APPLICATION OF NEURAL NETWORKS IN PROBLEMS OF ELECTROMAGNETIC INTERFERENCE

Authors

Bakasova A.B. Machinery researching and Automatics Institute of Kyrgyz Republic National Academy of Science
Asan uulu A. Kyrgyz State Technical University named after I. Razzakov

Keywords:

electromagnetic compatibility, electromagnetic environment, electromagnetic interference, neural networks.

Abstract

The problems of occurrence of electromagnetic interference between high-voltage power lines and underground metal pipelines are considered. To estimate the potential of the magnetic field vector for various constructive geometries of a specific configuration of the problem, an artificial intelligence method based on neural networks was used. In order to find optimal solutions, different architectures of neural networks were tested. The results obtained with the help of neural networks are compared with the standard solutions of such problems by the finite element method.

References

Давалиби Ф. Анализ электрических помех от линий электропередачи к газопроводам. Часть I. Методы вычислений, IEEE Trans. on Power Delivery, 4, 3, pp. 1840–1848 (1989).

Дэн Д. Мику, И. Лингвей, К. Лингвей, Л. Дарабант, А. Чеклан, Численная оценка наведенных напряжений в металлических подземных трубопроводах, Rev. Roum. des Sci. Техн. - Электротехн. et Énerg., ISI Journal, 54, 2. – C. 175–184 (2009).

Руководство по влиянию высоковольтных систем переменного тока на металлические трубопроводы, Рабочая группа 36.02 СИГРЭ, Канада, 1995.

К. Дж. Сациос, Д. П. Лабридис, П. С. Докопулос. Система искусственного интеллекта для сложной задачи электромагнитного поля: Часть I . Расчет методом конечных элементов и разработка нечеткой логики, IEEE Trans. on Magnetics, 35, 1. – C. 516–522, 1999.

K. J. Satsios, D. P. Labridis, P. S. Dokopoulos, An Artificial Intelligence System for a Complex Electromagnetic Field Problem: Part II – Method Implementation and Performance Analysis, IEEE Trans., 35, 1, pp. 523-527 (1999).

S. Al-Badi, K. Ellithy, S. Al-Alawi, Prediction of Voltages on Mitigated Pipelines Paralleling Electric Transmission Lines Using an Arificial Neural Network, The Journal of Corrosion Science and Engineering, 10 (2007).

M. Caudil, C. Butler, Understanding Neural Networks: Computer Exploration, Vol. 1 & Vol. 2, MA: MIT Press, Cambridge, 1992.

H. Demuth, M. Beale, Neural Networks Toolbox. Users’ Guide, Ver. 3. The MATHWORKS Inc., 1998.

Строительные нормы и правила, ч. 1, гл. 1 // Система нормативных документов -СНиП 2.11.03-93

Верзунов, С. Н. Система искусственного интеллекта для онлайн мониторинга подземных силовых кабельных линий на основе технологий глубокого обучения / С. Н. Верзунов // Проблемы автоматики и управления. – 2021. – № 3(42). – С. 83-94. – EDN DVCIKE.