การวิเคราะห์กำลังสูญเสียในหม้อแปลงไฟฟ้าระบบจำหน่าย 3 เฟส ในสภาวะโหลดปกติ และโหลดเกิน โดยใช้เทคนิคโครงข่ายประสาทเทียม
คำสำคัญ:
หม้อแปลงจำหน่าย, กำลังสูญเสียในหม้อแปลง, โครงข่ายประสาทเทียม, อุณหภูมิบทคัดย่อ
บทความวิจัยนี้นำเสนอวิเคราะห์กำลังสูญเสียในหม้อแปลงจำหน่าย 3 เฟส ขนาด 100 kVA 22 kV-230/400 V ในสภาวะโหลดปกติ และโหลดเกิน โดยใช้เทคนิคโครงข่ายประสาทเทียม ซึ่งสามารถวิเคราะห์กำลังสูญเสียในหม้อแปลงได้เร็วกว่า และใช้ตัวแปรที่น้อยกว่าการคำนวณหาค่ากำลังสูญเสียในหม้อแปลงไฟฟ้า โดยค่าพารามิเตอร์ต่าง ๆ ได้มาจากการทดสอบที่โรงงานผู้ผลิตหม้อแปลง กระแสที่ทดสอบตั้งแต่ 1% - 140% ที่อุณหภูมิ 35ºC, 45ºC, 55ºC, 65ºC และ 75ºC แล้วนำมาคำนวณหาค่ากำลังสูญเสียในหม้อแปลง มีจำนวน 70,000 ชุด โดยแยกสำหรับเป็นข้อมูลที่ใช้ในฝึกสอนโครงข่ายประสาทเทียม เพื่อหาค่าพารามิเตอร์ต่าง ๆ ของโครงข่ายประสาทเทียม จำนวน 56,000 ชุด และเป็นข้อมูลอินพุตของโครงข่ายประสาทเทียม เพื่อหาค่ากำลังสูญเสียในหม้อแปลงของโครงข่ายประสาทเทียม จำนวน 14,000 ชุด จากนั้นทำการเปรียบเทียบค่ากำลังสูญเสียในหม้อแปลงที่ได้จากโครงข่ายประสาทเทียมกับค่าที่คำนวณจากการทดสอบที่โรงงานผู้ผลิต ค่าเปอร์เซ็นต์ความผิดพลาดไม่เกิน 1.06 อยู่ในระดับที่น่าพอใจ และสามารถนำวิธีการดังกล่าวไปใช้ในการออกแบบทดสอบค่ากำลังสูญเสียทางไฟฟ้าในหม้อแปลงได้ในอนาคต
Downloads
เอกสารอ้างอิง
De souza, A. N., Da Silva, L. N., de Soura, C. F. L. N., and Zago, M. G. (2001). Using Artificial Neural Networks for Identification of Electrical Loosses in Transformers during the Manufacturing Phase. In Proceedings the 2002 Internationnal Joint Conference on Neural Network. V.2. pp. 1346-1350. Hong Kong.
Suttisinthong, N., and Pothisarn, C. (2014). Analysis of Electrical Losses in Transformers using Artificial Neural Networks. In Proceedings of the International MultiConference of Engineers and Computer Scientists. pp. 1-5. Hong kong.
Basheer, I. A., and Hajmeer, M. (2000). Artificial neural networks, fundamentals, computing, design, and application. Journal of Microbiological Methods, 43(1), 3-31.
Suechoey, B., Siriporananon, S., Pringsakul, N., and Thongrak, A. (2018). Implementation of Load Cycle Simulation for Studies of Loss Energy and Lifetime of Oil-Immersed Transformers. In Proceedings of the 10thInternational Conference on Sciences, Technology and Innovation for Sustainable Well-Being (STISWB 2018). pp. 202-207.
Siriporananon, S., and Suechoey, B. (2020). Power Losses Analysis in a Three-Phase Distribution Transformer Using Artificial Neural Networks. The ECTI Transactions on Electrical Engineering, Electronics & Communications, 18(2), 130-136.
Siriporananon, S., Suechoey, B., and Pringsakul, N. (2018). Performance testing of transformers used in distribution systems. In Proceedings of the 10th International Conference on Sciences, Technology and Innovation for Sustainable Well-Being (STISWB 2018). pp. 196-201.
IEC 60076-2. (2006). Power Transformer Part 2 : Temperature Rise.
Grainger, J. J., and Stevenson, W. D. (1994). Power System Analysis. McGraw-Hill International editions.
Provincial Electricity Authority Thailand (PEA). (2015). Three-Phase Transformer for 22 kV and 33 kV Distribution Systems with Ability to Withstand Short Circuit. Specification No. RTRN-035/2558.
Hagan, M. T., Demuth, H. B., and Beale, M. (1996). Neural Network Design. Boston. USA, PWS Publishing Company.
Demuth, H., and Beale, M. (1998). Neural Network Toolbox User’s Guide. The Mathwork Inc.
Souza, K. N., Castro, T. N., Pereira, T. M., Pontes, R. S. T., and Braga, A. P. S. (2011). Prediction of core losses on a three-phase transformer using neural network. IEEE International Symposium on Circuits and Systems (ISCAS), pp. 1105-1108.
Yadav, A. K., Azeem, A., Singh, A., Malik, H., and Rahi, O. P. (2011). Application Research Based on Artificial Neural Network (ANN) to Predict No-Load for Transformer’s Design. International Conference on Communication Systems and Network Technologies. pp. 180-183.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2023 วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ (สาขาวิทยาศาสตร์และเทคโนโลยี)
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสารมหาวิทยาลัยศรีนครินทรวิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivs 4.0 International (CC-BY-NC-ND 4.0) เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดอ่านหน้านโยบายของวารสารสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเข้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
