تشخیص خطای امپدانس بالا به کمک الگوریتم درخت تصمیم
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
- نویسنده مصطفی سرلک
- استاد راهنما محمد شهرتاش
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1384
چکیده
در مدارهای توزیع هر گاه هادی برق دار بریده شده و با یک جسم امپدانس بالا مانند درخت، زمین خشک و ... برخورد کند بدلیل امپدانس بالای جسم وولتاژ اندک مدار، جریان کمی از آن عبور خواهدکرد. این خطاها عمدتا در مدارهای توزیع زیر 20 کیلوولت اتفاق می افتد و جریان آنها عمدتا زیر 100 آمپر می باشد. در این پروژه روشی مبتنی بر الگوریتم درخت تصمیم برای شناسایی خطای امپدانس بالا در شبکه توزیع ارائه شده است. در این روش اندازه های هارمونیک دوم، سوم، پنجم، مقدار موثر جریان فیدر و فاز مربوط به هارمونیک سوم به همراه اغتشاش ایجاد شده در مجموع انرژی فرکانسهای هارمونیکی و میان هارمونیکی تا 400 هرتز که بر اثر وقوع خطای امپدانس بالا ایجاد شده تشخیص داده می شود. سپس این اطلاعات به درخت تصمیم به عنوان طبقه بندی کننده برای تشخیص الگو داده می شوند. طرح پیشنهادی قادر به تشخیص خطای امپدانس بالا از اتفاقات معمول در سیستم قدرت همچون کلیدزنی بار، کلیدزنی بانک خازنی، برق دار کردن ترانسفورماتور و بار هارمونیکی می باشد. هم چنین در این پروژه تاثیر عوامل مختلف: نوع بردار خصوصیت (فاز هارمونیکی، انرژی هارمونیکی و اندازه هارمونیکی)، اندازه نرخ نمونه برداری، طول پنجره پیش پردازش و طول بازه ای که اطلاعات مربوط به بردار خصوصیت در آن بدست آمده است، بر روی دقت، پیچیدگی و مدت زمان تشکیل درخت تصمیم بررسی شده است که نتایج اجرای روش، دقت بسیار خوب آن را نشان می دهد.
منابع مشابه
تشخیص جریان خطای امپدانس بالا به کمک تئوری آشوب
امروزه حفاظت از سیستمهای قدرت در مقابل خطاهای احتمالی ، توسط روشهای پیشرفته ای انجام می گیرد. این سیستم های حفاظتی در بسیاری از اوقات به تغییرات شدید و ناگهانی که بر اثر وقوع اتصال کوتاه ها ایجاد می شوند، بسرعت عکس العمل نشان می دهند. خطاها بایستی به طور اتوماتیک و سریع رفع شوند تا اینکه آسیب هایی که ممکن است بر اثر عبور جریان شدید در سیستم ایجاد شود کاهش یابد. اندازه گیری اضافه جریان، اساسی تر...
15 صفحه اولتعیین نوع و سطح تماس خطای امپدانس بالا در شبکههای توزیع با استفاده از روشهای تشخیص الگو
In this paper, pattern recognition algorithms are employed to detect and classify the type of high impedance faults (broken and unbroken) and in case of broken ones to determine the surface (gravel, asphalt and concrete) which the conductor has become in contact with it in power distribution networks. These methods are multilayer SVM and Fuzzy ART classifiers on the bases of features extract...
متن کاملتشخیص بیماری دیابت نوع2 با استفاده از درخت تصمیم C4.5
مقدمه: یکی از شایعترین بیماریها در دنیای امروز بیماری دیابت است و سالانه شیوع دیابت در سطح جهان حدود درصد افزایش مییابد. استفاده از تکنیکهای دادهکاوی برای ایجاد مدلهای پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمککننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روشهای پیشگیری و تشخیص این بیماری پرداخته شد. روش: در این پژوهش کاربردی- توصی...
متن کاملتشخیص بیماری دیابت نوع2 با استفاده از درخت تصمیم C4.5
مقدمه: یکی از شایعترین بیماریها در دنیای امروز بیماری دیابت است و سالانه شیوع دیابت در سطح جهان حدود درصد افزایش مییابد. استفاده از تکنیکهای دادهکاوی برای ایجاد مدلهای پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمککننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روشهای پیشگیری و تشخیص این بیماری پرداخته شد. روش: در این پژوهش کاربردی- توصی...
متن کاملتشخیص بیماری تب کریمهکنگو با استفاده از درخت تصمیم C4.5
مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمهکنگو به سرعت شیوع پیدا میکند. تشخیص این بیماری با استفاده از آزمایشهای لازم، در کمترین حالت زمانی حدود یک هفته به طول میانجامد. روشهای دادهکاوی و یادگیری ماشین متعددی برای ایجاد مدلهای پیشگوییکننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدیاش به منظور تشخیص این بیما...
متن کاملتشخیص بیماری تب کریمهکنگو با استفاده از درخت تصمیم C4.5
مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمهکنگو به سرعت شیوع پیدا میکند. تشخیص این بیماری با استفاده از آزمایشهای لازم، در کمترین حالت زمانی حدود یک هفته به طول میانجامد. روشهای دادهکاوی و یادگیری ماشین متعددی برای ایجاد مدلهای پیشگوییکننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدیاش به منظور تشخیص این بیما...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023