پیش بینی حوادث ترانسفورماتورهای شبکه توزیع برق با استفاده از شبکه های عصبی مصنوعی

چکیده مقاله

ترانسفورماتور مهمترین و گرانترین تجهیز در سیستمهای قدرت محسوب می شود. خروج ترانسفورماتور از
مدار در اثر بروز عیب باعث وارد آمدن خسارات جبران ناپذیری خواهد شد. بنابراین تعمیر و نگهداری آنها
دارای اهمیت ویژه ای می باشد در همین راستا پیش بینی خرابی و حوادث ترانسفورماتورها جهت برنامه
ریزی تعمیرات و نگهداری یکی از مسائل مهم در صنعت برق می باشد.
از اینرو در این تحقیق ابتدا دلایل خرابی ترانسفورماتورها در 9 مورد اضافه بار، نشت روغن، نفوذ رطوبت،
اضافه ولتاژهای موقت، آلودگی روغن ترانس، اضافه ولتاژهای گذرا، عمر بالای ترانس، بالا رفتن دمای
محیط و بروز جرقه یا هارمونیك در ولتاژ اولیه دسته بندی گردید. سپس با انتخاب 6 مورد از عوامل بالا
به برآورد درصد خرابی ترانسفورماتورهای از کار افتاده در یك محدوده زمانی خاص پرداخته شده ، در
ادامه با استفاده از این اطلاعات به عنوان داده های ورودی و خروجی ، یك مدل پیش بینی شبکه عصبی
طراحی گردید که به وسیله آن بتوان خرابی و حوادث ترانسفورماتورهای قدرت را پیش بینی نمود .
برنامه شبکه عصبی در نرم افزار مطلب نوشته شد، برای آموزش شبکه نیاز به تعدادی داده ورودی و داده
خروجی داریم که این کار با 051 مدل که اطلاعات 5 ساله شرکت برق می باشد انجام پذیرفت البته از
035 داده برای آموزش و 05 داده برای تست شبکه استفاده می کنیم تا صحت عملکرد شبکه را بتوانیم
بسنجیم . در برنامه شبکه عصبی از یك شبکه فیدفوروارد ،با تابع های مختلف تعلیم ولایه های مختلف با
توجه به داده های ورودی و خروجی به خوبی آموزش دیده شد. در خاتمه با توجه به گرافهایی که از
شبکه عصبی حاصل شد ملاحضه گردید که خرابی ترانس با 6 عامل مورد بررسی ارتباط مستقیم دارد و
با افزایش مقادیرآنها ، درصد خرابی ترانس افزایش پیدا می کند که در عمل هم این گونه بود.

دریافت لینک دانلود مقاله