عنوان

عیب یابی شبکه های انتقال قدرت بااستفاده ازشبکه های عصبی -فازی

‭۴۹۱۴پ‬

per

عیب یابی شبکه های انتقال قدرت بااستفاده ازشبکه های عصبی -فازی

/جواد زنگنه

تبریز: دانشگاه تبریز، دانشکده مهندسی برق وکامپوتر، گروه برق - کنترل

‮‭۱۳۱‬ص‬

چاپی

واژه نامه بصورت زیرنویس

فاقد اطلاعات کافی

کارشناسی ارشد

برق - کنترل

تبریز: دانشگاه تبریز، دانشکده مهندسی برق وکامپوتر، گروه برق - کنترل

امروزه، پیش بینی و تشخیص خطادر فرآیندها اهمیت فراوانی یافته است به طوری که در طراحی اکثر فرآیندها این مساله به نحوی مد نظر قرار می گیرد .از جمله در مواردی چون :کار پایدار فرآیند، قابلیت اطمینان، بهبود پارامترهای اقتصادی، ایمنی و حفاظت که در طراحی فرآیند ها مورد نظر بوده و با پیش بینی و تشخیص خطا مرتبطند.هدف نهایی یک سیستم قدرت ،انتقال صحیح و بدون نقص توان الکتریکی از مولدها) نیروگاههای برق ( به مصرف کنندگان) مراکز صنعتی و تولیدی و مشترکین خانگی ( می باشد که در این راستا از سیستم انتقال ، توزیع و تجهیزات پست استفاده می گردد.سیستم قدرت که وظیفة تغذیة پایدار و بدون وقفة توان الکتریکی را دارد ، بایستی از نهایت درجة اطمینان برخوردار باشد . از نقطه نظر ایمنی و اطمینان سیستم های قدرت الکتریکی ، داشتن یک طرح عیب یابی سریع که به هنگام وقوع خطا یا عیب در شبکه، بتواند عیب را آشکار کند و اپراتورها را برای اقدامات اصلاحی اولیه آگاه کند ، ضروری است.هنگامی که عیب در سیستم رخ می دهد ، محدود کردن قسمت های از مدار خارج شده و باز گرداندن سریع قسمت های معیوب به شبکه از موارد بسیار مهم در نظارت و کنترل و قابلیت اطمینان سیستم های قدرت می باشد.در این پایان نامه، فرآیند عیب یابی شامل دو مرحله می باشد :نخست آشکار می شود که خطا اتفاق افتاده است یا خیر،سپس مشخص می گردد که خطا گذرااست یا دائمی.امروزه روش های عیب یابی به طور کلی به دوگروه : روش های مبتنی بر مدل و روش های مبتنی بر شناسایی الگو تقسیم می شوند .با توجه به مشکلات روش های مبتنی بر مدل ، به خصوص وابستگی شدید آنها به صحت و دقت مدل واقعی سیستم و نیز مزایای استفاده از روش های مبتنی بر شناسایی الگو ، جهت عیب یابی شبکة انتقال از روش های مبتنی بر شناسایی الگو استفاده می گردد.در این پایان نامه از روش های هوشمند شناسایی الگومانند :شبکه های عصبی، منطق فازی و شبکه های عصبی _فازی، جهت عیب یابی شبکه های انتقال قدرت استفاده شد .با مقایسه نتایج به کارگیری روش های فوق ، مشخص شد که شبکه عصبی پرسپترون که با استفاده از روش‮‭Marquardt backpropagation - Levenberg‬آموزش داده شده، بهترین جواب را برای ما مهیا کرده است

‮‭The ultimate goal of a power system is to transfer the electric power from the power_plant to the consumers, correctly and faultlessly. This power system must have the most reliability. From the view point of security and reliability, it is crucial for the electric power systems to have a fast diagnostic method to enable it to reveal the fault and to call the operators for corrective steps, when a fault occurs in the system.Separation and bringing back the faulty parts to network, as soon as possible, when a fault occurs in the system, are the most important subjects in monitoring , controlling and reliability of the power systems.In this thesis, diagnostic process are consist of ۲ stages: detection the fault, then identification the fault that is transient or steady state.In this work, we have used the intelligent pattern recognition methods such as: "Neural Networks", "Fuzzy Logic", "Neural_Fuzzy Networks". Among the above methods, Perceptron Neural Network that had been trained by using Levenberg-Marquardt backpropagation method, has provided us the best answer‬

زنگنه، جواد

خانمحمدی، سهراب، استاد راهنما

حسینی، سید حسین، استاد مشاور

اهرابیان، قاسم، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی