|
|
Umělá inteligence v diagnostice výkonových olejových transformátorů
Janda, Ondřej ; Szabó,, Radek (oponent) ; Kratochvíl, Petr (oponent) ; Hammer, Miloš (vedoucí práce)
Disertační práce se zabývá aplikací expertních systémů a softcomputingových metod v problematice diagnostiky výkonových olejových transformátorů. Práce je rozdělena na část teoretickou a část praktickou. Teoretická část popisuje základními částmi transformátoru a možnostmi jeho diagnostiky. Práce se zaměřuje zejména na diagnostiku izolačního systému a diagnostické metody a přístupy v této oblasti. Následně jsou popsány základy expertních systému a dalších softcomputingových metod jako: fuzzy logika, neuronové sítě, genetické algoritmy a jejich kombinace a rozšíření. Závěrem se teoretická část zabývá optimalizací pomocí umělé inteligence a postupy při optimalizaci fuzzy modelů. Praktická část se v úvodu věnuje rozboru a popisu datového souboru, který je využíván v rámci celé práce. Dále je pak práce členěna do čtyř částí, a to na expertní diagnostický systém transformátorů, modul analýzy plynů rozpuštěných v oleji, predikční modul a optimalizaci pomocí umělé inteligence. V části popisující expertní systém jsou uvedeny konkrétní informace o daném expertním systému, následně jsou zde popsány použité prostředky a techniky. Dále je rozebrán kompletní návrh systému a popis všech subsystémů a modulů. Další část popisuje řešený DGA modul včetně všech zvolených přístupů k jeho implementaci a rozšíření. Na závěr kapitoly je provedeno porovnání všech implementovaných metod a vyhodnocení výsledků. Část třetí, zabývající se predikčním modulem, řeší návrh a konstrukci tohoto modulu včetně popisu hlavních částí obou zvolených predikčních přístupů. Jsou zde uvedeny predikce vybraných veličin z datového souboru pomocí dvou predikčních přístupů: po jednom kroku a po více krocích. Porovnání přesnosti predikcí a výpočetní náročnosti metod je uvedeno v závěru této kapitoly. Poslední část práce se věnuje možnostem optimalizace za použití metod umělé inteligence, a to diferenciální evoluce, částicových (úlových) algoritmů a genetických algoritmů. Je zde zvažována jednoúčelová a víceúčelová optimalizace. Metody jsou porovnány v sérii syntetických testů a následně aplikovány při optimalizaci fuzzy modelů DGA zkoušek z předchozí praktické části práce. Součástí disertace jsou také kapitoly: „Cíle práce“, „Přínos práce“ a seznam publikací, produktů a projektů autora
|
host ::
RSS.