تعیین انواع خطا در کابل های زیر زمینی با استفاده از انفیس و تبدیل ویولت

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 577

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECTRICA01_098

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

تا دهه اخیر , کابل ها معمولا در سیستم های توزیع هوایی قرار می گرفت اما در حال حاضر از کابل ها در سیستم های کابلی زیر زمینی استفاده می شود .که نسبت به روش قبلی برتری نیز دارد . دلیل این است که کابل های زیر زمینی به دلیل اینکه در زیر زمین هستند تحت تاثیر شرایط بد اب و هوایی قرارنمی گیرند, بنابراین شرایط روزهای افتابی و برفی روی انها اثر نمی گذارند.اما زمانی که یک خطا در سیستم توان رخ دهد ؛ بسیار مشکل است که خطابه درستی یافت شود . در این مطالعه با استفاده از مجموعه های فازی و تجزیه و تحلیل موجک روش هوشمند برای تشخیص خرابی کابل زیرزمینی پیشنهاد شده است. روش ارائه شده از جمله دو ماژول اصلی : ماژول طبقه بندی و ماژول استخراج ویژگی تشکیل شده است. در ماژول طبقه بندی ما سیستم استنتاج عصبی -فازی تطبیقی (ANFIS) به عنوان طبقه بندی مورد استفاده قرارگرفته شده است. در ماژول استخراج ویژگی از تجزیه و تحلیل موجک اتفاده شده است . نتیجه نشان می دهد که روش پیشنهادی قادر به ارائه دقت بالا در انجام وظایف طبقه بندی خطاها است

نویسندگان

مهدی اکبرپور

دانشجوی کارشناسی ارشد مهندسی برق.قدرت_دانشگاه آزاد اسلامی واحد کرمان

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 :
  • H. Khorashadi -Zadeh, M. R. Aghaebrahimi. A Novel Approach to ...
  • R.N. Mahanty, P.B.D Gupta, "Application of RBF neural network to ...
  • _ Oleskovicz, D.V. Coury, R.K. Aggarwal, "A complete scheme for ...
  • accurate fault locator for cable transmission using ANN, " 12th ...
  • H. Khorashadi -Zadeh, "Correction of capacitive voltage transformer distorted secondary ...
  • M. Kezomuic, _ Survey of neural net application to protective ...
  • H. Khorashadli Zadeh, M. Sanaye-Pasand "Power transformer differential protection scheme ...
  • novel approach to detection high impedance faults using artificial neural ...
  • H. Khorashadi -Zadeh, et. al. _ ANN Based Approach to ...
  • V. H. Ortiz, et. al. "Arcing faults patterns for based ...
  • D.V. Coury, and D.C. Jorge, "Artificial neural network approach to ...
  • K. R. Cho, et. al _ ANN based approach to ...
  • Jing-Ru Zhang, Jun Zhang , Tat-Ming Lok, Michael R. Lyu. ...
  • Ngaopitakkul, _ An Application of Discrete Wavelet Transform and Support ...
  • ] Ngaopitakkul, A. An Application of Discrete Wavelet Transform and ...
  • C. Campbell, N. Cristianini, Simple learning algorithms for training support ...
  • Quek, C. (2005). Predicting the impact of anticipator action on ...
  • MelekAcarB oyacioglu, DeryaAvci. An Adaptive Network-B ased Fuzzy Inference System ...
  • C.H. Cheng, L.Y. Wei, Y.S. Chen, Fusion ANFI, models based ...
  • E. Buyukbingol, A. Sisman, M. Akyildiz, F. Alparslan, A. Adejare. ...
  • E. Avci, D. Hanbay, A. Varol. An expert Discrete Wavelet ...
  • A. Keles, A. Keles, U. Yavuz. Expert system based On ...
  • C.K. Lau, Y.S. Heng, M.A. Hussain, M.I. Mohamad Nor. Fault ...
  • S. A. Mallat, "A Wavelet Tour of Signal Processing, " ...
  • E.H. Mamdani, S. Assilian, An experiment in linguistic synthesis with ...
  • J.S.R. Jang, ANFIS: Adap tive _ Network-based Fuzzy Inference Systems, ...
  • S. Haykin, Neural Networks-A C omprehensive Foundation, second ed. .Prentice-Hall ...
  • J.M. Zurada, Introduction to Artificial Neural Systems, PWS Public ationCompany, ...
  • M.T. Hagan, H.B. Demuth, M.H. Beale, Neural Network Design, PWSPubli ...
  • S. Chiu, Selecting input variables for fuzzy models, J. Intell. ...
  • M. Buragohain , C. Mahanta. A novel approach for ANFIS ...
  • M. Hosoz, H.M. Ertunc, H. Bulgurcu. An adaptive neuro-fuzzy inference ...
  • نمایش کامل مراجع