Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17822
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΠαπαϊωάννου, Αγγελική-
dc.date.accessioned2020-12-14T15:30:52Z-
dc.date.available2020-12-14T15:30:52Z-
dc.date.issued2020-12-10-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17822-
dc.description.abstractΤα 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.en_US
dc.languageelen_US
dc.subjectΣυστήματα γείωσηςen_US
dc.subjectΕιδική αντίσταση εδάφουςen_US
dc.subjectΑντίσταση γείωσηςen_US
dc.subjectΒελτιωτικά υλικά γείωσηςen_US
dc.subjectΥπολογιστική νοημοσύνηen_US
dc.subjectΤεχνητά νευρωνικά δίκτυαen_US
dc.subjectΑλγόριθμος ανάστροφης διάδοσης σφάλματοςen_US
dc.titleΕκτίμηση της αντίστασης γείωσης κατακόρυφων ηλεκτροδίων με χρήση τεχνητών νευρωνικών δικτύων (Τ.Ν.Δ.) - Βελτιστοποίηση Τ.Ν.Δ. μέσω ρύθμισης παραμέτρων και επιλογής εισόδων.en_US
dc.description.pages219en_US
dc.contributor.supervisorΓκόνος Ιωάννηςen_US
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεωνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
ΠΑΠΑΪΩΑΝΝΟΥ_ΔΙΠΛΩΜΑΤΙΚΗ.pdf24.46 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.