چکیده ندارد.

تعمیر و نگهداری پیشگیرانه یکی از استراتژیهای اصلی برای بهبود بهره وری و کارایی سیستمهای صنعتی است. دقت کم، هزینه بالا و صرف زمان زیاد ازعمده اشکالات روشهای فعلی تعمیر و نگهداری پیشگیرانه و عیب یابی در شرکتهای برق می باشد. در این پژوهش به منظور بهبود روشهای جاری تعمیر و نگه داری در صنعت برق و برای آشکارسازی هوشمند عیوب شبکه توزیع وانتقال سیستم قدرت از فن آوری ترموویژن استفاده شده است. در این پایان نامه روشی برای عیب یابی هوشمند تجهیزات الکتریکی پستهای شبکه توزیع برق با استفاده از svm به عنوان طبقه بندی کننده و ممان زرنیک به عنوان ویژگی تصویر معرفی می گردد. تصویر برداری حرارتی جهت مشخص شدن عیب بکار رفته است. در این پایان نامه هدف ما این است که به کمک روش ممان و با استفاده از مشخصات آماری تصاویر حرارتی تجهیزات الکتریکی به تشخیص نوع عیب بپردازیم. کارایی و دقت کلاسی فایر به مرتبه ممان استفاده شده بستگی دارد، برای کاهش پیچیدگی محاسبات مربوط به استخراج ویژگی، از الگوریتم ژنتیک برای انتخاب بهینه ترین مجموعه بردار ویژگی استفاده شده است. با توجه به عیب های مرسومی که در پستهای شبکه توزیع اتفاق می افتد چهار نوع از خرابیهای عمده که در پستهای زمینی و هوایی رخ می دهد، ازقبیل خرابی بوشینگ ترانسفورماتور، فیوز، کابلشو متصل به فیوز و محل اتصال هادی به سکسیونر انتخاب گردیده است. نتایج شبیه سازی به روی پایگاه داده های کاملا کاربردی که از تصاویر واقعی در شبکه های توزیع شمالغرب تهران می باشد اعمال گردیده است.