Συμβολή στη μελέτη του ιονισμού του εδάφους

Abstract

Η τιμή της ειδικής αντίστασης του εδάφους αποτελεί καθοριστικό παράγοντα για τη συμπεριφορά των συστημάτων γείωσης και παρουσιάζει διακυμάνσεις, τόσο κατά τη διάρκεια του έτους, όσο και λόγω της πρόκλησης ιονισμού του εδάφους, κατά τη διάχυση κεραυνικού ρεύματος στο έδαφος, μέσω του συστήματος γείωσης. Η παρούσα διδακτορική διατριβή εστιάζεται στην πειραματική μελέτη εδαφικών δειγμάτων, προκειμένου να μελετηθούν οι παράγοντες που συμβάλλουν στην εκδήλωση ιονισμού του εδάφους. Μεταξύ άλλων, η σημαντικότερη παράμετρος είναι η κρίσιμη ένταση ιονισμού του εδάφους. Για τη μελέτη αυτής της παραμέτρου, και των παραγόντων που την επηρεάζουν, πραγματοποιήθηκαν πειράματα, με την εφαρμογή κρουστικής τάσης σε εδαφικά δείγματα. Τα πειραματικά αποτελέσματα αξιοποιήθηκαν για την εκτίμηση της αβεβαιότητας, που σχετίζεται με την τιμή της τάσης έναρξης του φαινομένου. Η κρίσιμη ένταση ιονισμού υπολογίσθηκε, επίσης, με την εφαρμογή μεθόδων, που έχουν προταθεί στη βιβλιογραφία, αλλά και νέων, που προτείνονται στο πλαίσιο της παρούσας εργασίας και των οποίων αξιολογείται η αποτελεσματικότητα. Ακόμη, με τη βοήθεια μη γραμμικού παλινδρομικού μοντέλου και Γενετικού Αλγορίθμου, πραγματοποιήθηκε βελτιστοποίηση των παραμέτρων εξίσωσης, που έχει προταθεί στη βιβλιογραφία, για τον υπολογισμό της κρίσιμης έντασης ιονισμού, βάσει πειραματικών δεδομένων, ενώ προτάθηκε και καινούργια εξίσωση, η οποία παρουσιάζει μικρότερη απόκλιση μεταξύ των πειραματικών και εκτιμώμενων τιμών. Τέλος, στο πλαίσιο της παρούσας διατριβής μελετήθηκε η συμπεριφορά της ειδικής αντίστασης του εδάφους, συναρτήσει των καιρικών συνθηκών. Γι’ αυτόν τον σκοπό, εκπαιδεύθηκε Τεχνητό Νευρωνικό Δίκτυο, με τη χρήση διαφορετικών αλγορίθμων εκπαίδευσης, με εισόδους τις τιμές της ειδικής αντίστασης του εδάφους και του ύψους βροχόπτωσης, για μία παρελθούσα χρονική περίοδο, και έξοδο την πρόβλεψη/εκτίμηση της αντίστασης γείωσης για συγκεκριμένη ημέρα.

The behavior of any grounding system greatly depends on the soil resistivity. Soil resistivity varies not only seasonally, but also due to the development of non-linear phenomena (such as soil ionization) when a high impulse current is injected to the grounding system. The present PhD thesis focuses on the experimental study of the critical ionization gradient, which is the most important parameter for the onset of ionization in the soil. On that purpose, impulse voltages have been applied on soil samples and the parameters, which affect ionization gradient, such as impulse polarity, grain size, etc., have been investigated. The experimental results have been processed in order to estimate the uncertainty of the ionization voltage and the soil ionization gradient. Moreover, the soil critical ionization gradient has been evaluated by applying methodologies proposed in literature and new ones introduced in the present study. Furthermore, a hybrid non-linear regression model has been developed for the correlation of electrical parameters of the soil with soil critical ionization gradient. The parameters of the equation were optimized by using Genetic Algorithm. As outcome of this procedure an equation is proposed, which minimizes the divergence between experimental and estimated values. Last but not least, in the present thesis, the seasonal variation of the ground resistance of a single rod by means of Artificial Neural Networks has been investigated. On that purpose, different training algorithms have been implemented, while the training set comprised soil resistivity values, rainfall data for previous days with view to predict the ground resistance at the present day.