آشکارسازی اشباع درترانسفورماتور جریان با استفاده از شبکه عصبی مصنوعی بهینه شده

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,091

فایل این مقاله در 6 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:

شناسه ملی سند علمی:

POWERPLANT03_080

تاریخ نمایه سازی: 22 مرداد 1391

چکیده مقاله:

این مقاله یک رویکرد جدید بر مبنای شبکه عصبی مصنوعی و بهینه سازی گروه ذرات برای آشکارسازی اشباع در ترانسفورماتورجریان ارائه می کند. شبکه های عصبی مصنوعی برای آشکارسازی جریان اشباع شده آموزش داده شده و بهینه سازی گروه ذرات برای بهینه سازی ساختار شبکه عصبی مصنوعی به کار رفته است. همه پارامترهای تاثیر گذار بر روی اشباع ترانسفورماتور جریان همانند ظرفیت اتصالکوتاه منبع، نوع خطا، محل وقوع خطا، مقاومت خطا، زاویه وقوع خطا، امپدانس بردن ثانویه و شار پسماند هسته برای تولید یک مجموعه کامل آموزشی برای آموزش شبکه های عصبی تغییر داده شده اند. دقت آشکارساز طراحی شده توسط سیگنا لهای تولید شده توسط یک نرم افزارEMTDC آزمایش شده است که آشکارساز عملکرد مناسبی از خود نشان می دهد

کلیدواژه ها:

نویسندگان

موسی مقیمی حاجی

دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر

بهروز وحیدی

دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر

سیدحسین حسینیان

دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر

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 :
  • W. Rebizant, and D. Bejmert, _ C _ _ t-Transformer ...
  • M. M. Saha, J. I zykowski, M. Lukowicz, and E. ...
  • _ _ M. E.:: A Survey of Partie Swarm Optimization ...
  • _ _ _ Saturated Current Transformers Secondary Current Using ANNs", ...
  • K. M. Faraoun, A. Boukelif, :Neuran networks learning k-means clustering ...
  • S. Jazebi, B. Vahidi, S. H. Hosseinian, and J. Faiz, ...
  • نمایش کامل مراجع