Yalıtkan malzemelerin dielektrik özelliklerinin yapay sinir ağlarıyla belirlenmesi

Determination of dielectric properties of insulating materials using artificial neural networks

Özet

Bu çalışmada, elektrik güç sistemlerinde ve haberleşme kablolarında yaygın biçimde yalıtkan olarak kullanılan polyesterin dielektrik özelliklerinin Yapay Sinir Ağlarıyla (YSA) belirlenmesi amaçlanmıştır. Çok farklı alanlarda ve işletme koşullarında kullanılan yalıtkan malzemelerin bu koşullar altında dielektrik özelliklerinin ölçülmesi; gelişmiş cihazlar gerektirmekte ve çok uzun zaman almaktadır. Bunun yerine bir kez geniş bir aralıkta ve değişik koşullar altında ölçüm yaptıktan sonra, diğer istenen koşullar için dielektrik özelliklerinin YSA ile belirlenmesi zaman ve maliyet açısından büyük katkılar sağlayacaktır. Bu amaçla yalıtkan olarak kullanılan polyesterin, sıcaklık-frekans değerlerine göre dielektrik sabiti $(epsilon)$ ve kayıp faktörü $(tandelta)$ ölçüm verileri bir YSA modelinde eğitilmiştir. Daha sonra eğitimde kullanılmayan verilerle bu YSA modeli test edilmiştir. Dielektrik sabiti ve kayıp faktörünün belirlenmesi için oluşturulan YSA modelinin yüzdelik Ortalama Mutlak Hata (OMH) sırasıyla % 0,0355 ve % 0,0009 ve yüzdelik Toplam Mutlak Hata (TMH) sırasıyla % 1,2778 ve % 0,0334 bulunmuştur. Böylece istenen herhangi bir sıcaklık-frekans değeri için dielektrik sabiti ve kayıp faktörü kolaylıkla ölçüm yapılmadan belirlenebilmektedir.

Abstract

In this paper, determination of dielectric properties of polyester films, widely used in power system and communication cables as an insulating material, using Artificial Neural Network (ANNs) is proposed. Measurements of dielectric properties of insulating materials under various areas and operating conditions require advanced instruments and a long time. Therefore, once the measurements of dielectric properties are performed under various conditions in wide ranges of frequency and temperature, determination of dielectric properties using ANN for other conditions saves cost and time. For this purpose, the measured data of dielectric permittivity $(epsilon)$ and loss factor $(tandelta)$ of polyester insulating material under various frequencies and temperatures was used for training the ANN. Then, the ANN was tested using data which was not utilized in the training set. The ANN model predicted dielectric permittivity and loss factor within mean absolute errors of 0.0355% and 0.0009%, respectively, and also within total absolute errors of 1.2778% and 0.0334%, respectively. Consequently, dielectric permittivity and loss factor can be determined easily for any desired temperature and frequency without requiring further measurements.