بهبود برآورد و عملکرد در پخش بار بهینه با استفاده از شبکه عصبی بیزین
Publish place: Journal of Energy Engineering & Management، Vol: 9، Issue: 3
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
This Paper With 12 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:
شناسه ملی سند علمی:
JR_ENERGY-9-3_008
تاریخ نمایه سازی: 29 آبان 1401
Abstract:
طراحی و توسعه آینده سیستم با توجه به رشد بار ولزوم اضافه کردن ژنراتورها، ترانسفورماتورها و خطوط جدید در سیستم قدرت، بدون مطالعه پخش بار امکان پذیر نیست. ضرورت مطالعات پخش بار بهینه نیز علاوه بر موارد ذکرشده برای پخش بار جهت رسیدن به توابع هدف است که در این مقاله، هزینه سوخت ژنراتورها، تلفات توان اکتیو شبکه و شاخص بارپذیری شبکه مورد استفاده قرار گرفته است. بنابراین با استفاده از شبکه عصبی مصنوعی و مقایسه دو الگوریتم پس انتشار خطا از این نوع شبکه و تعریف مدل، به بررسی و تحلیل پخش بار بهینه پرداخته شده است. با استفاده از نمایه های ارزیابی مدل و آزمون مرگان-گرنجر-نیوبلد (MGN) عملکرد این دو الگوریتم مورد تحلیل و مقایسه قرار گرفته اند. از روش آماری بوت استرپینگ نیز برای رسیدن به بهترین عملکرد برای بهبود برآورد پخش بار بهینه استفاده شده است. به منظور کاهش گام ها با خطای کمتر از ۱% برای بهبود برآورد پخش بار بهینه با بهینه سازی توابع تک هدفه مذکور، شبکه های عصبی بیزین و پرسپترون در شبکه استاندارد ۳۰ شین IEEE مورد بررسی قرار گرفته اند. نتایج، نقش موثر شبکه عصبی بیزین بوت استرپ شده را از لحاظ عملکرد در نرم افزار متلب نشان می دهد.
Keywords:
Estimation , Optimal Power Flow (OPF) , Bayesian Neural Network , Bootstrap , MGN Test. , برآورد (تخمین) , پخش بار بهینه , شبکه عصبی بیزین , بوت استرپینگ , آزمون MGN.
Authors
مهدی صبری
Islamic Azad University of Tabriz
روشنک رضائی پور
Islamic Azad University of Tabriz
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 :