ارائه روش محاسباتی هوشمند در تخمین میدان‌های الکتریکی و مغناطیسی فرکانس قدرت خطوط شبکه توزیع با استفاده از شبکه عصبی مبتنی بر توابع پایه شعاعی نرمالیزه‌شده

در سال‌های اخیر، رشد جمعیت در منطقه شهری و افزایش تقاضای انرژی الکتریکی، منجر به گسترش شبکه برق‌رسانی، بارگذاری بیشتر در خطوط انتقال انرژی الکتریکی و کاهش حریم خطوط شده است. به‌واسطه چنین شرایطی، احتمال قرار گرفتن در معرض میدان‌های الکتریکی و مغناطیسی در محیط‌های مسکونی و کاری افزایش یافته است. از آنجایی که قرار گرفتن در معرض میدان‌های الکترومغناطیسی در فرکانس قدرت بر سلامت انسان تاثیرگذار می‌باشد، این عامل به‌عنوان چالشی جدی مطرح شده است. به‌منظور آگاهی از چگونگی انتشار میدان‌های الکترومغناطیسی، مدل‌سازی میدان‌های الکتریکی و مغناطیسی با استفاده از روش هوش مصنوعی به‌عنوان روشی دقیق و سریع مورد توجه و بررسی قرار گرفته است. در این مقاله از شبکه عصبی مبتنی بر توابع پایه شعاعی نرمالیزه‌شده به‌منظور تخمین میدان‌های الکتریکی و چگالی شار مغناطیسی استفاده شده است. داده‌های مورد نیاز به‌منظور آموزش و اعتبارسنجی مدل ارائه‌شده، با استفاده از شبیه‌سازی به روش اجزاء محدود پنج آرایش متفاوت از خطوط شبکه توزیع 20 کیلوولت توسط نرم‌افزار comsol استخراج شده است. بر اساس شبیه‌سازی انجام‌شده، مقادیر میدان‌های الکتریکی و چگالی شار مغناطیسی در مختصات‌های طولی و عرضی مختلفی از فضای اطراف خطوط اندازه‌گیری شده است. مقایسه نتایج تخمین زده‌شده و اندازه‌گیری شده نشان داده است که مدل ارائه‌شده دارای دقت بسیار خوبی در تعیین میدان الکتریکی و چگالی شار مغناطیسی در نقاط مختلف اطراف خطوط در ساختارهای مختلف شبکه توزیع است.

An intelligent computational method to estimate the electric and magnetic field power frequency of distribution network using neural network based on normalized radial basis functions

Population growth in urban areas and the rising demand for electricity has led to the expansion of the electricity grid, more loading of power transmission lines and line privacy reduction. Due to such conditions in residential and work environments, the probability of electric and magnetic fields exposure has increased. Since exposure to electromagnetic fields at power frequency has undesirable effects on human health, this has caused a serious challenge. To gain knowledge as to how electromagnetic fields are emitted, the artificial intelligence technique has been considered as an accurate and fast method for the required electric and magnetic fields modeling. In this paper, a neural network based on normalized radial basis functions has been used to estimate the electric fields and magnetic flux density. The required data for proposed model training and validation have been extracted based on five different layouts of 20kV distribution network lines in COMSOL software. Based on the performed simulations, values of the electric fields and the magnetic flux densities in different longitudinal and transverse coordinates of the space around the lines have been measured. Comparison of the estimated and measured results has shown that the proposed model has a very good accuracy for electric field and magnetic flux density determination at different points around the lines for different structures of the distribution network