АДАПТИВНЫЙ НЕЙРО-НЕЧЕТКИЙ ПОДХОД ОЦЕНКИ ЭЛЕКТРИЧЕСКИХ ПОЛЕЙ ЭЛЕКТРОСТАТИЧЕСКОГО РАЗРЯДА
Ключевые слова:
электростатический разряд, электромагнитное поле, электромагнитная совместимость, электромагнитная обстановка, искусственный интеллект, нейронная сеть, метод конечных элементов, адаптивный нейро-нечеткий система выводаАннотация
В работе разработан алгоритм прогнозирования динамики электростатического разряда (ЭСР) в контексте метода момента во временной области и использован для компьютерного моделирования электромагнитных процессов, связанных с электростатическим разрядом идеально проводящего вытянутого сфероида, расположенного вблизи заземленной идеально проводящей плоскости. Рассчитаны токи и поля ЭСР в ближней и дальней зонах, а также дан физический анализ зависимости переходного излучения от отдельных параметров модели. При компьютерном моделировании применяется метод конечных элементов (МКЭ) в гармоническом режиме времени, разработанный в программной среде FEMM.
Разработана эффективная модель адаптивной нейро-нечеткой системы вывода (ANFIS) для оценки электромагнитного поля ЭСР для двух случаев конфигурации, где результаты требует учитывать не только стандартные параметры, но и направление и конфигурацию разряда. Результаты моделирования FEMM использованы для обучения ANFIS в программной среде MATLAB fuzzy.
Библиографические ссылки
J. Weiss and Z. Csendes, “A one-step finite element method for multiconductor skin effect problems,” IEEE Trans. Power Appart. Syst., vol. PAS-101, no. 10, pp. 3796-3803, Oct. 1982.
D. Labridis and P. Dokopoulos, “Finite element computation of field, losses and forces in a three-phase gas cable with nonsymmetrical conductor arrangement,” IEEE Trans. Power Delivery, vol. PWDR-3, pp. 1326-1333, Oct. 1988
I. G. Damouis, K. J. Satsios, D. P. Labridis, P. S. Dokopoulos, “A fuzzy logic system for calculation of the interference of overhead transmission lines on buried pipelines”, Electric Power Systems Research, vol. 57, pp. 105-113, 2001.
I. G. Damouis, K. J. Satsios, D. P. Labridis, P. S. Dokopoulos, “Combined fuzzy logic and genetic algorithm techniques-application to an electromagnetic field problem”, Fuzzy sets and systems, vol. 129, pp. 371-386, 2002.
T. I. Maris, L. Ekonomou, G. P. Fotis, A. Nakulas, E. Zoulias, “Electromagnetic field identification using artificial neural networks” , Proc. of the 8th Conference on 8th WSEAS International Conference on Neural Networks - Volume 8 , Canada, pp.84-89, 2007.
R. G. Olsen and P. S. Wong, “Characteristics of Low Frequency Electric and Magnetic Fields in the Vicinity of Electric Power Lines”, IEEE Trans. on Power Delivery, Vol. 7, No. 4, pp. 2046-2055 , 1992.
S. Reitzinger, U. Schreiber, and U. V. Rienen, “Electro-quasi-static calculation of electric field strength on high-voltage insulators with an algebraic multigrid algorithm,” IEEE Trans. Magn., vol. 39, pp. 2129-2132, 2003.
Hasselgren L., Moller E., Hamnerius Y., “Calculation of Magnetic Shielding of a Substation at Power Frequency Using FEM”, IEEE Transactions on Power Delivery, Vol. 9, No. 3, 1994.
G.B. Iyyuni and S.A. Sebo, “Study of Transmission Line Magnetic Fields,” Proceedings of the Twenty-Second Annual North American, IEEE Power Symposium, pp.222-231, 1990.
Ministry of Electricity, Iraq, “Iraq Super Grid Projects 132 kV Single and Double Circuit Steel Tower Transmission Lines”, Volume 1 Technical Specification, 2006.
J.-S. R. Jang, “ANFIS: Adaptive-Network-Based Fuzzy Inference Systems”, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 3, pp. 665-685, 1993.
R. Jang, “Input selection for ANFIS learning,” in Proc. 5th IEEE Int. Conf. Fuzzy Systems, Sep. 8-11, 1996, vol. 2, pp. 1493-1499.
G. Capizzi, G., S. Coco, A. Laudani, “A Neural Network tool for the prediction of electromagnetic field in urban environment”, Proc. of the 12th Biennial IEEE Conference on Electromagnetic Field Computation, pp. 60, 2006
Бакасова, А. Б., Асан уулу, А., (2022). Обзор альтернативных подходов к моделированию электромагнитной обстановки на высоковольтной электрической подстанции. Проблемы автоматики и управления, №2 (44), 4–14. извлечено от https://imash.kg/jrn/index.php/pau/article/view/307.
Верзунов С. Н. (2022) СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ДИАГНОСТИКИ COVID-19 ПО КТ-СНИМКАМ. Проблемы автоматики и управления, №3 (45), 119–134. извлечено от http://pau.imash.kg/index.php/pau/article/view/396/295
Бакасова, А., & Асан уулу, А. (2022). Применение нейронных сетей в задачах электромагнитных помех. Проблемы автоматики и управления, №1 (43), 95–103. извлечено от https://imash.kg/jrn/index.php/pau/article/view/259.
Бакасова, А., & Асан уулу, А. (2022). МОДЕЛИРОВАНИЕ ЭЛЕКТРОСТАТИЧЕСКОГО РАЗРЯДА И ИДЕНТИФИКАЦИЯ ЭЛЕКТРОМАГНИТНОГО ПОЛЯ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ Проблемы автоматики и управления, №3 (45), 159–166. извлечено от http://pau.imash.kg/index.php/pau/article/view/387/299
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2023 А. Б. Бакасова, Аскат Асан уулу
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
