این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۵، شماره ۲، صفحات ۱-۱۶
عنوان فارسی ارائه روش جدیدی جهت شناسایی بر خط انواع خطاهای سیم بندی داخلی در ترانسفورماتور قدرت با استفاده از شبکه ی عصبی احتمالاتی
چکیده فارسی مقاله با توجه به نیاز روز افزون قابلیت اطمینان در سیستم های قدرت و هوشمندسازی شبکه ها و همچنین با نظر به اینکه، ترانسفورماتورها یکی از اجزای اصلی سیستم های انتقال و توزیع می باشند ، اهمیت پایش وضعیت برخط این تجهیزات در سیستم قدرت امری انکار ناپذیر است. دراین مقاله روش جدیدی برای پایش وشناسایی بر خط انواع خطا های داخلی ترانسفورماتور براساس شار نشتی ارائه شده است . با وقوع خطای سیم پیچی در ترانسفورماتور تقارن شارها از بین رفته وسبب افزایش یا کاهش شار نشتی می شود که با توجه به مکان وشدت خطا میزان تغییرات این شارها متفاوت خواهد بود و می توان از این تغییرات در شناسایی خطا استفاده کرد. در این مقاله برای اندازه گیری شارهای نشتی وشناسایی خطا از کویل های جستجو گری که برروی سیم پیچ های فشار قوی نصب شده اند، استفاده شده است. برای شناسایی وکلاس بندی خطا ها از شبکه عصبی احتمالاتی استفاده شده است و جهت پایش برخط وضعیت ترانسفورماتور،از تبدیل PCA استفاده شده است. نتایج شبیه سازی با استفاده از نتایج تست آزمایشگاهی تایید شده وکارایی روش پیشنهادی را تایید می کنند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی New method for online interturn faults detection in power transformer with using probabilistic neural network
چکیده انگلیسی مقاله In recent years with notice increase reliability in power system and Intelligent Systems and also notice that transformers are one of the main part of the transmission and distribution systems, online monitoring of these equipment in power system are require. In this paper, a new method for online interturn fault detection base on leakage flux in power transformer are propose. When an interturn fault occur the symmetry of flux destruction and leakage flux increase or decrease and for various location and severity of fault leakage flux is different and it can be used for fault detection. In this paper for measure these flux we using search coils that mounted on HV winding. To fault detection and classify we using probabilistic neural network. and for decrease the information volume PCA is used. The simulation results are compare and verified with experimental result and show that this propose method is very good.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فاطمه معتبریان |
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

کریم عباس زاده |
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

حسین پایدارنیا | پایدارنیا
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

سلمان حاجی آقاسی |
دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://isee.ui.ac.ir/article_15391_eead826771e7c2015f4e6232cf4688e3.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343767.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات