عنوان	تشخیص خطا در ترانسفورماتور با شبکه عصبی عمیق
نوع پژوهش	پایان نامه
کلیدواژه‌ها	ترانسفورماتور، خطا، شبکه عصبی
چکیده	ترانسفورماتورها به طور کلی تجهیزات قابل اعتمادی هستند و نقش مهمی در انتقال و توزیع نیروی الکتریکی دارند. با افزایش تقاضای انرژی الکتریکی، سیستم های قدرت در معرض خطا‌های مختلفی قرار می‌گیرند، که منجر به افزایش تنش‌های الکتریکی و مکانیکی در ترانسفورماتورها می‌شود و احتمال خرابی درآنها را افزایش می دهد. تشخیص دقیق نوع خطا در ترانسفورماتور برای حفظ ایمنی سیستم های قدرت بسیار مهم است. از آنجایی که عیوب ترانسفورماتور پیچیده و پنهان هستند، روش‌های ساده و خام در تشخیص درست خطا مشکل دارند. در این کار، یک روش جدید تشخیص عیب ترانسفورماتور با استفاده از یک سیستم ترکیبی یادگیری عمیق و الگوریتم ژنتیک انجام شده است. روش پیشنهادی از بین روش های مطرح (همانند روش های طبقه بندی، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان (SVM) و غیره) گزینش شده است. در این مدلسازی یک نمونه از ترانسفورماتورهای پرکاربرد شهر ایلام (315 Kvar) مد نظر قرار گرفته است. همچنین با بررسی های میدانی اولیه و مطالعات صورت گرفته، فهرستی از خطاهای مربوط به ترانسفورماتورها تهیه شده است. شبیه سازی و کدنویسی مناسبترین الگوریتم برای مدلسازی (شبکه عصبی عمیق) در محیط متلب R2022a انجام شده است. در این مدلسازی وزن های شبکه عصبی متناسب با پارامترها و رکوردهای ورودی به گونه‌ای تنظیم شده که کمترین خطا و بالاترین دقت را در مقایسه با الگوریتم های مشابه داشته باشند. برای ارزیابی نتایج الگوریتم پیشنهادی از معیارهای استاندارد استفاده شده است.
پژوهشگران	ثریا رستگار (استاد راهنما)، محبوبه محمدی (دانشجو)