การวิเคราะห์ซิกเนเจอร์ของความผิดพร่องในระบบส่งไฟฟ้าโดยใช้การรู้จำรูปแบบ

พลสัณห์ พงษ์ประยูร

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/23040

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	แนบบุญ หุนเจริญ	-
dc.contributor.author	พลสัณห์ พงษ์ประยูร	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2012-11-02T10:00:33Z	-
dc.date.available	2012-11-02T10:00:33Z	-
dc.date.issued	2554	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/23040	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554	en
dc.description.abstract	เสนอวิธีการวิเคราะห์ซิกเนเจอร์ของความผิดพร่องจากลูกถ้วยวาบไฟ ควันไฟ รถเครน และผลกระทบของความผิดพร่องในระบบจำหน่ายข้างเคียง โดยใช้ข้อมูลจากเครื่องบันทึกความผิดพร่องแบบดิจิตัล และรายงานวิเคราะห์เหตุการณ์ขัดข้องของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย ระหว่างปี พ.ศ. 2550-2554 ประยุกต์การสกัดลักษณะเด่น 7 ประเภท เพื่อใช้เป็นข้อมูลป้อนเข้าสำหรับพัฒนากระบวนการจำแนกซิกเนเจอร์ของความผิดพร่องทั้ง 4 แบบ โดยใช้เทคนิคโครงข่ายประสาทเทียมเปรียบเทียบกับการตัดสินใจแบบต้นไม้ จากนั้นทำการคัดเลือกเฉพาะลักษณะเด่นที่เพียงพอ โดยใช้วิธีการคัดเลือกแบบไปข้างหน้าเป็นลำดับ (Sequential forward selection) พบว่าประเภทลักษณะเด่นที่เพียงพอมี 5 ประเภท คือ ระยะเวลาในการขจัดความผิดพร่อง การทำงานของรีโคลสเซอร์ จำนวนเฟสที่ได้รับผลกระทบ ความผิดพร่องที่มีการแปรเปลี่ยนประเภท และรากที่สองของค่าเฉลี่ยยกกำลังสองของกระแสในนิวทรัล ผลการศึกษาเปรียบเทียบการจำแนกโดยทั้งสองขั้นตอนวิธีพบว่า เทคนิคโครงข่ายประสาทเทียม และการตัดสินใจแบบต้นไม ้ให้ความแม่นยำในการจำแนกสาเหตุของความผิดพร่องที่มีค่าใกล้เคียงกัน และมีค่าความแม่นยำในการจำแนกสูงสุด ร้อยละ 96.67 เมื่อทดสอบกับข้อมูลและเหตุการณ์ที่เกิดขึ้นในระบบส่งไฟฟ้าจำนวน 90 เหตุการณ์ นอกจากนี้ ซิกเนเจอร์ของความผิดพร่องทั้ง 4 ประเภทได้ถูกวิเคราะห์และอภิปรายในส่วนท้ายของวิทยานิพนธ์	en
dc.description.abstractalternative	To propose a method to analyze fault signatures which results from insulation flashover, burning smoke, service crane and faults in adjacent distribution using data recorded by Digital Fault Recorders (DFR) and fault event analysis report of the Electricity Generating Authority of Thailand (EGAT), during B.E. 2550-2554. Applying feature extraction to seven types of input data, the Artificial Neural Network and the Decision Tree have been constructed for classifying the four fault types. Then, selecting the sufficient features using Sequential Forward Selection (SFS) reveals that only 5 features can satisfy, which are fault clearing times, recloser operation, the number of affected phases, fault developing characteristic and Root Mean Squares (RMS) of the neutral current. Comparative test results shows that both the Artificial Neural Network and the Decision Tree can provide high accuracy of the classification in which the highest accuracy of 96.67% can be obtained when testing with the 90 actual fault events. Additionally, the signature of those four fault types are analyzed and discussed.	en
dc.format.extent	3691461 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2011.977	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	การรู้จำรูปแบบ	en
dc.subject	ตำแหน่งฟอลต์	en
dc.subject	การส่งกำลังไฟฟ้า	en
dc.subject	นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)	en
dc.subject	ต้นไม้ตัดสินใจ	en
dc.subject	Pattern recognition systems	en
dc.subject	Electric fault location	en
dc.subject	Electric power transmission	en
dc.subject	Neural networks ‪(Computer sciences)‬	en
dc.subject	Decision trees	en
dc.title	การวิเคราะห์ซิกเนเจอร์ของความผิดพร่องในระบบส่งไฟฟ้าโดยใช้การรู้จำรูปแบบ	en
dc.title.alternative	Fault signature analysis in a transmission system using pattern recognition	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	Naebboon.H@Chula.ac.th	-
dc.identifier.DOI	10.14457/CU.the.2011.977	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
ponson_po.pdf		3.6 MB	Adobe PDF	View/Open

Show simple item record