عیب یابی شبکه های قدرت با استفاده از تصاویر حرارتی به کمک رده بند bagging
- سال انتشار: 1396
- محل انتشار: کنفرانس بین المللی تحقیقات بنیادین در مهندسی برق
- کد COI اختصاصی: ICEEC01_249
- زبان مقاله: فارسی
- تعداد مشاهده: 1031
نویسندگان
گروه مهندسی برق،دانشکده فنی مهندسی، واحد دامغان، دانشگاه آزاد اسلامی، دامغان،ایران
استادیار گروه برق، واحد دامغان،عضو هییت علمی دانشگاه آزاد اسلامی، دامغان، ایران
گروه مهندسی برق،دانشکده فنی مهندسی، واحد دامغان، دانشگاه آزاد اسلامی، دامغان،ایران
گروه مهندسی برق،دانشکده فنی مهندسی،واحد مهریز،دانشگاه آزاد اسلامی،یزد،ایران
چکیده
تعمیر و نگه داری برای افزایش بهره وری و کاهش زمان از کار افتادن تجهیزات که منجر به کاهش تولید می گردد، یکی از موارد مهم تاثیر گذار در بهره وری و افزایش راندمان یک سیستم صنعتی می باشد. به ویژه در صنعت برق مطالعه و پژوهشهای گوناگونی صورت گرفته است. یکی از روش های متداول کنونی در صنعت برق بازدید بصری خطوط انتقال و شبکه توزیع می باشد. این روش علاوه بر هزینه و نیاز به نیروی انسانی با تجربه، از دقت ناچیزی برخوردار است. امروزه استفاده از فن آوری ترموویژن در صنایع، کاربردهای گوناگونی پیدا نموده است. در این پژوهش استفاده از فن آوری ترموویژن به منظور بهبود روشهای جاری تعمیر و نگه داری در صنعت برق، پیشنهاد گردیده است. درواقع بازرسی فنی تجهیزات الکتریکی توسط دوربین های حرارتی موثرترین روش برای عیب یابی پیشگیرانه است. در این مقاله با ترکیب تکنیک های پردازش تصویر و یادگیری ماشین، یک سیستم عیب یاب طراحی شده است. در قسمت پردازش تصویر، با استفاده از آستانه گیری یک سری نواحی کاندیدا استخراج می شوند. سپس با استفاده از تکنیک های یادگیری ماشین یک فیلتر هوشمند برای افزایش دقت (کاهش نمونه های مثبت نادرست) پیاده سازی می شود. ایده ی اصلی در این سیستم استفاده از معیاری به نام سود اطلاعاتی (information gain) برای حذف ویژگی های مازاد و نامربوط است. همچنین از رده بندی به نام bagging که یک رده بند ensemble است برای تفکیک ناحیه ها استفاده شده است. این سیستم عیب یاب بر روی تصاویر حرارتی بدست آمده از پست های شمال غرب تهران آزمایش گردید. نتایج حاصله نشان دهنده این واقعیت است که می توان امید داشت که چنین سیستمی در عیب یابی قطعات در دنیای واقعی مورد استفاده قرار گیرد.کلیدواژه ها
شبکه توزیع، قابلیت اطمینان، دوربین های حرارتی، تعمیرات و نگهداری، پردازش تصویرمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.