期刊名称：Intelligent Systems in Electrical Engineering
印刷版ISSN：2251-6530
电子版ISSN：2252-083X
出版年度：2011
卷号：1
期号：1
页码：43-58
语种：Persian
摘要：پديده جريان هجومی مغناطيس کننده، حالت گذرای بزرگی است که به هنگام برقدار شدن ترانسفورماتور روی می‌دهد. اندازه جريان هجومی ممکن است تا 10 برابر جريان نامی ترانسفورماتور باشد که به عملکرد نامناسب سيستم‌های حفاظتی منجر می‌گردد. در واقع تشابه بين ويژگی‌های جريان هجومی و شرايط خطای داخلی باعث بروز اين خطا می‌گردد. بنابراين، برای کارکرد ايمن ترانسفورماتور لازم است که جريان هجومی از جريان خطا تشخيص داده شود. در اين مقاله يک شبکه عصبی مصنوعی که توسط دو الگوريتم مبتنی بر گروه؛ يعنی الگوريتم جستجوی گرانش و بهينه سازی گروه ذرات آموزش داده می‌شود، برای تشخيص جريان هجومی از جريان خطا در ترانسفورماتورهای قدرت به کار رفته است. الگوريتم جستجوی گرانشی بر مبنای قانون گرانش عمل می‌نمايد و بر خلاف ساير الگوريتم‌های مبتنی بر گروه ذرات دارای هويت است و الگوريتم بهينه سازی گروه ذرات مبتنی بر حرکت گروهی پرندگان است. اين مقاله شامل دو مرحله عمومی است: در گام اول داده‌های بدست آمده از شبيه سازی، پردازش شده و به شبکه عصبی اعمال شده‌اند. سپس در گام دوم شبکه عصبی در نظر گرفته شده با الگوريتم‌های جستجوی گرانشی و بهينه سازی گروه ذرات آموزش داده شده است. در نهايت، به منظور نشان دادن اينکه اين روش آموزش مفيد بوده، به نتايج دقيق‌تری منجر می‌شود، نتايج بدست آمده از دو الگوريتم پيشنهادی و روش پس انتشار که يکی از رايج‌ترين روشهای آموزش شبکه‌های عصبی است، مقايسه شده‌اند.
关键词：الگوریتم جستجوی گرانشی; بهینه سازی گروه ذرات; ترانسفورماتور قدرت; جریان هجومی; شبکه عصبی مصنوعی
