Εκτίμηση της αντίστασης γείωσης κατακόρυφων ηλεκτροδίων με χρήση τεχνητών νευρωνικών δικτύων (Τ.Ν.Δ.) - Βελτιστοποίηση Τ.Ν.Δ. μέσω ρύθμισης παραμέτρων και επιλογής εισόδων.

Abstract

Τα συστήματα γείωσης αποτελούν βασικό μέρος ενός συστήματος προστασίας των ηλεκτρικών εγκαταστάσεων. Για να είναι αποτελεσματικό ένα σύστημα γείωσης, θα πρέπει η συνολική αντίσταση γείωσης να είναι μικρή, ώστε να παρέχεται ένας δρόμος υψηλής αγωγιμότητας προς τη γη. Όμως, η τιμή της αντίστασης γείωσης ενός ηλεκτροδίου δεν παραμένει σταθερή. Δύο βασικοί παράγοντες που προκαλούν αυτήν τη μεταβολή είναι η θερμοκρασία και η υγρασία του εδάφους, τα οποία μεταβάλλονται κατά τη διάρκεια του έτους. Κρίνεται λοιπόν απαραίτητη η τακτική γνώση της τιμής της αντίστασης γείωσης, ώστε να λαμβάνονται επιπλέον απαραίτητα μέτρα ή και να γίνονται οι αναγκαίες βελτιώσεις/προσθήκες στο ηλεκτρόδιο γείωσης. Όμως, η συστηματική μέτρησή της συχνά δεν είναι εφικτή λόγω τεχνικών δυσκολιών. Η παρούσα διπλωματική εργασία πραγματεύεται την εκτίμηση της τιμής της αντίστασης γείωσης κατακόρυφων ηλεκτροδίων, με τη χρήση τεχνητών νευρωνικών δικτύων κατά τη διάρκεια του έτους, βασιζόμενη σε δεδομένα βροχόπτωσης. Η εκτίμηση έγινε για πέντε κατακόρυφα ηλεκτρόδια, το ένα σε φυσικό έδαφος και τα υπόλοιπα εγκιβωτισμένα σε διαφορετικά βελτιωτικά υλικά. Το μοντέλο τεχνητού νευρωνικού δικτύου διέθετε μόνο ένα κρυφό στρώμα και η εκπαίδευσή του βασίστηκε στον αλγόριθμο της προς τα πίσω διάδοσης σφάλματος, με μεταβλητό ρυθμό μάθησης και όρο ορμής. Μελετήθηκαν πολλά σενάρια, το καθένα με διαφορετικό πλήθος νευρώνων στο στρώμα εισόδου. Για κάθε σενάριο, ο αλγόριθμος εκπαίδευσης εκτελέστηκε πέντε φορές, μεταβάλλοντας κάθε φορά κάποιες από τις εξής παραμέτρους: πλήθος νευρώνων κρυφού στρώματος, όρος ορμής, ρυθμός μάθησης, συναρτήσεις ενεργοποίησης. Στο τέλος κάθε εκτέλεσης γινόταν η επιλογή της τιμής της παραμέτρου που ελαχιστοποιούσε το σφάλμα. Με τη διαδικασία αυτή αναζητήθηκε η βέλτιστη επιλογή παραμέτρων.