جستجوی مقالات مرتبط با کلیدواژه "مدل مشروح" در نشریات گروه "برق"
تکرار جستجوی کلیدواژه «مدل مشروح» در نشریات گروه «فنی و مهندسی»جستجوی مدل مشروح در مقالات مجلات علمی
-
تخلیه جزئی مهم ترین عامل تخریب عایق در ترانسفورماتور قدرت که یکی از مهم ترین اجزای سیستم های قدرت می باشد، شناخته می شود. بنابراین روش های با سرعت و دقت بالا در مکان یابی منشا تخلیه جزئی دارای اهمیت خاصی برای نگهداری و تعمیر ترانسفورماتورها می باشد. در این مقاله دو روش نوین مبتنی بر شبکه های عصبی برای تشخیص مکان تخلیه جزئی در سیم پیچ ترانسفورماتورها ارائه شده است. جهت شبیه سازی ترانسفوماتور از مدل مشروح و شبیه سازی پدیده تخلیه جزئی در عایق بین حلقه ها از مدل سه خازنی بهره گرفته شده و این پدیده در مکان های مختلف سیم پیچ ترانسفورماتور به کمک نرم افزار EMPT شبیه سازی شده است. سپس آزمون ضربه به ترمینال ترانسفورماتور اعمال گردیده و سپس جریان ایجاد شده در نقطه نول اندازه گیری شده و جهت آموزش و آزمون شبکه های عصبی از آن ها استفاده شده است. جهت نزدیک تر کردن شرایط شبیه سازی به شرایط واقعی به دلیل وجود نویز در شرایط عملی، نویزهای مختلفی بر روی شکل موج های شبیه سازی شده اضافه شده است. سپس عملکرد شبکه های 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.
کلید واژگان: تخلیه جزئی, ترانسفورماتور, شبکه بیزین, شبکه عصبی FAM, مدل مشروحPartial 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.Keywords: Partial Discharge, Transformer, Bayesian Network, Fuzzy ARTmap Neural Network, Detailed Model -
ترانسفورماتورهای قدرت به فراوانی در شبکه های برق برای انتقال و توزیع انرژی الکتریکی به مسافت های طولانی مورد استفاده قرار می گیرد. قابلیت اطمینان ترانسفورماتورهای قدرت در این میان نقشی اساسی در تغذیه مطمئن انرژی ایفا می کند. بنابراین، شناسایی هر چه سریع تر عیب های رخ داده در داخل ترانسفورماتورهای قدرت ضروری به نظر می رسد. یکی از چنین عیب هایی که به سختی قابل تشخیص است، تغییرات مکانیکی (به شکل جابجایی های محوری و جابجایی های شعاعی) در ساختار سیم پیچ های ترانسفورماتورهای قدرت است. اندازه گیری تابع تبدیل تنها روشی است که در حال حاضر برای شناسایی این عیب معرفی شده است. در این مقاله سیم پیچ های ترانسفورماتور قدرت به منظور مانیتورینگ با روش تابع تبدیل مطالعه و شبیه سازی شده است. برای این کار مدل مشروح سیم پیچ ها مورد استفاده قرار گرفته و نشان داده شده است که این مدل توانایی مدل سازی تغییرات مکانیکی بوجود آمده در سیم پیچ فشار قوی ترانسفورماتورهای قدرت را دارد. در نهایت با شبیه سازی به کمک مدل مشروح و همچنین استفاده از تابع تبدیل ترانسفورماتور نشان داده شده که می توان تغییرات مکانیکی در سیم پیچ ترانسفورماتورهای قدرت را تشخیص داد و محل آن را تعیین کرد.
کلید واژگان: ترانسفورماتورهای قدرت, تغییر شکل (مکانیکی), مدل مشروحTransformers are used in power systems for transmission and distribution of electrical energy in long distance. Also, reliability of transformers have essential role in feed of electrical energy. Therefore it is necessary to identification of faults in transformer. One of this faults that is difficult to recognize is mechanical deformation in transformer windings. Now a day, only method to identification of this fault is measuring of transfer function. In this paper, transformer winding is simulated by transfer function for monitoring. For this aim, the detailed model of windings is used and has been showed this model able to identification and simulation of mechanical deformation in transformer windings. Finally, it has been showed with simulation with detailed model and also by using of transformer transfer function can be recognized mechanical deformation in transformer windings. Meanwhile, this method could be recognized the location of this fault
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.