ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارتقای تخمین حالت سیستم های قدرت با وضعیت نامطلوب با استفاده از تابع توزیع گوسی و ماشین یادگیری اصلاح شده در شبکه عصبی تعمیم یافته

سال انتشار: 1400
کد COI مقاله: EESCONF05_063
زبان مقاله: فارسیمشاهده این مقاله: 57
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارتقای تخمین حالت سیستم های قدرت با وضعیت نامطلوب با استفاده از تابع توزیع گوسی و ماشین یادگیری اصلاح شده در شبکه عصبی تعمیم یافته

نورالله داوریان - کارشناس ارشد برق قدرت، گروه برق، دانشکده تحصیلات تکمیلی، واحد ممسنی، دانشگاه آزاد اسلامی، نورآباد ممسنی، ایران
علی کریمی - دکترای برق قدرت، گروه برق، دانشکده تحصیلات تکمیلی، واحد ممسنی، دانشگاه آزاد اسلامی، نورآباد ممسنی، ایران
اسحاق فرجی - دکترای برق قدرت، گروه برق، دانشکده تحصیلات تکمیلی، واحد ممسنی، دانشگاه آزاد اسلامی، نورآباد ممسنی، ایران

چکیده مقاله:

تخمین حالت یکی از مهم ترین ابزارها در سیستم های مدیریت انرژی می باشد که می بایست تخمینی دقیق و مطمئن از حالات سیستم قدرت برای استفاده در کاربردهای مختلف نظیر آنالیز ایمنی، پخش بار زمان حقیقی ارائه دهد. در این مقاله با استفاده از شبکه عصبی مبتنی بر روش ماشین یادگیری حداکثری اصلاح شده روشی برای تخمین حالت سیستم قدرت با حالات نامطلوب ارائه شده است. شبکه عصبی مبتنی بر یادگیری ماشین حداکثری، تخمین حالت را از طریق یک رویه مستقیم انجام می دهد که نیازی به رفتن به رویه تکراری تخمین حالت WLS را ندارد و زمان محاسباتی پایین تری دارد. جهت تایید کارائی روش پیشنهادی بر روی سه شبکه تست پیاده سازی گردیده است. از نتایج استنباط می شود که تمامی تخمین های فازوری ولتاژ با استفاده از روش پیشنهادی دارای مقادیر مناسبی می باشند و خطای روش مبتنی بر شبکه عصبی به مراتب بهتر از روش WLS می باشد که نشانگر بهتر بودن روش شبکه عصبی مبتنی بر یادگیری ماشین حداکثری می باشد. از نتایج شبیه سازی در سه وضعیت بیش از حد-معین، بحرانی-معین و زیرمعین استدلال می شود که در تمامی سطوح کمکی اندازه گیری روش پیشنهادی شبکه عصبی مبتنی بر یادگیری ماشین حداکثری توانسته تخمین حالت را با کوچک ترین خطای آماری انجام دهد. خطای متوسط مطلق مربوط به اندازه ولتاژ، اندازه فاز، فلوهای توان اکتیو و راکتیو و نیز FE نیز با مقدار کوچکی همراه شده است. مقادیر کوچک این خطاها نشانگر عملکرد بسیار مناسب روش پیشنهادی می باشد.

کلیدواژه ها:

تخمین حالت ، سیستم قدرت با حالات نامطلوب ، ماشین یادگیری حداکثری

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا EESCONF05_063 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1257218/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
داوریان، نورالله و کریمی، علی و فرجی، اسحاق،1400،ارتقای تخمین حالت سیستم های قدرت با وضعیت نامطلوب با استفاده از تابع توزیع گوسی و ماشین یادگیری اصلاح شده در شبکه عصبی تعمیم یافته،پنجمین کنفرانس بین المللی مهندسی برق، الکترونیک و شبکه های هوشمند،https://civilica.com/doc/1257218

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، داوریان، نورالله؛ علی کریمی و اسحاق فرجی)
برای بار دوم به بعد: (1400، داوریان؛ کریمی و فرجی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 2,174
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی