การรู้จำรูปแบบของการเกิดดีสชาร์จบางส่วนในอุปกรณ์ไฟฟ้าแรงสูง

Pattern recognition of partial discharge in high voltage equipment

Name: เกวริน วิเศษจินดาวัฒน์

ThaSH: ไฟฟ้าแรงสูง

ThaSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

ThaSH: จีเนติกอัลกอริทึม

ThaSH: ดิสชาร์จ

Abstract: วิทยานิพนธ์นี้เป็นรายงานการศึกษาค้นคว้าวิจัยเกี่ยวกับการพัฒนาออกแบบโปรแกรมการรู้จำรูปแบบของการเกิดดีสชาร์จบางส่วน (PD) ในอุปกรณ์ไฟฟ้าแรงสูงให้มีความสามารถในการจำแนกรูปแบบของการเกิดดีสชาร์จบางส่วนได้อัตโนมัติ โดยเริ่มจากการจำลองลักษณะของการเกิด PD แบบต่างๆ ที่สามารถเกิดขึ้นในอุปกรณ์ไฟฟ้าแรงสูง เช่น โคโรนา ดีสชาร์จภายนอก และดีสชาร์จภายใน จากนั้นทำการตรวจวัดและคำนวณค่าคุณลักษณะที่สำคัญเก็บไว้ในฐานข้อมูล ในการคำนวณค่าคุณลักษณะจะใช้วิธีสถิติ ซึ่งคำนวณการกระจายขนาดของ PD เฉลี่ยตามมุมเฟสของแรงดัน และการกระจายจำนวนครั้งที่เกิด PD ซ้ำตามมุมเฟสแรงดัน) ร่วมกับวิธีแฟรกตัล ซึ่งคำนวณจากการกระจาย (ความสัมพันธ์ระหว่างขนาดของ PD(q), มุมเฟสของแรงดันทดสอบ (phi) และจำนวนครั้งที่เกิด PD ซ้ำ (n)) จะได้พารามิเตอร์รวมทั้งหมด 13 ค่า โดยพารามิเตอร์ทั้ง 13 ค่านี้จะนำมาใช้ในกระบวนการเรียนรู้และจดจำรูปแบบของการเกิด PD คือ เป็นตัวนำเข้าข้อมูลของนิวรอลเน็ทเวิร์ค จากนั้นจะทำการสอนให้ระบบเกิดการเรียนรู้โดยใช้นิวรอลเน็ทเวิร์คและเจนเนติกอัลกอริทึม โดยนำเจนเนติกอัลกอริทึมมาปรับค่าน้ำหนักให้กับตัวนิวรอลเน็ทเวิร์ค จากผลการทดสอบกับอุปกรณ์ที่เกิดความผิดพร่อง พบว่าสามารถแยกแยะลักษณะการเกิด PD ที่เกิดขึ้นในอุปกรณ์ไฟฟ้าแรงสูงได้อย่างถูกต้องมากกว่า 80 เปอร์เซ็นต์

Abstract: This thesis is a study of Partial Discharge(PD) Pattern Recognition in High Voltage Equipment program to automatically diagnosed. PD Pattern namely Corona, Internal and External discharge were measured from defective modeling. The calculated compulsory characteristics are stored in database by utilizing statistical and fractal method. The result of distribution of average value and repeated existing of PD corresponding voltage phase angle, provided the statistical value. In addition, the latter method was obtained from the distribution value consisting the correlation between the amplitude of PD, the voltage phase angle and the repeated existing of PD. Using these methods, statistical and, fractal method. The 13 parameters, inputted to Neural Network to training system, were obtained. Moreover the system recognition is utilized Genetics Algorithm to determine the appropriate weight for Neural Network as well. The tested result shown more than 80 percent correct diagnosis.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: สำรวย สังข์สะอาด

Role: ที่ปรึกษา

Name: เอกชัย ลีลารัศมี

Role: ที่ปรึกษาร่วม

Created: 2544

Modified: 2560-04-10

Issued: 2560-04-10

วิทยานิพนธ์/Thesis

application/pdf

ISBN: 9740305377

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมไฟฟ้า

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Kevarin.pdf	3.35 MB	20	2024-10-14 11:42:14

ใช้เวลา

0.035672 วินาที