزار مطلب مدل سازی نموده و رله دیستانس با در نظر گرفتن عدم قطعیت ها تنظیم میگردد، در واقع ما بدنبال این هستیم تا با در نظر گرفتن عدم قطعیت ها محدوده زون یک رله دیستانس را به صددرصد خط مورد حفاظت نزدیکتر کرده و حفاظت پشتیبان مطمئن تری را برای خطوط انتقال فراهم سازیم.

امروزه استفاده از ماشین های سنکرون با آهنربای دائم به دلیل راندمان و چگالی توان بالا در صنایع گوناگون افزایش یافته است. باتوجه به کاربرد حساس این ماشین ها و اجتناب ناپذیری از بوجود آمدن تنش و خطا درآنها، تعمیر و نگهداری از آنها در الویت قرار دارد. روشهای هوشمند به صورت گسترده ای در تشخیص تنش در ماشین های الکتریکی، ترانسفورماتورها و بطور کلی، در تمامی قسمت های صنعت برق به کار می روند. سیستم شبیه سازی ماشین یکی از مدرن ترین روش هایی است که برای این منظور مورد استفاده می شود. از آنجایی که در موارد پیچیده، به ویژه مواردی که استخراج قوانینی کارآمد، بسیار مشکل است، استفاده از استنتاج فازی غیر ممکن است. لذا در چنین مواردی سعی برآن است که از روشهایی کارآمد در استخراج قوانین استفاده شود. یکی از روش های موثر شبیه سازی موتور سنکرون از طریق نرم افزار کاربردی ماکسول است. در این پروژه، یک موتور سنکرون با آهنربای دائم به روش تئوری مدلسازی و تحلیل می شود. در اولین گام عوامل تنش زای الکتریکی و مکانیکی آن تعیین می گردد. این کار در دو مرحله صورت پذیرفته است: در مرحله اول، مدلی ساده از ماشین سنکرون با آهنربای دائم در شرایط کار عادی در محیط شبیه ساز مکسول ( maxwell ) و با استفاده از مقادیر نامی نقطه کار آن شبیه سازی شده و داده های مورد نیاز که عبارتند از گشتاور، ضریب قدرت، نیرو، شار و چگالی استخراج گردید. سپس در مرحله دوم، با تغییر در داده های ورودی و اعمال تنش، داده های بدست آمده در مرحله اول، خروجی ها مقایسه گردیده است. سپس این عوامل با تحلیل عددی مورد ارزیابی قرار گرفته میزان تاثیر هر کدام بر عملکرد موتور مشخص می شود. در نهایت راهکاری جهت ترفیع یا حداقل سازی تاثیرات تنش بر موتور ارائه خواهد شد.

ترانسفورماتورها یکی از اجزای مهم، کلیدی و گران قیمت شبکه برق محسوب می شوند که نقش مهمی در تولید، انتقال و توزیع نیروی برق دارند. اگر به هر دلیلی عیب و اشکالی در آنها پدید آید شبکه برق با مشکل بزرگی مواجه خواهد شد. تشخیص به موقع و دقیق خطا ها هم شامل ترانسفورماتورهایی می باشد که به علت عیب از شبکه خارج شده اند و هم شامل ترانسفورماتورهایی است که، دارای عیوب پنهانی بوده و در حین بهره برداری هستند. استاندادهای مختلفی برای تشخیص وجود خطا در ترانسفورماتور وجود دارند که از مهمترین آنها می-توان به استاندارد راجر، iec596 ، مثلث دوال و ieee اشاره نمود. در این پایان نامه تلاش گردیده است تا با بررسی انواع تست های لازم و مهم روی ترانسفورماتو و علل خرابی آنها، و تحلیل این نتایج و با بهره گیری از روش مدرن و به روز استفاده از دوربین ترمووژن در پی یافتن نقطه دقیق خطا و تشخیص عمر باقیمانده ترانسفورماتور ها باشیم. در این پایان نامه ما با استفاده از یک الگوریتم مناسب و تهیه یک نرم افزار در محیط متلب خواهیم توانست عیوب ترانسفورماتورها در صورت وجود در زمان کم با دقت و سرعت بالا و حداقل هزینه تشخیص دهیم.

در این پایان نامه عملکرد سیستم توربین بادی سرعت ثابت در دو حالت راه اندازی و کار دائم با حضور سرعت باد متغییر مورد بررسی قرار می گیرد و عملکرد این سیستم در این دو حالت با طراحی یک کنترل کننده فازی - عصبی بهینه شده با الگوریتم ژنتیک بهبود می یابد.