CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص نوع عیب تخلیه جزئی شینه های ژنراتوربا استفاده از شاخصهای آماری و شبکه های عصبی احتمالی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۱۱۹۶ | نظرات: ۰
سرفصل ارائه مقاله: ماشین های الکتریکی
سال انتشار: ۱۳۸۴
کد COI مقاله: PSC20_045
زبان مقاله: انگلیسی
حجم فایل: ۱۸۹.۰۲ کلیوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص نوع عیب تخلیه جزئی شینه های ژنراتوربا استفاده از شاخصهای آماری و شبکه های عصبی احتمالی

  منصور رفیعی - دانشجوی دکترای دانشگاه علم و صنعت ایران
  حیدرعلی شایانفر - استاد دانشگاه علم و صنعت ایران و عضو هیئت علمی دانشگاه صنعت آب و برق

چکیده مقاله:

دراین مقاله نتایج آزمایشات تخلیه جزئی انجام شده روی شینه های ژنراتور واقعی با استفاده از یک سیستم اندازه گیری مبتنی بر کامپیوتر ارائه گردیده است . روی این شینه ها دو نوع عیب بطور مصنوعی ایجاد شده و درمجموع در سه حالت عیب شماره 1 و 2 و عیب برطرف شده ازمایشات صورت گرفته است . محاسبات اولیه بکمک یک نرم افزار که به همین منظور تهیه شده انجام گرفته و توزیعهای آماری مختلف فاز - دامنه - تعداد پالس بدست آمده اند . برای داشتن تعدادی شاخص جهت تعیین نوع عیب , برخی ویژگیهای این توزیع شامل پارامترهای پیچش و تیزی , مربوط به توزیع های تعداد پالس برحسب فاز و دامنه پالس بر حسب فاز برای پلاریته های مثبت و منفی پالس های تخلیه ها استخراج گردیده اند .
در مجموع 8 شاخص , سه حالت خروجی و 54 سری داده برای هر حالت تهیه شده است . از نیمی از این داده های برای آموزش یک شبکه عصبی احتمالی استفاده شده و با نیم دیگر از داده ها شبکه عصبی تست شده است . نتایج در مجموع حاکی ازدر صد بالای موفقیت این شبکه عصبی در تشخیص نوع عیب می باشد .

کلیدواژه‌ها:

تخلیه الکتریکی جزئی , شبکه های عصبی احتمالی , شینه ژنراتور , شاخصهای آماری

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-PSC20-PSC20_045.html
کد COI مقاله: PSC20_045

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رفیعی, منصور & حیدرعلی شایانفر, ۱۳۸۴, تشخیص نوع عیب تخلیه جزئی شینه های ژنراتوربا استفاده از شاخصهای آماری و شبکه های عصبی احتمالی, بیستمین کنفرانس بین المللی برق, تهران, شرکت توانیر, پژوهشگاه نیرو, https://www.civilica.com/Paper-PSC20-PSC20_045.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رفیعی, منصور & حیدرعلی شایانفر, ۱۳۸۴)
برای بار دوم به بعد: (رفیعی & شایانفر, ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • [l] G.J. Paoletti and A. Golubev, "Partial Discharge Theory and ...
  • .Farrokhi, M. Rafiee, "Evaluation of Used and Repaired Power Transformers ...
  • A. Krivda and D. Birtwhistle, "Recognition of Multiple Partial Discharge ...
  • K.B.CHO, J.Y. Oh, "An overview of Application of Artificial Neural ...
  • A.A. Mazroua, R. Bartnikas, M.M.A. Salama, "Neural Network System Using ...
  • _ ' D etermin ation of Neural Network Topology for ...
  • بررسی تأثیر دما روی الگوهای تخلیه الکتریکی جزئی ناشی از عیوب سطحی شینه های ژنراتور فشارقوی [مقاله کنفرانسی]
  • طراحی و ساخت سیستم مدرن اندازه گیری تخلیه الکتریکی جزئی [مقاله کنفرانسی]
  • م. رفیعی, " دستورالعمل کار با نرم افزار , APDA ...
  • H. Demuth and M. Beale, "Neural Network Toolbox for Use ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۷۷۱۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.