مقایسه روش های هوشمند تشخیص جزیره ای منابع تولید پراکنده برق

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 452

فایل این مقاله در 12 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:

STCONF02_092

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

استفاده از منابع تولید پراکنده دارای مزایای زیادی است اما با چالش ها یی ها هم روبروست. یکی از این چالش ها حالت جزیره ای است جزیره یک پدیده نامطلوب است که به عنوان چالشی برای استفاده از منابع تولید پراکنده مطرح است و اولین گام در ربیاربیی با این پدیده، تشخیص دقیق ب سریع آن است تاکنون برای تشخیص جزیره ای شدن منابع تولید پراکندهروش های مختلفی مورد بررسی قرار گرفته است جدیدا روش های هوشمند مبتنی برداده کاوی مورد استقبال محققین قرار گرفته است در این قاله یک شبکه تست نمونه توسط نرم افزار Simulink/matlab شبیه ساز ی شده است و داده های استخراج شده با روش های مختلف داده کاوی و نتایج با مقایسه شده اند و در انتها این روش ها بر اساس شاخص هایموردنظر به مقایسه شده و بهترین روش انتخاب می شود

نویسندگان

حامد موسوی

دانشجوی ارشد دانشگاه آزاد اسلامی واحد تربت حیدریه

مرتضی افسری

هییت علمی دانشگاه آزاد اسلامی واحد تربت حیدریه

کاظم عاملی

هییت علمی دانشگاه آزاد اسلامی واحد تربت حیدریه

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 :
  • . Jadric, I. Boroyevich, D. Jadric, 15 No.2, pp.303 _ ...
  • . Nattapon, Boonyapakdee; Tirasak Sapaklom, and Mongkol Konghirun, 2013 International ...
  • . Pegah Yazdkhast and Chris P. Diduch, Proceeding of the ...
  • . M. Khodaparastan _ _ H. Vahedj2, (2012), 2012 IEEE ...
  • . A Thesis Submitted to the Graduate Faculty of the ...
  • . Shai Shalev- Shwartz.EDU Toyota Technological Institute at Chicago, 1427 ...
  • . Shai Shalev- Shwartz.EDU Toyota Technological Institute at Chicago, 1427 ...
  • . Moshe Looks, Levels of Abstraction in Modeling and Sampling: ...
  • . Riyasat Azim, Yongli Zhu, Hira Amna Saleem, (2015), A ...
  • نمایش کامل مراجع