SavedAdd your journal

Journals / Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi / 2019 / Cilt: 10 - Sayı: 2

Yanıt yüzey yöntemi ve genetik algoritma kullanılarak transformatör sargı en sıcak nokta sıcaklığının modellenmesi ve optimizasyonu

Aytaç YILDIZ
Engin Ufuk ERGÜL
Cenk GEZEGİN
Pages
467–480
Publication Date
2022-10-11
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Çalışma sonunda her iki yöntem vasıtasıyla elde edilen tahmin değerleri karşılaştırılmış ve birbirine çok yakın olduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Elektrik enerjisine olan talebin artmasıyla, bu enerjinin iletimi ve dağıtımında kullanılan en önemli donanımlardan birisi olan transformatörlerin önemi de artmaktadır.
📊
Key Findings & Data:Transformatörlerin verimli bir şekilde uzun süreli çalışabilmeleri için izlenmesi gereken en önemli parametrelerden birisi sargı en sıcak nokta sıcaklığı (Hot-Spot Temperature-HST) değeridir.
💡
Conclusion & Impact:Çalışma sonunda her iki yöntem vasıtasıyla elde edilen tahmin değerleri karşılaştırılmış ve birbirine çok yakın olduğu görülmüştür.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Transformatör · Sargı En Sıcak Nokta Sıcaklığı · Yanıt Yüzey Yöntemi

Özet

Elektrik enerjisine olan talebin artmasıyla, bu enerjinin iletimi ve dağıtımında kullanılan en önemli donanımlardan birisi olan transformatörlerin önemi de artmaktadır. Transformatörlerin verimli bir şekilde uzun süreli çalışabilmeleri için izlenmesi gereken en önemli parametrelerden birisi sargı en sıcak nokta sıcaklığı (Hot-Spot Temperature-HST) değeridir. Bu parametrenin belirlenmesi için çeşitli termal modeller kullanılmaktadır. Fakat transformatör içindeki termal olaylar karmaşık olduklarından HST değerini tam olarak veren termal modeller geliştirilememiştir. Bu çalışmanın amacı, yanıt yüzeyi yöntemi (Response Surface Method-RSM) ile kombine edilen üç seviye Box-Behnken tasarımı ve genetik algoritma (GA) yöntemlerini kullanarak maksimum HST’nin tahmin edilmesinde kullanılan optimum parametre değerlerini bulmak için regresyon modeli oluşturmaktır. Böylece HST değeri tahmin edilerek transformatörlerin ömrü ve verimi artırılabilecektir. Çalışmada, 5kVA 380/220V tek fazlı kuru tip transformatör ile deney düzeneği hazırlanmıştır. Deneyler, üç farklı akım değeri (4, 8 ve 12 A), akım uygulama süresi (3, 6 ve 9 saat) ve ortam sıcaklığında (20, 25 ve 30 oC) Box-Behnken tasarımı dikkate alınarak yapılmıştır. Deneylerden elde edilen yanıtlar Design Expert 11.0.5 programında analiz edilerek HST için matematiksel bir tahmin modeli geliştirilmiş ve parametrelerin optimum değerleri elde edilerek maksimum HST tahmin edilmiştir. Daha sonra, RSM’den elde edilen matematiksel tahmin modelinden yararlanılarak HST tahmini için GA kullanılmıştır. Çalışma sonunda her iki yöntem vasıtasıyla elde edilen tahmin değerleri karşılaştırılmış ve birbirine çok yakın olduğu görülmüştür.

🔖

Cite This Article

YILDIZ, A., ERGÜL, E. U., GEZEGİN, C. (2022). Yanıt yüzey yöntemi ve genetik algoritma kullanılarak transformatör sargı en sıcak nokta sıcaklığının modellenmesi ve optimizasyonu. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, Cilt: 10 - Sayı: 2, 467–480. https://ajindex.com/articles/487643

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Amoda, O., Tylavsky, D.J., McCulla G. ve Knuth W., (2011). Evaluation of hottest-spot temperature models using field measured transformer data, International Journal of Emerging Electric Power Systems, 12, 5. Box, G. E. ve Draper, N. R., (2007). Response surfaces, mixtures, and ridge analyses, 649, John Wiley & Sons. Betta, G., Pietrosanto A. ve Scaglione A., (2000). An enhanced fiber optic temperature sensor system for power transformer monitoring, Instrumentation and Measurement Technology Conference, 1, 153-158.
  2. Chu D. ve Lux, A., (1999). On-line monitoring of power transformers and components: a review of key parameters, Electrical Insulation Conference and Electrical Manufacturing & Coil Winding Conference, 669-675.
  3. Erdoğan, F., (2007). Yükseltilmiş d-optimal dizayn yöntemi kullanılarak mühendislik dizaynlarında etkinliğin geliştirilmesi: ‘sentetik jet’ dizayn optimizasyon çalışması, Journal of Aeronautics and Space Technologies, 3, 1, 51-63.
  4. Ergül, E. U., (2010). Çok amaçlı genetik algoritmalar: temelleri ve uygulamaları, Doktora tezi, Ondokuz Mayıs Üniversitesi,
  5. Fen Bilimleri Enstitüsü, Samsun. Erler, E., Akçayöz, E. ve Tuncer, İ. H., (2008). Sentetik jet parametrelerinin eliptik profil ve kanat kesidi üzerindeki akışın kontrolü için yanıt yüzeyi yöntemi ile eniyileştirilmesi, II. Ulusal Havacılık ve Uzay Konferansı, İTÜ, İstanbul.
  6. Feng J.Q., Sun P., Tang W.H., Buse D.P., Wu Q.H., Richardson Z. ve Fitch J., (2002). Implementation of a power transformer temperature monitoring system, International Conference on Power System Technology, 3, 1980-1983.
  7. Goldberg, D.E., (1989). Genetic algorithms in search, optimization and machine learning, Addison- Wesley, Reading, ABD, 432 s. Güvercin, S. ve Yıldız, A., (2018). Optimization of cutting parameters using the response surface method, Sigma, 36, 1, 113-121.
  8. Holland, J., 1975. Adaptation in natural and artificial systems, University of Michigan Press,
  9. Ann Arbor, ABD. International Electrotechnical Commission (2005). IEC 60076-7 Power transformers Part 7: Loading guide for oil-immersed power transformers. Kassem, Y., Çamur, H. ve Esenel, E., (2017). Adaptive neuro-fuzzy inference system (ANFIS) and response surface methodology (RSM) prediction of biodiesel dynamic viscosity at 313 K, Procedia Computer Science, 120, 521-528.
  10. Koç, B. ve Kaymak-Ertekin, F., (2010). Yanıt yüzey yöntemi ve gıda işleme uygulamaları, Gıda Dergisi, 35, 1, 1-8.
  11. Köksoy, O., (2001). Taguchi ve cevap yüzey felsefelerinin birleştirilmesi: