造成輸電系統跳電故障的原因很多，由於台灣地區雷擊密度相當高，根據台灣電力公司統計，輸電系統由雷擊原因造成的機電事故已接近全部事故的50%，在整體上佔有相當的嚴重性。
近年來，國內許多地區連續發生多起因接地網未滿足要求而引起的設備損壞事故，同時雷擊是主要天然災害，因此良好的接地裝置一定是防雷擊的重要措施。在防雷接地裝置中，接地電阻阻值越小，則瞬間衝擊接地電壓就降越低，遭受雷擊的危險性就越低，因此足夠小的接地電阻值和安全可靠的防雷接地裝置是防雷的重要保證。
以往工程上主要採用的降低電阻方法為增加接地網的面積、引外接地、或化學降阻劑，但容易造成接地導體的腐蝕。大地是一不良導電物體，雖然大地之電阻率甚高，但電流一進入大地之後，因大地的廣大斷面積而使其電阻近似於零，本計畫提出高導電性混凝土基礎結構，成為大面積接地電阻，與接地網及接地棒並聯共同分擔雷擊電流，將雷擊電流導向地底以降低斷電、跳電而造成的損失。
類神經網路法有別於以往傳統方法，是一種平行分散式處理計算模式。其基本的運作原理乃以大量、簡單的處理單元，或稱神經細胞互相連接，藉由整體處理單元對外界輸入訊號的簡單運算來處理資訊，擁有類似於人腦的許多特性及優點。本計畫將類神經網路法配合交叉驗證法與訓練測試法運用高導電性混凝土的成本、電阻及抗壓的最佳化。

Due to high domestic lightning density, there are many reasons to cause electricity transmission system failure. According to Taipower (Taiwan Power Company, TPC, also known as Taipower) statistics, in the transmission system, the electrical accident came from lightning strikes were close to 50% of all accidents.
In recent years, due to insufficient of grounding web, domestic equipment damage happened continuously. Lightning strikes are major natural disaster. Therefore, good grounding device should be an important measure in lightning protection. In the lightning protection and grounding device, the smaller the grounding resistivity is, the lower the instantaneous voltage drops. Therefore, the risk of being struck by lightning becomes less with smaller grounding resistance value and reliable anti-lightning grounding equipment. This study proposes the use of highly conductive concrete basic structure to be a large area of grounding resistance with grounding grid and grounding rods sharing lightning current in parallel,then to drive the lightning strike current underground and reduce the power loss caused by power failure.
Previous works on the main drag reduction methods including increasing the area of the grounding network, citing external grounding and using chemical reducing agent were likely to cause corrosion of the grounding conductor. The earth is a poor conductive object due to the high resistivity of the earth. Once the electric current flows into the earth, the resistance of earth would be close to zero because of its large cross-section.          
Artificial Neural Networks method is different from the traditional one which is a kind of parallel distributed processing computing model. The basic principle of operation is based on a large but simple processing unit, or called Neuron connected to each other; by using the whole processing unit by the simple arithmetic of the external input signal to process information, which is similar to many features and benefits of human brains.This study proposes the use of the Artificial Neural Networks training with cross-validation method and Train-and-Test method used in optimizing the cost,resistance, and compressive of highly conductive concrete.

中文摘要	I
Abstract	II
誌謝	III
第一章 緒論	1
1.1 研究背景與動機	1
1.2 研究目的	3
1.3 研究方法與流程	3
1.4 論文架構	5
第二章文獻回顧	8
2.1高壓輸電線路接地系統概論	8
   2.1.1高壓輸電線路雷擊閃絡跳閘原因	9
   2.1.2高壓輸電線路設計的原則	12
   2.1.3高壓輸電線路設計防雷措施	16
2.2高壓輸電線路接地系統的目的	17
2.3台電輸電鐵塔目前接地設計	18
2.4 類神經網路文獻回顧	23
2.4.1類神經網路	23
2.4.2實驗設計法(DOE)	29
第三章 基本理論介紹	30
3.1導電混凝土介紹	30
3.1.1導電混凝土降阻機制	31
3.1.2導電混凝土電阻值試驗研究	35
3.1.3導電混凝土工程應用	38
3.2 類神經網路介紹	41
3.2.1 類神經網路摘要	41
3.2.2 類神經網路發源	41
3.2.3 倒傳遞類神經網路法之機制	42
3.2.4 類神經網路法之特色	46
第四章導電混凝土製作介紹	47
4.1前言	47
4.2導電混凝土的簡介	48
4.3導電混凝土的製作	49
   4.3.1模具材料設計	50
   4.3.2配比設計	52
   4.3.3 設備介紹	53
   4.3.4 製作過程	56
   4.3.5 注意事項	67
   4.3.6抗壓試體製作	67
4.4結論	73
第五章 導電混凝土之電阻係數量測	73
5.1 前言	73
5.2 電阻係數模擬	74
5.3 理論模型	75
5.4 電阻係數量測	75
5.5 模型建立	80
5.6結果討論	83
第六章 導電混凝土配比最佳化設計	83
6.1 前言…………………………………………………………..…...83
6.2 CAFE分析方法及流程…………………………………………...83
6.3 CAFE模擬計算結果……………………………...........................87
6.4 EXECL規劃求解	.88
6.5 本章結論……………………………………………………….....89
第七章 導電混凝土最佳化試體量測	89
7.1 前言……………………………………………………………….89
7.2 電阻係數量測結果………………………………………………89
7.3抗壓試體量測結果	109
7.4 本章結論	113

第八章 結論與建議	113
8.1 結論	113
8.2 建議	114
參考文獻	115

 
圖目錄
圖2.1雲層電荷在架空輸電線路之靜電感應情形	10
圖2.2雲層對地放電後架空輸電線路產生感應電壓行進情形	10
圖2.3輸電線路直接雷擊和感應雷擊之情形	11
圖2.4(a)擊中架空地線後突波行進方向示意圖	12
圖2.4(b)擊中鐵塔頂端後突波行進方向示意圖	12
圖2.5現行台電絕緣礙子空照圖	15
圖2.6現行台電架空地線示意圖	16
圖2.7台電輸電鐵塔不同基礎的接地設計【11】	19
圖2.8接地銅棒接地電阻改善裝置圖【11】	20
圖3.1使用導電混凝土的垂直接地極	34
圖3.2　接地網改造圖	39
圖 3.3類神經網路流程圖	43
圖4.1 導電試驗上視圖	52
圖4.2 萬能試驗機設備	53
圖4.3骨材之篩分析機	54
圖4.4水泥膠砂試體成型振動台	54
圖4.5表面電阻量測儀	55
圖4.6水泥膠砂攪拌機	55
圖4.7 粗骨材與細骨材	56
圖4.8 鋼纖維及石墨圖	57
圖4.9攪拌過程圖	58
圖4.10 材料混合完成圖	59
圖4.11 材料混合完成圖	60
圖4.12 置入模具過程圖	61
圖4.13插入電極過程圖	62
圖4.14 導電混凝土試體完成圖(15×15×5cm3)	63
圖4.15 導電混凝土試體完成圖(15×15×5cm3)	64
圖4.16拆模後導電混凝土試體(15×15×5cm3)	64
圖4.17 泡水養護圖	65
圖4.18標記完成示意圖	66
圖4.19 直徑10cm高20cm圓柱紙模	68
圖4.20試體完成灌漿	68
圖4.21試體拆模	69
圖4.22試體上石膏抹平	70
圖4.23試體直徑10cm	71
圖4.24試體名稱jack liu	71
圖4.25高度外徑程式設定	72
圖4.26抗壓試驗過程	73
圖5.1電壓電流量測圖	75
圖5.2 9種配比設計	75
圖5.3 2014年2月22日電壓、電流、電阻係數	76
圖5.4 2014年3月7日電壓、電流、電阻係數	76
圖5.5 2014年3月12日電壓、電流、電阻係數	77
圖5.6 2014年3月14日電壓、電流、電阻係數	77
圖5.7 2014年3月15日電壓、電流、電阻係數	78
圖5.8 2014年3月18日電壓、電流、電阻係數	78
圖5.9 2014年3月19日電壓、電流、電阻係數	79
圖5.10 2014年4月5日電壓、電流、電阻係數	79
圖5.11 2014年4月6日電壓、電流、電阻係數	80
圖5.12  Minitab 13組值	81
圖5.13  Minitab 13組值設計分析	81
圖5.14  Minitab 13組值3D曲面圖	82
圖5.15  Minitab 13組值等直線圖	83
圖6.1 石墨G鋼纖維S電阻係數R和抗壓強度載入	84
圖6.2 9組電阻係數和抗壓強度	85
圖6.3CAFE內建設定係數	86
圖6.4 石墨G鋼纖維S對電阻的影響關係	86
圖6.5石墨G鋼纖維S輸入的成本係數	87
圖6.6 CAFE模擬計算結果	88
圖7.1 G15.74% S0.0014% 15V30V60V 電阻係數隨齡期的變化圖	108
圖7.2 G13.9% S0.52% 15V30V60V 電阻係數隨齡期的變化圖	109
圖7.3不同石墨G配比下在鋼纖維S=1和水灰比=0.35固定下的強度	109
圖7.4石墨添加量與抗壓強度變化的關係圖	110
圖7.5不同水灰比下在石墨G=10和鋼纖維S=1固定下的強度	110
圖7.6水灰比與抗壓強度變化的關係圖	111
圖7.7 石墨G鋼纖維S水灰比W/C和抗壓強度載入	112
圖7.8 石墨G鋼纖維S和水灰比W/C對強度的影響	113
表目錄

表2.1台電架空輸電線路防雷措施問題及改善對策【12】	21
表3.1 導電混凝土試體電阻值【16】	36
表3.2電阻值隨鋼纖維摻量關係	37
表3.3高導電性混凝土與傳統混凝土比較表	38
表3.4不同鑽孔深度接地電阻測量資料Ω【14】	40
表4.1 導電混凝土優點及應用列表	49
表6.1 EXCEL規劃求解程式關係	88
表6.2 EXCEL規畫求解數值	88
表7.1 15天 G15.74% S0.0014% 15V30V60V量測結果	90
表7.2 15天 G13.90% S0.52% 15V30V60V量測結果	91
表7.3 16天 G15.74% S0.0014% 15V30V60V量測結果	92
表7.4 16天 G13.90% S0.52% 15V30V60V量測結果	93
表7.5 18天 G15.74% S0.0014% 15V30V60V量測結果	94
表7.6 18天 G13.90% S0.52% 15V30V60V量測結果	95
表7.7 21天 G15.74% S0.0014% 15V30V60V量測結果	96
表7.8 21天 G13.90% S0.52% 15V30V60V量測結果	97
表7.9 22天 G15.74% S0.0014% 15V30V60V量測結果	98
表7.10 22天 G13.90% S0.52% 15V30V60V量測結果	99
表7.11 24天 G15.74% S0.0014% 15V30V60V量測結果	100
表7.12 24天 G13.90% S0.52% 15V30V60V量測結果	101
表7.13 26天 G15.74% S0.0014% 15V30V60V量測結果	102
表7.14 26天 G13.90% S0.52% 15V30V60V量測結果	103
表7.15 28天 G15.74% S0.0014% 15V30V60V量測結果	104
表7.16 28天 G13.90% S0.52% 15V30V60V量測結果	105
表7.17 30天 G15.74% S0.0014% 15V30V60V量測結果	106
表7.18 30天 G13.90% S0.52% 15V30V60V量測結果	107
表7.19  G15.74% S0.0014% 15V30V60V 電阻係數隨齡期的變化	108
表7.20 G13.9% S0.52% 15V30V60V 電阻係數隨齡期的變化	109
表7.21不同的變數石墨G鋼纖維S水灰比W/C的情形下所得到抗壓強度	111

參考文獻
1.	葉怡成，實驗計畫法 --- 製程與產品最佳化，五南圖書，2001。
2.	葉怡成，高等實驗計畫法，五南圖書，2009。
3.	台電公司，台電機電事故統計資料（1900～2000 年），台電公司調變處與供電處，2000 年
4.	陳芃，經濟部能源報導，第14頁，2003年8月。
5.	 “封面故事－不怕天打雷劈、台電讓落雷無所遁形”，台電工程月刊，第537期，第12-17頁，2007年12月。
6.	許博毅，“345kV架空輸電系統的雷擊特性受鐵塔接地電阻及線路避雷器的影響研究”，中原大學電機工程系碩士論文，民國94年7月。
7.	洪得峻，“架空輸電線路之防雷策略及其接地系統之雷擊特性研究”，中原大學電機工程系碩士論文，民國93年6月。
8.	盧宗益，“雷擊防治探討－以液化天然氣廠為例”，國立成功大學電機工程系碩士論文，民國93年6月。
9.	廖華年，電工技術雜誌，2004年04期。
10.	編譯羅彥傑／特譯，導電混凝土，冰風暴剋星 
11.	送電線路防雷措施
12.	邱培勳，電氣設備工程品質管理實務，2010年7月1日
13.	台電輸電鐵塔基礎接地裝設圖，民國91 年9 月26 日
14.	許博毅，“345kV架空輸電系統的雷擊特性受鐵塔接地電阻及線路避雷器的影響研究”，中原大學電機工程系碩士論文，民國94年7月
15.	甘德輝，降低接地電阻的幾種方法 
16.	孫旭，廣州電力設計院(廣州510600)，導電混凝土在變地站接地網中的應用，2001年7 
17.	Hou Zuo-Fu, Li Zhuo-Qiu, Hu Sheng-Liang, “Resistivity Research on Carbon Fibre Electrically Conductive Concrete for Deicing and Snow Melting,” Journal of Yangtze University (Nat Sci Edit) Vo1. 2, No. 7, pp. 264-266, Ju1. 2005.
18.	Christopher Y. Tuan.,and Sherif Yehia, “ Evaluation of Electrically Conductive Concrete Containing Carbon Products for Deicing,”ACI MATERIALS JOURNAL,July-August, 2004
19.	Whittington, H.; McCarter, W.; and Forde, M. C., “The Conduction of Electricity through Concrete,” Magazine of Concrete Research,
20.	V. 33, No. 114, 1981, pp. 48-60. 
21.	葉怡成，高等實驗計畫法
22.	高金盛，葉怡成，以類神經網路進行桁架結構之最佳化設計
23.	中國土木水利工程學會，混凝土工程施工規範與解說「土木402-88a」，3-7、3-9
24.	Chun-Yao Lee and Siang-Ren Wang, “ Analysis of Resistance Characteristics of Conductive Concrete Using Press-Electrode Method,” World Academy of Science, Engineering and Technology 60 2009
25.	洪雷，智能建築材料，石墨砂漿注漿鋼纖維混凝土
26.	王湘仁，高導電性混凝土之電磁及接地特性分析，中原大學電機工程系碩士論文，民國99年7月
27.	Kudva J.N., Munir N. and Tan P.W., “Damage in Smart Structure Using Neural Networks and Finite Element Analysis”, Smart Materials and Structures,pp.108~112, 1992.
28.	Wu X., Ghaboussi J. and Garrnett J.H., “Use of Neural Network in Detection of Structural Damage”, Computer & Structures, Vol. 42 no.4, pp.649~659, 1992.
29.	Worden K., Ball A.D. and Tomlinson G.R., “Fault Location in Framework Structure Using Neural Network”, Smart Materials and Structures, Vol. 2,pp.189~200, 1993.
30.	R.Ceravolo and A. De Stefano, Politecnico di Torino, “Damage Location in Structures through a connective use of FEM Modal Analysis”, Modal Analysis,Vol. 10 no.3, pp.178~186, 1995.
31.	Li Cheng-Jung and Asok Ray, “Neural Network Representation of Fatigue Damage Dynamic”, Smart Materials and Structures, Vol. 4, pp.126~133, 1995.
32.	Pandey A.K. and Biswas M., “Damage Diagnosis of Truss Structures by Estimation of Flexibility Change”, Modal Analysis, Vol. 10 no.2, pp.104~117, 1995.
33.	Szewczyk Z.P. and Hajela P., “Damage detection in structure based on feature-sensitive neural network”, J. Comput. Civil Engng. ASCE, Vol. 8,pp.163~178, 1994.
34.	劉興業、王海超、鄧文樵，「人工神經元網路在公路工程震害預測方面的應用」，地震工程與工程振動，第16 卷4 期，pp.97~104，1996。
35.	黃崇福，「模糊人工神經元網路在地震工程中的應用」，<地震工程與工程振動，第13 卷2 期，pp.84~92，1993。
36.	徐敬海、鄧偉慶、鄭民憲，「建築物震害預測模糊震害指數法」，地震工程工程震動，第22 卷6 期，pp.84~88，2002。
37.	瞿偉廉、陳偉，「多層及高層框架結構地震損傷診斷的神經網路方法」，地震工程與工程振動，第22 卷1 期，pp.43~48，2002。
38.	瞿偉廉、黃東梅，「高聳塔架結構節點損傷基於神經網路的兩步診斷法」，地震工程與工程振動，第23 卷2 期，pp.143~149，2003。
39.	葉怡成，「機器學習在土木工程專家系統應用之研究」，博士論文，pp.30~41，成功大學土木工程研究所，1992。
40.	葉怡成，類神經網路模式應用與實作，儒林圖書有限公司，1993。
41.	林子超，「類神經網路在結構損傷偵測分析的應用」，碩士論文，成功大學土木工程研究所，1997。
42.	褚朝慶，「系統識別與類神經網路在橋樑破壞檢測的應用」，碩士論文，台灣大學土木工程研究所，1998。
43.	黃心豪，「時空域類神經網路於橋樑破壞檢測的應用」，碩士論文，台灣大學土木工程研究所，1999。
44.	吳吉峰，「系統識別與類神經網路於碧潭橋破壞檢測之應用」，碩士論文，台灣大學土木工程研究所，2000。
45.	凃宗廷，「類神經網路於房屋結構系統識別之應用」，碩士論文，交通大學土木工程研究所，2001。
46.	蔡中暉、徐德修， 「以類神經網路評估鋼筋混凝土結構之損壞」，Journal of the Chinese Institute of Civil and Hydraulic Engineering，Vol. 10 no.1，pp.31~38，1998.
47.	曹增皓、蔡中暉、徐德修，「以震動訊號及類神經網路作既有鋼筋混凝土損壞診斷之研究」，八十八年電子計算機於土木水利工程應用研討會論文集，pp.1799~1807，中興大學，2000。
48.	蔡元耀，「類神經網路應用於現地深開挖水平地盤反力參數推估之研究」，碩士論文，朝陽科技大學營建工程學系，2005。
49.	林旺春，「建築結構強震紀錄之類神經網路參數識別」，碩士論文，中原大學土木工程研究所， 2006。
50.	李元宏，「類神經網路結合非線性能量消散原理應用於土壤液化潛勢評估之研究」，碩士論文，國立臺灣大學土木工程研究所，2008。
51.	黃廷堅，「以類神經網路預估建築工程造價之研究」，碩士論文，國立臺灣大學土木工程研究所，2010。
52.	Jin Cheng, “ A hybrid artificial neural network method with uniform design for structural optimization”,Comput Mech ,pp.44:61–71, 2009.
53.	Oscar Moller, “Structural optimization for performance-based design in earthquake engineering: Applications of neural networks”, Structural Safety 31,pp. 490–499 , 2009.
54.	Saeed G. , Eysa S. , “Optimal Design of Structures for Earthquake Loading by Self Organizing Radial Basis Function Neural Networks”,Advances in Structural Engineering Vol. 13 No. 2, 2010.
55.	Yeh Jiin-Po, Chen Kun-Yu, “ Forecasting the lowest cost and steel ratio of reinforced concrete simple beams using the neural network”, Journal of Civil Engineering and Construction Technology Vol. 3(3), pp. 99-107, 2012.
56.	Patel Jiten,Choi Seung-Kyum, “Classification approach for reliability-based topology optimization using probabilistic neural networks”, Struct Multidisc Optim ,pp.45:529–543, 2012.
57.	Mohd Suhairil Meon et al , Frame Optimization using Neural Network, international journal advanced science engineering information technology ,Vol. 2 No. 1, 2012.
58.	Reza Kamyab Moghadas et al, Prediction of Optimal Design and Deflection of Space Structures Using Neural Networks, Mathematical Problems in Engineering Volume, Article ID 712974, 18 pages, 2012
59.	鄭建麟，「利用實驗計畫法研究氟化物電漿中氮化矽反應性粒子蝕刻之最佳化」，碩士論文，國立清華大學，2002。
60.	張凱評，「田口式實驗計畫法應用於板金液壓成形最佳化製程與回彈分析-以中部某航空製造廠為例」，碩士論文，雲林科技大學，2006。
61.	許鴻川，「以實驗計畫法探討燒結型熱管之性能」，碩士論文，國立成功大學，2008。
62.	吳政昌，「田口實驗計畫法導入氣壓回收系統發電最佳化分析」，碩士論文，逢甲大學，2011。
63.	鄧在國，「實驗計劃法應用於可靠度環境測試實驗最佳化之探討-以背光模組為例」 ，碩士論文，明新科技大學，2010。
64.	陳建志，「實驗計畫法應用於太陽能光電製程改善:以線鋸切片機台製程最佳化為例」，碩士論文，國立成功大學，2011。