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

استراتژی جدید به منظور تعیین محل خظا در خطوط انتقال برای اصلاح عملکرد ریکلوزر اتوماتیک مبتنی بر روش های ترکیبی شبکه عصبی و الگوریتم بهینه سازی تاگوچی

سال انتشار: 1394
کد COI مقاله: ELEMECHCONF03_0530
زبان مقاله: فارسیمشاهده این مقاله: 413
فایل این مقاله در 12 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 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استراتژی جدید به منظور تعیین محل خظا در خطوط انتقال برای اصلاح عملکرد ریکلوزر اتوماتیک مبتنی بر روش های ترکیبی شبکه عصبی و الگوریتم بهینه سازی تاگوچی

میلاد معافی - دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز، تبریز، ایران- دانشگاه جامع علمی کاربردی شرفدار کلا ساری
احمد خلیلی - شرکت توزیع برق مازندران
شیدا محمودی قره تپه - موسسه آموزش عالی هدف مازندران
مرتضی مرادی - شرکت توزیع برق مازندران

چکیده مقاله:

دراین مقاله روشی جدید جهت طبقه بندی و تعیین محل خطاها در خطوط انتقال با استفاده از شبکه عصبی ارائه شده است. در این جا ما خطا را پیش از عملکرد ریکلوزر شناسایی کرده و محل تقریبی خطا را نیز معین می کنیم تا برای بررسی بیشتر استفاده شود. آموزش شبکه عصبی توسط الگوریتم لونبرگ مارکوت انجام شده است. همچنین در این روش تنها از اطلاعات ابتدای خط انتقال استفاده می شود. طیف های هارمونیکی DC، اصلی و چهار طیف هارمونیکی اول ولتاژ در هر سه فاز از ابتدای خط انتقال نمونه برداری می شود و از طیف های هارمونیکی به عنوان ورودی شبکه عصبی استفاده شده است. همچنین از روش تاگوچی برای بهینه کردن پارامترهای الگوریتم و تعداد نرونها در لایه پهنان استفاده می کنیم. از نرم افزار MATLAB برای شبیه سازی استفاده شده است. نتایج نشان می دهد که می توان نوع و محل تقریبی خطا را به صورت مؤر تشخیص داد و از خطا در عملکرد رکلوزر اجتناب کرد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ELEMECHCONF03_0530 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/479295/

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:
معافی، میلاد و خلیلی، احمد و محمودی قره تپه، شیدا و مرادی، مرتضی،1394،استراتژی جدید به منظور تعیین محل خظا در خطوط انتقال برای اصلاح عملکرد ریکلوزر اتوماتیک مبتنی بر روش های ترکیبی شبکه عصبی و الگوریتم بهینه سازی تاگوچی،سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک،تهران،https://civilica.com/doc/479295

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: (1394، معافی، میلاد؛ احمد خلیلی و شیدا محمودی قره تپه و مرتضی مرادی)
برای بار دوم به بعد: (1394، معافی؛ خلیلی و محمودی قره تپه و مرادی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • ر.روی "آشنایی با روش طراحی آزمایشات تاگوچی"انتشارات دانشگاه زنجان، اسفند ...
  • Desta Zahlay F.1 and K.S. Rama Rao, "Taguchi's Method for ...
  • Kimbark, E. Wilson, Power System Stability, vol. I, John Sons ...
  • E. Kuffel, High voltage engineering _ fundamentals, 2nd edition, B ...
  • R. C. Bansal, "Optimization methods of electric power systems: An ...
  • A.I. Megahed , H.M. Jabr, F.M. Abouelenin and M.A. Elbakry, ...
  • v.v. Terzija and Z. M. Radojevic, "Numerical algorithm for adaptive ...
  • I.K. Yu and Y.H. Song, ،0Wavelet analysis and neural network ...
  • Hagan M. T. and Menhaj M., "Training feedforward networks with ...
  • T. C. Chen, "Acceleration of Levenb erg-Marquardt training of neural ...
  • M. Riedmiller, ":Advanced supervised learming in multi-layer perceptrons -from B ...
  • algorithms, " International Journal On Computer Standards and Interfaces, vol. ...
  • Lochner H. R., Designing for quality. An introduction o the ...
  • A. T. Johns, P.K. Aggarwal and Y. H. Song, "Improved ...
  • Geva Dror, Training Artificial Neural Networks Using Taguchi Methods, The ...
  • 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 دولتی
    تعداد مقالات: 21,705
    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 پیشنهادی مرتبط

    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