การใช้โครงข่ายประสาทเทียมช่วยในการวิเคราะห์กำลังสูญเสียของหม้อแปลงไฟฟ้าระบบจำหน่ายในสภาวะโหลดปกติและโหลดเกิน

บุญเลิศ สื่อเฉย; สมศักดิ์ สิริโปราณานนท์; นรุตม์ เพ็ชรเจริญ

ผู้แต่ง

บุญเลิศ สื่อเฉย อาจารย์, สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเอเชียอาคเนย์ 19/1 ถนนเพชรเกษม เขตหนองแขม กรุงเทพมหานคร 10160
สมศักดิ์ สิริโปราณานนท์ อาจารย์, สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเอเชียอาคเนย์ 19/1 ถนนเพชรเกษม เขตหนองแขม กรุงเทพมหานคร 10160
นรุตม์ เพ็ชรเจริญ นักศึกษา, สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเอเชียอาคเนย์ 19/1 ถนนเพชรเกษม เขตหนองแขม กรุงเทพมหานคร 10160

คำสำคัญ:

โครงข่ายประสาทเทียม, หม้อแปลงจำหน่าย, อุณหภูมิ, กำลังสูญเสียในหม้อแปลง

บทคัดย่อ

บทความวิจัยนี้นำเสนอการวิเคราะห์กำลังสูญเสียในหม้อแปลงไฟฟ้า 3 เฟส ขนาด 100 kVA 22kV 400/230 V ที่ใช้งานในระบบจำหน่าย ในสภาวะโหลดปกติ และโหลดเกิน โดยใช้เทคนิคโครงข่ายประสาทเทียม สามารถวิเคราะห์กำลังสูญเสียในหม้อแปลงได้เร็วกว่า และใช้ตัวแปรที่น้อยกว่าการคำนวณหาค่ากำลังสูญเสียในหม้อแปลงไฟฟ้า โดยค่าพารามิเตอร์ต่างๆ ได้มาจากการทดสอบที่โรงงานผู้ผลิตหม้อแปลง กระแสที่ใช้ทดสอบตั้งแต่ 1%-140% ที่อุณหภูมิ 35ºC, 45ºC, 55ºC, 65ºC และ 75ºC แล้วนำมาคำนวณหาค่ากำลังสูญเสียในหม้อแปลง มีจำนวนข้อมูล 70,000 ชุด โดยแยกสำหรับเป็นข้อมูลที่ใช้ในฝึกสอนโครงข่ายประสาทเทียม เพื่อหาค่าพารามิเตอร์ต่างๆ ของโครงข่ายประสาทเทียม จำนวน 56,000 ชุด และเป็นข้อมูลอินพุตของโครงข่ายประสาทเทียม เพื่อหาค่ากำลังสูญเสียในหม้อแปลงของโครงข่ายประสาทเทียม จำนวน 14,000 ชุด จากนั้นทำ
การเปรียบเทียบค่ากำลังสูญเสียในหม้อแปลงที่ได้จากโครงข่ายประสาทเทียมกับค่าที่คำนวณจากการทดสอบที่โรงงานผู้ผลิต ค่าเปอร์เซ็นต์ความผิดพลาดไม่เกิน 1.06 อยู่ในระดับที่น่าพอใจ และสามารถนำวิธีการดังกล่าวไปใช้ในการออกแบบทดสอบค่ากำลังสูญเสียทางไฟฟ้าในหม้อแปลงได้ในอนาคต

References

Souza AN, Silva IN, Souza CFLN, Zago MG. Using artificial neural networks for identification of electrical losses in transformers during the manufacturing phase. Proceedings of the 2002 International Joint Conference on Neural Networks Vol.2; 2002 May 12-17; Honolulu, HI, USA. 2002. p. 1346-50

Suechoey B. Estimating the economically optimal size of distribution transformer to suitable the load and reduce electrical power losses. Kasem Bundit Engineering Journal 2024;14(1):48-61. (In Thai)

Suttisinthong N, Pothisarn C. Analysis of Electrical Losses in Transformers using Artificial Neural Networks. Proceedings of the International MultiConference of Engineers and Computer Scientists 2014 Vol II (IMECS 2014); 2014 Mar 12-14, 2014; Hong Kong. p. 705-8

Basheer IA, Hajmeer M. Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods 2000;43(1):3-31.

Suechoey S, Siriporananon S, Pringsakul N, Thongrak A. Implementation of load cycle simulation for studies of loss energy and lifetime of oil-immersed transformers. Proceedings of the 10th International Conference on Sciences, Technology and Innovation for Sustainable Well-Being (STISWB 2018); 2018 May 9-11; Vientiane, Laos. p. 202-7.

Siriporananon S, Suechoey B. Power losses analysis in a three-phase distribution transformer using artificial neural networks. The ECTI Transactions on Electrical Engineering, Electronics, and Communications 2020;18(2):130-6.

Siriporananon S, Suechoey B, Pringsakul N. Performance testing of transformers used in distribution systems. Proceedings of the 10th International Conference on Sciences, Technology and Innovation for Sustainable Well-Being (STISWB 2018); 2018 May 9-11; Vientiane, Laos. p. 196-201.

International Electrotechnical Commission. IEC60076-2. Power transformer part 2: temperature rise for liquid-immersed transformers. Geneva, Switzerland: International Electrotechnical Commission; 2011.

Grainger JJ, Stevenson WD. Power system analysis. Newyork, USA: McGraw-Hill; 1994.

Provincial Electricity Authority Thailand (PEA). Three-phase transformer for 22 kV and 33 kV distribution systems with ability to withstand short circuit, specification No. RTRN-035/2558. Bangkok, Thailand: Provincial Electricity Authority Thailand; 2015.

Hagan MT, Demuth HB, Beale M. Neural network design. Boston, USA: PWS Publishing Company; 1996.

Demuth H, Beale M. Neural network toolbox user’s guide. Natick, MA: The Mathwork; 1998.

Souza KN, Castro TN, Pereira TM, Pontes RST, Braga APS. Prediction of core losses on a three-phase transformer using neural network. Proceeding of the International Symposium on Circuits and Systems (ISCAS 2011); 2011 May 15-19; Rio de Janeiro, Brazil. p.1105-8.

Yadav AK, Azeem A, Singh A, Malik H, Rahi OP. Application research based on Artificial Neural Network (ANN) to predict no-load for transformer’s design. Proceeding of the 2011 International Conference on Communication Systems and Network Technologies; 2011 Jun 3-5; Katra, India. p.180-3.