Documents disponibles écrits par cet auteur

Exploration de différentes techniques de l'intelligence artificielle pour la prédiction du contournement électrique des isolateurs haute tension dans leur environnement réel. / KHERFANE Riad Lakhdar 

Public ISBD Titre : Exploration de différentes techniques de l'intelligence artificielle pour la prédiction du contournement électrique des isolateurs haute tension dans leur environnement réel. Type de document : document électronique Auteurs : KHERFANE Riad Lakhdar, Auteur ; ZEGNINI Boubakeur, Directeur de thèse Année de publication : 04-10-2011 Importance : 108 p. Accompagnement : CD Langues : Français (fre) Catégories : Electrotechnique:Haute Tension et Environnement Mots-clés : Isolateur haute tension, Isolateur pollué, Tension critique du contournement, Algorithmes génétiques, Réseaux de neurones artificiels. High voltage insulators  Polluted insulators  Critical flashover voltage  Genetic algorithms  Artificial neural network. عازل توتر عالي، عازل ملوث، التوتر الحرج للالتفاف، الخوارزمیات الجینیة، شبكة الخلایا العصبیة الصناعیة. Résumé : Les isolateurs HT constituent une partie essentielle des systèmes de transport de l’énergie électrique. Tout échec dans la performance de ces isolateurs mène à des pertes économiques considérables, à cause du nombre d’industries qui dépendent de la disponibilité d’une source d’énergie sans interruption. L’importance des investigations sur les isolateurs HT a augmenté avec l’augmentation de la tension des lignes de transport. Dans le but de déterminer le comportement du contournement des isolateurs pollués et d’identifier le mécanisme physique qui gouverne ce phénomène, les chercheurs ont essayé de le modéliser par plusieurs méthodes, notamment les techniques de l’intelligence artificielle. Les modèles mathématiques existants ne décrivent pas précisément le phénomène du contournement des isolateurs pollués et la principale cause reste la définition des constantes de l’arc qui apparait au niveau des zones sèches, lorsque la tension dépasse la valeur critique. Premièrement ce travail présente une méthode d’optimisation basée sur les algorithmes génétiques(AG) pour la détermination des constantes de l’arc, en utilisant des résultats expérimentaux sur des isolateurs pollués artificiellement. Pour cela on a utilisé le modèle le plus connu d’Obenaus du contournement de la pollution. L’application de l’AG a permit de définir les constantes de l’arc d’où l’établissement d’un modèle qui simule avec grande précision les résultats expérimentaux. Deuxièmement ce travail essaye d’appliquer un réseau de neurones artificiel (RNA) dans l’ordre d’estimer la tension critique du contournement d’un isolateur pollué. Le RNA utilise comme variables d’entrées les caractéristiques de l’isolateur (Diamètre, Hauteur, Longueur de la ligne de fuite, Facteur de forme, DDSE (Densité de Dépôt en Sels Equivalente)) et estime la tension critique de contournement. La base de données utilisée pour l’apprentissage du RNA et le test de ces performances dérivent des mesures expérimentales et du modèle mathématique. High voltage insulators form an essential part of the high voltage electric power transmission systems.Any failure in the satisfactory performance of high voltage insulators will result in considerable loss of capital, as there are numerous industries that depend upon the availability of an uninterrupted power supply. The importance of the research on insulator pollution has been increased considerably with the rise of the voltage of transmission lines. In order to determine the flashover behavior of polluted high voltage insulators and to identify to physical mechanisms that govern this phenomenon, the researchers have been brought to establish a modeling. Artificial intelligent techniques have been used by various researches for modeling and predictions in the field of energy engineering systems. The phenomenon of flashover in polluted insulators has not yet been described accurately through a mathematical model. The main difficulty lies in the definition of the constants of the arc, which is formed in the dry bands when the voltage exceeds its critical value. First this work present an optimisation method based on genetic algorithms for the determination of the arc constants, using experimental results from artificially polluted insulators. The well known model of Obenhaus for pollution flashover is used. This model results in a system of equations which cannot be solved with conventional arithmetic methods. The application of genetic algorithms enables the definition of the arc constants, resulting also in the calculation of the critical conditions at the beginning of the pollution flashover mechanism. In this way a mathematical model is established, which simulates accurately the experimental results. Second this work attempts to apply an artificial neural network in order to estimate the critical flashover voltage on polluted insulators. The artificial neural network uses as input variables the following characteristics of the insulator: diameter, height, creepage distance, form factor and equivalent salt deposit density, and estimates the critical flashover voltage. The data used to train the network and test its performance is derived from experimental measurements and a mathematical model. تمثل عوازل التوترات العالیة مكونة مھمة من أنظمة نقل الطاقة الكھربائیة، و كل خلل في ھذه العوازل یؤدي إلى خسائر مادیة معتبرة بسبب العدد المتزاید من الصناعات التي تتطلب مصدرا للطاقة الكھربائیة بدون انقطاع. زیادة قیم التوترات في أنظمة نقل الطاقة الكھربائیة زاد من أھمیة الأبحاث الجاریة على عوازل التوترات العالیة. فانصب الباحثون على محاولة إیجاد نموذج لشرح سلوك و المیكانیزمات الفیزیائیة لظاھرة الالتفاف في العوازل و من بین التقنیات المستعملة في ھذا المجال، الذكاء الاصطناعي. النماذج الریاضیة الموجودة حالیا لا تحاكي بدقة ظاھرة الالتفاف و السبب في ذلك ھو تعریف ثابتا القوس الكھربائي الذي یظھر في المناطق الجافة عندما یصل التوتر إلى القیمة الحرجة. أولا یقدم ھذا العمل طریقة تحسین تعتمد على الخوارزمیات الجینیة من أجل تحدید ثابتا القوس الكھربائي باستعمال قیم تجریبیة أخذت على عوازل ملوثة طبیعیا. من أجل ھذا استعملنا نموذج اوبناوس للالتفاف على منطقة ملوثة و ھو النموذج الأكثر استعمالا. مما سمح بتحدید ثابتا القوس و من ثمة الحصول على نموذج یحاكي بدقة كبیرة النتائج التجریبیة. ثانیا حاولنا في ھذا العمل تطبیق شبكة الخلایا العصبیة الصناعیة من أجل تقدیر التوتر الحرج للالتفاف لعازل ملوث. تستعمل الشبكة كمتغیرات الدخول خصائص العازل (القطر، الارتفاع، طول خط التسرب، عامل الشكل، DDSE) الكثافة المكافئة لترسب الأملاح))، و تقدر التوتر الحرج للالتفاف. قاعدة البیانات المستعملة، لتدریب الشبكة و اختبار عملھا، أخذت من قیاسات تجریبیة و من النموذج الریاضي. Exploration de différentes techniques de l'intelligence artificielle pour la prédiction du contournement électrique des isolateurs haute tension dans leur environnement réel. [document électronique] / KHERFANE Riad Lakhdar, Auteur ; ZEGNINI Boubakeur, Directeur de thèse . - 04-10-2011 . - 108 p. + CD. Langues : Français (fre) Catégories : Electrotechnique:Haute Tension et Environnement Mots-clés : Isolateur haute tension, Isolateur pollué, Tension critique du contournement, Algorithmes génétiques, Réseaux de neurones artificiels. High voltage insulators  Polluted insulators  Critical flashover voltage  Genetic algorithms  Artificial neural network. عازل توتر عالي، عازل ملوث، التوتر الحرج للالتفاف، الخوارزمیات الجینیة، شبكة الخلایا العصبیة الصناعیة. Résumé : Les isolateurs HT constituent une partie essentielle des systèmes de transport de l’énergie électrique. Tout échec dans la performance de ces isolateurs mène à des pertes économiques considérables, à cause du nombre d’industries qui dépendent de la disponibilité d’une source d’énergie sans interruption. L’importance des investigations sur les isolateurs HT a augmenté avec l’augmentation de la tension des lignes de transport. Dans le but de déterminer le comportement du contournement des isolateurs pollués et d’identifier le mécanisme physique qui gouverne ce phénomène, les chercheurs ont essayé de le modéliser par plusieurs méthodes, notamment les techniques de l’intelligence artificielle. Les modèles mathématiques existants ne décrivent pas précisément le phénomène du contournement des isolateurs pollués et la principale cause reste la définition des constantes de l’arc qui apparait au niveau des zones sèches, lorsque la tension dépasse la valeur critique. Premièrement ce travail présente une méthode d’optimisation basée sur les algorithmes génétiques(AG) pour la détermination des constantes de l’arc, en utilisant des résultats expérimentaux sur des isolateurs pollués artificiellement. Pour cela on a utilisé le modèle le plus connu d’Obenaus du contournement de la pollution. L’application de l’AG a permit de définir les constantes de l’arc d’où l’établissement d’un modèle qui simule avec grande précision les résultats expérimentaux. Deuxièmement ce travail essaye d’appliquer un réseau de neurones artificiel (RNA) dans l’ordre d’estimer la tension critique du contournement d’un isolateur pollué. Le RNA utilise comme variables d’entrées les caractéristiques de l’isolateur (Diamètre, Hauteur, Longueur de la ligne de fuite, Facteur de forme, DDSE (Densité de Dépôt en Sels Equivalente)) et estime la tension critique de contournement. La base de données utilisée pour l’apprentissage du RNA et le test de ces performances dérivent des mesures expérimentales et du modèle mathématique. High voltage insulators form an essential part of the high voltage electric power transmission systems.Any failure in the satisfactory performance of high voltage insulators will result in considerable loss of capital, as there are numerous industries that depend upon the availability of an uninterrupted power supply. The importance of the research on insulator pollution has been increased considerably with the rise of the voltage of transmission lines. In order to determine the flashover behavior of polluted high voltage insulators and to identify to physical mechanisms that govern this phenomenon, the researchers have been brought to establish a modeling. Artificial intelligent techniques have been used by various researches for modeling and predictions in the field of energy engineering systems. The phenomenon of flashover in polluted insulators has not yet been described accurately through a mathematical model. The main difficulty lies in the definition of the constants of the arc, which is formed in the dry bands when the voltage exceeds its critical value. First this work present an optimisation method based on genetic algorithms for the determination of the arc constants, using experimental results from artificially polluted insulators. The well known model of Obenhaus for pollution flashover is used. This model results in a system of equations which cannot be solved with conventional arithmetic methods. The application of genetic algorithms enables the definition of the arc constants, resulting also in the calculation of the critical conditions at the beginning of the pollution flashover mechanism. In this way a mathematical model is established, which simulates accurately the experimental results. Second this work attempts to apply an artificial neural network in order to estimate the critical flashover voltage on polluted insulators. The artificial neural network uses as input variables the following characteristics of the insulator: diameter, height, creepage distance, form factor and equivalent salt deposit density, and estimates the critical flashover voltage. The data used to train the network and test its performance is derived from experimental measurements and a mathematical model. تمثل عوازل التوترات العالیة مكونة مھمة من أنظمة نقل الطاقة الكھربائیة، و كل خلل في ھذه العوازل یؤدي إلى خسائر مادیة معتبرة بسبب العدد المتزاید من الصناعات التي تتطلب مصدرا للطاقة الكھربائیة بدون انقطاع. زیادة قیم التوترات في أنظمة نقل الطاقة الكھربائیة زاد من أھمیة الأبحاث الجاریة على عوازل التوترات العالیة. فانصب الباحثون على محاولة إیجاد نموذج لشرح سلوك و المیكانیزمات الفیزیائیة لظاھرة الالتفاف في العوازل و من بین التقنیات المستعملة في ھذا المجال، الذكاء الاصطناعي. النماذج الریاضیة الموجودة حالیا لا تحاكي بدقة ظاھرة الالتفاف و السبب في ذلك ھو تعریف ثابتا القوس الكھربائي الذي یظھر في المناطق الجافة عندما یصل التوتر إلى القیمة الحرجة. أولا یقدم ھذا العمل طریقة تحسین تعتمد على الخوارزمیات الجینیة من أجل تحدید ثابتا القوس الكھربائي باستعمال قیم تجریبیة أخذت على عوازل ملوثة طبیعیا. من أجل ھذا استعملنا نموذج اوبناوس للالتفاف على منطقة ملوثة و ھو النموذج الأكثر استعمالا. مما سمح بتحدید ثابتا القوس و من ثمة الحصول على نموذج یحاكي بدقة كبیرة النتائج التجریبیة. ثانیا حاولنا في ھذا العمل تطبیق شبكة الخلایا العصبیة الصناعیة من أجل تقدیر التوتر الحرج للالتفاف لعازل ملوث. تستعمل الشبكة كمتغیرات الدخول خصائص العازل (القطر، الارتفاع، طول خط التسرب، عامل الشكل، DDSE) الكثافة المكافئة لترسب الأملاح))، و تقدر التوتر الحرج للالتفاف. قاعدة البیانات المستعملة، لتدریب الشبكة و اختبار عملھا، أخذت من قیاسات تجریبیة و من النموذج الریاضي.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
3466	02-10-283	Version numérique et papier	Bibliothèque USTOMB	Mémoire de Magister	Exclu du prêt

Documents numériques

Exploration de différentes techniques de l'intelligence artificielle pour la prédiction du contournement électrique des isolateurs haute tension dans leur environnement réel Adobe Acrobat PDF