2014

Yapay sinir ağları yardımıyla izolatör yüzeyinde potansiyel tahmini

Bu çalışmada, Yapay Sinir Ağları (YSA) yardımı ile bir Yüksek Gerilim izolatörü yüzeyinde, sızma aralığı üzerindeki düğüm noktaları için potansiyel tahmini yapılmıştır. Çalışmada, yüzeyi homojen kirle kaplı bir yüksek gerilim izolatörü ele alınmış ve bu izolatörün sızma aralığı üzerindeki düğüm noktalarına ilişkin potansiyel değerleri, Sonlu Elemanlar Yöntemi kullanılarak hesaplanmıştır. Bu hesaplama sonucunda elde edilen potansiyellerin bir kısmı YSA 'nın eğitimi için ve kalan kısmı test için kullanılmıştır. Test aşamasında, Yapay Sinir Ağları ile tahmin edilen potansiyel değerleri, hesaplanan değerler ile karşılaştırılmıştır.

Potential estimation on insulator surface using artificial neural networks

In this study, potential values of the nodes on the leakage distance of a High Voltage insulator have been estimated using Artificial Neural Networks (ANN). The surface of the insulator used in this study is considered as coated with homogenous pollution, and potential values of nodes on the leakage distance of insulator surface have been calculated by Finite Element Method. After this calculation, some of the calculated potential values have been used for training of ANN and the remaining potential values have been used for testing. In test stage, the results obtained from ANN have been compared with the calculated results.

PDF

___

1.Z.Aydogmus and M.Cebeci, "A New Flashover Dynamic Model of Polluted HV Insulators", IEEE Trans. On Dielectrics And Electrical Insulations, pp.577-584, August 2004.
2.M. Çanakçı, Z. Aydoğmuş, M. Cebeci, Yüksek Gerilim İzolatörlerinde Sızma Aralığı Boyunca Alan Şiddeti Değişimi, Elektrik Mühendisliği ö.Ulusal Konferansı, 290-293, 1995.
3.S. A. Kalogirou, Artificial Neural Networks in Renewable Energy Systems Applications, Renewable and Sustainable Energy Reviews, 5, 373-401, 2001.
4.A. Öztemel, Yapay Sinir Ağları, Papatya Yayınları, 75-113, 2003.
5.A. S. Ahmad, P. S. Ghosh, S. S. Ahmad, S. A. K. Aljunid, Assessment of ESDD on High-Voltage Insulators Using Artificial Neural Network, Electric Power Systems Research, 72, 131-136, 2004.
6.D. E. Rumerhalt, G. E. Hinton, , J. R. Williams, Learning Internal Represantation by Error Propagation, Parallel Distributed Processing, 1, MIT Pres, 318-362, 1986
7.P. S. Ghosh, S. Chakravorti, Chatterjee, Estimation of Time to Flashover Characteristics of Contaminated Electrolytic Surfaces Using Artificial Neural Network, IEEE Trans. Dielectr. Electr. Insul., Vol.2, 1064-1074, 1995.