شبیه‌سازی خطای الکتریکی در سیم‌پیچی استاتور موتور سنکرون مغناطیس دائم و تفکیک آن از دیگر خطاهای الکتریکی محتمل با استفاده از شبکه عصبی احتمالی
محورهای موضوعی : مهندسی برق و کامپیوترمهران تقی‌پور گرجی کلایی 1 , سيدمحمد رضوي 2 , محمدعلی شمسی‌نژاد 3
1 - دانشگاه بیرجند
2 - دانشگاه بیرجند
3 - دانشگاه بیرجند
کلید واژه:
چکیده مقاله :
یکی از شایعترین انواع خطاهای الکتریکی، خطای اتصال کوتاه در حلقههای سیم‌پیچی استاتور میباشد. ممکن است این گونه تصور شود که بروز این نوع خطا در مراحل ابتدایی و با شدت کم مهم نباشد اما چنانچه گسترش یابد میتواند منجر به پیامدهای جبران‌ناپذیری گردد. در این مقاله با توجه به اهمیت خطای اتصال کوتاه در حلقههای سیم‌پیچی استاتور در موتور سنکرون مغناطیس دائم، سیستمی هوشمند برای شناسایی این نوع خطا طراحی و ارائه شده است. این سیستم هوشمند در ابتدا وضعیت عملکرد موتور را تعیین می‌کند (حالات ممکن عبارتند از حالت نرمال، خطای اتصال کوتاه فاز به فاز، خطای مدار باز شدن یکی از فازها و خطای اتصال کوتاه در حلقههای سیم‌پیچی) و چنانچه تشخیص دهد خطایی رخ داده آن را اعلام و چنانچه خطا از نوع اتصال کوتاه حلقههای سیم‌پیچی باشد فاز معیوب را برای اقدامات بعدی مشخص می‌کند. نتایج حاصل از آزمایشات گسترده حاکی از آن است که سیستم تشخیص خطای طراحی‌شده مبتنی بر شبکه عصبی احتمالی با توجه به قابلیت فراوانی که این نوع شبکه عصبی در طبقه‌بندی داده‌ها دارد میتواند یکی از مطمئن‌ترین و قابل اعتمادترین سیستم‌های تشخیص خطا در محافظت از ادوات الکتریکی مخصوصاً موتورهای سنکرون مغناطیس دائم باشد.
One of the most common electrical faults in Permanent Magnet Synchronous Motor (PMSM) is inter-turn fault in stator winding. At the incipient steps it seems not dangerous and so light, but spreading this fault can leads to irreparable Consequences. In this paper, the intelligent system is presented to protect PMSMs from this kind fault. At the first, intelligent protection system determine the condition of the motor (which can be: Normal, Phase-phase short circuit, Open circuit and Inter-turn fault conditions). If the system determines the faults then send an alarm to operator and also if the fault is inter-turn, it can determine the damaged phase. Obtaining results show that Probabilistic Neural Network can be the most reliable and robust protection system for PMSMs against internal faults, especially inter-turn faults.
