سال انتشار: ۱۳۹۰

محل انتشار: سومین کنفرانس ملی صنعت نیروگاههای حرارتی

تعداد صفحات: ۶

نویسنده(ها):

موسی مقیمی حاجی – دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر
بهروز وحیدی – دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر
سیدحسین حسینیان – دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر

چکیده:

این مقاله یک رویکرد جدید بر مبنای شبکه عصبی مصنوعی و بهینه سازی گروه ذرات برای آشکارسازی اشباع در ترانسفورماتورجریان ارائه می کند. شبکه های عصبی مصنوعی برای آشکارسازی جریان اشباع شده آموزش داده شده و بهینه سازی گروه ذرات برای بهینه سازی ساختار شبکه عصبی مصنوعی به کار رفته است. همه پارامترهای تاثیر گذار بر روی اشباع ترانسفورماتور جریان همانند ظرفیت اتصالکوتاه منبع، نوع خطا، محل وقوع خطا، مقاومت خطا، زاویه وقوع خطا، امپدانس بردن ثانویه و شار پسماند هسته برای تولید یک مجموعه کامل آموزشی برای آموزش شبکه های عصبی تغییر داده شده اند. دقت آشکارساز طراحی شده توسط سیگنا لهای تولید شده توسط یک نرم افزارEMTDC آزمایش شده است که آشکارساز عملکرد مناسبی از خود نشان می دهد