| Summary: | Στα πλαίσια αυτής της διπλωματικής εργασίας διερευνήθηκε η δυνατότητα της χρήσης τεχνολογίας ασαφούς λογικής και νευρωνικών δικτύων στη γήρανση των μονώσεων.
Στον ηλεκτρολογικό εξοπλισμό και ειδικά στον εξοπλισμό που λειτουργεί υπό υψηλή τάση, κύρια συνιστώσα της κατασκευής του είναι η μόνωσή του, η οποία κατά κανόνα είναι και η πλέον ευαίσθητη. Η διάρκεια ζωής του ηλεκτρολογικού εξοπλισμού περιορίζεται από τη διάρκεια ζωής της μόνωσής του. Ο έλεγχος των μονώσεων του ηλεκτρολογικού εξοπλισμού υψηλής τάσης είναι σχολαστικός και γίνεται βάσει κανονισμών που έχουν θεσπισθεί από τους διεθνείς οργανισμούς τυποποίησης (IEC, VDE/DIN, UTE/NF, BS, ANSI, TGL, GOST, ΕΛΟΤ, CENELEC). Ο έλεγχος γίνεται δια της εκτελέσεως δοκιμών σε πειραματικές διατάξεις, με εφαρμογή τάσεων συγκεκριμένων κυματομορφών (βιομηχανικής συχνότητας, κρουστικής κλπ.) και πλάτους πολλαπλασίου εκείνου της τάσης υπό την οποία ο συγκεκριμένος εξοπλισμός θα λειτουργήσει. Παρ' όλα αυτά, μετά από την παρέλευση κάποιου χρονικού διαστήματος, η μόνωση καταστρέφεται κατά τη διάρκεια της κανονικής λειτουργίας του ηλεκτρολογικού εξοπλισμού. Η κυριότερη από τις αιτίες στις οποίες οφείλονται αυτές οι καταστροφές των μονώσεων είναι το φαινόμενο των μερικών εκκενώσεων. Οι μερικές αυτές εκκενώσεις αναπτύσσονται στα διηλεκτρικά του ηλεκτρολογικού εξοπλισμού υπό ορισμένες συνθήκες καταπόνησης και δια της συνεχούς χειροτέρευσης της αντοχής τους, τα οδηγούν σε καταστροφή της μόνωσης υπό την τάση λειτουργίας. Προκειμένου για στερεά μονωτικά υλικά, οι μερικές εκκενώσεις μπορεί να είναι εξωτερικές, δηλαδή να
εκδηλώνονται στην εξωτερική επιφάνεια του μονωτικού, η οποία είναι συνήθως και συνοριακή επιφάνεια με κάποιο άλλο αέριο ή υγρό διηλεκτρικό, ή να είναι εσωτερικές, οπότε συμβαίνουν σε κοιλότητες μικρών διαστάσεων, που έχουν σχηματισθεί μέσα στη μάζα του μονωτικού κατά την κατασκευή του. Όμως, η γήρανση ενός διηλεκτρικού δεν επηρεάζει μόνο την διηλεκτρική αντοχή και την τάση διάσπασής του, αλλά και άλλα χαρακτηριστικά μεγέθη του μονωτικού υλικού, όπως την γωνία απωλειών δ και τον συντελεστή απωλειών εφδ.
Το μοντέλο που αναπτύχθηκε στα πλαίσια της παρούσης διπλωματικής εργασίας, είναι ικανό να προβλέψει τα χαρακτηριστικά υγιούς μόνωσης. Δέχεται ως εισόδους τη χωρητικότητα του δοκιμίου C, την παράμετρο ψ (ο λόγος της απόστασης της διεπιφάνειας από την ελεύθερη επιφάνεια του δοκιμίου, ως προς το μήκος του δοκιμίου) που ουσιαστικά καθορίζει τη θέση μιας διεπιφάνειας μέσα στο διάκενο και την τάση δοκιμής. Ως έξοδο, κάνει εκτίμηση του συντελεστή απωλειών εφδ.
Σε μία γενική θεώρηση το μοντέλο που αναπτύχθηκε δίνει τη δυνατότητα στο χρήστη να εκτιμήσει σύντομα και αξιόπιστα τα χαρακτηριστικά της υγιούς μόνωσης. Τα δεδομένα του αποτελέσματος είναι άμεσα συγκρίσιμα με αυτά της χρησιμοποιημένης μόνωσης, κατόπιν τούτου δύναται να αποτελέσουν βάση για την εκτίμηση της κατάστασής της.
Το μοντέλο που προτείνεται, βασίζεται στις αρχές της ασαφούς λογικής και των νευρωνικών δικτύων και χρησιμοποιεί το νευρoασαφές σύστημα ANFIS. Η ασαφής λογική αποτελεί μια γενίκευση της δίτιμης (Boolean) λογικής. Επιτρέπει εκτός από το «αληθές» (τιμή “1”) και το «ψευδές» (τιμή “0”), και τις ενδιάμεσες τιμές. Έτσι, ένα σύστημα μπορεί να περιγραφεί μέσω ενός συνόλου απλών λεκτικών κανόνων «αν –τότε» το οποίο είναι πιο εύχρηστο και πιο κοντά στην ανθρώπινη λογική. Τα ΤΝΔ είναι δίκτυα που αποτελούνται από μη γραμμικά στοιχεία, τους νευρώνες, οι οποίοι αλληλοσυνδέονται με τέτοιο τρόπο ώστε να επεξεργάζονται τις πληροφορίες ταυτόχρονα. Τα κυριότερο χαρακτηριστικό που καθιστούν τα ΤΝΔ ιδιαίτερα, είναι η εφαρμογή τους σε μη γραμμικό έλεγχο. Άλλα βασικά χαρακτηριστικά που έχουν, είναι η ικανότητα ανεκτικότητας σε βλάβες, το μεγάλο πλήθος πληροφοριών που είναι ικανά να επεξεργαστούν όπως και η αντιμετώπιση περιπτώσεων που δεν έχουν ξανασυναντήσει.
Το ακρωνύμιο ANFIS προέρχεται από τις λέξεις adaptive neuro-fuzzy inference system. Χρησιμοποιώντας ένα σύνολο εισόδων / επιθυμητών εξόδων , κατασκευάζουμε ένα σύστημα ασαφούς συλλογιστικής στο οποίο οι παράμετροι των
συναρτήσεων συμμετοχής προσαρμόζονται μέσα από τη διαδικασία της μάθησης , χρησιμοποιώντας τον αλγόριθμο της προς τα πίσω διάδοσης του σφάλματος σε συνδυασμό με τη μέθοδο των ελαχίστων τετραγώνων. Για την ανάπτυξη του μοντέλου, χρησιμοποιήθηκε το toolbox fuzzy logic του Matlab. Η διαδικασία που ακολουθήθηκε περιλαμβάνει την οργάνωση του δικτύου και των μεταβλητών του, την εκπαίδευση του νευρο-ασαφούς δικτύου και τέλος την επιβεβαίωση των αποτελεσμάτων του.
Για την εκπαίδευση του μοντέλου χρησιμοποιήθηκαν μετρήσεις του Εργαστηρίου Υψηλών Τάσεων, Πανεπιστήμιου Πατρών για τα υλικά με την εμπορική ονομασία τερεφθαλικός πολυεστέρας του πολυαιθυλενίου Polyethylene terephthalate (PET) και πολυαιθυλένιο χαμηλής πυκνότητας low density polyethylene, (LDPE). === The scope of this thesis is to investigate the possibility of use of technology of fuzzy logic and neural networks in the insulations aging.
In the electrical equipment and specifically in the equipment that functions under high voltage, main component of its manufacture is its insulation, which as a rule is the most sensitive. The duration of life of electrical equipment is limited by the duration of life of its insulation.
The control of insulations of electrical equipment of high voltage is meticulous and it becomes under regulations that have been established by the international organizations of standards (IEC, VDE/DIN, UTE/NF, BS, ANSI, TGL, GOST, ΕLΟΤ, CENELEC). The control becomes via the implementation of trials in experimental devices, with application of voltage of concrete wavelengths (industrial frequency, impulse etc) and width of multiple of the voltage under which the particular equipment will function. Nevertheless, after the expiry of the time, the insulation is destroyed at the duration of regular operation of electrical equipment. The most important of the causes in which are owed these destructions of insulations is the phenomenon of certain discharges. These certain discharges are developed in dielectrics of the electrical equipment under certain strain conditions and via the continuous deterioration of their resistance, lead him to destruction of insulation under the voltage of function. With regard to solid insulating materials, the certain discharges can be exterior, which means that they express themselves in the exterior surface of insulating, which is usually also boundary surface with some other gas or liquid dielectric, or be internal, therefore happen in cavities of small dimensions, which have taken shape in the insulating mass at its manufacture. However, the ageing of dielectric does not only affect the dielectric resistance and his tendency of split, but also other characteristic sizes of insulating material, as the angle of losses δ and the factor of losses tanδ.
The model that was developed in the frames of this thesis, is capable to forecast the characteristics of a healthy insulation. It accepts as entries the capacity of essay C, parameter ψ (the ratio of distance of interface from the free surface of the essay, to the length of essay) that substantially it determines the location interface into the gap and the tendency of trial. As exit, it makes estimate of factor of losses tanδ.
In a general regard the model that was developed gives to the user the possibility of appreciating at an early date and reliably the characteristics of healthy insulation. The data of result are immediately comparable with those of used insulation, so it is possible to constitute the base for the estimate of the situation.
The model that is proposed, is based on the principle of fuzzy logic and neural networks and it uses the neural-fuzzy system ANFIS. The fuzzy logic constitutes a generalisation of the Boolean logic. It allows apart from “true” (value “1”) and “false” (value “0”), and the intermediate prices. Thus, a system can be described via a total of simple verbal rules “if - then” which is more easily used and more close to the human logic. The neural networks are networks that are constituted by not linear elements, the neurons, which connected in such a way so as to process the information simultaneously. The main characteristic that gets the neural networks so special is their application in not linear control. Other basic characteristics that they have, is their ability to overhead errors, The amount of the information that are capable to process and to face cases that haven’t met before.
The acronym ANFIS derives from the words adaptive neuro-fuzzy inference system. Using a total of entries nad of desirable exits, we manufacture a system of fuzzy syllogistic in which the parameters of the membership functions are adapted through the process of learning. For the development of the model, it was used the toolbox fuzzy logic of Matlab. The process that was followed includes the organisation of network and its variables, the education of the neural-fuzzy network and finally the confirmation of the results.
For the education of model were used measurements of Laboratory of High Voltages, of University Patras for the materials called Polyethylene terephthalate (PET) and low density polyethylene, (LDPE).
|
|---|
