علیرضا مرادی؛ محمود عبادیان؛ محمدکاظم دریاباری
دوره 1، شماره 1 ، بهمن 1389، ، صفحه 43-58
چکیده
پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می‌دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم‌های ...
بیشتر
پدیده جریان هجومی مغناطیس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می‌دهد. اندازه جریان هجومی ممکن است تا 10 برابر جریان نامی ترانسفورماتور باشد که به عملکرد نامناسب سیستم‌های حفاظتی منجر می‌گردد. در واقع تشابه بین ویژگی‌های جریان هجومی و شرایط خطای داخلی باعث بروز این خطا می‌گردد. بنابراین، برای کارکرد ایمن ترانسفورماتور لازم است که جریان هجومی از جریان خطا تشخیص داده شود. در این مقاله یک شبکه عصبی مصنوعی که توسط دو الگوریتم مبتنی بر گروه؛ یعنی الگوریتم جستجوی گرانش و بهینه سازی گروه ذرات آموزش داده می‌شود، برای تشخیص جریان هجومی از جریان خطا در ترانسفورماتورهای قدرت به کار رفته است. الگوریتم جستجوی گرانشی بر مبنای قانون گرانش عمل می‌نماید و بر خلاف سایر الگوریتم‌های مبتنی بر گروه ذرات دارای هویت است و الگوریتم بهینه سازی گروه ذرات مبتنی بر حرکت گروهی پرندگان است. این مقاله شامل دو مرحله عمومی است: در گام اول داده‌های بدست آمده از شبیه سازی، پردازش شده و به شبکه عصبی اعمال شده‌اند. سپس در گام دوم شبکه عصبی در نظر گرفته شده با الگوریتم‌های جستجوی گرانشی و بهینه سازی گروه ذرات آموزش داده شده است. در نهایت، به منظور نشان دادن اینکه این روش آموزش مفید بوده، به نتایج دقیق‌تری منجر می‌شود، نتایج بدست آمده از دو الگوریتم پیشنهادی و روش پس انتشار که یکی از رایج‌ترین روشهای آموزش شبکه‌های عصبی است، مقایسه شده‌اند.
