Yapay sinir agları ile elektriksel sistemlerde aşırı akım kavramı için kontrol sistemleri tasarımı
Control system design for prevention of overcurrent failures in electrical systems by using artificial neural networks
- Tez No: 414181
- Danışmanlar: DOÇ. DR. KAYHAN GÜLEZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Elektronik koruma teknolojisi, solid state breaker, yapay sinir ağları, backpropogation, yüksek teknoloji koruma, elektronik devre kesici, yarı iletken şalter, Electronic protection technology, solid state breaker, artifical neural network, backpropogation, high-tech protection, electronic circuit breaker, semiconductor switch
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Alçak gerilim elektrik dağıtım sistemlerinde elektriksel koruma amacıyla kullanılan elektromekanik otomatik sigortalar, şebelerde aşırı akım koruması ve kısa devre akım korumasını sağlamakta birincil göreve sahiptirler. Bu koruma elemanlarının şebekelerde güvenilir ve uzun ömürlü olarak çalışması mekanik ve elektromanyetik performans kriterlerine göre değişiklik arz eder. Bu ürünlerin elektriksel beyan değerlerine ve akım karakteristiklerine bağlı olarak IEC, DIN, EN normlarına göre farklı test senaryoları oluşturulmaktadır. Piyasada“otomat”olarak ta bilinen bu ürünler kısa devre anında 10kA, cosɸ = 0,6(geri) değerine kadar çıkabilen konvansiyonel kısa devre akımını algılayarak manyetik açtırma düzeneğini devreye almakta ve sonrasında bu akımı, gövdesi içerisindeki ark hücresi içine taşıyarak iyonize olmuş ve olağanüstü ısılara çıkmış olan gazı polimer gövdenin dışına atmaktadırlar. Yaklaşık 10 ms süren bu kısa anda oldukça yüksek bir Joule ısınması oluşmakta, polimer gövdede, ark kanallarında ve bakır baralarda 18.000 Kelvin mertebesine varan ısınmalar meydana gelmektedir. Bu derecede yüksek aktif enerji kayıpları, mekanik ve elektriksel performansı her bir kısa devrede aşağı seviyeye çekmekte, ürünlerin ömür dayanım değerinin düşmesine sebep olmaktadır. Bunu takip eden kullanımlarda yine kısa devrelere ve aşırı akımlara maruz kalan otomatik sigorta ilk doğrulama testlerindeki performansının altına inmektedir. İkincil önemdeki bir diğer dezavantaj ise bu tip elektromekanik koruma sistemlerinin yangın veya kötü temas gibi arızalar sırasında oluşan akım ve gerilim dengesizliklerini algılamadaki düşük hassasiyetleridir. Bir kontak temassızlığından veya faz – toprak arasındaki kaçak empedanstan kaynaklanabilecek gerilim ve akım düzensizlikleri sırasında bu cihazlar algılama ve koruma yapamamakta olup arızanın tespiti ancak şebekedeki beyan akım 1kA mertebesine çıktıktan sonra mümkün olmaktadır. Bu çalışmada yukarıda özetlenen bu iki temel problemin gömülü bir yazılım içeren elektronik devre ile giderilmesi olanaklı hale gelmektedir. Gerilim ve akım parametrelerinin sürekli olarak takibiyle öğrenme modu oluşturularak sistemin normal çalışma koşulları saptanmakta ve bu oluşumun dışına çıkan durumlar oluştuğunda şebekenin korunması olanaklı hale gelmektedir. Yapay sinir ağlarında kullanılan backpropogation algoritması temel yazılım altyapısını oluşturmaktadır. Çalışmaya konu olan bu sistemin en önemli avantajı, aşırı akımın henüz tepe noktasına varmadan algılanmasıyla önemli elektriksel risklerin önüne geçilmesi ve daha dayanıklı koruma sistemlerinin oluşmasına olanak vermesidir. Akıllı şebekelerde bu türde koruma ve kontrol düzenlenerinin bulunmasına ihtiyaç vardır.
Özet (Çeviri)
The minuature circuit breaker which has been used in low voltage level, have primary duty for overcurrent and short circuit protection at installation. In order to provide sustainable and realible operation, electromangnetic and mechnanical criterias shall be met. There are several test scenarios due to changing configurations of those devices mainly based on IEC, DIN, EN standards. These devices could detect conventional short circuit current which is 10kA, cosɸ = 0,6(lagging) and could operate magnetic trip means. Right after that, it could absorb the ionized arcing gases and electrons towards to arc chamber and could exhaust these gases out of the breaker body. There occurs enormous joule heating in a very small time deviation which is about 10ms. A high temperature on polymer body, arc channels and copper bars can sometime reach to 18.000 Kelvin. This sorts of active energy losses instantly decrease the degree of reliablity during each failure and product life cycle has been affected by that. In further uses, as the breaker takes similar damages, the performance at test results have changed and have got worst. A secondary disadvantage is their insufficient detection sensitivities while fire hazardous and bad contact problems occur in installation. During a bad contact failure, these devices may not detect the failure instantly as long as the system current did not reach 1kA level. In proposed system, these two fundemental problems have been eliminated by using an electronic circuit and its embedded software. As the voltage and current parameters continiously has been traced and monitored, a specific learning mode was created. The excessive situations rather than normal operational conditions have been detected and system have been protected due to these algorithms. The backpropogation algortihm consists the fundemental background of proposed software. The biggest advantage of such system is to detect the failure before it reachs its peak point and cut the circuit rapidly. By that way, the energy losses have been decreased and circuit may protect itself before a hazardous situation occured. The reliability of protection system has increased. It's been considered that in industrial and smart grid based electrical systems, this type of protection and control devices will be needed.
Benzer Tezler
- Neuro classifiers for condition and bearing health assessment of an electric motor
Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar
MINA GHORBAN ZADEH BADELI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA
- Ferroresonance fault detection in electric power networks by artificial neural networks
Elektrik güç hatlarında ferrorezonans arızasının yapay sinir ağları ile belirlenmesi
GİZEM KULAKLI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAHİR ÇETİN AKINCI
- The wavelet-based approach for k-factor filtering method on the evaluation of high voltage impulse signals
Yüksek gerilim darbe işaretlerinin incelenmesinde kullanılan k-faktör filtreleme yöntemine dalgacık tabanlı yaklaşım
KAHRAMAN YUMAK
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÜKRAN EMEL ÖNAL
- Bataryaların kondisyonlarını izleyerek yapay sinir ağları ile batarya türü ve şarj durumu tahmini
Condition monitoring and determining type and battery state of charge using artificial neural networks
EMEL SOYLU
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RAİF BAYIR
- Anahtarlamalı relüktans motorlarında bulanık mantık ve yapay sinir ağları ile konum algılayıcısız denetim
Position sensorless control of switched reluctance motors by using fuzzy logic and artificial neural networks
TAŞDEMİR AŞAN
Doktora
Türkçe
2008
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. M. EMİN TACER