کاربرد شبکه های عصبی مبتنی بر توابع پایه شعاعی درتشخیص خطای ترانسفورماتورهای قدرت با استفاده از آنالیز گازهای محلول در روغن

در این مقاله سعی شده با مروری بر کارهای موجود برخی از روشهای آشکارسازی خطاهای داخلی ترانسفورماتور قدرت بوسیله تجزیه و تحلیل گازهای محلول در روغن ترانسفورماتور (DGA) مورد بررسی قرار گرفته و روشی با استفاده از شبکههای عصبی مصنوعی به منظور تحلیل دادهها و تشخیص خطا ارائه گردد.. این شبکه به صورت کارآمد جهت تشخیص عیوب ترانسفورماتورهای قدرت پیشنهاد میگردد. شبکه مورد استفاده در این کار از نوع شبکه با تابع پایه شعاعی (RBF) بوده که مزایای عمومی شبکه های عصبی به اضافه سرعت بیشتر در یادگیری را برخوردار است. نتایج کار نشان م یدهد که این شبکه می تواند با دقت و سرعت مناسب عیبیابی ترانسفورماتور را بدون نیاز به بیبرق کردن آن انجام دهد.

کلیدواژه ها:

تشخیص خطا ، DGA ، ترانسفورماتور قدرت ، شبکه عصبی ، تابع پایه شعاعی