Geri Dön

Yapay sinir ağı ile elektrot ve izolatör biçim optimizasyonu

Electrode and insulator contour optimization by artificial neural network

  1. Tez No: 142922
  2. Yazar: SUNA BOLAT
  3. Danışmanlar: PROF. DR. ÖZCAN KALENDERLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2003
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 140

Özet

Yapay Sinir Ağı ile Elektrot ve İzolatör Biçim Optimizasyonu ÖZET Yüksek gerilim elektrot sistemlerinin etkin tasarımı, sistemi oluşturan elektrot ve izolatör gibi elemanlar hakkında bilgileri gerektirir. Bu tez çalışmasında, bir elektrot sisteminde izolatör varlığının ve tipinin atlama gerilimine etkisi, sistemi oluşturan elektrotların biçiminin elektriksel alana etkisi ve kullanılan izolatörün konum açısının elektrik alan bileşenlerine etkisi optimizasyon problemi olarak, yapay sinir ağı ile incelenmiştir. Farklı basınç ve ortam koşulları altında bulunan yüksek gerilim izolatörlerinin, darbe atlama geriliminin yeni bir yaklaşımla, yapay sinir ağı ile incelenmesi 4. bölümde sunulmuştur. Kullanılan yapay sinir ağı yapısının tasarlanması için yapılan çalışmalar, ayrıntılı olarak açıklanmıştır. Yapay sinir ağının eğitilmesi için kullanılan veriler, deneysel çalışma sonucunda elde edilmiştir. Farklı basınç, sıcaklık, bağıl nem ve izolatör tipi için elde edilen veriler ile geriye yayılım algoritması ile eğitildiğinde, atlama gerilimi değerlerinin çok küçük bir hata ile belirlendiği gözlenmiştir. Elektrot sistemlerinde, yalıtkanda düzgün elektrik alan dağılımı sağlamak, sistemin güvenilirliği ve ömrü açısından çok önemlidir. Düzgün olmayan alan dağılımı, yalıtkanda atlama veya kısmi boşalmaların meydana gelmesine neden olur. Bu sebeple, elektrot yüzeyinde düzgün alan dağılımı sağlayabilecek optimum elektrot biçimi kullanılmalıdır. Bu çalışmada, çubuk - düzlem elektrot sisteminde, çubuk elektrotun biçimi yapay sinir ağı ile optimize edilerek, düzgün alan dağılımı sağlanmıştır. Bu amaçla yapay sinir ağı, girişinde elektrik alan değerleri, çıkışında ise r-koordinatları bulunan bir eğitim kümesi ile eğitilmiştir. Öğrenme sürecinde, geriye yayılım algoritmasının hızlı türlerinden olan Levenberg - Marquardt algoritması kullanılmıştır. Eğitimin tamamlanmasından sonra uygulanan test kümesi ile, yüksek gerilim tekniğinde elektrot biçim optimizasyonu probleminin yapay sinir ağı ile çözümünü, çok etkin ve hızlı olduğu görülmüştür. Çalışmada ayrıca, özellikle gaz yalıtımlı sistemlerde ara tutucu olarak kullanılan doğrusal eğimli izolatörlerin optimum konum açısı belirlenmiştir. Elektrotların yerleşim şekillerinden ve tabakalı elektrot sistemlerinde sınır yüzeyde kırılma ilkesinde yararlanılarak elektrik alan hesaplamaları yapılmış ve elektrot açıklığı ve konum açısı değerleri ile birlikte yapay sinir ağına tanıtılmıştır. Geriye yayılım algoritması ile eğitilen yapay sinir ağına, eğitim sonrasında, eğitim kümesinin dışından bir test kümesi uygulanarak, yapay sinir ağının güvenilirliği sınanmıştır. Çalışmalar, yüksek gerilim tekniğindeki bu tür problemler için, yapay sinir ağı kullanılmasının genel, etkili, hızlı ve ekonomik olarak, sonuçlara ulaşılmasını sağladığını göstermiştir. xı

Özet (Çeviri)

Electrode and Insulator Contour Optimization By Artificial Neural Networks SUMMARY Designing a cost-effective high voltage electrode system with high performance requires knowledge about the devices, which composed the electrode system, such as, insulator and electrode. In this thesis, effects of insulator shape, electrode configuration and insulator position on flashover voltages and, electric fields of high voltage insulator, and effects of electrode contour on stress distribution along the electrode contour are examined to solve optimization problems by using artificial neural networks. Determination of impulse flashover voltages of post insulators under different pressure and ambient conditions using by a new approach, artificial neural networks has been presented Chapter 4. Studies on design of the artificial neural network that used in this study have been reported in detail. Training data used in artificial neural network is obtained from an experimental study of impulse flashover characteristics of cast resin support insulators under low air pressure in dry air. Experimental data obtained for different pressure, temperature, relative humidity and type of insulator is used to train in the neural network. Artificial neural network can give results with mean absolute error of 0,9 % when compared with experimentally obtained results. The results of computation show that the trained artificial neural network can give flashover voltage very efficiently and accurately. To obtain homogen electric field in any insulation is important for electrical reliability and life of system. Otherwise, electric field is non-homogen and breakdown or partial discharge phenomena early becomes in the insulation. Therefore, electric fields on electrode contours and in insulation are calculated and optimized. In the determination of electric fields is used various methods as analytical, numerical or experimental methods. In this study, electrical fields in rod - plane electrode system are calculated by Charge Simulation Method and electrode optimization is performed by using artificial neural network. By optimizing the rod electrode contour, uniform stress distribution has been obtained along the electrode surface. To optimize the rod electrode contour, a multilayer feedforward artificial neural network with Levenberg - Marquardt algorithm. Levenberg - Marquardt algorithm is one of the faster back propagation algorithms, which reaches the desired results very fast. The artificial neural network is first trained with the results of a rod - plane electrode system. Then the trained network is used to give an optimized electrode contour in such a way that a desired stress distribution is obtained on the electrode surface. After the training is completed, a test case, which is within the range of input patterns but not included in the training set is supplied to the network. It shows that, the method can be used efficiently for optimization of electrode contour in high voltage techniques. Also, in this thesis, determination of optimum contact angle of the insulators having linear contour that especially used in gas insulated systems as spacer has been presented. Electric fields have been calculated according to electrode positions and diffraction principle on boundaries in insulation with multidielectric. Values of calculated electric fields, electrode spacing and contact angle have been introduced to the artificial neural network. External test data has been applied to the artificial XIIneural network trained with back propagation algorithm to test the reliability of the network. Presented studies show that, using artificial neural network obtains general, cost- effective, fast results for the flashover voltage, field and optimization problems in high voltage technology. xm

Benzer Tezler

  1. Tez No

    596275

    Yapay sinir ağlarını kullanarak eeg sinyalleri ile insansız hava aracı kontrolü

    The control of unmanned aerial vehicle based on eeg signals by using artificial neural networks

    MEHMET DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyoteknolojiSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. RAŞİT KÖKER

  2. Tez No

    650956

    Elektrik empedans tomografide eliptik yapılardaki iletkenlik dağılımları geriçatım probleminin yapay sinir ağları ile incelenmesi

    Analysis of conductivity distribution reconstruction problem of elliptic models with artificial neural networks at electrical impedance tomography

    HATİCE MANİSALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATİLA YILMAZ

  3. Tez No

    114598

    Yapay sinir ağları yardımıyla iki fazlı akışlara elektrik empedans tomografisi uygulanması

    Application of electrical impedance tomography to two - phase flow field with the help of artificial neural networks

    GÖKNUR ŞEKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Nükleer Mühendislikİstanbul Teknik Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. MELİH GEÇKİNLİ

    YRD. DOÇ. DR. LEVENT OVACIK

  4. Tez No

    882891

    Non-faradaic electrochemical sensors and their data analysis

    Faradaik olmayan elektrokimyasal sensörler ve veri analizleri

    MUHAMMET ZAHİD SAĞIROĞLU

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENOL MUTLU

  5. Tez No

    558756

    Elektrikli ark ocakları ve sürekli döküm tesislerindeyapay sinir ağları uygulamaları

    Applications of artificial neural networksin electric arc furnaces and continuous casting facilities

    EDİP YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİskenderun Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERSİN ÖZDEMİR

Geri Dön