რა არის ერთფაზიანი დამაკავშირებელი ხარვეზის მიმდინარე მდგომარეობა და გამოკვლევის მეთოდები
ერთფაზიანი დამაგრების შეცდომის ამჟამინდელი მდგომარეობა
არაეფექტურად დამაგრებულ სისტემებში ერთფაზიანი დამაგრების შეცდომის დიაგნოსტიკის დაბალი სიზუსტე რამდენიმე ფაქტორზე დადგენილია: დისტრიბუციის ქსელების ცვლადი სტრუქტურა (როგორიცაა წრედის და ღია-წრედის კონფიგურაციები), სხვადასხვა სისტემის დამაგრების რეჟიმები (შეიძლება დაუმაგრებელი, დარტყმის კომპენსაციის კოილით დამაგრებული და დაბალი რეზისტენციით დამაგრებული სისტემები), წელიწადში ზრდის კოეფიციენტი კებლის ან ჰიბრიდული კებლი-ჟერის დამაგრებით და რთული შეცდომების ტიპები (როგორიცაა შტორმის დარტყმები, ხეების დარტყმები, სიმების დაჭრა და პირადი ელექტროშოკები).
დამაგრების შეცდომების კლასიფიკაცია
ელექტროენერგიის ქსელში შეცდომები შეიძლება შეიცავდეს მეტალურ დამაგრებას, შტორმის დარტყმის დამაგრებას, ხეების დარტყმას, რეზისტენციით დამაგრებას და დაბალი იზოლაციით დამაგრებას. ასევე შეიძლება შეიცავდეს სხვადასხვა დარტყმის დამაგრების სცენარებს, როგორიცაა მოკლე-შუაშუადების დარტყმის დარტყმები, გრძელ-შუაშუადების დარტყმები და დარტყმები შეჩერებით. სხვადასხვა დამაგრების პირობების შეცდომის სიგნალების ქარაქტერისტიკები ფორმაში და მასშტაბში განსხვავდება.
დამაგრების შეცდომების მომხმარებელი ტექნოლოგიები
დამაგრების შეცდომების რთულებები
დამაგრების შეცდომების ქარაქტერისტიკების რთულება
ერთფაზიანი დამაგრების შეცდომის განსაზღვრის მეთოდები
ამჟამად არსებობს სამი კატეგორია, რომლებიც შეიცავს 20 ბაზისურ მეთოდს ერთფაზიანი დამაგრების შეცდომის განსაზღვრისთვის:
ხელოვნური ინტელექტი (AI) არის მიმდინარე ტექნოლოგიების დეველოპმენტის წინადადებითი ტექნოლოგია. ის ადამიანის, ცხოველის ან მცენარეს ქარაქტერისტიკების სიმულაციით ადგენს შესაბამის თეორეტულ მოდელებს და ამოარჩევს პრობლემებს "ადამიანის მსგავსი" მიდგომით. განსაკუთრებით ელექტროენერგიის ქსელებისთვის, რომლებიც არიან ძალიან არაწრფივი სისტემები, ისინი შედიან AI-ის გამოყენების სფეროში. ასევე, კომპიუტერული გამოთვლების გამოყენება განაახლებს სიჩქარეს და შესაძლებელია რთული სისტემების, როგორიცაა ელექტროენერგიის ქსელები, ამოხსნა.
ექსპერტის ბაზა: დაარსება ბაზა, რომელიც შეიცავს შესაბამის ცოდნას და გამოცდილებას.
ხელოვნური ნეირონული ქსელი: ამოარჩევს პრობლემებს ადამიანის ნეირონების მუშაობის სიმულაციით, მუშაობს როგორც ძალიან არაწრფივი სისტემა.
მომხმარებლის კოლონიის ოპტიმიზაცია: ალგორითმი, რომელიც სიმულაციით ახსენებს მომხმარებლების პირების საკვების ძიების ბიოლოგიურ ქცევას და ამოარჩევს მოგზაურის პრობლემას.
გენეტიკური ალგორითმი: სიმულაციით ახსენებს ბიოლოგიურ ევოლუციის პროცესს და იღებს გლობალური უმაღლესი ან ქვემოდასავალი ამოხსნას.
Petri ქსელი: მოდელირებს სისტემის დაკავშირებულ კომპონენტებს, აღწერს მნიშვნელობების ცვლილებას დროის მიხედვით.
რუკავი სიმრავლეთა თეორია: გამოიყენებს მეტ ინფორმაციას სისტემის მითითების მიმართ და უზრუნველყოფს სისტემის მუშაობის საერთო აღწერას.
უმეტესი ინტელექტუალური ალგორითმები რეალურად გამოყენების სტადიაში არიან, მაგრამ რამდენიმე უკვე პრაქტიკულად გამოყენებულია. თუმცა, AI ალგორითმებმა ახალი ეპოქაში გამოიყენეს თავისი უდავობა.
