قمنا من خلال هذا البحث ببناء نظام خبير يدعى Transformer Fault Detection
و اختصارا Exformer مهمته مساعدة المهندسين و الفنيين في إكتشاف و تشخيص أعطال
محولات القدرة الكهربائية الزيتية المعطلة أو المشتبه بأنها معطلة قبل خروجها من
الخدمة, إضافة إلى إستخدام المنطق العائم في الحالات التي تكون فيها المعطيات
غامضة أو مبهمة مما تطلب كتابة قواعد عائمة لاستخدامها في قاعدة المعرفة للنظام
الخبير, كما قمنا بوضع القواعد اللازمة لبناء و تدريب شبكة عصبونية صنعية لتحقيق
نفس الغاية في كشف أعطال المحولات و المقارنة مع تقنيات الذكاء الصنعي الأخرى.
Through our research we develop an Expert System called
Transformer Fault Detection and abbreviation Exformer, to help
engineers and technical's in detecting and diagnosis of oiled power
transformer faults before it going out of service. We also use Fuzzy
Logic in ambiguous data cases about gas ratios in transformer oil,
which require use of fuzzy rules in knowledge base of expert
system. We also discuss basis of using Artificial Neural Networks
and choose number of layers, number of neurons and suitable neural
network for power transformers faults analysis and compare.
Artificial intelligence review:
Research summary
تناقش هذه الورقة البحثية كيفية استخدام تقنيات الذكاء الاصطناعي للكشف عن أعطال محولات القدرة الكهربائية. تعتبر محولات القدرة الكهربائية من العناصر الأساسية والمكلفة في نظام القدرة الكهربائية، وأي عطل فيها يمكن أن يؤدي إلى خسائر مالية كبيرة. لذلك، تم تطوير نظام خبير يسمى Exformer لمساعدة المهندسين والفنيين في اكتشاف وتشخيص أعطال المحولات قبل خروجها من الخدمة. يعتمد النظام على تحليل الغازات المنحلة في زيت المحولات واستخدام المنطق العائم للتعامل مع البيانات الغامضة. كما تم استخدام الشبكات العصبية الاصطناعية لتدريب النظام على اكتشاف الأعطال ومقارنة أدائه مع تقنيات الذكاء الاصطناعي الأخرى. يهدف النظام إلى تحسين دقة الكشف عن الأعطال وتقليل زمن الاستنتاج، مما يجعله مناسبًا للاستخدام في الزمن الحقيقي.
Critical review
دراسة نقدية: على الرغم من أن الورقة تقدم نظامًا مبتكرًا للكشف عن أعطال محولات القدرة باستخدام تقنيات الذكاء الاصطناعي، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم تقديم تفاصيل كافية حول كيفية تدريب الشبكات العصبية الاصطناعية وما إذا كانت البيانات المستخدمة في التدريب كافية لتمثيل جميع أنواع الأعطال المحتملة. ثانيًا، بينما تم استخدام المنطق العائم للتعامل مع البيانات الغامضة، لم يتم توضيح كيفية تأثير ذلك على دقة النظام بشكل كافٍ. ثالثًا، يمكن أن يكون هناك تحليل أعمق حول كيفية تحسين سرعة الاستنتاج في النظام الخبير، خاصة عند زيادة عدد القواعد. أخيرًا، يفضل تقديم مقارنة مع أنظمة أخرى موجودة في السوق لتوضيح مدى تفوق النظام المقترح.
Questions related to the research
-
ما هو الهدف الرئيسي من تطوير نظام Exformer؟
الهدف الرئيسي من تطوير نظام Exformer هو مساعدة المهندسين والفنيين في اكتشاف وتشخيص أعطال محولات القدرة الكهربائية قبل خروجها من الخدمة، وذلك لتقليل الخسائر المالية الناتجة عن هذه الأعطال.
-
كيف يتم استخدام المنطق العائم في نظام Exformer؟
يتم استخدام المنطق العائم في نظام Exformer للتعامل مع البيانات الغامضة أو غير المؤكدة، مثل نسب الغازات المنحلة في زيت المحولات، وذلك من خلال كتابة قواعد عائمة واستخدامها في قاعدة المعرفة للنظام الخبير.
-
ما هي الفائدة من استخدام الشبكات العصبية الاصطناعية في هذا النظام؟
تُستخدم الشبكات العصبية الاصطناعية في النظام لتدريب النظام على اكتشاف الأعطال بناءً على بيانات تم جمعها من مصادر هندسية مختلفة، مما يساعد في تحسين دقة الكشف عن الأعطال وتقليل زمن الاستنتاج، مما يجعله مناسبًا للاستخدام في الزمن الحقيقي.
-
ما هي التوصيات المستقبلية التي قدمتها الورقة لتحسين النظام؟
أوصت الورقة ببناء أنظمة خبيرة باستخدام لغات تصريحية متخصصة بنظم الذكاء الاصطناعي أو استخدام بيئات جاهزة لبناء النظم الخبيرة مثل CLIPS، وذلك لتحسين دقة وسرعة الاستنتاج في النظام.
References used
Gross Charles A. 1979- Power System Analysis . John Wiley & Sons
Glover, J. D. & Samara, M. S. 1994– Power System Analysis &Design with personal computer applications. PWS pub. Co. 2nd edition
Hamzeh, A. ,Zaidan, K. 1999– Design and Implementation of an Expert Package for Faults Diagnosis in Power systems.Paper for the 3rd Electrical Engineering Conference , Mutah University Jordan
The entry of computer to many areas, such as medical field, led to develop new
technique that has led to the prosperity of these areas, and helped doctors to detect and
diagnose diseases accurately and credibility, where the experience of the docto
In Artificial Intelligence field, Knowledge Engineering phase is considered
the most crucial phase of the development life cycle of the Knowledge Base
Systems [1]. In fact, Formal Logic in general and Modus Ponens specifically has
been the dominan
This paper shows a new approach to determine the presence of defects and to classify the defect type online based on Artificial Neural Networks (ANNs) in electrical power system transmission lines. This algorithm uses current and voltage signals samp
The word "massive data" spread in 2017 and became the most common in the industry of advanced technology, it uses automated learning that allows computers to analyze past data and predict future data widely in familiar places. Non-automated learning
المسؤولية الجنائية للذكاء الاصطناعي
تتمثل أهمية هذه الدراسة في أهمية موضوعها الجديد والحيوي، وهو المسؤولية الجنائية الناتجة عن أخطاء الذكاء الاصطناعي في التشريع الإماراتي "دراسة مقارنة"، فعلى امتداد الخمسين سنة الماضية تضافرت الجهود العالمية في عدد