ورود
مقالات فارسیISIکنفرانسهاژورنالها

شناسایی محل بانک خازنی کلیدزنی شده در شبکه توزیع با استفاده از شبکه عصبی-فازی

محل انتشار: مجله هوش محاسباتی در مهندسی برق، دوره: 10، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 226

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1160538

شناسه ملی سند علمی:

JR_ISEE-10-1_004

تاریخ نمایه سازی: 12 اسفند 1399

چکیده مقاله:

در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان استفاده می کند، که باعث سادگی روش می شود. این روش به مقدار جریان، بلافاصه قبل و بعد از لحظه کلیدزنی نیاز دارد، که می توان این روش را بصورت Online به کاربرد. شبیه سازی های مختلفی که انجام شده است نشان می دهد دیگر اختلال های کیفیت توان نمی توانند بر روی صحت عملکرد این روش تاثیر بگذارند. همچین اندازه و نوع اتصال نیز تاثیری بر روی دقت عملکرد روش پیشنهادی ندارد. الگوریتم پیشنهادی بر روی سیستم 13 باس IEEE پیاده سازی و صحت عملکرد آن تایید شده است. با توجه به نتایج شبیه سازی، روش پیشنهادی قابلیت پیاده سازی در سیستم های واقعی را دارد.

کلیدواژه ها:

نویسندگان

محمد مدنی

دانشکده مهندسی برق- دانشگاه اصفهان- اصفهان- ایران

رامتین صادقی

دانشکده مهندسی برق - دانشگاه اصفهان - اصفهان- ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  •    [1]      M. El Arini, “Optimal capacitor placement incorporating voltage ...
  •    [2]      At. Saric, Ms. Calovic, Mb. Djukanovic, “Advanced voltage ...
  •    [3]      R. Hooshmand, “Application of a genetic algorithm in ...
  •    [4]      lon, C. P. Rubino, and R. C. Catoe, ...
  •    [5]      T. E. Grebe, “Application of Distribution System Capacitor ...
  •    [6]      R. A. Adams, S. W. Middlekauff, “Solving Customer ...
  •    [7]      A. C. Parsons, W. M. Grady, E. J. ...
  •    [8]      J. Kim, W. M. Grady, A. Arapostathis, J. ...
  •    [9]      K. Hur, and S. Santoso, “On Two Fundamental ...
  • [10]      G. W. Chang, J. Chao, H. M. Huang, C. ...
  • [11]      Zhu, H.Y., Chen, S., “Identification of Capacitor Switching Transients ...
  • [12]      Abu-Elanien, A.E.B., Salama, M.M.A., “A Wavelet-ANN Technique for Locating ...
  • [13]      Ahmed Rubaai, Abdul R. Ofoli, Legand Burge, and Moses ...
  • [14]      M.J., Reddy, and D.K., Mohanta, “Adaptive-neuro-fuzzy inference system approach ...
  • [15]      A.H. Etemadi and M. Sanaye-Pasand, “High-impedance fault detection using ...
  • [16]      “Fuzzy Logic Toolbox User's Guide”. Retrieved. May 28, 2009, ...
  • [17]      PES Distribution Systems Analysis Subcommittee, [Online]. Available: http://ewh.ieee.org/soc/pes/dsacom/testfeeders.html, Radial ...
  • [18]      Khani, H., Moallem, M., Sadri, S., Dolatshahi, M., “A ...
  • [19]      Angrisani L, Daponte P, Apuzzo MD, Testa A, “A ...
  • [20]      J. Canny. A computational approach to edge detection. Readings ...
  • [21]      D. Marr and E. Hildreth. Theory of edge detection. ...
  • [22]      C. Christopoulos, A. Skodras, and T. Ebrahimi. The jpeg2000 ...
  • [23]      S. Mallat and S. Zhong. Characterization of signals from ...
  • [24]      Stephane Mallat. A wavelet tour of signal processing; The ...
  • [25]      A.S. Akbari and JJ Soraghan. Fuzzy-based multiscale edge detection. ...
  • [26]      SK Setarehdan and JJ Soraghan. Fuzzy multiscale edge detection ...
  • [27]      Santoso S, Powers EJ, Grady WM, Hofmann P, “Power ...
  • [28]      Candido MR, Zanetta LC, “A Wavelet-Based algorithm for power ...
  • [29]      J.S. R Jang, “ANFIS: Adaptive network-based fuzzy inference system,” ...
  • [30]      Taghipour M, ShamsiNejad M, Razavi S, Farshad M, Faraji ...
  • [31]      Shariatinasab R, Akafi M, Farshad M., “Estimation of Switching ...
  • [32]      Zwe-Lee Gaing, "Wavelet-based neural network for power disturbance recognition ...
  • [33]      T. X. Zhu, S. K. Tso and K. L. ...
  • [34]      H. Eristi and Y. Demir, "Automatic classification of power ...
  • [35]      Chen Wei, Hao Xiaohong and Lin Jie, "Interference Source ...
    • نمایش کامل مراجع