پيش‌بيني ولتاژ تخليه الكتريكي مقره‌هاي پليمري با ملاحظه بر تاثير بارهاي سطحي و آلودگي به كمك شبكه عصبي مصنوعي

Flashover Voltage Prediction of Polymeric Insulators in Presence of Surface Charge and Pollution using Artificial Neural Network

در اين مقاله، اثر حضور همزمان بارهاي سطحي و آلودگي بر تخليۀ الكتريكي مقره‌هاي پليمري تحت ولتاژ DC بررسي و تحليل شده است. بدين منظور چهار نوع مقره‌هاي پليمري با پروفيل متفاوت، انتخاب و سپس تست‌هاي آزمايشگاهي تخليۀ الكتريكي DC انجام شده است. با توجه به نتايج به‌دست‌آمده، افزايش مقدار آلودگي در حضور بارهاي سطحي مثبت باعث كاهش ولتاژ شكست مقره‌ها شده است. اين در حالي است كه بارهاي منفي باعث افزايش ولتاژ شكست الكتريكي مي‌شود. در اين مقاله مدلي به‌منظور پيش‌بيني ولتاژ تخليۀ الكتريكي مقره بر اساس پارامترهاي هندسي آن شامل فاصلۀ خزشي مخصوص و نسبت فاصله به عمق چترك‌ها، آلودگي و مقدار بارهاي سطحي با استفاده از شبكه عصبي معرفي شده است. مقايسۀ نتايج تست‌هاي آزمايشگاهي گراديان ولتاژ شكست الكتريكي براي يك مقره با پارامترهاي هندسي مشخص با نتايج حاصل از مدل شبكه عصبي نشان مي‌دهد پيش‌بيني گراديان ولتاژ شكست به روش شبكۀ عصبي، انطباق بسيار مناسبي با نتايج آزمايشگاهي به‌ دست‌ آمده دارد.

In this paper, the effect of surface charges and pollution on flashover voltage of polymeric insulators under DC voltage have been investigated and analyzed. For this purpose, four types of polymeric insulators with different profiles have been selected and then experimental tests of DC flashover voltage have been performed. According to the obtained results, with increasing pollution in presence of positive surface charges flashover voltage reduce, but negative charges increase it. Also in this paper, a model based on geometric parameters including specific leakage distance, shed spacing to shed depth ratio, amount of surface charges and pollution is proposed using an artificial neural network. The comparison of the obtained results from experimental tests and ANN model show that the results of ANN are consistent with experimental tests.