مقایسه روش های تجزیه و تحلیل رفتار تخلیه جزیی هیدروژنراتور با استفاده از مدل برنامه ریزی خطی و شبکه عصبی مصنوعی چند لایه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 526

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECCONF02_014

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

در این مطالعه پیشنهاد به ارایه یک روش برای تجزیه و تحلیل تخلیه جزیی در یک هیدروژنراتور از طریق تعمیم مدل های خطی از داده های جمع آوری شده مربوط به فازV و B ،A برای اندازه گیری تخلیه جزیی در سیم پیچهای استاتور واقع درنیروگاه برق آبی پرداخته شد. متغیر وابسته تعداد حوادث تخلیه جزیی در نظر گرفته شد، در این مدل متغیرهای زاویه دامنه و فاز به عنوان متغیر مستقل شناخته شدند. در مدل از توزیع داده ای پواسون و دوجمله ای منفی استفاده شد که توزیع دوم ازمقادیر مطلوبتری برخوردار بود. با برآورد مدل، مشخص گردید که احتمال وقوع تخلیه جزیی برای دامنه کم افزایش می یابد .این موضوع در تمام کلاس های زاویه مورد تایید است.سپس به منظور بررسی تحقیق و کشف روابط با استفاده از روش شبکه های عصبی مصنوعی چند لایه پرداخته شد. مشخص گردید که این روش از دقت بیشتری برای تجزیه و تحلیل برخوردار است

کلیدواژه ها:

نویسندگان

حجت اله عروجی

دانشجوی کارشناسی ارشد، مهندسی برق قدرت، دانشگاه آزاد اهواز

مالک قنواتی

استادیار، دانشگاه آزاد اهواز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S.R. Campbell, G.C. Stone, H.G. Sedding, Characteristics of partial discharge ...
  • K. Sathiyasekar, K. Thyagarajah, A. Krishnan, Neuro fuzzy based predict ...
  • IEC60034-27, Rotating electrical machines - Part 27. Off-line partial discharge ...
  • IEEE, IEEE Std. 1434-2011, IEEE Guide to the Measuremet of ...
  • A.A. Mas'ud, B.G. Stewart, S.G. Mcmeekin, Application of an ensemble ...
  • M. Majidi, M. Oskuoee, Improving pattern recognition accuracy of partial ...
  • A.A. Maqrashi, Pattern recognition of partial discharges using Matlab tools, ...
  • M.T. Suwarno, Diagnosis of insulation conditions: interpretation of partial discharges ...
  • S. Venkatesh, S. Gopal, Orthogonal least square center selection technique ...
  • W.J.K. Raymond, H.A. Illias, A.H.A. Bakar, H. Mokhlis, Partial discharge ...
  • _ M.A.A. Turkman, G.L. Silva, Modelos Lineares Generalizados - da ...
  • G.A. Paula, Modelos de regressio com apoio computacional, 2010, pp. ...
  • A.C. Guidoum, Kernel Estimator and Bandwidt Selection for Density and ...
  • R, The R Foundation for Statistical Computing, R Program; A ...
  • J.A. Nelder, R.W.M. Wedderburn, Generalized linear models, J. R. Stat. ...
  • A. Navarro, Negative binomial distribution versus Poisson in the analysis ...
  • K.P. Burnham, D.R. Anderson, Model Selection and Multimodel Inference: A ...
  • Heravi M. and Setayeshi S., (2014). Intelligent and Fast Recognition ...
  • Heravi M. and Setayeshi S., (2015). Speed up and more ...
  • نمایش کامل مراجع