การรู้จำรูปแบบของการเกิดดีสชาร์จบางส่วนในอุปกรณ์ไฟฟ้าแรงสูง

เกวริน วิเศษจินดาวัฒน์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/11617

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สำรวย สังข์สะอาด	-
dc.contributor.advisor	เอกชัย ลีลารัศมี	-
dc.contributor.author	เกวริน วิเศษจินดาวัฒน์	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2009-11-02T02:58:27Z	-
dc.date.available	2009-11-02T02:58:27Z	-
dc.date.issued	2544	-
dc.identifier.isbn	9740305377	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/11617	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2544	en
dc.description.abstract	วิทยานิพนธ์นี้เป็นรายงานการศึกษาค้นคว้าวิจัยเกี่ยวกับการพัฒนาออกแบบโปรแกรมการรู้จำรูปแบบของการเกิดดีสชาร์จบางส่วน (PD) ในอุปกรณ์ไฟฟ้าแรงสูงให้มีความสามารถในการจำแนกรูปแบบของการเกิดดีสชาร์จบางส่วนได้อัตโนมัติ โดยเริ่มจากการจำลองลักษณะของการเกิด PD แบบต่างๆ ที่สามารถเกิดขึ้นในอุปกรณ์ไฟฟ้าแรงสูง เช่น โคโรนา ดีสชาร์จภายนอก และดีสชาร์จภายใน จากนั้นทำการตรวจวัดและคำนวณค่าคุณลักษณะที่สำคัญเก็บไว้ในฐานข้อมูล ในการคำนวณค่าคุณลักษณะจะใช้วิธีสถิติ ซึ่งคำนวณการกระจายขนาดของ PD เฉลี่ยตามมุมเฟสของแรงดัน และการกระจายจำนวนครั้งที่เกิด PD ซ้ำตามมุมเฟสแรงดัน) ร่วมกับวิธีแฟรกตัล ซึ่งคำนวณจากการกระจาย (ความสัมพันธ์ระหว่างขนาดของ PD(q), มุมเฟสของแรงดันทดสอบ (phi) และจำนวนครั้งที่เกิด PD ซ้ำ (n)) จะได้พารามิเตอร์รวมทั้งหมด 13 ค่า โดยพารามิเตอร์ทั้ง 13 ค่านี้จะนำมาใช้ในกระบวนการเรียนรู้และจดจำรูปแบบของการเกิด PD คือ เป็นตัวนำเข้าข้อมูลของนิวรอลเน็ทเวิร์ค จากนั้นจะทำการสอนให้ระบบเกิดการเรียนรู้โดยใช้นิวรอลเน็ทเวิร์คและเจนเนติกอัลกอริทึม โดยนำเจนเนติกอัลกอริทึมมาปรับค่าน้ำหนักให้กับตัวนิวรอลเน็ทเวิร์ค จากผลการทดสอบกับอุปกรณ์ที่เกิดความผิดพร่อง พบว่าสามารถแยกแยะลักษณะการเกิด PD ที่เกิดขึ้นในอุปกรณ์ไฟฟ้าแรงสูงได้อย่างถูกต้องมากกว่า 80 เปอร์เซ็นต์	en
dc.description.abstractalternative	This thesis is a study of Partial Discharge(PD) Pattern Recognition in High Voltage Equipment program to automatically diagnosed. PD Pattern namely Corona, Internal and External discharge were measured from defective modeling. The calculated compulsory characteristics are stored in database by utilizing statistical and fractal method. The result of distribution of average value and repeated existing of PD corresponding voltage phase angle, provided the statistical value. In addition, the latter method was obtained from the distribution value consisting the correlation between the amplitude of PD, the voltage phase angle and the repeated existing of PD. Using these methods, statistical and, fractal method. The 13 parameters, inputted to Neural Network to training system, were obtained. Moreover the system recognition is utilized Genetics Algorithm to determine the appropriate weight for Neural Network as well. The tested result shown more than 80 percent correct diagnosis.	en
dc.format.extent	3511177 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	ไฟฟ้าแรงสูง	en
dc.subject	นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)	en
dc.subject	จีเนติกอัลกอริทึม	en
dc.subject	ดิสชาร์จ	en
dc.title	การรู้จำรูปแบบของการเกิดดีสชาร์จบางส่วนในอุปกรณ์ไฟฟ้าแรงสูง	en
dc.title.alternative	Pattern recognition of partial discharge in high voltage equipment	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมไฟฟ้า	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Samruay.S@Chula.ac.th	-
dc.email.advisor	Ekachai.L@Chula.ac.th	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Kevarin.pdf		3.43 MB	Adobe PDF	View/Open

Show simple item record