ارائه روش محاسباتی هوشمند در تخمین میدان‌های الکتریکی و مغناطیسی فرکانس قدرت خطوط شبکه توزیع با استفاده از شبکه عصبی مبتنی بر توابع پایه شعاعی نرمالیزه‌شده

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 308

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ELEMAG-8-1_012

تاریخ نمایه سازی: 21 دی 1399

Abstract:

در سال‌های اخیر، رشد جمعیت در منطقه شهری و افزایش تقاضای انرژی الکتریکی، منجر به گسترش شبکه برق‌رسانی، بارگذاری بیشتر در خطوط انتقال انرژی الکتریکی و کاهش حریم خطوط شده است. به‌واسطه چنین شرایطی، احتمال قرار گرفتن در معرض میدان‌های الکتریکی و مغناطیسی در محیط‌های مسکونی و کاری افزایش یافته است. از آنجایی که قرار گرفتن در معرض میدان‌های الکترومغناطیسی در فرکانس قدرت بر سلامت انسان تأثیرگذار می‌باشد، این عامل به‌عنوان چالشی جدی مطرح شده است. به‌منظور آگاهی از چگونگی انتشار میدان‌های الکترومغناطیسی، مدل‌سازی میدان‌های الکتریکی و مغناطیسی با استفاده از روش هوش مصنوعی به‌عنوان روشی دقیق و سریع مورد توجه و بررسی قرار گرفته است. در این مقاله از شبکه عصبی مبتنی بر توابع پایه شعاعی نرمالیزه‌شده به‌منظور تخمین میدان‌های الکتریکی و چگالی شار مغناطیسی استفاده شده است. داده‌های مورد نیاز به‌منظور آموزش و اعتبارسنجی مدل ارائه‌شده، با استفاده از شبیه‌سازی به روش اجزاء محدود پنج آرایش متفاوت از خطوط شبکه توزیع 20 کیلوولت توسط نرم‌افزار COMSOL استخراج شده است. بر اساس شبیه‌سازی انجام‌شده، مقادیر میدان‌های الکتریکی و چگالی شار مغناطیسی در مختصات‌های طولی و عرضی مختلفی از فضای اطراف خطوط اندازه‌گیری شده است. مقایسه نتایج تخمین زده‌شده و اندازه‌گیری­شده نشان داده است که مدل ارائه‌شده دارای دقت بسیار خوبی در تعیین میدان الکتریکی و چگالی شار مغناطیسی در نقاط مختلف اطراف خطوط در ساختارهای مختلف شبکه توزیع است.

Authors

معصومه خودسوز

دانشگاه علم و فناوری بهشهر

سید میثم سیدبرزگر

دانشکده مهندسی برق و رباتیک دانشگاه صنعتی شاهرود

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • [1]     G. Draper, T. Vincent, ME. Kroll, J. Swanson, “Childhood ...
  • [2]     S. Ozen, “Low-frequency transient electric and magnetic fields coupling ...
  • [3]     IC. Ahlbom, E. Cardis, A. Green, M. Line, “ ...
  • [4]     S. Helhel, S. Ozen, “ Assessment of occupational exposure ...
  • [5]     D.Noble, A. McKinlay, M. Repacholi, “Effects of static magnetic ...
  • [6]     IARC. “ Monographs on the evaluation of carcinogenic risks ...
  • [7]     Li DK, R. Odouli, S. Wi, T. Janevic, I. ...
  • [8]     S. Ozen, “Evaluation and measurement of magnetic field exposure ...
  • [9]     F. Moro, R. Turri, “Fast analytical computation of       power-line ...
  •  [10]   G. Filippopoulos, D. Tsanakas, “ Analytical calculation of the ...
  • [11]  NH. Malik, “ A review of the charge simulation ...
  • [12]  A.Ayad, W.Krika, H.Boudjell, F.Benhamida, A.Horch,” Simulation of the Electromagnetic ...
  • [13]  I. Kosalay, “Fuzzy logic based ELF magnetic field estimation ...
  • [14]  L. Ekonomou, VT. Kontargyri, St. Kourtesi, TI. Maris, IA. ...
  • [15]  K. Hornik, M. Stinchcombe, H.White, “ Multilayer feedforward networks ...
  • [16]  J. Park, IW. Sandberg, “Universal approximation using radial basis ...
  • [17]  PN. Charalambos, PP. Antonis, AR. Panos, AK. George, NS. ...
  • [18]  R. Vesna, R. Jasna, “Prediction of magnetic field near ...
  • [19]  F. Munoz, JA. Aguado, F. Marti, JJ. Lopez, A. ...
  • [20]  H.F. CARLAK, S. Ozen, S. Bilgin, “Low-frequency exposure analysis ...
  • [21]  F. Carlak, S. Ozen. "Prediction of the Electric Field ...
  • [22]  G.A. Kulkarni,, and W. Z. Gandhare. "Prediction of Electromagnetic ...
  • [23]  K. R. Milani, “Distribution network overhead line, Aparatuse and ...
  • [24]  AC-DC module user’s guide, www.comsol.com/patents, 2018. ...
  • [25]  C. Bishop, “Improving the generalization properties of radial basis ...
  • [26]  L. Grabec, "The normalized radial basis function neural network ...
  • نمایش کامل مراجع