Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/17944
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorเกียรติศักดิ์ วงษ์โสพนากุล-
dc.contributor.authorกิตติศักดิ์ ไชยสุวรรณ-
dc.date.accessioned2023-04-07T07:02:35Z-
dc.date.available2023-04-07T07:02:35Z-
dc.date.issued2022-
dc.identifier.urihttp://kb.psu.ac.th/psukb/handle/2016/17944-
dc.descriptionวิทยานิพนธ์ (วศ.ม. (วิศวกรรมไฟฟ้า))--มหาวิทยาลัยสงขลานครินทร์, 2565en_US
dc.description.abstractThe objective of this research was to condition assess 33 kV distribution transformers by Health Index using fuzzy logic analytical decision-making methods. The data for the assessment of transformer condition consisted of 5 factors: oil quality; aging; visual inspection; winding insulation; and load from the results of maintenance each year. The 180 samples are divided into 150 samples for training and 30 samples for testing, which are divided into 4 groups: group 1 is a transformer in good condition; group 2 is a transformer in acceptable condition; group 3 is a transformer in poor condition; and group 4 is a transformer in very poor condition. The design uses the triangular, the square, and the trapezoid membership function for the each factors and the transformer condition level. The weighting of the 5 factors was determined using an artificial neural network (ANN) method based on the fuzzy logic decision output values for each of 150 samples (Train) to calculate the health index and the transformer condition level. The results of testing transformer condition assessment system from the data of 30 test transformers were sent into the designed assessment system. Then compare the condition level values assessed by the system with the actual transformer conditions. It was found that out of 30 samples, the condition could be assessed according to the actual transformer condition of 25 samples, and there were 5 samples of errors, representing an accuracy of 83.33%. The maintenance planning in sequence before-after can be considered at the condition group level from very poor, poor, acceptable, and good, respectively.en_US
dc.language.isothen_US
dc.publisherมหาวิทยาลัยสงขลานครินทร์en_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Thailand*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/th/*
dc.subjectหม้อแปลงไฟฟ้าen_US
dc.subjectระบบจำหน่ายen_US
dc.subjectฟัซซีลอจิกen_US
dc.subjectการประเมินสภาพen_US
dc.titleการประยุกต์ฟัซซีลอจิกสำหรับประเมินสภาพหม้อแปลงไฟฟ้าระบบจำหน่าย 33 kV ของการไฟฟ้าส่วนภูมิภาคen_US
dc.title.alternativeFuzzy Logic Application for Condition Assessment in 33 kV Distribution Transformer of Provincial Electricity Authorityen_US
dc.typeThesisen_US
dc.contributor.departmentFaculty of Engineering Electrical Engineering-
dc.contributor.departmentคณะวิศวกรรมศาสตร์ ภาควิชาวิศวกรรมไฟฟ้า-
dc.description.abstract-thการวิจัยนี้มีวัตถุประสงค์เพื่อประเมินสภาพหม้อแปลงไฟฟ้าระบบจำหน่าย 33 kV ด้วยดัชนีสุขภาพ (Health Index) โดยการใช้วิธีตัดสินใจเชิงวิเคราะห์ด้วยวิธีตรรกะคลุมเครือ จากข้อมูลที่ใช้สำหรับประเมินสภาพหม้อแปลงไฟฟ้าจำนวน 5 ปัจจัย ได้แก่ คุณภาพน้ำมัน อายุการใช้งาน การตรวจสอบสภาพภายนอก ค่าความเป็นฉนวนของขดลวด และการรับภาระโหลด ที่ได้จากผลการบำรุงรักษาในแต่ละปี จำนวน 180 ตัวอย่าง แบ่งเป็นตัวอย่างสำหรับนำมาฝึกอบรม (Train) จำนวน 150 ตัวอย่าง และตัวอย่างสำหรับใช้ทดสอบ (Test) จำนวน 30 ตัวอย่าง ซึ่งแบ่งเป็น 4 กลุ่ม ได้แก่ กลุ่มที่ 1 เป็นหม้อแปลงไฟฟ้าสภาพดี กลุ่มที่ 2 เป็นหม้อแปลงไฟฟ้าสภาพยอมรับได้ กลุ่มที่ 3 เป็นหม้อแปลงไฟฟ้าสภาพแย่ กลุ่มที่ 4 เป็นหม้อแปลงไฟฟ้าสภาพแย่มาก ซึ่งการออกแบบได้ใช้ฟังก์ชันความเป็นสมาชิกสามเหลี่ยม สี่เหลี่ยม และสี่เหลี่ยมคางหมู สำหรับแต่ละปัจจัย และระดับสภาพของหม้อแปลงไฟฟ้า การกำหนดค่าน้ำหนักของทั้ง 5 ปัจจัย ใช้วิธีโครงข่ายประสาทเทียม (ANN) จากค่าเอาต์พุตจากการตัดสินใจด้วยวิธีตรรกะคลุมเครือในแต่ละปัจจัยจำนวน 150 ตัวอย่าง (Train) เพื่อจะนำไปคำนวณหาค่าดัชนีสุขภาพ และระดับกลุ่มสภาพหม้อแปลงไฟฟ้า ผลการทดสอบระบบประเมินสภาพหม้อแปลงไฟฟ้า จากการนำข้อมูลหม้อแปลงไฟฟ้าทดสอบจำนวน 30 ตัวอย่าง มาป้อนเข้าระบบประเมินที่ได้ออกแบบ แล้วนำค่าระดับสภาพที่ระบบประเมินได้เปรียบเทียบกับข้อมูลสภาพหม้อแปลงไฟฟ้าจริงของกลุ่มทดสอบ พบว่าจากตัวอย่าง 30 ตัวอย่าง สามารถประเมินสภาพได้ตามสภาพหม้อแปลงไฟฟ้าจริงจำนวน 25 ตัวอย่าง และมีความผิดพลาดจำนวน 5 ตัวอย่าง คิดเป็นความถูกต้อง 83.33% โดยการวางแผนบำรุงรักษาลำดับ ก่อน-หลัง สามารถพิจารณาจากระดับกลุ่มสภาพจาก แย่มาก แย่ ยอมรับได้ และดี ตามลำดับen_US
Appears in Collections:210 Thesis

Files in This Item:
File Description SizeFormat 
6310120087.pdf6.23 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons