چکیده: چکیده مقره‌ها یکی از اجزای حیاتی در سیستم‌های انتقال و توزیع انرژی الکتریکی هستند که نقش مهمی در پایداری شبکه قدرت ایفا می‌کنند. مقره‌ها علاوه بر استقامت مکانیکی، باید دارای استقامت الکتریکی مناسب نیز باشند. مقره‌های پلیمری باتوجه ‌به وزن کم و عایق‌بندی مناسب، امروزه در سطوح ولتاژ مختلف مورد بهره‌برداری قرار گرفته‌اند. با این ‌وجود، عوامل محیطی نظیر آلودگی، رطوبت و اشعه ماوراءبنفش می‌توانند عملکرد این مقره‌ها را تحت تأثیر قرار دهند. در این میان، اشعه ماوراءبنفش به دلیل تأثیر بر روی ماده سیلیکون رابر مورد استفاده در بدنه مقره‌ها، موجب خرابی آنها میشود و شرایط عملکرد مقره را در حضور آلودگی و رطوبت وخیم‌تر می‌نماید. علاوه بر این موقعیت مکانی مقره، شدت آلودگی و نحوهی استقرار آن بر روی بدنه مقره عملکرد آن را تحت تأثیر قرار میدهد. تحت این شرایط وقوع قوس الکتریکی بر روی مقره به عنوان یک عامل تهدید کننده مطرح است که میتواند موجب تخریب مقره گردد. در این زمینه پارامترهای متنوعی جهت ارا‌‌ئه راهکاری به منظور پیشبینی وقوع قوس الکتریکی ارائه شده است که تمامی آنها بر مبنای وقوع آلودگی یکنواخت بر روی مقره سالم بوده است. این در حالی است که عملکرد مقره تحت شدت آلودگی و رطوبتهای مختلف به واسطهی استقرار آلودگی غیریکنواخت بر روی مقره پیر شده با آلودگی یکنواخت متفاوت است. در این پایان‌نامه، معیاری مناسب جهت پیش‌بینی وضعیت مقره‌های پلیمری ۲۰ کیلوولت بر مبنای تحلیل جریان نشتی عبوری از مقره ارائه شده است. با هدف جمع‌آوری اطلاعات مورد نیاز، آزمایش‌هایی بر روی دو مقره متفاوت در دو حالت سالم و پیر شده با اشعه ماوراءبنفش، همچنین تحت آلودگی غیر-یکنواخت قطاعی انجام شده است. در نظر گرفتن أثر رطوبت و شدت آلودگی در سطوح مختلف، موجب شده است تا نتایج به ‌دست‌آمده از آزمایش‌ها به ‌صورت جامع‌تر جمع‌آوری گردد. به ‌منظور تحلیل و ارزیابی جریان‌های نشتی به‌ دست‌ آمده، آنالیز هارمونیکی بر روی نمونه‌ها انجام و از نظر دامنه و فاز مورد بررسی قرار گرفت. به‌طور کلی، از تحلیل‌های انجام ‌شده 24 ویژگی استخراج گردید که طی دو سناریو، پیش‌بینی وقوع تخلیه الکتریکی توسط آن‌ها انجام شد. سناریوها بر اساس تأثیر دامنه جریان نشتی و یا عوامل محیطی بر دسته‌بندی داده‌ها تعریف شده‌اند. با توجه به هم‌پوشانی بسیار زیاد داده‌ها، از هوش مصنوعی استفاده شد. با توجه ‌به سناریوهای تعریف ‌شده، مراحل آموزش و تست آن‌ها انجام گردید. چهار روش شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان و پرسپترون چندلایه برای ارزیابی نتایج به کار گرفته شده‌اند. تمامی این روش‌ها توانسته‌اند عملکرد قابل قبولی را در تعیین شرایط مقره در حالت‌های نرمال، احتیاط و بحرانی ارائه دهند. با این حال، روش جنگل تصادفی (RF) بهترین عملکرد را در مقایسه با سایر روش‌ها داشته است. استفاده از روش RF با سه، پنج و هفت ویژگی، دقت طبقه‌بندی داده‌ها را به‌ترتیب به ۷۷، ۸۵ و ۸۵ درصد برای سناریوی اول و ۹۴، ۹۷ و ۹۷ درصد برای سناریوی دوم رسانده است. علاوه بر این، نمودار دقت، اهمیت ویژگی‌ها و نمودار خطا برای هر یک از روش‌ها ارائه شده است. نتایج به‌دست‌آمده نشان می‌دهد که شاخص‌های مبتنی بر زاویه فاز و نسبت‌های هارمونیکی، نقش مهمی در تحقق اهداف این پژوهش داشته‌اند. همچنین، مدل هوش مصنوعی ارائه‌شده در پیش‌بینی وقوع قوس الکتریکی، در سناریوی مبتنی بر دامنه جریان نشتی عملکرد بهتری نسبت به سناریوی مبتنی بر شرایط محیطی داشته است.