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

پیش بینی دقیق وقوع عیب در ترانسفورماتورهای قدرت

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۰۴۹ | نظرات: ۰
سرفصل ارائه مقاله: ترانسفورماتورها
سال انتشار: ۱۳۸۵
کد COI مقاله: PSC21_265
زبان مقاله: فارسی
حجم فایل: ۳۲۴.۶۶ کلیوبایت (فایل این مقاله در ۱۲ 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 ۱۲ 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 پیش بینی دقیق وقوع عیب در ترانسفورماتورهای قدرت

  علیرضا خواجه - بخش برق - دانشکده مهندسی - دانشگاه شیراز
  ابراهیم فرجاه - بخش برق - دانشکده مهندسی - دانشگاه شیراز
  علیرضا سیفی - بخش برق - دانشکده مهندسی - دانشگاه شیراز

چکیده مقاله:

تجزیه و تحلیل گازهای محلول در روغن ترانسـفورماتورهای قدرت با استفاده از گازکروماتوگرافی (GC) اطلاعات مهمی در مورد وضعیت عیوب اولیه ترانسـفورماتورهای در حـال بهـره برداری در اختیار بهره بردار قرار می دهد و ما را قادر خواهـد ساخت تا قبل از وارد آمدن خسارات سنگین بتوان نسـبت بـه رفع عیب اقـدام نمـود در مقالـه دیگـری از مؤلفـان، سیسـتم هوشمند ترکیبی و بهینه با استفاده از گاز کروماتوگرافی روغن به منظور افزایش دقت و داشتن قابلیـت اطمینـان بـالا جهـت تشخیص عیوب ابتدایی ترانسفورماتورها پیشنهاد شد . در ایـن مقاله سعی شده است باارائه دستورالعمل و استفاده از تکنیـک های شبکه عصبی، گازهای محلول در روغن در طی یک دوره پــیش بینــی و ســپس ایــن اطلاعــات بعنــوان ورودی، جهــت تشخیص وتفکیک عیب به سیستم هوشمند داده می شـود . بـه منظور افزایش قدرت تعمیم دهی ودقت پـیش بینـی از روش تلفیقی بیسین با روش گوس - نیوتون استفاده شده است

کلیدواژه‌ها:

تحلیل گازهای محلول در روغن (DGA) ، خطاهای اولیه، شبکه عصبی، ترانسفورماتورهای قدرت

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-PSC21-PSC21_265.html
کد COI مقاله: PSC21_265

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:
خواجه, علیرضا؛ ابراهیم فرجاه و علیرضا سیفی، ۱۳۸۵، پیش بینی دقیق وقوع عیب در ترانسفورماتورهای قدرت، بیست و یکمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، https://www.civilica.com/Paper-PSC21-PSC21_265.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: (خواجه, علیرضا؛ ابراهیم فرجاه و علیرضا سیفی، ۱۳۸۵)
برای بار دوم به بعد: (خواجه؛ فرجاه و سیفی، ۱۳۸۵)
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 :

  • M .Duva _ _ Hydro-Quebec، Dissolved Gas Analysis:It Can Save ...
  • Joseph B. DiGiorgio، Dissolved gas analysis of mineral oil insulating ...
  • R.R.Rogers، IEEE and IEC codes to interpret incipient - faults ...
  • M.Duval *Fault gases formed in oil - filled breathing EHV ...
  • IEC publication 60599، Mineral oi I-impregnated electrical equipment in service ...
  • J.O.Church et al *Analyze incipient fault with dissolved-gas nomograph.' _ ...
  • N.K.Patel, P .K. Khubchandani، Ann Basded power Transformer Fault Diagnosis.' ...
  • O. Vanegas, Y. M izuno, K.Naito ;Diagnosis of oil- insulated ...
  • J.L.Guardado , J. L .Naredo, P .Moreno , and C.R.Fuerte, ...
  • *Diagnosis of DGA Based on Fuzzy and Ann Methods.^ Proceedings ...
  • K.F. Thang, R . K. Aggarwal, and A.J. McGrail, *Analysis ...
  • Diego Roberto Morias and Jacqueline Cisele hybrid tool for detection ...
  • تشخیص عیوب ابتدایی ترانسفورماتورهای قدرت با استفاده از سیستم هوشمند [مقاله کنفرانسی]
  • R.Battiti, First-and second order methods for learning :Between steepest descent ...
  • F.Dan Foresee and Martin T. Hagan, «Gauss- Newton approximation to ...
  • John C.Drotos, John W. Porter, Randy Stebbins, Dissolved gas analysis ...
  • J.-S.R.JANG and C.T.SUN and E. Mizutani, Neuro-Fuzzy and soft computing. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۹۳۶۵
    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.