دانلود مقاله ISI انگلیسی شماره 57489 + ترجمه فارسی
ترجمه فارسی عنوان مقاله

یک سیستم شناسایی برای تشخیص خطا در ترانسفورماتورهای قدرت

عنوان انگلیسی
A cognitive system for fault prognosis in power transformers
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
57489 2015 9 صفحه PDF 29 صفحه WORD
دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Electric Power Systems Research, Volume 127, October 2015, Pages 109–117

فهرست مطالب ترجمه فارسی
چکیده


کلمات کلیدی


1.مقدمه


شکل1. روش مثلث duval.


جدول1. خطاهای توصیف شده توسط روش duval


2. سیستم شناسایی خطا در ترانسفورماتورهای قدرت


3. سیستم شناسایی پیشنهادی برای شناسایی خطا 


3.1 سیستم های شناسایی و هوشمند


شکل2. فرآیند شناسایی


3.2 ساختار پیشنهاد شده


شکل 3. ساختار کلی سیستم


شکل4. ساختار کارکرد هر عامل 


3.3. سیستم حسگر


شکل 5. ساختار عملکردی سیستم حسگر.


3.4. سیستم ذخیره سازی، برنامه نویسی و پردازش


3.4.1 لایه ارتباطی


3.4.2 لایه نمادین


3.5 هسته شناسی


3.6. هسته عامل


3.7 سیستم راه اندازی


3.8 سیستم ارتباطات


3.9 سیستم تشخیص خطا بر روی ساختار پیشنهادی


شکل6. مراحل شناسایی (خطا).


4.نتایج


4.1 داده های تجربی


4.2 پیکربندی آزمایش ها


جدول2. موارد آزمایش


جدول3. محیط آزمایش


4.3 نتایج 


شکل7. بلوک RUL با نتایج بیش از 120 اجرا مستقل.


جدول4. ماتریس خطاها


شکل8. نمودار RUL برای مورد 1 با بیش از 120 اجرای مستقل.


شکل9. نمودار RUL برای مورد 2 با بیش از 120 اجرای مستقل.


شکل10. میزان دقت شناسایی خطا با توجه به زمان بین زمان حالت اولیه و زمان وقوع خطا.


5. نتیجه گیری


 
ترجمه کلمات کلیدی
ترانسفورماتور قدرت؛ سیستم های مبتنی بر دانش؛ سیستم های شناختی؛ پیش بینی خطا ؛ تشخیص خطا؛ آنالیز گاز محلول
کلمات کلیدی انگلیسی
Power transformers; Knowledge-based systems; Cognitive systems; Fault prognosis; Fault diagnosis; Dissolved Gas Analysis
ترجمه چکیده
ترانسفورماتور قدرت یکی از مهم ترین و گران قیمت ترین تجهیزات در سیستم های قدرت الکتریکی است. به طور غیرمعمول، صدمه به شبکه و ادوات بهره برداری الکتریکی بسیار مهم است. در دهه های گذشته، بسیاری از ابزارهای محاسباتی برای نظارت بر سلامت چنین تجهیزات مهمی توسعه یافته اند. طبقه بندی خطاهای اولیه در ترانسفورماتورهای قدرت از طریق تجزیه و تحلیل گاز حل شده (DGA) به عنوان مثال، یک تکنیک بسیار شناخته شده برای این منظور است. در این مقاله یک سیستم هوشمند مبتنی بر سیستم های شناسایی برای تشخیص خطا در ترانسفورماتورهای قدرت ارائه می کنیم. سیستم پیشنهادی هر دو مکانیسم تکاملی و ارتباطی را در یک مدل ترکیبی استفاده می کند که یک ابزار ضروری در توسعه فن آوری نگهداری است تا برای زمانی که خطایی اتفاق بیفتد، برنامه ریزی شود و باعث جلوگیری یا کاهش نگهداری واکنشی گردد. روش پیشنهادی در پایگاه داده های واقعی منتج از آزمایش های کروماتوگرافی ترانسفورماتورهای قدرت موجود در متون علمی به کار گرفته شده است. نتایج به دست آمده کاملا تشریح می شود که نشان دهنده قابلیت پیاده سازی و اعتبار روش جدید است. سیستم پیشنهادی می تواند با ارایه یک راهکار ارزان قیمت و بسیار انعطاف پذیر برای شناسایی خطا به برنامه ریزی تعمیر و نگهداری ترانسفورماتور کمک کند.
پیش نمایش مقاله
پیش نمایش مقاله یک سیستم شناسایی برای تشخیص خطا در ترانسفورماتورهای قدرت

چکیده انگلیسی

The power transformer is one of the most critical and expensive equipments in an electric power system. If it is out of service in an unexpected way, the damage for both society and electric utilities is very significant. Over the last decades, many computational tools have been developed to monitor the ‘health’ of such an important equipment. The classification of incipient faults in power transformers via Dissolved Gas Analysis (DGA) is, for instance, a very well known technique for this purpose. In this paper we present an intelligent system based on cognitive systems for fault prognosis in power transformers. The proposed system combines both evolutionary and connectionist mechanisms into a hybrid model that can be an essential tool in the development of a predictive maintenance technology, to anticipate when any equipment fault might occur and to prevent or reduce unplanned reactive maintenance. The proposed procedure has been applied to real databases derived from chromatographic tests of power transformers found in the literature. The obtained results are fully described showing the feasibility and validity of the new methodology. The proposed system can help Transformer Predictive Maintenance programmes offering a low cost and highly flexible solution for fault prognosis.

دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.