Συμβολή των νευρωνικών δικτύων στη μελέτη της χρονικής μεταβολής της αντίστασης γείωσης και της ειδικής αντίστασης του εδάφους

Abstract

Τα βελτιωτικά υλικά χρησιμοποιούνται ευρέως στα συστήματα γείωσης, με σκοπό τη διατήρηση της αντίστασης του εδάφους σε χαμηλά επίπεδα. Ωστόσο, η απόδοσή τους εξαρτάται από μία σειρά παραγόντων, όπως οι καιρικές συνθήκες. Στα πλαίσια της παρούσας διπλωματικής εργασίας διεξήχθησαν μετρήσεις της αντίστασης γείωσης έξι ηλεκτροδίων τοποθετημένα σε χωμάτινο έδαφος. Το ένα από αυτά τα ηλεκτρόδια τοποθετείται απευθείας στο έδαφος (ηλεκτρόδιο αναφοράς), ενώ στα άλλα πέντε έχουν τοποθετηθεί βελτιωτικά υλικά. Με βάση τις μετρήσεις αυτές μελετάται η συμπεριφορά των βελτιωτικών υλικών σε συνάρτηση με το ύψος της βροχόπτωσης. Επίσης, οι μετρήσεις αυτές χρησιμοποιήθηκαν, ώστε να εκπαιδευτεί ένα νευρωνικό δίκτυο με σκοπό την εκτίμηση της αντίστασης γείωσης και κατ' επέκταση της απόδοσης των βελτιωτικών υλικών. Το νευρωνικό δίκτυο έχει εκπαιδευτεί χρησιμοποιώντας το λογισμικό "Matlab" με τον αλγόριθμο ανάστρφης διάδοσης σφάλματος και όλες τις παραλλαγές του. Από τους αλγόριθμους αυτούς παρουσιάζονται πέντε αλγόριθμοι, που είχαν πολύ καλή απόδοση. Επίσης, εφαρμόστηκαν δύο διαφορετικά σενάρια εκπαίδευσης για κάθε αλγόριθμο. Κατα την εφαρμογή του ενός σεναρίου επιχειρήθηκε η προσομοίωση του εδάφους μέσω του προγράμματος CYMgrd με ένα διστρωματικό τύπο εδάφους. Στο τέλος της εργασίας αυτής παρουσιάζονται τα αποτελέσματα του νευρωνικού δικτύου σε σύγκριση με τις τιμές, που μετρήθηκαν και γίνεται μία αξιολόγηση των αλγορίθμων εκπαίδευσης και κατά πόσο εξάγονται ακριβείς τιμές.

Ground enhancing compounds are widely used in grounding systems in order to keep the grounding resistance down. However, theri efficiency depends on some factors such as the weather conditions. In this diploma thesis measurements of the grounding resistance of six grounding electrodes in soil ground have been conducted. One of them is straight to the ground (reference electrode), whereas the other five are in various enhancing compounds. Based on these measurements, the efficiency of the enhancing compounds according to rainfall height is studied. In addition, these measurements were used to train an Artificial Neural Network (ANN), so that the grounding resistance and consequently the efficiency of the enhancing compounds could be estimated. The neural network has been trained by using "Matlab" software with the back propagation error algorithm and all its variations. Five of these algorithms, which had a very good performance, are presented. During thw implementation of one of the scenarios, the ground was simulated by a two layer ground by using the CYMgrd software. At the end of this thesis the results of the ANN are presented in comparison with the measurements and the training algorithms are evaluated, if they can produce accurate results.