این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
کیفیت و بهره وری صنعت برق ایران، جلد ۱، شماره ۱، صفحات ۴۶-۵۶
عنوان فارسی مکان‌یابی تخلیه جزئی با استفاده از مدل مشروح ترانسفورماتورها به کمک شبکه عصبی FAM و بیزین
چکیده فارسی مقاله تخلیه جزئی مهم‌ترین عامل تخریب عایق در ترانسفورماتور قدرت که یکی از مهم‌ترین اجزای سیستم‌های قدرت می‌باشد، شناخته می‌شود. بنابراین روش‌های با سرعت و دقت بالا در مکان‌یابی منشأ تخلیه جزئی دارای اهمیت خاصی برای نگهداری و تعمیر ترانسفورماتورها می‌باشد. در این مقاله دو روش نوین مبتنی بر شبکه‌های عصبی برای تشخیص مکان تخلیه جزئی در سیم‌پیچ ترانسفورماتورها ارائه شده است. جهت شبیه‌سازی ترانسفوماتور از مدل مشروح و شبیه‌سازی پدیده تخلیه جزئی در عایق بین حلقه‌ها از مدل سه خازنی بهره گرفته شده و این پدیده در مکان‌های مختلف سیم‌پیچ ترانسفورماتور به کمک نرم افزار EMPT شبیه‌سازی شده است. سپس آزمون ضربه به ترمینال ترانسفورماتور اعمال گردیده و سپس جریان ایجاد شده در نقطه نول اندازه‌گیری شده و جهت آموزش و آزمون شبکه‌های عصبی از آن‌ها استفاده شده است. جهت نزدیک‌تر کردن شرایط شبیه‌سازی به شرایط واقعی به دلیل وجود نویز در شرایط عملی، نویزهای مختلفی بر روی شکل موج‌های شبیه‌سازی شده اضافه شده است. سپس عملکرد شبکه‌های عصبی مورد استفاده در این مقاله شامل Fuzzy ATRmap و Bayesian جهت تشخیص صحیح مکان تخلیه جزئی با وجود نویز با یکدیگر مقایسه شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Partial Discharge Localization using Neural Networks and Transformer Detailed Model
چکیده انگلیسی مقاله Partial discharge is a main source of insulation degradation in power transformers. Therefore accurately locating of partial discharge sources in transformers as the main equipment in power system is needed. This paper proposed two novel methods based on artificial neural networks for partial discharge localization in the power transformers. For this purpose detailed model of transformer and three capacitor model of partial discharge is used. Then impulse test is applied to transformer terminals and current in neutral point is measured for training and test of artificial neural networks. As actual current signals include noise components, the noisy component is added to measured current signals and performance of proposed neural networks for partial discharge localization is shown and results are compared.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد نفیسی | hamed nafisi
department of electrical engineering- amirkabir university of technology, tehran, iran
دانشکده مهندسی برق- دانشگاه صنعتی امیرکبیر ۴۲۴ خیابان حافظ، تهران، ایران. صندوق پستی ۴۴۱۳-۱۵۸۷۵.
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

مهرداد عابدی | mehrdad abedi
department of electrical engineering- amirkabir university of technology, tehran, iran
دانشکده مهندسی برق- دانشگاه صنعتی امیرکبیر ۴۲۴ خیابان حافظ، تهران، ایران. صندوق پستی ۴۴۱۳-۱۵۸۷۵.
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

گیورگ قره پتیان | gevorg gharehpetian
department of electrical engineering- amirkabir university of technology, tehran, iran
دانشکده مهندسی برق- دانشگاه صنعتی امیرکبیر ۴۲۴ خیابان حافظ، تهران، ایران. صندوق پستی ۴۴۱۳-۱۵۸۷۵.
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

نشانی اینترنتی http://ieijqp.ir/browse.php?a_code=A-10-34-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1533/article-1533-254333.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات