دانلود ترجمه مقاله طراحی و ارزیابی یک سیستم هیبرید برای تشخیص و پیش بینی خطا
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2014
تعداد صفحه ترجمه:32
تعداد صفحه فایل انگلیسی:12
موضوع انگلیسی :Design and evaluation of a hybrid system for detection and prediction
of faults in electrical transformers
موضوع فارسی:دانلود ترجمه مقاله طراحی و ارزیابی یک سیستم هیبرید برای تشخیص و پیش بینی خطا
چکیده انگلیسی:Transformers are the vital parts of an electrical grid system. A faulty transformer can destabilize the electrical
supply along with the other devices of the transmission system. Due to its significant role in the
system, a transformer has to be free from faults and irregularities. Dissolved Gas-in-oil Analysis (DGA)
is a method that helps in diagnosing the faults present in an electrical transformer. This paper proposes
a hybrid system based on Genetic Neural Computing (GNC) for analyzing and interpreting the data
derived from the concentration of the dissolved gases. It is further analyzed and clustered into four subsets
according to the standard C57.104 defined by IEEE using genetic algorithm (GA). The clustered data is
fed to the neural network that is used to predict the different types of faults present in the transformers.
The hybrid system generates the necessary decision rules to assist the system’s operator in identifying
the exact fault in the transformer and its fault status. This analysis would then be helpful in performing
the required maintenance check and plan for repairs.
چکیده فارسی: ترانسفورماتور ها بخش های حیاتی سیستم شبکه برق محسوب می شوند. ترانسفورماتور معیوب می تواند منبع برق را همراه با دستگاه های دیگر سیستم انتقال بی ثبات کند. با توجه به نقش مهم آن در سیستم، یک ترانسفورماتور بایستی عاری از هرگونه خطا و بی نظمی باشد. تجزیه و تحلیل محلول گاز در روغن (DGA) روشی است که در تشخیص خطا های موجود در ترانسفورماتور برق کمک می کند. این مقاله یک سیستم هیبریدی بر اساس محاسبات ژنتیک عصبی (GNC) برای تجزیه و تحلیل و تفسیر داده های به دست آمده از غلظت گازهای حل شده، پیشنهاد می کند. که بر اساس تجزیه و تحلیل به چهار زیر مجموعه با توجه به استاندارد C57.104 تعریف شده توسط IEEE و استفاده از الگوریتم ژنتیک (GA) خوشه بندی می کند . داده های خوشه بندی شده وارد شبکه عصبی شده تا برای پیش بینی انواع مختلفی از خطاهای موجود در ترانسفورماتور استاده گردد. سیستم ترکیبی قوانین تصمیم گیری لازم را برای کمک به اپراتور سیستم در شناسایی خطای دقیق در ترانسفورماتور و وضعیت خطا ی آن تولید می کند. این تجزیه و تحلیل در انجام تعمیر و نگهداری مورد نیاز و برنامه ریزی برای بررسی سیستم، مفید واقع خواهد شد.
