(2010) Neural Network Based Detection of Partial Discharge in HV Motors. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF (MS Thesis: Yahya Asiri ID 240128) Yahya_Asiri__ID_240128__MS_Thesis.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (6MB) | Preview

Arabic Abstract

خلاصة الرسالة الاسم:يحيى أحمد عسيري عنوان الرسالة:اكتشاف عيوب التفريغ الجزئي في محركات الجهد العالي باستخدام الشبكات العصبية التخصص:هندسة كهربائية تاريخ المناقشة: يونيو 2010 ناقشت هذه الأطروحة بشكل عام استخدام واحدة من تقنيات الذكاء الاصطناعي (الشبكات العصبية) لتصنيف ستة (6) أنواع مختلفة من التفريغ الجزئي في عوازل محركات الجهد العالي. بعد مناقشة أهمية المحركات الكهربائية واستخدامها في مجموعة واسعة من التطبيقات، تم مناقشة استخدام تقنيات مختلفة في الكشف عن عيوب المحركات الكهربائية. تسهم عيوب ملفات الجزء الثابت بنحو 30-40 ٪ من مجموع عيوب المحركات الكهربائية وفقا لإحصائياتIEEE و EPRI. بالتركيز على معدات الجهد العالي، نجد أن السبب الأول وفق إحصائياتIEEE يبين أن نسبة ما يصل الى 90 ٪ من تعطل معدات الجهد العالي يمكن أن يعزى إلى تدهور نظام العزل الكهربائي. الأهمية المتعاظمة لنظام العزل الكهربائي في محركات الجهد العالي تبرر دراسة و بحث واحد من أهم أسباب فشل العزل و نعني هنا التفريغ الجزئي. تم جمع بيانات وقياسات متعددة ومتنوعة عن التفريغ الجزئي في محركات الجهد العالي وتم أيضا جمع بيانات من محركات سليمة لا تعاني مشاكل التفريغ الجزئي. عولجت هذه القياسات و القراءات التي أعدت للاستخدام مع الشبكات العصبية خلال مرحلة التهيئة المبدئية باستخدام بعض الأساليب الإحصائية مثل القيم القصوى والدنيا، قيم الوحدة، ووسائل الكشف عن الغلاف. كذلك تم استخدام بعضا من تقنيات معالجة الإشارات مثلPCA و ISOMAP. عند إجراء تدريب و اختبار الشبكات العصبية تم استخدام اثنتين من البرمجيات هما البرنامج الشهير للتطبيقات العلمية ،MATLAB، الذي استخدم للحصول على ,PCA ,ISOMAP و النماذج الأحادية للشبكات العصبية لأنواع التفريغ الجزئي المختلفة. كما استخدم برنامج NeuralSight كأداة أخرى متخصصة في تطبيقات الشبكات العصبية. MATLAB كان أداة مثالية لحساب PCA و ISOMAP بينما لم يرتق للأسف للتوقعات في تصنيف عيوب التفريغ الجزئي. على العكس من ذلك كان أداءNeuralSight دقيقا للغاية عندما تم تدريب الشبكات العصبية واختبارها عليه. علاوة على ذلك، تمكنا من استخدام ميزة بناء نماذج متعددة لتصنيف العيوب المتداخلة من التفريغ الجزئي بدقة و صلت 98-99 % في حين أن البحوث السابقة التي أجريت عالميا لم تتجاوز نسبة دقة التصنيف فيها 79 %. ماجستير الهندسة جامعة الملك فهد للبترول والمعادن الظهران – المملكة العربية السعودية يونيو - 2010

English Abstract

THESIS ABSTRACT NAME: Yahya Ahmed Asiri TITLE OF STUDY: Neural Network Based Detection of Partial Discharge in HV Motors MAJOR FIELD: Electrical Engineering DATE OF DEGREE: June 2010 The thesis discussed in general using one of the artificial inelegance techniques, Neural Networks (NN), to classify six (6) different types of Partial Discharge (PD). After discussing the importance rule of Electric Motors and their use in the wide range of applications, the use of different failures detection techniques is discussed. The stator failures contribute about 30-40% of the total motor failures according to IEEE and EPRI. If the search is focused on High Voltage (HV) machines, IEEE statistics indicate that electrical insulation deterioration causes up to 90% of electrical failures of certain high voltage equipment Such importance of the HV insulation system justifies studying one main cause of HV insulation which is PD. Large datasets were collected for PD defected HV motors as well PD-free machines. These sets of PD data were preprocessed and prepared for use with NN. The preprocessing phase of NN application to classify the PD types includes using some statistical techniques such as maximum and minimum values, Per Unit, and the envelop detection means; on the other hand, two techniques from the Signal Processing are in use such as Principal Component Analysis (PCA) and the Isometric Maps (ISOMAP). Two NN packages are used to perform the PD classification. The famous scientific tool, MATLAB, is used to perform the PCA and the ISOMAP also to perform the NN PD classification. Another specialized NN tool is used to perform the multiple models NN building using NeuralSight of NeuralWare USA. MATLAB was a perfect tool to calculate the PCA and ISOMAP reduced matrices but unfortunately it was not up to expectation in the NN PD classification. The NeuralSight was very accurate when it was trained and tested for the PD NN classification. Furthermore, it was achievable to use the advantage of multiple models to classify the multiple PD defects with recognition rate reached 98-99%, whereas the previous worldwide research works addressed in the literatures did not exceed the classification accuracy of 79%.

Item Type:	Thesis (Masters)
Additional Information:	The work that shown in this document is protected by the copyrights legal laws in Saudi Arabia. It was also submitted as a “PATENT” request to the Intellectual Assets Management of Saudi Aramco and the United States Patent and Trademark Office.
Subjects:	Research > Engineering Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al-Hamouz, Zakariya M
Committee Co-Advisor:	Duwaish, Hussain N
Committee Members:	El-Amin, Ibrahim M and Mohandes, Mohamed A and Vouk, Alfred O
Depositing User:	YAHYA ASIRI (g200401280)
Date Deposited:	19 Jul 2010 06:40
Last Modified:	01 Nov 2019 15:28
URI:	http://eprints.kfupm.edu.sa/id/eprint/136329