Elektriksel Boşalma Sesinin Tanınması

Abstract

Bu tez çalışmasında, İTÜ (Maslak) Yüksek Gerilim Laboratuvarı’nda kurulan bir iletim hattı modelinden yüksek gerilim uygulayarak elde edilen duyulabilir korona sesleri kullanılarak iletim hattının akustik davranışı incelenmiştir. Bu amaçla, bir hat modeline farklı genliklerde alternatif ve doğru gerilimler uygulanmıştır. Ses ölçmelerinde kullanılan ses seviyesi ölçü aletinin elektromanyetik parazitlerden ve çevresel gürültülerden etkilenmemesi amacıyla bir metal kafes kullanılmıştır. Yapılan yüksek gerilim deneylerinde kaydedilen korona sesi verileri çeşitli işaret işleme teknikleri ile çözümlenerek, uygulanan yüksek gerilimle ve korona ile ilgili bilgiler elde edilmiştir. Tezde, elde edilen duyulabilir korona sesi verileri kullanılarak, bir yapay sinir ağı (YSA) ile elektriksel boşalmanın oluştuğu gerilimin genliğini belirleme, oluşan boşalmanın yerini bulma, boşalma kaynağını tanıma gibi uygulamalar gerçekleştirilmiştir. Çalışmalar, yüksek gerilim uygulamalarındaki bu tür problemler için, sesin ve yapay sinir ağı kullanılmasının genel, etkili, hızlı ve ekonomik olarak, sonuçlara ulaşılmasını sağladığını göstermiştir.

In this thesis, the acoustical behavior of a model transmission line has been analyzed by using corona sounds which were obtained by applying high voltage to the transmission line model installed in ITU (Maslak) High Voltage Laboratory. For this aim, different voltage levels of DC and AC voltages were applied to the line model to produce corona sounds. Against the effects of electromagnetic interference and environmental noises, a metal cage was used. The recorded corona sound data which were acquired from the performed high voltage experiments were analyzed by different signal processing techniques through which information about the applied high voltages and corona were extracted. In the thesis, applications such as estimating the magnitude of voltage at which electrical discharge occurs, determining the discharge location and recognizing the source of discharge have been carried out by training an artificial neural network (ANN) using audible corona sound data. Presented studies show that, using discharge sound and artificial neural networks it is possible to obtain general, cost-effective and fast results for solving of problems such as fault detection, location, measurement and diagnostic at high voltage applications.