فایل ورد قابل ویرایش

توضیحی مختصر از متن فایل  :

چكيده:

اين مقاله شرحي بر طراحي و توسعه رله جريان زياد جهتي بر پايه شبكه عصبي مصنوعي مي­باشد. شبكه پس­خور چند لايه را با روش الگوريتم خطاي برگشتي آموزش داده و جهت بررسي اين رله در نظر گرفته شده است. اين شبكه عصبي بر پايه اين الگوريتم بصورت off-line با استفاده از معادلات رياضي شبيه­سازي شده و جهت تست جريان زياد و ولتاژ در شرايط خطا مورد ارزيابي قرار گرفته است. اين رله پيشنهادي كه بر پايه شبكه عصبي عمل مي­نماييد از قابليت اطمينان، سرعت و دقت بالا برخوردار است.

واژه­هاي كليدي: شبكه عصبي مصنوعي (ANN) , پس­خور به جلو (feed forward) انتشار و به عقب propogation) (Back , رله جريان زياد جهتي (directional over current) , حفاظت (Protection)

مقدمه:

   رله­هاي جريان زياد جهتي (Doc) يكي از پرمصرفترين رله­هايي است كه در سيستم قدرت مورد استفاده قرار مي­گيرد. اين گونه رله­ها براي حفاظت مدارهاي توزيع، خطوط، فوق توزيع و انتفال بكار برده مي­­شوند. رله­هاي جريان زياد جهت­دار براي حفاظت سيستم­هاي حلقه­اي (loop) بكار برده مي­شوند: رله­هاي جريان زياد همچنين براي حفاظت ژنراتورها، ترانسفورماتورهاي قدرت و موتورهاي الكتريكي مورد استفاده قرار مي­گيرند. رله­هاي جريان زياد جهت­دار، جريان خطا و جهت جريان را فقط زماني كه جريان در مدار از مقدار تحريك (Pickup) و با جهت معين زيادتر مي­شود حس مي­كند. دو نوع رله جريان زياد جهت حفاظت وسايل در برابر جريان زياد وجود دارد، رلۀ جريان زياد زمان معكوس (Inverrs time over current) و ديگري رلۀ جريان زياد معين (overcurrt Definite time) زمان قطع براي رله­ها با مشخصه زمان معكوس با توجه به مقدار جريان متغير مي­باشد. به رله­هاي جريان زياد كه بدون هيچ وقفه­اي قطع مي­كنند رله­هاي جريان زياد لحظه­اي (instantaneous overcurrent) گويند. براي رله­هاي جريان زياد معين، زمان قطع با توجه به مقدار جريان و بدون توجه به مقدار جريان تحريك در نظر گرفته شده ثابت مي­باشند. رله­هاي جريان زياد جهت­دار معمولي نوع استاتيكي و يا الكترومغناطيسي مي­باشند. رله­هاي الكترومغناطيسي داراي مشخصه­هاي نامطلوب از جمله Burden بالا در ترانسفورماتورها ، مدت زمان زياد عملكرد و مشكلات كنتاكتها مي­باشند. رله­هاي استاتيكي را مي­توان از اين مشخصه­ها مبرا دانست و بخاطر مزايايي از جمله اشغال فضاي كم، سرعت بالا و نياز تعمير كمتر جاي رله­هاي الكترومغناطيسي را گرفته­اند البته اين رله­ها هم داراي معايبي از جمله قابليت انعطاف كم، پيچيدگي ، هزينه بالا و عدم قابليت اعتماد بالا با تغيير شرايط سيستم مي­باشد. مفهوم رله­هاي ديجيتالي بكارگيري كامپيوتر است كه در دو دهه اخير از ارزيابي و عملكرد خوبي برخوردار بوده است. با پيشرفت سريع مدارهاي مجتمع و نتيجۀ توسعه قدرت اقتصادي و ميكروپرسسورهاي پيچيده و ديجيتالي منجر به توسعه رله­هاي ديجيتالي گرديد. يكي از مهمترين مزاياي رله­هاي جريان زياد ديجيتالي بر رله­هاي معمولي الكترومغناطيسي و استاتيكي مسئله اقتصادي، فضاي كم، قابليت اطمينان، هم­سازگاري، قابليت حفاظت از چندين مدار، عملكرد خوب و كاهش پيوسته هزينه سخت­افزاري ديجيتالي آنها است. امروزه رله­هاي جريان زياد ديجيتالي پيشرفته جهت حفاظت­هاي هوشمند بكار گرفته مي­شوند. تكنيك­هاي پردازش سيگنالهاي ديجيتالي پيشرفته و معرفي سيستم­هاي هوشمند در حفاظت سيستم­هاي قدرت عملكرد حفاظت كلاسيك و سريع و آسان را با ايمني بالاتر و حفاظت مستقل تجهيزات در خطوط انتقال و توزيع، ژنراتور، ترانسفورماتور و موتورها را فراهم آورده است.  در سالهاي اخير تحقيقات وسيعي در رابطه با كاربرد شبكۀ مصنوعي مخصوصاً در شناسايي الگوها انجام گرفته است. شبكه عصبي مصنوعي سعي بر انجام آموزش و توليد مراحل عملكرد مغز انسان را دارد.

 يكي از مهمترين مزاياي استفاده از شبكه عصبي مصنوعي نسبت به روش معمولي بكارگيري معماري توزيع موازي غير الگوريتم پردازش اطلاعات است. الگوريتم شبكه عصبي مصنوعي با موفقيت در بسياري از الگوها و يا مسائل بازشناختي علائم بكار گرفته شده­اند   اين مقاله در رابطه با طراحي و توسعۀ رله­هاي جريان زياد ايده­الي بر پايه شبكه­هاي عصبي است. شبكه عصبي پس­خور رو به جلو چند لايه (A multi layer Feed Forward Neural Network) (FFNN) توسط الگوريتم انتشار برگشت خطا (Error back propogation)  جهت بررسي و توسعه اين رله آموزش داده شده است. شبكه عصبي مصنوعي بر پايه الگوريتم بصورت off-line با استفاده از معادلات رياضي جهت تست ولتاژ و جريان تحت شرايط خطا قرار گرفته است. اين عمل جهت ارزيابي عملكرد روش مورد نظر در خصوص دقت و سرعت عملكرد رله مي­باشد.