Ανάλυση δεδομένων υπερπήδησης τάσης σε μονωτήρες (Flashover Voltage On Insulators) με αλγόριθμους υπολογιστικής νοημοσύνης
Σκοπός αυτής της διπλωματικής εργασίας είναι η μοντελοποίηση του φαινομένου της Υπερπήδησης Τάσης σε Ρυπασμένους Μονωτήρες χρησιμοποιώντας Τεχνητά Νευρωνικά Δίκτυα. Οι μονωτήρες σε ένα δίκτυο ή μια εγκατάσταση ηλεκτρικής ενέργειας αποτελούν βασικό χαρακτηριστικό για τη ορθή λειτουργεία του δικτύου ή...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Δημοσίευση: |
2015
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/14660 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Σκοπός αυτής της διπλωματικής εργασίας είναι η μοντελοποίηση του φαινομένου της Υπερπήδησης Τάσης σε Ρυπασμένους Μονωτήρες χρησιμοποιώντας Τεχνητά Νευρωνικά Δίκτυα. Οι μονωτήρες σε ένα δίκτυο ή μια εγκατάσταση ηλεκτρικής ενέργειας αποτελούν βασικό χαρακτηριστικό για τη ορθή λειτουργεία του δικτύου ή της εγκατάστασης. Η ρύπανση των μονωτήρων αποτελεί ένα βασικό πρόβλημα που συντελεί στη εμφάνιση του φαινομένου της υπερπήδησης τάσης.Η υπερπήδηση τάσης σε ρυπασμένους μονωτήρες είναι από του κυριότερους παράγοντες που οδηγούν στη μη σωστή λειτουργεία (ως και κατάρρευση) ενός συστήματος παροχής ηλεκτρικής ενέργειας. Τα φαινόμενο της υπερπήδησης εμφανίζεται συχνά σε περιοχές με αυξημένα ποσοστά υγρασίας και βιομηχανικής ρύπανσης.Κατά τη πάροδο των ετών, αρκετοί ερευνητές παρουσιάσανε διάφορα μαθηματικά μοντέλα με σκοπό τη πρόβλεψη της τιμής της τάσης όπου εμφανίζεται το φαινομένου της υπερπήδησης. Τα συγκεκριμένα μαθηματικά μοντέλα, όμως, ήταν αρκετά περίπλοκα και τα περισσότερα από αυτά στηριζόταν σε εμπειρικές σχέσεις. Εκμεταλλευόμενοι, λοιπόν, τη εξέλιξη της τεχνολογίας και τα εργαλεία που προσφέρει η επιστήμη της Τεχνητής Νοημοσύνης σχεδιάστηκαν διάφοροι αλγόριθμοι πρόβλεψης της κρίσιμης τάσης υπερπήδησης σε ρυπασμένους μονωτήρες.Στη συγκεκριμένη εργασία χρησιμοποιήθηκαν τα Τεχνητά Νευρωνικά Δίκτυα. Τα τεχνητά νευρωνικά δίκτυα αποτελούν ένα δυνατό και εξελισσόμενο εργαλείο της τεχνητής νοημοσύνης των οποίων η αρχή λειτουργίας βασίζεται στη τεχνητή προσομοίωση της λειτουργίας ενός βιολογικού νευρωνικού δικτύου.Συγκεκριμένα, με τη χρήση του λογισμικού WEKA πραγματοποιήθηκε η επιβλεπόμενη εκπαίδευση και αξιολόγηση 1985 αρχιτεκτονικών πολυ-επίπεδων τεχνητών νευρωνικών δικτύων (ενός κρυφού επιπέδου) με τη μέθοδο της μαζικής εκπαίδευσης-αξιολόγησης χρησιμοποιώντας τον αλγόριθμο ανάστροφης μετάδοσης του σφάλματος και με τη διαδικασία 10-fold cross validation. Σκοπός των δοκιμών ήταν η εύρεση του βέλτιστου τεχνητού νευρωνικού δικτύου, η δοκιμή αυτού σε άγνωστα δεδομένα εισαγωγής και η σύγκριση των αποτελεσμάτων του με τα αντίστοιχα αποτελέσματα μιας δεύτερης μεθόδου μοντελοποίησης του προβλήματος, η οποία ήταν η Πολλαπλή Γραμμική Παλινδρόμηση. Η εφαρμογή της τεχνικής (μοντελοποίησης) της πολλαπλής γραμμικής παλινδρόμησης στο πρόβλημα της υπερπήδησης τάσης σε ρυπασμένους μονωτήρες πραγματοποιήθηκε με τη χρήση του λογισμικού WEKA. Τα δεδομένα στα οποία στηρίχτηκε η μοντελοποίηση του προβλήματος καθώς και η δοκιμή αυτού ήταν ακριβώς τα ίδια που χρησιμοποιήθηκαν στην εκπαίδευση-αξιολόγηση και δοκιμή, αντιστοίχως, του τεχνητού νευρωνικού δικτύου.Η βάση δεδομένων του προβλήματος αποτελείται από τιμές των μεταβλητών του προβλήματος που προέρχονται από τη εφαρμογή ενός συγκεκριμένου μαθηματικοί μοντέλου και από πειραματικές παρατηρήσεις.Η στατιστική ανάλυση των δεδομένων, των αποτελεσμάτων καθώς και ο σχεδιασμός των αντίστοιχων στατιστικών διαγραμμάτων πραγματοποιήθηκε με τη χρήση του λογισμικού Statistica Version 7. Τα αποτέλεσμα της σύγκρισης μεταξύ των δυο μεθόδων μοντελοποίησης που χρησιμοποιήθηκαν για τη μοντελοποίηση του προβλήματος της υπερπήδησης τάσης σε ρυπασμένους μονωτήρες αναδεικνύουν ως βέλτιστη μέθοδο τα τεχνητά νευρωνικά δίκτυα. Η σύγκριση μεταξύ των δυο μεθόδων έγινε ως προς τη συσχέτιση και το μέσο τετραγωνικό σφάλμα που υπάρχει μεταξύ προβλεπόμενων και πραγματικών τιμών της κρίσιμης τάσης υπερπήδησης.Τέλος, σε σύγκριση με παρόμοια μοντέλα πρόβλεψης (διάφορων ερευνητών). τα αποτελέσματα του τεχνητού νευρωνικού δικτύου, της συγκεκριμένης εργασίας, κρίνονται ικανοποιητικά με περιθώρια βελτίωσης. |
|---|