Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/50311
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorชาญณรงค์ บาลมงคลen_US
dc.contributor.authorบุศรินทร์ พันธ์กระจับen_US
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์en_US
dc.date.accessioned2016-12-01T08:04:44Z
dc.date.available2016-12-01T08:04:44Z
dc.date.issued2558en_US
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/50311
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558en_US
dc.description.abstractวิทยานิพนธ์ฉบับนี้นำเสนอการศึกษาเปรียบเทียบการตรวจจับความผิดพร่องชนิดอิมพีแดนซ์สูงด้วยวิธีโครงข่ายประสาทเทียมกับวิธีการวิเคราะห์ฮาร์มอนิก สัญญาณกระแสผิดพร่องของแต่ละเฟสจะผ่านกระบวนการการแปลงเวฟเล็ตก่อนนำมาวิเคราะห์ด้วยโครงข่ายประสาทเทียมและผ่านการแปลงฟูริเยร์อย่างเร็วก่อนนำมาวิเคราะห์องค์ประกอบฮาร์มอนิก โดยได้ศึกษาพิจารณาหากระบวนการและเกณฑ์ที่เหมาะสมของแต่ละวิธีในการตัดสินใจว่าเป็นความผิดพร่องชนิดอิมพีแดนซ์สูง การทดสอบสมรรถภาพในการตรวจจับความผิดพร่องชนิดอิมพีแดนซ์สูงจะใช้ข้อมูลเหตุการณ์ความผิดพร่องชนิดอิมพีแดนซ์สูงและข้อมูลเหตุการณ์ที่ไม่ใช่ความผิดพร่องชนิดอิมพีแดนซ์สูง ซึ่งได้จากการจำลองด้วยโปรแกรม EMTP จากเครื่องบันทึกเหตุการณ์ผิดพร่องแบบดิจิทัลที่ติดตั้งอยู่ที่สถานีไฟฟ้าและจากการทดลองจริงในภาคสนาม ผลจากการทดสอบด้วยข้อมูลจำนวนทั้งสิ้น 111 เหตุการณ์ พบว่าวิธีโครงข่ายประสาทเทียมให้ความถูกต้องในการระบุความผิดพร่องชนิดอิมพีแดนซ์สูงร้อยละ 98.2 น้อยกว่าวิธีการวิเคราะห์ฮาร์มอนิกที่ให้ความถูกต้องร้อยละ 100en_US
dc.description.abstractalternativeThis thesis presents a comparative study on high-impedance fault detection methods using Artificial Neural Network (ANN) and Harmonic Analysis (HA). The signal of fault current in each phase is processed by wavelet transform and then analyzed with ANN. On the other hand, it is processed by fast fourier transform and then analyzed with HA. The process and criteria of each method for high-impedance fault detection are proposed. The effectiveness of both methods was tested using data of high-impedance faults and non-high-impedance faults. These data were obtained from simulation with EMTP, digital fault recorders located in substations and field tests. From the total test data of 111 cases, the ANN method could detect high-impedance fault with 98.2% accuracy. The HA method performed better with 100% accuracy.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2015.1421-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectอิมพีแดนซ์
dc.subjectนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
dc.subjectการวิเคราะห์ฮาร์มอนิก
dc.subjectImpedance (Electricity)
dc.subjectNeural networks (Computer science)
dc.subjectHarmonic analysis
dc.titleการศึกษาเปรียบเทียบวิธีการตรวจจับความผิดพร่องชนิดอิมพีแดนซ์สูงen_US
dc.title.alternativeA comparative study on high impedance fault detection methodsen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมไฟฟ้าen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorChannarong.B@Chula.ac.th,Channarong.B@chula.ac.then_US
dc.identifier.DOI10.14457/CU.the.2015.1421-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
5670265421.pdf3.84 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.