خازن های قدرت از تجهیزات مهم سیستم های قدرت هستند که در سطوح ولتاژ بالا با دمای بالا و در مدت زمانی طولانی بهره برداری می گردند. از این رو به مرور زمان نرخ شکست عایقی آنها افزایش می یابد، و تخلیه جزئی مهمترین عامل این شکست آنها شناخته می شود. بنابراین، روشهای سریع و دقت بالا در تشخیص دقیق تخلیه جزئی دارای اهمیت خاصی است. در روش های معمول اغلب نیاز به سنسور چندگانه و پارامترهای سیگنال است که این نیز به نوبه خود منجر به افزایش هزینه سیستم و پیچیدگی آن میگردد. در این مقاله جهت تخمین سطح تخلیه جزئی خازن های قدرت، الگوریتم شبکه عصبی تعمیمی و آشکارساز سنکرون مبتنی بر تئوری آشوب پیشنهاد می شود. این روش از سیستم تشخیص خطا برای خازن قدرت استفاده کرده و مقادیر ویژگیها را با روش تئوری آشکارساز سنکرون آشوب استخراج خواهد نمود. مزیت این روش این است که داده های تودهای را به طور موثری فشرده می کند و داده های ویژگیها را برای بالا بردن دقت روش شبکه عصبی تعمیمی استخراج می کند. نتایج نشان داد که نرخ تشخیص ENN با مقدار 90 درصد نسبت به روش چند لایه ای ( 79 درصد) بالاتر است و روش تعمیم با 70 درصد پائینترین نرخ تشخیص را نشان می دهد.
Darvish Falehi A. Analysis and Diagnosis of Partial Discharge of Power Capacitors Using Extension Neural Network Algorithm and Synchronous Detection Based Chaos Theory. تحقیقات نوین در سیستمهای قدرت هوشمند 2020; 9 (2) :1-8 URL: http://jeps.dezful.iau.ir/article-1-268-fa.html
درویش فالحی علی. آنالیز و تشخیص دقیق تخلیه جزئی خازن های قدرت توسط الگوریتم شبکه عصبی تعمیمی و آشکارسازی سنکرون مبتنی بر تئوری آشوب. نشریه علمی-تخصصی تحقیقات نوین در سیستمهای قدرت هوشمند. 1399; 9 (2) :1-8