Prédiction de quelques propriétés d'un huile De transformateur utilisant les réseaux De neurones artificiels

Abstract

Le travail que nous avons effectué consiste à utiliser les réseaux des neurones artificiels dans la prédiction de l’évolution de facteur diélectrique d’une huile isolante, soumise à un vieillissement thermique. Ce travail est l’amélioration de la prédiction d’un vieillissement thermique d’une huile de transformateur, qui prolonge la durée de prédiction de 1500h à 5000h. Nous avons élaboré un programme de calcul du réseau RBF qui utilise le temps comme entrée et la méthode ROM pour la phase d’apprentissage. Les résultats obtenus permettre d’aboutir aux conclusions suivantes :  Les réseaux à base radiale normalisés se distinguent par leur caractéristique de meilleurs approximateurs des fonctions.  Durant les tests, nous avons constaté que si on augmentant le nombre des neurones Nc de la couche cachée la durée d’exécution augmente mais la prédiction sera mauvaise.  Avec un pas d’apprentissage petit ; la prédiction de réseau RBF est très lente quand on essaye de diminuer le temps d’apprentissage ; ceci nous oblige d’entraîner le réseau sur des intervalles de temps élevés pour que le réseau puisse trouver une dépendance entre les valeurs qu’ils ont apprise.  Les résultats obtenus par les réseaux RBF sont acceptables, mais ils nécessitent un temps d’apprentissage relativement moyen.  Dans notre étude, le nombre de neurones dans la couche cachée et le taux de recouvrement sont fixés, nous proposons d’optimiser ces paramètres avec une méthode convenable pour avoir des bons résultats.  Nous mentionnons qu’à travers ce travail, nous avons constaté que le réseau des neurones est un outil très diversifié. Ce modèle a ces propres caractéristiques peut être destiné à des opérations spécifiques. Nous pensons qu’il serait intéressant de construire un réseau qui peut bien prédire. En fin dans notre étude ; nous proposons d’étudier des autres propriétes avec un réseau de deux entrées يتكون العمل الذي قمنا به من استخدام الشبكات العصبية الاصطناعية في التنبؤ بتطور العامل العازل للزيت العازل تحت تأثير أ الشيخوخة الحرارية. هذا العمل هو تحسين التنبؤ بالشيخوخة الطاقة الحرارية لزيت المحولات والتي تمتد مدة التنبؤ من 1500 ساعة إلى 5000 ساعة. لقد قمنا بتطوير برنامج لحساب شبكة RBF الذي يستخدم الوقت الإدخال وطريقة ROM لمرحلة التعلم. النتائج التي تم الحصول عليها تسمح لنا بالتوصل إلى الاستنتاجات التالية:  تتميز الشبكات ذات الأساس الشعاعي المعياري بخصائصها أفضل تقريب وظيفة.  أثناء الاختبارات وجدنا أنه إذا قمنا بزيادة عدد الخلايا العصبية Nc للطبقة المخفية يزيد وقت التنفيذ لكن التنبؤ سيكون كذلك سيء.  بخطوة تعليمية صغيرة؛ التنبؤ بشبكة RBF بطيء جدًا عندما نكون يحاول تقليل وقت التعلم؛ وهذا يتطلب منا تدريب الشبكة على فترات زمنية طويلة حتى تتمكن الشبكة من العثور على التبعية بين القيم التي تعلموها.  النتائج التي حصلت عليها شبكات التمويل القائم على النتائج مقبولة، ولكنها تتطلب ذلك متوسط ​​وقت التعلم نسبيا.  في دراستنا عدد الخلايا العصبية في الطبقة المخفية ومعدلها تم إصلاح الاسترداد، ونحن نقترح تحسين هذه المعلمات باستخدام ملف الطريقة المناسبة للحصول على نتائج جيدة.  نذكر أنه من خلال هذا العمل لاحظنا أن شبكة الخلايا العصبية هي أداة متنوعة للغاية. هذا النموذج له خصائصه الخاصة يمكن أن يكون مخصصة لعمليات محددة. نعتقد أنه سيكون من المثير للاهتمام بناء شبكة يمكنها التنبؤ بشكل جيد. وفي نهاية دراستنا؛ نقترح دراسة خصائص أخرى مع شبكة من مدخلين